Memilih Variabel (skripsi tesis dan disertasi)

Setiap pengelompokan terhadap objek apa pun harus memiliki dasar untuk
mengelompokkan. Kalau ada sekumpulan orang, kita mudah melakukan pengelompokan
berdasarkan jenis kelamin, hasilnya dua kelompok: pria dan wanita. Dalam
pengelompokan ini, dasar atau variabel yang digunakan adalah jenis kelamin.
Pengelompokan dengan memakai hanya satu variabel umumnya tidak memuaskan karena
tidak menggambarkan profil kelompok secara jelas. Jadi, agar profil kelompok lebih jelas,
kita dapat menambahkan variabel-variabel lain, misalnya usia, tingkat pendi-dikan,
pekerjaan, status perkawinan, dan lain-lain.
Sayangnya, dalam analisis cluster, pemilihan variabel-variabel yang dilibatkan tidak boleh
sembarangan. Aturan pertama, dengan variabel-variabel yang dilibatkan, peneliti dapat
membentuk kelompok-kelompok, yang bermanfaat dari segi bisnis maupun ilmu
pengetahuan. Tidak ada gunanya melakukan pengelompokan kalau hasilnya tidak
memberikan manfaat.
Dalam pemasaran, misalnya, tujuan dari segmentasi pasar adalah untuk mengenal
segmen-segmen yang efektif, sehingga perusahaan dapat memilih satu, beberapa atau
semua segmen sebagai pasar sasaran. Kalau tidak sesuai dengan sasaran peneliti,
penge-lompokan tidak berguna.
Aturan kedua, pilih variabel-variabel yang betul-betul dapat memberikan gambaran
tentang persamaan dalam kelompok dan perbedaan antar-kelompok. Kalau dalam sebuah
variabel level semua objek sama (extremely homogenous), maka variabel tersebut jangan
dipakai. Misalnya, kalau dalam sebuah populasi semua orang berusia 20 tahun, jangan
lagi libatkan variabel ‘usia’ untuk mengelompokkan populasi tersebut.
Sebuah variabel yang betul-betul tidak pernah sama di antara objek-objek (extremely
heterogenous), atau yang selalu berbeda dari objek yang satu dengan objek lainnya, juga
tidak bisa dipakai. Sebab, variabel demikian tidak akan pernah berkontribusi terhadap
kesamaan (similarity) yang dipakai sebagai dasar untuk melakukan pengelompokan
subjek.

Tujuan Dasar Cluster (skripsi tesis dan disertasi)

Tujuan utama analisis klaster adalah untuk menempatkan sekumpulan objek ke dalam dua
atau lebih grup berdasarkan kesamaan-kesamaan objek atas dasar berbagai karakteristik.
Melalui prinsip homogenitas grup, menurut Hair, et. al., terdapat tiga sasaran yang
tersedia bagi peneliti, yaitu:
1. Deskripsi taksonomi (taxonomy description). Ini merupakan sasaran tradisional analisis
klaster. Dengan taksonomi, kita mengelompokkan sekumpulan objek secara empiris.
Memang, analisis klaster telah dipakai untuk keperluan-keperluan pengelompokan.
Akan tetapi, kemampuannya tidak sebatas itu. Analisis klaster dapat pula dipakai untuk
memunculkan hipothesis tentang struktur objek-objek yang diteliti. Jadi, sekalipun
banyak dipandang sebagai alat analisis untuk keperluan eksploratori, analisis klaster
dapat pula dipakai untuk tujuan konfirmatori.
2. Simplikasi data (data simplication). Dengan taksonomi, memang kita peroleh grup.
Akan tetapi, berdasarkan struktur yang diperoleh, kita juga bisa menjelaskan profil
setiap grup berdasarkan karakteristik umum yang dimiliki. Kalau analisis faktor
menjelaskan “dimensi” yang mendasari sejumlah variabel, dengan analisis klaster, kita
juga melakukan hal yang sama, yaitu dimensi yang mendasari sejumlah observasi yang
berada pada suatu klaster. tentang hubungan antar observasi yang tidak mungkin diperoleh dengan menganalisis
observasi secara individu. Memang analisis diskriminan dapat digunakan untuk
mengetahui hubungan tersebut secara empiris. Bahkan, secara kualitatif hubungan
tersebut juga bisa diidentifikasi. Akan tetapi analisis klaster seringkali memperlihatkan
kesamaan-kesamaan maupun perbedaan-perbedaan yang tidak terdeteksi metodametoda
lain.

Desain Penelitian (skripsi tesis dan disertasi)

Desain merupakan suatu aspek perancangan yang penting dan
mesti diperhatikan dalam melaksanakan suatu penelitian. Desain
penelitian menuntun peneliti untuk mengikuti langkah-langkah
atau prosedur penelitian yang mesti diikuti dan tidak boleh melenceng
dari langkah-langkah atau prosedur tersebut. Apabila melenceng
dari langkah-langkah atau prosedur yang ada, maka konsistensi
penelitian tidak terwujud dan ini akan menyebabkan penelitian
yang baik tidak akan terwujud.
Dalam penelitian mixed methods research misalnya, Creswell
dan Clark (2005) berpendapat bahwa dalam penelitian mixed method
research khususnya explanatory design procedure, penelitian secara
khusus memberi penekanan yang lebih besar pada kaedah kuantitatif
dibanding kaedah kualitatif.
Sejalan dengan itu, King, Keohane dan Verba, (1994) menyatakan
pula bahwa dalam kaedah penelitian kuantitatif cenderung didasarkan
kepada ukuran berangka (numerical measurements) daripada
aspek gejala yang khusus; yang menggambarkan keadaan tertentu
untuk mencari gambaran umum atau untuk menguji hipotesis
yang terjadi. Kaedah penelitian kuantitatif berupaya untuk mencari
penjelasan dan prediksi yang akan digeneralisasikan kepada seseorang
dan suatu tempat yang lain. Bahkan King, Keohane dan
Verba (1994) dalam Thomas (2003) juga menyatakan bahwa kaedah
penelitian kuantitatif berupaya mencari pengukuran dan analisis
yang dapat diulangi oleh penelitian-penelitian yang lain.
Adapun dalam penelitian kualitatif, sebagaimana diungkapkan
oleh Denzin dan Lincoln (1994) menunjukkan bahwa kaedah penelitian
ini berupaya untuk memperjelas tentang interpretasi mengenai
lingkungan alamiah (natural setting), perasaan dan pandangan
responden ataupun menafsirkan gejala mereka. Karena itulah,
dalam kaedah penelitian kualitatif berupaya untuk mengumpulkan
materi yang dapat dijadikan studi kasus, pengalaman pribadi,
introspektif, cerita hidup dan sebagainya. Dengan kata lain, kaedah penelitian kualitatif ini berupaya untuk memahami kisah-kisah
pribadi dan cara mereka berinteraksi (Denzin dan Lincoln 1994)
dalam Thomas (2003). Sesuai dengan pandangan kedua pakar ini,
Greene (2007) dalam Tashakkori dan Teddlie (2010) menyatakan
bahwa penggunaan metode penelitian gabungan (mixed methods
research) merujuk kepada penggunaan kaedah pelengkap bagi
masing-masing penelitian kualitatif dan kuantitatif yang sama
di seluruh proses penelitian, dengan integrasi yang berlaku pada
analisis data.
Nau (1995) dalam Gratton dan Jones (2010) juga menyatakan
bahwa penggunaan metode penelitian kualitatif dan kuantitatif dapat
menghasilkan produk akhir dengan menyorot (highlight) sumbangan
yang signifikan dari kedua metode yang ada. Sebagai contoh, data
kualitatif (qualitative data) dapat digunakan untuk mendukung dan
menguraikan maksud penelitian kuantitatif (Jayaratne (1993) dalam
Gratton dan Jones (2010) yaitu untuk memberi beberapa penjelasan
terhadap ukuran kuantitatif. Karena itu, mengingat kekuatan dalam
pengumpulan data penelitian kuantitatif lebih banyak bertumpu
pada angket, maka penelitian mixed methods research dilakukan secara
tinjauan dengan menggunakan angket sebagai instrumen utama
dalam penelitian, adapun data kualitatifnya dijadikan sebagai data
pendukung untuk menjelaskan temuan secara kuantitatif dalam
penelitian ini.

Tahapan Simulasi (skripsi tesis dan disertasi)

Proses Tahapan dalam mengembangkan Model dan
simulasi komputer secara umum, sebagai berikut :
a. Memahami sistem yang akan disimulasikan Jika
Pengembang model tidak tau atau belum mengetahui cara
kerja sistem yang akan dimodel simulasikan maka
pengembang perlu meminta bantuan seorang ahli (pakar)
dibidang sistem yang bersangkutan. Data masukan,
keluaran, variable dan parameter masih dalam bentuk
symbol – symbol verbal (kata – kata).
b. Mengembangkan Model matematika dari sistem Apabila
pengembang sudah mengetahui cara kerja sistem yang
bersangkutan, maka tahap berikutnya adalah
memformulasikan model matematika dari sistem. Model
matematika bisa dalam bentuk persamaan diferensial,
persamaan aljabar linear, persamaan logika diskret dan
lain – lain disesuaikan dengan karakterisitik sistem dan
tujuan pemodelan
c. Mengembangkan Model matematika untuk simulasi
Digunakan untuk menyederhanakan model matematika
yang sudah dihasilkan sebelumnya. Agar lebih mudah
dalam menyederhanakan Model matematika, maka dibuatlah suatu Flow Chart untuk merinci tahapan yang
harus dilewati untuk membuat program.
d. Membuat program (software) Beberapa flow chart dari
tahapan sebelumnya kemudian diimplementasikan lebih
lanjut menjadi program (software) computer
e. Menguji, memverifikasi dan memvalidasi keluaran
simulasi Simulasi pada dasarnya adalah menirukan sistem
nyata (realitas) sehingga tolak ukur baik tidaknya simulasi
adalah sejauh mana yang bersangkutan. Pengujian
(testing) dilakukan pada tingkat modul program, untuk
menguji fungsi subsistem. Verifikasi dilakukan untuk
membuktikan bahwa hasil implementasi program
komputer sudah sesuai dengan rancangan model konsep
dari sistem yang bersangkutan. Validasi dilakukan dengan
membandingkan hasil keluaran simulasi dengan data yang
diambil dari sistem nyata (realitas).
f. Mengeksekusi program simulasi untuk tujuan tertentu.
Eksekusi (running) program komputer bisa dilakukan
secara waktu nyata (real time) atau waktu tidak nyata
(offline) tergantung dari tujuan simulasi. Secara umum ada
3 tujuan simulasi, yaitu : untuk mempelajari perilaku
(behavior) sistem, untuk pelatihan (training), untuk
hiburan/permainan (gaming).

Konsep Simulasi (skripsi tesis dan disertasi)

Simulasi sebagai proses pengolahan data
dengan penggunaan rangkaian model-model
simbolik pada pengoperasian sistem tiruan tidak
mengharuskan dan tidak mengajukan penggunaan
formula atau fungsi-fungsi dan persamaan tertentu sebagai model simbolik penyelesaian persoalan,
tetapi sebaliknya simulasi yang terdiri dari tahapantahapan
dan langkah-langkah pengolahan data
haruslah dilengkapi dengan model-model simbolik
yang sesuai memberikan hasil pengoperasian sistem
tiruan dalam bentuk data output yang berguna
untuk penyelesaian persoalan. Simulasi juga tidak
terikat dengan penggunaan model-model sistem
acuan tetapi memerlukan pemodelan untuk
menghasilkan model sistem dan model operasi
sistem yang sesuai dengan tujuan penelitian atau
penyelidikan. Penyusunan model-model pada simulasi
merupakan bentuk aplikasi dari teori, prinsip, dan
pendekatan sistem. Model sistem dan model-model
simbolik dari fungsi atau proses serta prosedur
pengoperasian sistem tiruan haruslah disusun sebagai
perangkat lunak untuk penyelidikan dan analisis
karakteristik sistem. Untuk itu peniruan operasi
sistem ril dilakukan atas elemen-elemen yang
berkaitan dengan aktivitas sistem yaitu masukan dan
komponen- komponen sistem, hubungan dan
interaksi antar komponen sistem, aturan-aturan,
disiplin dan ketentuan lainnya yang berlaku dalam
aktivitas sistem. Berdasarkan peniruan sistem dan
aktivitas sistem ril yang sesuai, hasil simulasi sistem
dapat diterima dan berlaku syah sebagai data output
yang berguna menunjukkan karakteristik operasional
sistem ril.
Sesuai dengan konsep simulasi sistem tersebut
di atas, solusi untuk suatu persoalan dalam bentuk
keadaan yang kurang baik ataupun keadaan yang
tidak optimal dapat disusun dalam bentuk
rancangan pengembangan sistem dan bentuk
rancangan perbaikan pengelolaan dan pengoperasian
sistem. Solusi untuk mewujudkan keadaan yang
lebih baik dapat diperoleh berdasarkan hasil analisis
dan pengujian rancangan pengembangan dan
perbaikan melalui simulasi sistem
Model konseptual simulasi
menunjukkan simulasi sebagai imitasi sistem melalui
penyusunan model-model yang diperlukan pada pengoperasian sistem maya sebagai tiruan yang sama
ataupun sebagai imitasi modifikasi dari suatu sistem
ril untuk memperoleh karakteristik operasional
sistem sebagai bahan pertimbangan pada penentuan
solusi atas persoalan sistem ril.

Simulasi Penyelesaian Persoalan (skripsi tesis dan disertasi)

Masalah tidak adanya metode yang sesuai
dengan persoalan pada umumnya berkaitan dengan
bentuk persoalan yang unik dan rumit, yang tidak
dapat diselesaikan dengan menggunakan metode dan
model-model baku yang ada. Sebagai contoh adalah
persoalan sistem antrian yang unik
Perumusan persoalan dengan penyesuaian
terhadap metode yang hendak digunakan biasanya
terjadi atas kepentingan untuk memperoleh solusi
seadanya. Namun dengan upaya penyesuaian, solusi
yang diperoleh dapat menyimpang dari yang
semestinya, di samping dapat memunculkan
persoalan baru jika penerapan solusi yang diperoleh
tidak dapat memberikan hasil yang diharapkan dan
bahkan menimbulkan masalah pada penanganan
persoalan. (Napitupulu, 2009).

Tujuan Imitasi pada Simulasi (skripsi tesis dan disertasi)

Menurut pendefinisian pada berbagai kamus,
kata simulasi diartikan sebagai cara mereproduksi
kondisi dari suatu keberadaan dengan menggunakan
model dalam rangka studi pengenalan atau pengujian
atau pelatihan dan yang sejenis lainnya. Simulasi
dalam bentuk pengolahan data merupakan imitasi
dari proses dan input ril yang menghasilkan data
output sebagai gambaran karakteristik operasional
dan keadaan pada sistem. Imitasi dalam simulasi menghasilkan model
representasi dari suatu proses atau operasi dan
keadaan ril. Model sebagai imitasi disusun dalam
bentuk yang sesuai menyajikan sistem ril atas halhal
tertentu yang perlu direpresentasikan dengan
maksud untuk menghadirkan tiruan dari kegiatan
dan sistem ril. Sebagai contoh, model sistem antrian
sebagai imitasi dari sistem pelayanan disusun untuk
menggambarkan posisi dari pelanggan menunggu di
depan stasiun pelayanan.
Tujuan imitasi sistem ril dengan menghadirkan
elemen dan komponen tiruan adalah untuk peniruan
fungsi dan hubungan ril serta interaksi antar objek
dan komponen ril pada sistem tiruan. Komponenkomponen
sistem tiruan hadir dalam bentuk fungsi
dan interaksi imitasi yang disajikan dalam bentuk
rangkaian proses dalam aktivitas dan operasi sistem
yang disimulasi. Operasi tiruan yang berlangsung
dengan penggunaan data input tiruan diperlukan untuk menghasilkan output sebagai gambaran dari
hasil operasi dan keadaan pada sistem yang
disimulasi.

KEUNGGULAN DAN KELEMAHAN STATISTIK NON-PARAMETRIK (skripsi tesis dan disertasi)

Keunggulan :

  1. Tidak membutuhkan asumsi normalitas.
  2. Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah dimengerti jika dibandingkan dengan statistik parametrik karena ststistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya statistik parametrik.
  3. Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang (ordinal).
  4. Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data kualitatif.
  5. Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada pengamatan yang nyata.
  6. Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi dapat digunakan pada populasi berdistribusi normal.

Kelemahan :

  1. Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.
  2. Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik parametrik.
  3. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti pada statistik parametrik. Hal ini dikarenakan statistik non-parametrik mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu.

PENGERTIAN STATISTIK NON PARAMETRIK (skripsi tesis dan disertasi)

Pengertian

Statistik yang digunakan untuk menganalisis data nominal dan ordinal dari populasi yang bebas berdistribusi. (Sugiyono, 2014:23) Statistik nonparametrik adalah bagian statistik yang parameter dari populasinya tidak mengikuti suatu distribusi tertentu atau memiliki distribusi yang bebas dari persyaratan, dan variansnya tidak perlu homogen. (Iqbal Hasan, 2005:9) Statistik Non-Parametrik adalah yaitu statistik bebas sebaran (tidak mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak berdistribusi normal.

Ciri-ciri statistik non-parametrik :

  1. Data tidak berdistribusi normal
  2. Umumnya data berskala nominal dan ordinal
  3. Umumnya dilakukan pada penelitian sosial
  4. Umumnya jumlah sampel kecil

Syaratnya :

  1. sampel yang digunakan memiliki ukuran yang kecil
  2. Data yang digunakan bersifat ordinal, yaitu data-data yang bisa disusun dalam urutan atau klasifikasikan rangkingnya
  3. Data yang digunakan bersifat nominal yaitu data-data yang dapat diklasifikasikan dalam kategori dan dihitung frekuensinya
  4. Bentuk distribusi populasi dan tempat pengambilan sampel tidak diketahui menyebar secara nominal
  5. Ingin menyelesaikan masalah statistik secara cepat tanpa menggunakan alat hitung

Penggunaan statistik non parametrik

  1. Digunakan dengan mengabaikan segelas asumsi yang melandasi metode statistik parametrik, terutama yang berkaitan dengan distribusi normal
  2. Digunakan apabila salah satu parameter tidak terpenuhi
  3. Untuk menguji hipotesis deskriptif (satu sample) baik untuk data nominal atau diskrit maupun untuk data ordinal atau peringkat rangking

PENGERTIAN STATISTIK PARAMETRIK (skripsi tesis dan disertasi)

Pengertian

Statistik parametrik adalah statistik yang digunakan untuk menganalisis data interval atau rasio, yang diambil dari pupulasi yang berdistribusi normal. (Sugiyono, 2014:23) Statistik parametrik adalah bagian statistik yang parameter dari populasinya mengikuti suatu distribusi tertentu, seperti distribusi normal, dan memiliki varians yang homogen. (Iqbal Hasan, 2005:9).

Statistik parametrik adalah yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan kata lain, data yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi normalitas. Data yang dianalisis adalah data interval atau rasio.

 

Ciri-ciri statistik parametrik :

  1. Data dengan skala interval dan rasio
  2. Data menyebar/berdistribusi normal

 

Syarat uji parametrik:

  1. Dari populasi dengan distribusi normal
  2. Sampel diambil secara random
  3. Sampel mempunyai varians yang sama
  4. Skala pengukuran interval atau rasio

 

 

Penggunaan statistik parametrik

 

  1. Digunakan untuk menganalisa data interval dan rasio, yang diambil dari populasi yang berdistribusi normal
  2. Untuk menguji hipotesis deskriptif bila datanya interval atau rasio

 

 

 

 

 

 

 

 

PENYAJIAN DATA PADA STATISTIK DESKRIPTIF (skripsi tesis dan disertasi)

 Pada statistika deskriptif, yang perlu disajikan adalah:

 

  1. Ukuran pemusatan data (measures of central tendency). Ukuran pemusatan data yang sering digunakan adalah distribusi frekuensi. Ukuran statistik ini cocok untuk data nominal dan data ordinal (data kategorik). Sementara nilai mean adalah ukuran pemusatan data yang cocok untuk data continuous. Ukuran deskriptif lain untuk pemusatan data adalah median (nilai tengah) dan modus (nilai yang paling sering muncul).

 

  1. Ukuran penyebaran data (measures of spread). Ukuran penyebaran data yang sering digunakan adalah standar deviasi. Ukuran penyebaran data ini cocok digunakan untuk data numerik atau continuous. Sementara untuk data kategorik, nilai range merupakan ukuran yang cocok.

 

JENIS-JENIS UJI STATISTIK (skripsi tesis dan disertasi)

 

  1. Statistika Deskriptif

Statistika deskriptif bermaksud menyajikan, mengolah dan menganalisa data dari kelompok tertentu sebagaimana adanya dan tidak bermaksud menarik kesimpulan-kesimpulan yang berlaku bagi kelompok-kelompok yang lebih besar. Artinya kesimpulan yang ditarik melalui deskriptif hanya berlaku bagai kelompok sampel yang bersangkutan tanpa dimaksudkan menarik kesimpulan yang berlaku bagi populasi.

Ukuran statistik yang lazim digunakan untuk mendeskripsikan karakteristik sampel ialah: ukuran kecenderungan sentral; Ukuran variasi ; Ukuran letak; koefisien korelasi. Sekalipun statistika deskriptif ini hanya menyajikan karakteristik sampel, namun statistika deskriptif merupakan dasar untuk mengkaji dan melakukan inferensi karakteristik populasi.

  1. Statistika Inferensial

Statistika inferensial adalah statistik yang berkaitan dengan analisis data (sampel) untuk kemudian dilakukan penyimpulanpenyimpulan (inferensi) yang digeneralisasikan kepada seluruh subyek tempat data diambil (populasi) (Burhan Nurgiyantoro dkk, 2000;12).

Statistika inferensial adalah statistik yang berhubungan dengan penarikan kesimpulan yang bersifat umum dari data yang telah disusun dan diolah (M.Subana dkk, 2000;12) Statistika inferensial atau statistika induktif bermaksud menyajikan, menganalisa data dari suatu kelompok untuk ditarik kesimpulan-kesimpulan, prinsip-prinsip tertentu yang berlaku bagi kelompok yang lebih besar (populasi) disamping berlaku bagi kelompok yang bersangkutan (sampel).

Statistika inferensial merupakan langkah akhir dari tugas statistika karena dalam setiap penelitian kesimpulan inilah yang diinginkan. Statistika inferensial harus berdasar pada statistika deskriptif, sehingga kedua-duanya harus ditempuh secara benar agar kita mendapatkan kegunaan maksimal dari statistika ini.

Yang masih tercakup dalam statistika inferensial adalah statistik parametrik dan non-parametrik.

  1. Statistik parametrik merupakan statistika inferensial yang mempertimbangkan nilai dari satu parameter populasi atau lebih dan umumnya membutuhkan data yang skala pengukuran minimalnya adalah interval dan rasio.

Statistika parametrik adalah suatu ukuran tentang parameter, artinya ukuran seluruh populasi dalam penelitian yang harus diperkirakan dari apa yang terdapat di dalam sampel (karakteristik populasi). Satu syarat umum yang harus dipenuhi apabila seorang peneliti akan menggunakan statistika parametrik, yaitu normalitas distribusi. Asumsi ini harus terpenuhi, karena: 1) secara teoretik karakteristik populasi mengikuti model distribusi normal; 2) nilai-nilai baku statistik yang digunakan untuk uji hipotesis didasarkan kepada model distribusi normal. Asumsi-asmsi lain seperti homogenitas, linieritas harus dipenuhi sesuai dengan hipotesis yang akan diuji.

Statistika non parametrik yaitu statistik yang tidak memperhatikan nilai dari satu parameter populasi atau lebih. Statistik non parametrik digunakan karena analisis parametrik tidak konsisten lagi sehingga tidak terikat atau terbebas dari model distribusi dan sampelnya relatif kecil. Pada umumnya validitas pada statistika non parametrik tidak bergantung pada model peluang yang spesifik dari populasi. Data yang dibutuhkan lebih banyak berskala ukuran nominal atau ordinal.

JENIS-JENIS HIPOTESIS (skripsi tesis dan disertasi)

 

Penelitian Hipotesis dapat diklasifikasikan berdasarkan rumusannya dan proses pemerolehannya.

  1. Ditinjau dari rumusannya, hipotesis dibedakan menjadi : Hipoteis kerja, yaitu hipotesis sintesis dari hasil kajian teoritis. Hipotesis kerja biasanya disingkat H1 atau Ha. Hipotesis nol atau hipotesis statistik, merupakan lawan dari hipotesis kerjadan sering disingkat Ho. Ada kalanya peneliti merumuskan hipotesis dalam bentuk H1 dan Ho untuk satu permasalahan penelitian. Hal ini didasari atas pertimbangan bahwa Ho sengaja dipersiapkan untuk ditolak sedangkan H1 dipersiapkan untuk diterima (Sudarwan Danim dan Darwis, 2003 : 171).
  2. Ditinjau dari proses pemerolehannya, hipotesis dibedakan menjadi Hipotesis induktif, yaitu hipotesis yang dirumuskan berdasarkan pengamatan untuk menghasilkan teori baru (pada penelitian kualitatif). Hipotesis deduktif, merupakan hipotesis yang dirumuskan berdasarkan teori ilmiah yang telah ada (pada penelitian kuantitatif). Hubungan antara hipotesis dengan observasi dan teori ilmiah pada hipotesis induktif dan deduktif dapat divisualisasikan sebagai berikut (Trochim, 2005).

CIRI-CIRI HIPOTESIS PENELITIAN YANG BAIK (skripsi tesis dan disertasi)

Pernyataan hipotesis yang baik memiliki beberapa kriteria. Berikut ini dua kriteria pernyataan hipotesis baik (Kerlinger, 2006: 30).

Hipotesis adalah pernyataan tetang relasi antara variabel-variabel

Hipotesis mengandung implikasi-implikasi yang jelas untuk pengujian hubungan-hubungan yang dinyatakan tersebut.

Bersadarkan dua kriteria tersebut disimpulkan bahwa pernyataan hipotesis mengandung dua variabel atau lebih yang dapat diukur serta menunjukkan secara jelas dan tegas cara variabel-variabel tersebut berhubungan (Kerlinger, 2006 : 30). Selain itu, Nazir (2005: 152) juga mengemukakan ciri-ciri hipotesis yang baik, yaitu:

  1. Hipotesis harus menyatakan hubungan antar variabel
  2. Hipotesis harus sesuai dengan fakta
  3. Hipotesis harus berhubungan dengan ilmu dan sesuai dengan berkembangnya ilmu pengetahuan
  4. Hipotesis harus dapat diuji dengan nalar ataupun dengan alat-alat statistika Hipotesis harus dinyatakan dalam bentuk sederhana dan terbatas untuk mengurangi timbulnya kesalahpahaman pengertian
  5. Hipotesis harus bisa menerangkan hubungan fakta-fakta dan dapat dikaitkan dengan teknik pengujian

Secara umum, berdasarkan pendapat ahli tersebut, hipotesis yang baik harus menyatakan hubungan antar variabel, sesuai dengan fakta dan ilmu pengetahuan, harus masuk akal dan dapat diuji.

TEKNIK SAMPLING PADA PENELITIAN KUALITATIF (skripsi tesis dan disertasi)

Objek kajian penelitian kualitatif sering bersifat kasuistik. Peneliti tidak mementingkan generalisasi. Oleh karena itu, sampel ditentukan secara purposif (sengaja/dengan pertimbangan) sehingga sampel penelitian tidak perlu mewakili populasi. Adapun pertimbangan penelitian sampel bukan berdasarkan pada aspek keterwakilan populasi didalam sampel. Pertimbangannya lebih pada kemampuan sampel (informan) untuk memasok informasi selengkap mungkin kepada peneliti. Sampel yang digunakan dalam metode penelitian kualitatif adalah sampel kecil, tidak representatif, purposive (snowball), dan berkembang selama proses penelitian. Nasution (1992) mengungkapkan bahwa metode kualitatif sampelnya sedikit dan dipilih menurut tujuan (purpose) penelitian. Penelitian ini sering berupa studi kasus atau multi kasus. Penelitian kualitatif tidak menggunakan istilah populasi, tetapi dinamakan situasi sosial yang terdiri dari tiga elemen, yaitu tempat (place), pelaku (actor), dan aktivitas (activity)

UNIT WAKTU SILABUS (skripsi tesis dan disertasi)

Silabus mata pelajaran disusun berdasarkan seluruh alokasi waktu yang disediakan untuk mata pelajaran selama penyelenggaraan pendidikan d tingkat  satuan pendidikan.

Penyusunan silabus memperhatikan alokasi waktu yang disediakan per semester, per tahun, dan alokasi waktu mata pelajaran lain yang sekelompok.

Implementasi pembelajaran per semester menggunakan penggalan silabus  sesuai dengan Standar Kompetensi dan Kompetensi Dasar untuk mata  pelajaran dengan alokasi waktu yang tersedia pada struktur kurikulum. Khusus untuk  SMK/MAK menggunakan penggalan silabus berdasarkan  satuan kompetensi.

PENGERTIAN SILABUS (skripsi tesis dan disertasi)

Silabus adalah rencana pembelajaran pada suatu kelompok mata pelajaran/tema tertentu yang mencakup standar kompetensi , kompetensi dasar, materi pokok/pembelajaran, kegiatan pembelajaran, indikator, penilaian, alokasi waktu, dan sumber/bahan/alat belajar. Silabus merupakan penjabaran standar kompetensi dan kompetensi dasar ke dalam materi pokok/pembelajaran, kegiatan pembelajaran, dan indikator pencapaian kompetensi untuk penilaian.

Silabus merupakan seperangkat rencana dan pengaturan tentang kegiatan pembelajaran, pengelolaan kelas, dan penilaian hasil belajar.

Silabus berisikan komponen pokok yang dapat menjawab pertanyaan berikut.: Kompetensi yang akan ditanamkan kepada peserta didik melalui suatu kegiatan pembelajaran kegiatan yang harus dilakukan untuk menanamkan / membentuk kompetensi tersebut upaya yang harus dilakukan untuk mengetahui bahwa kompetensi tersebut sudah dimiliki peserta didik Silabus bermanfaat sebagai pedoman sumber pokok dalam pengembangan pembelajaran lebih lanjut, mulai dari pembuatan

PRINSIP PENGEMBANGAN SILABUS ILMIAH (skripsi tesis dan disertasi)

  Keseluruhan materi dan kegiatan yang menjadi muatan dalam silabus harus benar dan dapat dipertanggungjawabkan secara keilmuan.

Cakupan, kedalaman, tingkat kesukaran dan urutan penyajian materi dalam silabus sesuai dengan tingkat perkembangan fisik, intelektual, sosial, emosional, dan spritual peserta didik.

Komponen-komponen silabus  saling berhubungan secara fungsional dalam mencapai kompetensi.

Adanya hubungan yang konsisten (ajeg, taat asas) antara kompetensi dasar, indikator, materi pokok, pengalaman belajar, sumber belajar, dan sistem penilaian. Memadai.

  1. Cakupan indikator

materi pokok, pengalaman belajar, sumber belajar, dan sistem penilaian cukup untuk menunjang pencapaian kompetensi dasar.

  1. Aktual dan Kontekstual.

Cakupan indikator, materi pokok, pengalaman belajar, sumber belajar, dan sistem penilaian memperhatikan perkembangan ilmu, teknologi, dan seni mutakhir dalam kehidupan nyata, dan peristiwa yang terjadi.

Keseluruhan komponen silabus dapat mengakomodasi keragaman peserta didik, pendidik, serta dinamika perubahan yang terjadi di sekolah dan tuntutan masyarakat.

Komponen silabus mencakup keseluruhan ranah kompetensi (kognitif, afektif, psikomotor)

 

LANGKAH-LANGKAH PENYUSUNAN RPP (skripsi tesis dan disertasi)

RPP dijabarkan dari silabus untuk mengarahkan kegiatan pembelajaran peserta didik dalam upaya mencapai KD. Setiap guru pada satuan pendidikan berkewajiban menyusun RPP secara lengkap dan sistematis. Dalam menyusun rencana pelaksanaan pembelajaran dapat ditempuh langkah-langkah sebagai berikut (Niron, 2009):

  1. Mengisi kolom identitas
  2. Menentukan alokasi waktu yang dibutuhkan untuk pertemuan yang telah ditetapkan
  3. Menentukan SK, KD, dan Indikator yang akan digunakan yang terdapat pada silabus yang telah
  4. Merumuskan tujuan pembelajaran berdasarkan SI, KD, dan Indikator yang telah ditentukan
  5. Mengidentifikasi materi ajar berdasarkan materi pokok/pembelajaran yang terdapat dalam Materi ajar merupakan uraian dari materi pokok/pembelajaran.
  6. Menentukan metode pembelajaran yang akan digunakan
  7. Merumuskan langkah-langkah pembelajaran yang terdiri dari kegiatan pendahuluan, inti, dan Langkah-langkah pembelajaran berupa rincian skenario pembelajaran yang        mencerminkan penerapan strategi pembelajaran termasuk alokasi waktu setiap tahap.

LANGKAH DALAM PENELITIAN GROUNDED THEORY (skripsi tesis dan disertasi)

Langkah yang harus dilakukan peneliti kualitatif yang menggunakan grounded theory, yaitu:

  1. Peneliti harus bisa memahami atau memiliki gambaran sifat-sifat realitas empiris
  2. Penelitian dimulai dengan suatu pernyataan dasar mengenai empiris lapangan
  3. Peneliti menetapkan data yang akan diambil dan teknik/metode
  4. Peneliti harus melakukan eksplorasi
  5. Peneliti harus melakukan pemeriksaan di dalam proses inspection
  6. Peneliti harus mampu mengadakan analisis
  7. Peneliti harus mampu merekonstruksi penemuan untuk hipotesis baru

PENGERTIAN SAMPLING   (skripsi tesis dan disertasi)

 

Pengertian sampling atau metode pengambilan sampel menurut penafsiran beberapa ahli . Beberapa diantaranya adalah sebagai berikut;

 

  1. Teknik sampling adalah teknik pengambilan sampel (Sugiyono, 2001: 56).
  2. Teknik sampling adalah cara untuk menentukan sampel yang jumlahnya sesuai dengan ukuran sampel yang akan dijadikan sumber data sebenarnya, dengan memperhatikan sifat-sifat dan penyebaran populasi agar diperoleh sampel yang representatif. (Margono, 2004)

   TAHAP PEMILIHAN SAMPEL (skripsi tesis dan disertasi)

 

Agar diperoleh sampel yang representatif peneliti perlu menggunakan prosedur pemilihan sampel yang sistematis. Tahapannya adalah sebagai berikut :

  1. Mengidentifikasi populasi target
  2. Memilih kerangka pemilihan sampel
  3. Menentukan metode pemilihan sampel
  4. Merencanakan prosedur penentuan unit sampel
  5. Menentukan ukuran sampel
  6. Menentukan unit sampel

SUMBER KESALAHAN SAMPEL (skripsi tesis dan disertasi)

 

Secara umum didapati adanya beberapa sumber kesalahan dalam pengambilan sampel. Kesalahan-kesalahan tersebut adalah:

  1. Variasi Acak (Random Variation)

Variasi acak merupakan kesalahan sampling yang paling umum dijumpai.

  1. Kesalahan spesifikasi (mis-specification of sample subject)

Kesalahan yang diakibatkan oleh kekeliruan spesifikasi sangat umum dijumpai dalam pengambilan pendapat untuk pemilihan umum.

  1. Kesalahan penentuan responden

Sumber kesalahan tambahan dalam survei sampel adalah disebabkan oleh kesalahan penetapan responden dari beberapa anggota sampel. Pada umumnya para peneliti mengasumsikan bahwa responden dan nonresponden mewakili lapisan-lapisan serupa dari populasi padahal sebenarnya ini merupakan kasus yang jarang terjadi.

  1. Kesalah karena ketidaklengkan cakupan daftar populasi (coverage error).

Salah satu kunci sukses dari pemilihan sampel yang baik adalah ketersediaan daftar unsur populasi (population frame) lengkap yang relevan. Kesalahan karena ketidaklengkapan cakupan daftar unsur populasi (coverage error) timbul karena ketidaktersediaan daftar kelompok tertentu di daftar unsur populasi

  1. Kesalahan karena ketidaklengkapan respon (Non response error)

Tidak setiap responden berkenan merespon suatu survey. Pengalaman menunjukkan bahwa individu-individu yang berada di kelas ekonomi atas dan bawah cenderung kurang merespon survey dibandingkan dengan mereka yang berada di kelas menengah. Kesalahan karena ketidaklengkapan respon (nonresponse error) muncul dari kegagalan untuk mengumpulkan data dari semua individu dalam sampel.

  1. Kesalahan penarikan sampel (sampling error)

Diyakini bahwa sampel yang baik merupakan miniature dari populasi. Meskipun demikian pengambilan sampel yang berulang-ulang biasanya menghasilkan besaran suatu karakteristik populasi yang berbeda-beda antar satu sampel ke sampel lainnya. Dalam hal ini kesalahan penarikan sampel (sampling error) mencerminkan keheterogenan tau peluang munculnya perbedaan dari satu sampel dengan sampel yang lain karena perbedaan individu yg terpilih dari berbagai sampel tersebut. sampling error dapat diperkecil dengan memperbesar ukuran sampel meskipun upaya ini mengakibatkan peningkatan biaya survey.

  1. Kesalahan pengukuran (Measurement error)

Pada umumnya kuisioner dirancang dengan tujuan untuk mengumpulkan informasi yang berguna. Data yang diperoleh harus valid dan respon yang benar harus terukur. Permasalahan yang sering timbul adalah ternyata lebih mudah membicarakan bagaimana memroleh pngukuran yang bermakna daripada melaksanakannya.

UKURAN SAMPEL (skripsi tesis dan disertasi)

 

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 tesis dan disertasi)

 

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 tesis dan disertasi)

 

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 tesis dan disertasi)

 

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 tesis dan disertasi)

 

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 tesis dan disertasi)

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 tesis dan disertasi)

 

 

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

Analisis SEM (skripsi tesis dan disertasi)

Analisis data adalah proses penyederhanaan data ke dalam bentuk yang lebih mudah dibaca dan di implementasikan. Teknik analisis yang dipilih untuk menganalisis data dan menguji hipotesis dalam penelitian ini adalah The Structural Equation Model (SEM). Untuk menjawab hipotesis digunakan Partial Least Square (PLS). Menurut Ghozali (2016) perhitungan dilakukan dengan menggunakan alat Bantu Smart Partial Least Square (PLS), dikarenakan berbentuk multi jalur dan model yang digunakan berbentuk Reflektif. Model perhitungan dilakukan dengan menggunakan alat bantu Smart PLS dikarenakan dalam penelitian ini memiliki hubungan multi jalur dan berbentuk reflektif. Selain itu dikarenakan sampling kurang dari 100 responden. Model reflektif adalah model yang menunjukan hubungan dari variable laten ke indikatornya. Langkah-langkah pemodelan persamaan struktural berbasis PLS (Ghozali, 2016) adalah sebagai berikut: a. Konseptualisasi model Konseptual model Merupakan langkah awal dalam analisis SEM-PLS (Ghozali, 2016), yang dibagi menjadi dua tahapan, yaitu: 27 1) Merancang model pengukuran (outter model) Outer model sering juga disebut (outer relation atau measurement model) mendefinisikan bagaimana setiap blok indikator berhubungan dengan variabel laten. 2) Merancang model structural (inner model) Inner model yang kadang disebut juga dengan (inner relation, structural model dan substantive theory) menggambarkan hubungan antar variabel laten berdasarkan pada substantive theory. b. Evaluasi Model Evaluasi model PLS berdasarkan pada pengukuran prediksi yang mempunyai sifat non parametrik. Model evaluasi PLS dilakukan dengan menilai outer model dan inner model. Model pengukuran atau outer model dilakukan untuk menilai validitas dan reliabilitas model, sedangkan model struktural atau inner model untuk memprediksi hubungan antar variable laten. 1) Pengukuran model (outer model) Outer model sering juga disebut outer relation atau measurement model, mendefinisikan bagaimana setiap blok indikator berhubungan dengan variabel laten. Hengky dan Ghozali (2016), evaluasi model pengukuran atau outer model dilakukan untuk menilai validitas dan reabilitas model. Uji validitas di bidang SEM melakukan pengujian validitas convergent dan discriminant

Discriminant validity, prinsip dari validitas discriminant berhubungan dengan prinsip bahwa pengukur-pengukur konstruk yang berbeda seharusnya tidak berkorelasi dengan tinggi. Cara untuk mengujivaliditas discriminant dengan indikator reflektif yaitu melihat nilai cross loading untuk setiap variabel harus lebih besar dari 0.7 (Fornell, dalam Ghozali, 2016). 28 Reliabilitas dari outermodel diukur dengan menggunakan composite realibility. Composite reliability adalah nilai batas yang dapat diterima. Tingkat reliabilitas komposit (ρc) yang baik adalah ≥ 0.7, walaupun bukan merupakan standar absolut. Nilai Cronbach’s Alpha adalah lebih besar dari 0.6 (Ghozali, 2016)

2) Model struktural (innermodel) Innermodel yang kadang disebut juga dengan inner relation, structural model atau substantive theory, menggambarkan hubungan antar variabel laten berdasarkan pada substantive theory. Inner model dievaluasi dengan menggunakan R-square untuk konstruk dependen atau variabel laten endogen. Menilai PLS dilihat dari R-square untuk setiap variabel laten dependen. Perubahan nilai R-square digunakan untuk menilai pengaruh variabel independen tertentu terhadap variabel laten dependen secara substantif (Ghozali, 2016). 3) Pengujian Hipotesis Pengujian hipotesis dilihat dari besarnya nilai t-statistik. Signifikansi parameter yang diestimasi memberikan informasi yang sangat berguna mengenai pengaruh antar variabel. Uji Hipotesis untuk outer model dengan indikator reflektif dilakukan dengan melihat nilai T-statistik outer loading dan dibandingkan dengan nilai ttabel = 1.96 pada tingkat signifikansi 5%. Jika T-statistik > t-tabel maka indikator reflektif valid dan reliable sebagai pengukur konstruk. Uji Hipotesis untuk inner model dilakukan dengan melihat nilai Tstatistik, jika T-statistik > t-tabel maka dapat disimpulkan variabel eksogen memiliki pengaruh signifikan terhadap variabel endogen

Uji Validitas dan Reliabilitas (skripsi tesis dan disertasi)

Suatu skala pengukuran disebut valid apabila melakukan apa yang seharusnya dilakukan dan mengukur apa yang seharusnya diukur (Kuncoro, 2013). Dalam penelitian ini, uji validitas dihitung dengan menghitung korelasi antar skor tiap butir pernyataan dengan total skor atau disebut uji korelasi Pearson dengan tingkat toleransi kesalahan sebesar 0,05. Uji signifikansi dilakukan dengan membandingkan nilai r hitung dengan r table. Jika r hitung lebih besar dari r table dan nilai positif maka butir atau pertanyaan atau indicator tersebut dinyatakan valid (Ghozali, 2016). Reliabilitas adalah alat untuk mengukur suatu kuesioner yang merupakan indikator dari variabel. Suatu kuesioner dikatakan Reliabel apabila jawaban dari seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu (Ghozali, 2016). Realibilitas diukur dengan menggunakan Cronbach Alpha. Variabel dikatakan reliable j

Jenis Data (skripsi tesis dan disertasi)

Data adalah semua keterangan yang dijadikan responden, maupun yang berasal dari dokumen, baik dalam bentuk statistik/dalam bentuk lainnya guna keperluan penelitian. Data diperoleh dengan nilai satu atau lebih variabel dalam sampel atau populasi (Kuncoro, 2013). Data dapat diklasifikasikan menjadi data kuantitatif dan data kualitatif. 1. Data Kualitatif Kuncoro (2013) mendefinisikan bahwa data kualitatif adalah yang tidak berbentuk angka dan tidak dapat diukur dalam skala numerik. Namun karena dalam bentuk angka, maka data kualitatif umumnya dapat dikuantitatifkan agar dapat diproses lebih lanjut. 2. Data Kuantitatif Data kuantitatif adalah data yang diukur dalam suatu skala numerik atau angka (Kuncoro, 2013). Jenis data yang digunakan dalam penelitian ini adalah kuantitatif, karena dalam pengumpulan berupa angka yang diperoleh dari kuesioner

Pengertian SMARTPLS (skripsi tesis dan disertasi)

Pengertian SmartPLS menurut Latan (2012) “merupakan teknik alternative dari SEM berbasis vaiance seperti AMOS dan LISREL. Software ini dikembangkan oleh Institut Of Hamburg Jerman. Aplikasi ini digunakan untuk (grafis) pemodelan jalur dengan variabel laten (LVP). The Pertial Least Squares (PLS) -method (PLS) yang digunakan untuk menganalisis software ini. Smartpls menggunakan bahasa pemrograman JAVA.

Langkah-langkah PLS SEM (skripsi tesis dan disertasi)

a. Langkah 1: Setiap variabel laten disusun didasarkan dengan jumlah berbobot semua variabel manifestnya masing-masing. b. Langkah 2: Setiap variabel laten diestimasi dengan menggunakan jumlah berbobot setiap variabel laten yang berdekatan dengan variabel laten tersebut. c. Langkah 3: untuk inisialisasi semua bobot adalah 1 ( satu ). Kemudian bobot tersebut dihitung ulang dengan didasarkan pada nilai-nilai variabel laten yang diperoleh pada langkah kedua.   d. Langkah 4: pengaturan vektor bobot luar dalam suatu matriks bobot luar untuk membuat estimasi nilai-nilai faktor (variabel laten) dengan didasarkan pada variabel-variabel maifesi. Vektor adalah seperangkat variabel yang dapat diwakili dengan menggunakan indeks. Suatu vektor dapat berupa variabel numerik atau string dan variabel tersebut dapat bersifat tetap atau sementara. e. Langkah 5: jika perubahan relatif semua bobot dari suatu iterasi ke iterasi berikutnya menjadi lebih kecil dibandingkan dengan toleransi yang sudah didefinisikan sebelumnya; maka 5 estimasi nilai-nilai faktor yang dilakukan pada langkah ke empat sudah dianggap final. Jika belum, maka langkah diulangi lagi ke langkah dua.

Partial Least Square (PLS) (skripsi tesis dan disertasi)

Partial Least Square (PLS) dikembangkan sebagai alternatif CBSEM. Secara filosofis, perbedaan antara CBSEM dan PLS menurut Wold dalam Ghozali (2012) adalah orientasi model persamaan struktural yang digunakan untuk menguji teori atau untuk mengembangkan teori (tujuan prediksi). Pendekatan untuk mengestimasi variabel laten dianggap sebagai kombinasi linear dari indikator sehingga menghindarkan masalah indeterminacy dan memberikan definisi yang pasti dari komponen skor Ghozali (2012). Menurut Jogiyanto dan Abdillah (2010) PLS adalah analisis persamaan struktural (SEM) berbasis varian yang secara simultan dapat melakukan pengujian model pengukuran sekaligus pengujian model struktural. Model pengukuran digunakan untuk uji validitas dan reliabilitas, sedangkan model struktural digunakan untuk uji kausalitas (Pengujian hipotesis dengan model prediksi). Perbedaan mendasar PLS yang merupakan SEM berbasis varian dengan LISREL atau AMOS yang berbasis kovarian adalah tujuan penggunaannya. SEM berbasis konvarian bertujuan untuk mengestimasi model untuk pengujian atau konfirmasi teori, sedangkan SEM varian bertujuan untuk memprediksi 9 model untuk pengembangan teori, karena itu, PLS merupakan alat prediksi kausalitas yang digunakan untuk pengembangan teori. Ada beberapa hal yang membedakan analisis PLS dengan model analisis SEM yang lain: 1. Data tidak harus berdistribusi normal multivariate 2. Dapat digunakan sampe kecil. Minimal sampel > 30 dapat digunakan. 3. PLS selain dapat digunakan untuk mengkonfirmasikan teori, dapat juga digunakan untuk menjelaskan ada atau tidaknya hubungan antar variabel laten. 4. PLS dapat menganalisis sekaligus konstruk yang di bentuk dengan indikator reflektif dan formatif Ada beberapa program komputer untuk mengestimasi model pada model persamaan struktural yaitu program Smartpls, LISREL, AMOS, EQS, SAS PRODUCCALIS, dan STATISTICA SEPATH

Model Indikator Formatif (skripsi tesis dan disertasi)

Konstruk dengan indikator formatif mempunyai karakteristik berupa komposit, seperti yang digunakan dalam literatur ekonomi yaitu index of sustainable economics welfare, the human development index, dan the quality of life index. Asal usul model formatif dapat ditelusuri kembali pada “operational definition”, dan berdasarkan definisi operasional, maka dapat dinyatakan tepat menggunakan model formatif atau reflesif. Jika η menggambarkan suatu variabel laten dan x adalah indikator, maka: η= x Oleh karena itu, pada model formatif variabel komposit seolah-olah dipengaruhi (ditentukan) oleh indikatornya. Jadi arah hubungan kausalitas seolah-olah dari indikator ke variabel laten. Ciri-ciri model indikator formatif adalah: 1. Arah hubungan kausalitas seolah-olah dari indikator ke konstruk 2. Antar indikator diasumsikan tidak berkorelasi (tidak diperlukan uji konsistensi internal atau Alpha Cronbach) 3. Menghilangkan satu indikator berakibat merubah makna dari konstruk 4. Kesalahan pengukuran diletakkan pada tingkat konstruk (zeta)

Model Indikator Refleksif (skripsi tesis dan disertasi)

Model indikator refleksif dikembangkan berdasarkan pada classical test theory yang mengasumsikan bahwa variasi skor pengukuran konstruk merupakan fungsi dari true score ditambah error. Ciri-ciri model indikator reflektif adalah: 1. Arah hubungan kausalitas seolah-olah dari konstruk ke indikator 2. Antar indikator diarapkan saling berkorelasi (memiliki internal consitency reliability) 3. Menghilangkan satu indikator dari model pengukuran tidak akan merubah makna dan arti konstruk 4. Menghitung adanya kesalahan pengukuran (error) pada tingkat indikator

Gambar Umum PLS (skripsi tesis dan disertasi)

PLS merupakan metode analisis yang powerful karena dapat diterapkan pada semua skala data, tidak membutuhkan banyak asumsi dan ukuran sampel tidak harus besar. PLS selain dapat digunakan sebagai konfirmasi teori juga dapat digunakan untuk membangun hubungan yang belum ada landasan terorinya atau untuk pengujian proposisi. PLS juga dapat digunakan untuk pemodelan structural dengan indiaktor bersifat reflektif ataupun formatif. PLS dibandingkan dengan LISREL mampu menangani dua masalah serius : (a) Solusi yang tidak dapat diterima (inadmissible solution); hal ini terjadi karena PLS berbasis varians dan bukan kovarians, sehingga masalah matriks singularity tidak akan pernah terjadi. Di samping itu, PLS bekerja pada model struktural yang bersifat rekursif, sehingga masalah un-identified, under-identified atau overidentified juga tidak akan terjadi. (b) Faktor yang tidak dapat ditentukan (factor indeterminacy), yaitu adanya lebih dari satu faktor yang terdapat dalam sekumpulan indikator sebuah variabel. Khusus indikator yang bersifat formatif tidak memerlukan adanya common factor sehingga selalu akan diperoleh variabel laten yang bersifat komposit. Dalam hal ini variabel laten merupakan kombinasi linier dari indikator-indikatornya.

Metode Bootstrapping (skripsi tesis dan disertasi)

]Metode bootstrap telah dikembangkan oleh Efron (1979) sebagai alat untuk membantu mengurangi ketidak andalan yang berhubungan dengan kesalahan penggunaan distribusi normal dan penggunaannya. Pada bootstrap dibuat pseudo data (data bayangan) menggunakan informasi dan sifat-sifat dari data asli, sehingga data bayangan memiliki karakteristik yang mirip dengan data asli [9]. Pada metode bootstrap dilakukan pengambilan sampel dengan pengembalian dari sampel data (resampling with replacement) [10].

Structural Equation Modeling (SEM) (skripsi tesis dan disertasi)

Structural Equation Modeling (SEM) merupakan metode analisis multivariat yang dapat digunakan untuk menggambarkan keterkaitan hubungan linier secara simultan antara variabel pengamatan (indikator) dan variabel yang tidak dapat diukur secara langsung (variabel laten). Variabel laten merupakan variabel tak teramati (unobserved) atau tak dapat diukur (unmeasured) secara langsung, melainkan harus diukur melalui beberapa indikator. Terdapat dua tipe variabel laten dalam SEM yaitu endogen () dan eksogen (ξ)

Skala Pengukuran (skripsi tesis dan disertasi)

Perancangan skala perlu dilakukan peneliti jika penelitian yang dijalankan merupakan riset kuantitatif. Dalam pemberian skala, peneliti harus harus menggunakan angka sesuai jenis skala (Suryani, 2015). Berikut 2 jenis pembagian skala:

1. Skala Nominal

Skala nominal merupakan skala yang digunakan untuk memberi label, simbol, lambang atau nama suatu kategori. Skala ini memudahkan pengelompokan data menurut kategorinya, sehingga angka yang diberikan pada suatu kategori (misalnya 1, 2, 3 dan seterusnya) tidak memiliki makna matematis, seperti lebih besar, sama atau lebih kecil dari pada kategori lain. Perbedaan angka di sini menunjukkan perbedaan kategori (Suryani, 2015). Berikut contoh skala nominal untuk pertanyaan dalam kuesioner: Jenis kelamin Anda (silahkan beri tanda )  Laki-laki  Perempuan

2. Skala Likert

Skala ini pertama kali dikembangkan oleh Rensist Likert, seorang sosiolog dari University of Michigan melalui artikel ”A Technique for the Meaurement of Attitudes” yang dipublikasikan oleh the Archieves of Psychology pada tahun 1932. Bentuk awal slaka Likert adalah lima pilihan jawaban dari sangat tidak setuju sampai dengan tingkat sangat setuju yang merupakan sikap atau persepsi seseorang atas suatu kejadian atau pernyataan yang diberikan dalam instrumen/kuesioner. Dalam perkembangan terkini, skala Likert telah banyak dimodifikasi seperti skala titik (dengan menghilangkan pilihan jawaban netral), atau menggunakan skala 7 sampai 9 titik (Suryani, 2015).

Populasi dan Sampel (skripsi tesis dan disertasi)

Populasi adalah suatu keseluruhan pengamatan atau objek yang menjadi perhatian kita. Sedangkan sampel adalah bagian dari populasi yang menjadi perhatian kita. Populasi menggambarkan sesuatu yang sifatnya ideal atau teoritis, sedangkan sampel menggambarkan sesuatu yang sifatnya nyata atau empiris. Populasi dan sampel masing-masing mempunyai karakteristik atau ciri yang dapat diukur. Teknik sampling adalah teknik pengambilan sampel. Teknik sampling pada dasarnya dikelompokkan menjadi dua yaitu probability sampling dan nonprobability sampling (Prasetyo dkk, 2005): a. Probability Sampling (Pemilihan secara acak) Probability Sampling adalah metode sampling yang setiap anggota populasinya memiliki peluang spesifik dan bukan nol untuk terpilih sebagai sampel. Peluang tersebut dapat sama dan dapat pula tidak sama besarnya dengan anggota populasi lainnya. Jenis-jenis probability sampling yaitu, (Prasetyo dkk, 2005): 1. Sampling acak sederhana Metode pangambilan sampel acak sederhana adalah metode yang digunakan untuk memilih sampel dari populasi sehingga setiap anggota populasi mempunyai peluang yang sama besar untuk diambil sebagai sampel. Ini berarti bahwa semua anggota populasi menjadi anggota dari kerangka sampel. 2. Sampling acak sistematis Metode pengambilan acak sistematis adalah metode untuk mengambil sampel secara sistematis dengan interval atau jarak tertentu dari suatu  kerangka sampel yang telah diurutkan. Dengan demikian tersedianya suatu populasi sasaran yang tersusun merupakan prasyarat penting bagidimungkinkannya pelaksanaan pengambilan sampel dengan metode acak sistematis. 3. Sampling acak stratifikasi Metode pengambilan acak stratifikasi adalah metode pengambilan sampel dengan cara membagi populasi kedalam kelompok-kelompok yang homogenyang disebut strata, kemudian sampel diambil secara acak dari tiap strata tersebut. 4. Sampling klaster atau cluster sampling Metode pengambilan sampel klaster adalah metode yang digunakan untuk memilih sampel yang berupa kelompok dari beberapa kelompok yaitu setiap kelompok terdiri atas beberapa unit yang lebih kecil atau element. Jumlah elemen dari masing-masing kelompok bisa sama maupun berbeda. b. Nonprobability Sampling (pemilihan tidak acak). Nonprobability Sampling setiap unsur dalam populasi tidak memiliki kesempatan atau peluang yang sama untuk dipilih sebagai sampel dalam penarikan sampel probabilita, kesempatan yang mempunyai peranan besar sedangkan dalam penarikan sampel Nonprobability sampling, kesempatan yang mempunyai peranan besar, sedangkan dalam penarikan sampel Nonprobability sampling yang berperan adalah kemampuan atau pengetahuan peneliti terhadap populasi penelitiannya.

Jenis teknik sampling dari Nonprobability sampling dalam, (Prasetyo dkk, 2005) yaitu: 1. Accidental sampling atau kebetulan Pada pengambilan sampel dengan cara Accidental sampling, sampel diambil dari ketersediaan elemen dan kemudahan untuk mendapatkannya, sampel dipilih karena sampel ada pada tempat dan waktu yang tepat. 2. Judgment sampling Sampel diambil berdasarkan kriteria-kriteria berupa suatu pertimbangan tertentu yang telah dirumuskan terlebih dahulu oleh peneliti.   3. Quota sampling Quota sampling adalah purposive sampling yang mengambil persentase yang mengambil persentase sampelnya sesuai dengan persentase jumlah dipopulasinya. Quota sampling sampelnya harus mempunyai karakteristik yang dimiliki oleh populasinya. 4. Snowball sampling Cara mengambil sampel dengan cara ini adalah mengumpulkan sampel dari responden yang berasal dari referensi suatu jaringan. 5. Sampel jenuh Sampel jenuh adalah teknik pengumpulan sampel apabila semua anggota populasi digunakan sebagai sampel. Hal ini sering dilakukan apabila jumlah populasi relatif kecil.

Sumber Data Primer (skripsi tesis dan disertasi)

Data primer merupakan data yang langsung dikumpulkan oleh peneliti. Metode atau pendekatan yang dapat dilakukan dalam proses pengumpulan data bersifat primer ini dapat menggunakan angket atau kuesioner, wawancara, pengamatan, tes, dokumentasi dan sebagainya (Suryani, 2015). Instrumen pengumpulan data sendiri merupakan alat yang digunakan untuk pengumpan data, yaitu dapat berupa lembar cek list. Kuesioner (angket terbuka atau tertutup), pedoman wawancara, camera photo, video camera, buku catatan, dan lain sebagainya (Suryani, 2015).

1. Metode kuesioner

Angket atau kuesioner adalah teknik pengumpulan data yang dilakukan dengan cara memberikan seperangkat pertanyaan tau pernyataan kepada orang lain yang dijadikan responden untuk dijawabnya metode kuesioner dapat dilakukan melalui tatap muka langsung, maupun melalui kuesioner surat (baik melalui surat dalam bentuk kertas maupun surat elektronik). Kuesioner yang diberikan secara langsung memiliki kelebihan, yaitu: a. Peneliti dapat secara langsung bertatap muka dengan responden sehingga tujuan penelitian dan kegunaan penelitian dapat disampaikan secara   langsung sehingga dapat meningkatkan mengurangi keraguan responden dan motivasi untuk menjawab secara jujur. b. Peneliti dapat memeriksa langsung kelengkapan isi dari kuesioner yang diberikan. c. Penyebaran kuesioner yang dilakukan secara serentak yang dilakukan oleh tim survei dapat mengumpulkan data dalam waktu yang singkat dan relatif murah dibandingkan metode wawancara. d. Peneliti dapat secara langsung memberikan penjelasan jika pernyataan atau pertanyaan yang tidak dipahami oleh responden

2. Metode observasi

Observasi merupakan salah satu teknik yang digunakan untuk merekam berbagai fenomena yang terjadi (situasi, kondisi). Teknik ini digunakan bila penelitian ditujukan untuk mempelajari perilaku manusia, proses kerja, gejala-gejala alam dan dilakukan pada responden yang tidak terlalu besar. Metode observasi digolongkan menjadi dua yaitu: a. Participant observation, yaitu peneliti secara langsung terlibat dalam kegiatan sehari-hari orang atau situasi yang diamati sebagai sumber data. b. Non-participant observation, yaitu penelitinya tidak ikut secara langsung dalam kegiatan atau proses yang sedang diamati. Kelemahan metode ini adalah peneliti tidak akan memperoleh data yang mendalam karena hanya bertindak sebagai pengamat dari luar tanpa mengetahui makna yang terkandung di dalam peristiwa. 3. Wawancara Wawancara merupakan teknik pengumpulan data yang dilakukan melalui tatap muka dan tanya jawab langsung anta pengumpul data maupun peneliti terhadap nara sumber atau sumber data, wawancara pada penelitian sampel besar biasanya hanya dilakukan sebagai studi pendahuluan. Wawancara terbagai menjadi wawancara terstruktur dan tidak terstruktur. Wawancara terstruktur yaitu peneliti telah mengetahui pasti apa informasi yang ingin digali dari responden sehingga daftar pertanyaannya sudah dibuat secara sistematis. Peneliti juga dapat menggunakan alat bantu tape recorder, 23 kamera foto dan material lainnya yang dapat membantu kelancaran wawancara. Sedangkan wawancara secara tidak terstruktur adalah wawancara bebas, yaitu peneliti tidak menggunakan pedoman wawancara yang berisi pertanyaan yang akan diajukan secara spesifik, dan hanya memuat poin-poin penting masalah yang ingin digali dari responden.

Pengumpulan Data (skripsi tesis dan disertasi)

Data digunakan untuk mengukur nilai satu atau lebih variabel dalam sampel atau populasi. Data merupakan cerminan dari suatu variabel menurut klasifikasinya seperti berdasarkan sifatnya, sumbernya, cara memperolehnya, dan waktu pengumpulannya (Suryani, 2015). 1. Data Menurut Jenisnya Data menurut jenisnya dikelompokkan menjadi dua, yaitu kualitatif dan kuantitatif. Data kualitatif (non-metric) seperti jenis kelamin, pendidikan, warna, suku dan sebagainya. Sedangkan kuantitatif (metric) adalah data berbentuk angka. 2. Data Menurut Sifatnya Data menurut sifatnya dikelompoknya menjadi dua yaitu data diskrit dan kontiniu. Data diskrit adalah data dalam bentuk bilangan bulat. Sedangkan data kontiniu adalah data yang mempunyai nilai yang terletak dalam seluruh interval. 3. Data Menurut Sumbernya Data menurut subernya dikelompokkan menjadi dua yaitu data internal dan data eksternal. Data internal adalah data yang menggambarkan keadaan atau kegiatan di dalam sebuah organisasi. Sedangkan data eksternal adalah data yang menggambarkan keadaan atau kegiatan di luar organisasi. 4. Data Menurut Cara Memperolehnya a. Data primer adalah data yang dikumpulkan dan diolah sendiri oleh organisasi atau perorangan langsung dari objeknya. Pengumpulan data tersebut dilakukan secara khusus untuk mengatasi masalah riset yang sedang diteliti. 21 b. Data sekunder adalah data yang diperoleh dalam bentuk yang sudah jadi, sudah dikumpulkan dan diolah oleh pihak lain, biasanya sudah dalam bentuk publikasi. 5. Data Menurut Waktu Pengumpulannya Data menurut waktu pengumpulannya dikelompokkan menjadi tiga, yaitu crosss-section, time series dan data panel. Data cross-section adala data yang dikumpulkan pada suatu waktu tertentu yang dapat menggambarkan keadaan atau kegiatan pada waktu tertentu. Time series (data berskala) adalah daya yang dikumpulkan dalam waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan selama periode spesifik yang diamati. Data berskala sering kali disebut pula sebagai data historis. Sedangkan data panel adalah data gabungan time series dan cross section

.Uji Hipotesis PLS (skripsi tesis dan disertasi)

 

Untuk pengujian seluruh hipotesis maka digunakan metode Partial Least Square (PLS). Partial Least Square (PLS) merupakan metode analisis yang powerfull oleh karena tidak didasarkan banyak asumsi (Ghozali, 2014). Dengan metode PLS maka model yang diuji dapat mempergunakan asumsi: data tidak harus berdistribusi normal, skala pengukuran dapat berupa nominal, ordinal, interval maupun rasio, jumlah sampel tidak harus besar, indikator tidak harus dalam bentuk refleksif (dapat berupa indikator refleksif dan formatif) dan model tidak harus berdasarkan pada teori (Ghozali, 2014). Dengan uji t, yaitu untuk menguji signifikansi konstanta dan variabel independen yang terdapat dalam persamaan tersebut secara individu apakah berpengaruh terhadap nilai variabel dependen (Ghozali, 2014). Untuk pengujian ini dilakukan dengan melihat output dengan bantuan program aplikasi SmartPLS. Jika nilai T hitung < T tabel, maka Hipotesis nol ditolak, (koefisien regresi signifikan). Dalam pengujian hipotesis tingkat signifikansi yang digunakan adalah 95% ( = 0.05). Nilai T tabel dengan tingkat signifikansi 95% adalah 1.96. Model 19 persamaan struktural dalam penelitian ini akan diselesaikan dengan program SmartPLS 3.0

Model Struktural atau Inner Model (skripsi tesis dan disertasi)

Dalam menilai model struktural dengan PLS, dimulai dengan melihat nilai R-Square untuk setiap variabel laten endogen sebagai kekuatan prediksi dari model struktural. Perubahan nilai R-Square dapat digunakan untuk menjelaskan pengaruh substantive atau yang paling pokok. Nilai R-Square 0.67, 0.33, 0.19 dapat disimpulkan bahwa model dikatakan baik, moderate dan lemah (Ghozali, 2014)

Model Pengukuran atau Outer Model (skripsi tesis dan disertasi)

Dalam PLS model pengukuran atau outer model dengan indikator refleksif dievaluasi dengan convergent validity dan discriminat validity dari indikatornya serta composite reliability untuk blok indikator. Sedangkan indikator formatif dievaluasi berdasarkan pada substantive content-nya yaitu membandingkan besarnya relative weight dan melihat siginifikansi dari ukuran weight tersebut (Ghozali, 2014). Variabel laten yaitu variabel yang tidak dapat diukur langsung (harus dengan indikator atau kuesioner). Sedangkan indikator refleksif adalah variabel yang dipengaruhi oleh variabel laten. Jadi model indikator refleksif adalah 17 konstruk atau variabel laten diijelaskan oleh indikator atau arah hubungan dari konstruk ke indikator. Indikator-indikator mengukur hal yang sama tentang konstruk, sehingga antar indikator harus memiliki korelasi yang tinggi. Jika salah satu indikator dibuang, maka konstruk akan terpengaruh. Dalam model indikator formatif dipandang sebagai variabel yang mempengaruhi variabel laten. Jadi model indikator formatif yaitu indikator mempengaruhi konstruk atau hubungannya dari indikator ke konstruk, antar indikator diasumsikan tidak saling berkorelasi sehinga satu indikator dibuang tidak akan mempengaruhi konstruk (Ghozali, 2014). Pengujian outer model dilakukan dalam 4 tahap yaitu: 1. Convergent Validity Convergent validity dari model pengukuran dengan indikator refleksif dinilai berdasarkan korelasi antara item score atau component score dengan construct score yang dihitung dengan PLS. Ukuran refleksif individual dikatakan tinggi jika berkorelasi lebih dari 0.70 dengan konstruk yang ingin diukur. Namun demikian untuk penelitian awal dari pengembangan skala pengukuran nilai loading 0.50 sampai dengan 0.60 dianggap cukup (Ghozali, 2014). 2. Discriminant Validity Discriminat validity dari model pengukuran dengan indikator refleksif dinilai berdasarkan cross loading pengukuran dengan konstruk. Jika korelasi konstruk dengan item pengukuran lebih besar daripada ukuran konstruk lainnya, maka hal itu menunjukkan bahwa konstruk laten memprediksi ukuran pada blok mereka lebih baik daripada ukuran pada blok lainnya (Ghozali, 2014). 3. Square root of Average Variance Extracted (AVE) Setiap konstruk dengan korelasi antara konstruk dengan konstruk lainnya dalam model. Jika nilai akar AVE setiap konstruk lebih besar daripada nilai korelasi antara konstruk dengan konstruk lainnya dalam model, maka dikatakan memiliki nilai discriminant validity yang baik (Ghozali, 2014). 18 4. Compositre Reliability Penilaian yang biasa digunakan untuk menilai reliabilitas konstruk dan dinyatakan reliable jika nilai composite reliability dan cronbach alpha di atas 0.70 untuk penelitian bersifat konfirmasi dan 0.60-0.70 masih dapat diterima untuk penelitian yang bersifat exploratory atau penyelidikan (Ghozali, 2014).

Partial Least Square (PLS) (skripsi tesis dan disertasi)

Sebagai alternatif covariance based SEM, pendekatan covariance based atau component based dengan PLS orientasi analisis bergeser dari menguji model kausalitas atau teori ke covariance based predictive model. CBSEM lebih berorientasi pada model building yang dimaksudkan untuk menjelaskan covariance dari semua observed indikators, sedangkan tujuan PLS adalah prediksi. Variabel laten didefinisikan sebagai jumlah dari indikatornya. Algoritma PLS ingin mendapatkan the best weight estimate untuk setiap blok indikator dari setiap variabel laten. Hasil komponen skor untuk setiap variabel laten didasarkan pada estimated indicator weight yang memaksimumkan variance explained untuk variabel dependent atau laten, observe atau keduanya (Ghozali, 2014). Partial least square (PLS) merupakan metode analisis yang powerfull oleh karena tidak didasari banyak asumsi. Data tidak harus terdistribusi normal multivariate (indikator dengan skala kategori, ordinal, interval, sampai ratio dapat digunakan pada model yang sama), sampel tidak harus besar. Walapun PLS dapat juga digunakan untuk mengkonfirmasi teori, tetapi dapat juga digunakan untuk menjelaskan ada atau tidaknya hubungan antar variabel laten. Oleh karena lebih menitik beratkan pada data dan dengan prosedur estimasi yang terbatas, maka mispersifikasi model tidak begitu berpengaruh terhadap estimasi parameter. Dibandingkan dengan CBSEM, component based SEM–PLS menghindari dua 15 masalah serius yaitu inadmisable solution dan factor indeterminacy (Ghozali, 2014). PLS dapat menganalisis sekaligus konstruk yang dibentuk dengan indikator refletif dan indikator formatif dan hal ini tidak mungkin dijalankan dalam CBSEM karena akan terjadi unidentified model. Oleh karena algoritma dalam PLS menggunakan analisis series ordinary least square, maka identifikasi model bukan masalah dalam model rekursif dan juga tidak mengasumsikan bentuk distribusi tertentu dari pengukuran variabel. Lebih jauh efesiensi perhitungan algoritma mampu mengestimasi model yang besar dan komplek dengan ratusan variabel laten dan ribuan indikator (Ghozali, 2014). Secara ringkas dapat disimpulkan bahwa jika model struktur dan model pengukuran yang dihipotesiskan benar dalam artian menjelaskan covariance semua indikator dan kondisi data serta sample size terpenuhi, maka covariance based SEM memberikan estimasi optimal dari parameter model. Ini ideal untuk konfirmasi model dan estimasi kebenaran parameter populasi. Namun demikian tergantung dari tujuan si peneliti dan pandangan epistemic dari data ke teori, properti data yang ada, tingkat pengetahuan teoritis dan pengembangan pengukuran, pendekatan PLS mungkin lebih cocok

Structural Equation Model (SEM) (skripsi tesis dan disertasi)

Structural Equation Model (SEM) adalah suatu teknik statistik yang mampu menganalisis variabel laten, variabel indikator dan kesalahan pengukuran secara langsung. Teknik ini dilakukan untuk menjelaskan secara menyeluruh hubungan antar variabel yang ada dalam penelitian. SEM digunakan bukan untuk merancang suatu teori, tetapi lebih ditujukan untuk memeriksa dan membenarkan suatu model. SEM terbagi atas 2 jenis varian, yaitu SEM covariance based dan SEM componenet based (Ghozali, 2014). SEM memiliki dua tujuan utama dalam analisisnya, tujuan yang pertama yaitu menentukan apakah model possible (masuk akal) atau fit, atau dengan kata lain menguji fit suatu model yaitu kesesuaian model dengan data empiris. Tujuan kedua yaitu menguji berbagai hipotesis yang telah dibangun sebelumnya. SEM memiliki 4 perbedaan dengan regresi biasa dan teknik multivariate lainnya yaitu: 1. SEM membutuhkan lebih dari sekedar perangkat statistik yang didasarkan atas regresi biasa dan analisis varian. 14 2. Regresi biasa, umumnya, menspesifikan hubungan kausal antara variabel-variabel teramati, sedangkan pada model variabel laten SEM, hubungan kausal terjadi di antara variabel-variabel tidak teramati atau variabel-varibel laten. 3. SEM selain memberikan informasi tentang hubungan kausal simultan di antara variabel-variabelnya, juga memberikan informasi tentang muatan faktor dan kesalahan-kesalahan pengukuran. 4. Estimasi terhadap multiple interrelated dependence relationships. pada SEM sebuah variabel bebas pada satu persamaan bisa menjadi variabel terikat pada persamaan lain.

Data yang diuji dalam PLS (skripsi tesis dan disertasi)

a. Uji Validitas

Uji validitas digunakan untuk mengetahui apakah item-item yang ada dalam kuesioner mampu mengukur peubah yang didapatkan dalam penelitian ini. (Ghozali, 2006). Maksudnya untuk mengukur valid atau tidaknya suatu kuesioner dilihat jika pertanyaan dalam kuesioner tersebut mampu mengungkapkan suatu yang akan diukur oleh kuesioner tersebut.

b. Uji Reabilitas

Instrumen dikatakan reliabel terdapat kesamaan data dalam waktu yang berbeda. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pertanyaan adalah konsisten meskipun diuji berkali-kali. Jika hasil dari Cronbach alpha > 0,60 maka data tersebut mempunyai keandalan yang tinggi. (Ghozali, 2006).

c. Uji Hipotesis

Pengujian hipotesis dalam penelitian ini dengan menggunakan metoode Partial Least Square (PLS). PLS merupakan metode alternatif analisis dengan Structural Equation Modeling (SEM) yang berbasis varians. Pengujian hipotesis ini dilakukan dengan metode resampling Bootstrap. Statistik uji yang digunakan adalah statistic t atau uji t. Kriteria pengujian untuk variabel laten eksogen berpengaruh terhadap variabel laten endogen apabila t-hitung > t-tabel dengan nilai t-tabel sebesar 1.96 (pada taraf nyata 5%) untuk P Values < 0.05. P Values merupakan ukuran probabilitas kekuatan dan bukti unuttuk menolak atau menerima hipotesis. Semakin kecil nilai P maka akan semakin kuat bukti tersebut untuk menolak Hipotesis

Estimasi Pada PLS (skripsi tesis dan disertasi)

Langkah selanjutnya untuk mengestimasi setelah mengembangkan model adalah dengan menguji kriteria pada setiap indikator yang ada. Model jalur yang telah dikembangkan kemudian diuji dnega perhitungan algoritma yang telah tersedia di dalam program. Apabila ada indikator dengan loading factor dibawah 0.70 maka indikator tersebut perlu dikeluarkan atau dibuang dari model dan dilakukan estimasi ulang. Setelah semua indikator sudah memenuhi syarat maka langkah selanjutnya adalah melakukan uji hubungan dengan menu Bootstrapping pada program di software Smart-PLS.Hasil output hubungan dan signifikansi setiap variabel akan muncul dan kemudian diidentifikasi. (Ghozali, 2006).

Spesifikasi dan EValuasi Model (skripsi tesis dan disertasi)

Model Analisis jalur semua variabael laten dalam PLS terdiri dari tiga set hubungan yaitu Outer Model yang menspesifikasi hubungan variabel laten dengan indikator lainnya yang merupakan nilai kasus dari variabel laten yang dapat diestimasi, Inner Model yang menspesfikasi hubungan antar variabel laten. a. Evaluasi Goodness-of-fit Outer Model Goodness of fit Outer model refleksif meliputi convergent validity, discriminant validity, dan composite reliability. Sedangkan untuk Outer model formatif dievaluasi dengan signifikansi dari pembobotan (weight). Goodness of fit Outer model refleksif adalah sebagai berikut:

1. Convergent Validity Convergent Validity mengukur besarnya korelasi antara konstrak dengan variabel laten. Dalam evaluasi Convergent Validity dari pemeriksaan individual item Realibility dapat dilihat dari nilai Standardized loading factor. Standardized loading factor menggambarkan besarnya korelasi antara setiap item pengukuran (indicator) dengan konstraknya. Nilai loading factor diatas 0,7 dapat dikatakan ideal artinya bahwa indicator tersebut dikatakan valid sebagai indicator yang mengukur konstak. Meskipun demikian, nilai Standardized loading factor diatas 0,5 dapat diterima, sedangkan nilai Standardized loading factor dibawah 0,5 dapat dikeluarkan dari model. (Chin & Marcolin, 1996). 2. Discriminant Validity Discriminant validity dari model reflektif dievaluasi melalui cross loading, kemudian membandingkan nilai AVE dengan kuadrat nilai kolerasi antar konstrak (atau membandingkan square root average variance extracted (akar AVE) dengan korelasi antar kontrak). Ukuran cross loading adalah membandingkan korelasi indicator dengan kontraknya dan kontrak dari blok lainnya. Bila kolerasi antara indikator dengan kontraknya lebih tinggi dari kolerasi dengan kontrak blok lainnya, hal ini menunjukkan kontrak tersebut memprediksi ukuran pada blok mereka dengan lebih baik dari blok lainnya. Ukuran discriminant validity lainnya adalah bahwa nilai akar AVE harus lebih tinggi daripada kolerasi antara kontrak dengan kontrak lainnya atau nilai AVE lebih tinggi dari kuadrat kolerasi antar kontrak merupakan pengukuran indikator dengan variabel latennya. Fornell dan Lacrker (1981) menyatakan ukuran AVE ini dapat juga digunakan untuk mengukur reliabitilas component score variable 20 laten dan hasilnya lebih konservatif dibandingkan dengan composite reliability. (Sofyan & Kurniawan, 2011)

3. Composite Reliability Composite reliability lebih baik dalam mengukur internal consistency dibandingkan cornbach’s alpha dalam model SEM dikarenakan composite reliability tidak mengasumsikan kesamaan boot dari setiap indikator. Cronbach’s alpha cenderung menaksir lebih rendah contruct reliability dibandingkan composite reliability. Interpretasi composite reliability sama dengan cronbach’s alpha. Nilai batas 0,7 keatas berarti dapat diterima dan diatas 0,8 dan 0,9 berarti sangat memuaskan. (Sofyan & Kurniawan, 2011)

b. Evaluasi Goodness-of-fit Inner model Goodness of Fit inner model diukur menggunakan R-square variabel laten dependen dengan interpretasi yang sama dengan regresi. Hasil R-square 0.67 dapat diindikasikan baik, 0,33 dapat diindikasikan sebagai moderat, dan 0.19 sebagai hasil yang lemah. Q- 21 Square predictive relevance untuk model struktural, megukur seberapa baik nilai observasi dihasilkan oleh model dan juga estimasi parameternya. Nilai Q-square > 0 menunjukkan model memiliki predictive relevance; sebaliknya jika nilai Q-Square ≤ 0 menunjukkan model kurang memiliki predictive relevance

Di mana 𝑅1², 𝑅2² … 𝑅𝑝² adalah R-square variabel endogen dalam model persamaan. Besaran 𝑄 2 memiliki nilai dengan rentang 0 < 𝑄 2 < 1, dimana semakin mendekati 1 berarti model semakin baik. Besaran 𝑄 2 ini setara dengan koefisien determinasi total pada analisis jalur (path analysis)

Analisa model struktutal Partial Least Square (PLS) (skripsi tesis dan disertasi)

 

Penelitian ini dilakukan dengan menggunakan bantuan software SmartPLS. Partial Least Square dapat digunakan untuk memprediksi ada atau tidaknya hubungan yang terjadi antara variabel laten satu dengan variabel laten lainnya dengan situasi kompleksitas yang tinggi dan dukungan teori yang rendah. (Ghozali, 2006). Penelitian ini menggunakan metode Partial Least Square dengan alasan karena penelitian ini 18 menggunakan hasil dari jawaban kuesioner sebagai sumber data. Teknik analisis yang digunakan ini berguna untuk mengetahui pengaruh retail service quality dengan kepuasan dan loyalitas pelanggan. Berikut adalah pemaparan prosedur yang dipakai dalam metode PLS secara umum. (Ghozali, 2006)

Partial Least Square (PLS) (skripsi tesis dan disertasi)

Menurut Ghozali (2006), Partial Least Square (PLS) merupakan orientasi model persamaan struktural yang digunakan untuk menguji teori atau untuk mengembangkan teori (tujuan prediksi). (Ghozali, 2006). PLS ini adalah pendekatan alternatif yang bergeser dari pendekatan Structur Equation Modelling (SEM) berbasis kovarian (mengukur besarnya hubungan antara dua variabel) menjadi berbasis varian (ukuran korelasi antara dua variabel acak yang sama). PLS ini sering diterapkan karena tiga alasan yaitu diatribusi data, ukuran sampel, dan penggunaan indikator formatif. Dinyatakan oleh Wold dalam Ghozali (2006), metode ini merupakan metode yang sangat kuat, karena tidak didasarkan oleh banyak asumsi, data tidak harus terdistribusi dengan normal multivariate (indikator dengan skala kategori sampai rasio dapat digunakan pada model yang sama) dan untuk bahan sampel tidak harus besar dengan minimal sampel 30-50 sudah dapat diaplikasikan dan sudah layak untuk dijadikan sampel penelitian. (Ghozali, 2006). Sedangkan, menurut Wold dalam Hoyle (1999), PLS merupakan metode analisis yang “powerfull” karena dapat diterapkan pada semua skala data, tidak membutuhkan banyak asumsi dan ukuran sampel tidak harus besar. (Ghozali, 2006). Walaupun PLS dapat juga digunakan untuk mengkonfirmasi teori, tetapi dapat juga digunakan untuk menjelaskan ada atau tidaknya hubungan antara variabel laten. Selain dapat digunakan untuk mengeksplorasi hubungan antar variabel dengan landasan teori lemah atau belum ada, PLS juga dapat digunakan untuk pengujian hipotesis. PLS merupakan pendekatan yang lebih tepat untuk tujuan prediksi. Konstrak terbagi menjadi 16 dua, yaitu konstrak eksogen dan konstrak endogen. Konstrak eksogen merupakan konstrak penyebab, konstrak yang tidak dipengaruhi oleh konstrak lainnya. Konstrak eksogen memberikan efek kepada konstrak lainnya, sedanhkan konstrak endogen merupakan konstrak yang dijelaskan oleh konstrak eksogen. Konstrak endogen adalah efek dari konsrrak eksogen. (Yamin dan Kurniawan, 2010)

Analisis N Vivo

Pada Nvivo sumber data yang dianalisis dapat dibagi menjadi empat yaitu pertama sumber data penulisan internal (internals), kedua sumber data penulisan eksternal (eksternal), ketiga catatan-catatan penulisan selama pengumpulan data (memos) dan terakhir keempat yaitu kerangka matriks (framework matrices). Internal sources dalam konteks ini adalah semua sumber data penulisan kualitatif yang dapat dimasukkan dalam Nvivo, misalnya rekaman, wawancara, transkrip wawancara, catatan selama melakukan penulisan, foto, tabel data survei, isi website tertentu, data bases dan video. External sources merupakan materi penulisan yang tidak dapat dimasukkan secara langsung dalam Nvivo, misalnya buku referensi dari perpustakaan atau jurnal versi cetak. Memos adalah sumber data penulisan berupa catatan penulis selama melakukan penulisan. Framework matrices merupakan ringkasan hasil observasi terhadap partisipan tertentu dan tema dalam proyek yang sudah dibuat dalam tabel matriks (Bandur, 2016) ϰϬ Selain itu, NVivo juga memastikan pengkodean yang mudah, efektif dan efisien yang membuat pengambilan menjadi lebih mudah (Zamawe, 2015). Sehingga dalam NVivo, semua sumber disimpan bersama di bawah satu atap, meskipun file terletak di tempat yang berbeda dalam proyek yang sama, tautan yang dibuat memudahkan pengambilan sementara dalam pengkodean manual. Pada NVivo menurut (Neill, 2013) terdapat beberapa manfaat, seperti dapat membuat auditable footprint, lebih eksplisit dan reflektif, serta meningkatkan transparansi.

Komponen Komitmen Manajemen (skripsi dan tesis)

Menurut Masruroh (2015) menyebutkan 3 komponen dalam komitmen manajemen yaitu : 1. Komitmen afektif Komitmen afektif terjadi apabila karyawan ingin menjadi bagian dari organisasi karena adanya ikatan emosi. 2. Komimen continue Komitmen continue terjadi apabila karyawan tetap bertahan pada suatu organisasi karena membutuhkan gaji dan keuntungan-keuntungan lain. 3. Komitmen normatif Komitmen normatif terjadi karena nilai-nilai karyawan. Karyawan bertahan menjadi anggota organisasi  sebab ada kesadaran bahwa berkomimen terhadap organisasi aadalah hal yang penting untuk dilakukan. Definisi diatas dapat disimpulkan bahwa komponen komitmen manajamen adalah suatu komitmen yang terjadi karena disebabkan oleh beberapa keinginan ataupun keadaan yang dialami oleh masing-masing individu agar tetap bertahan dalam sebuah organisasinya tersebut

Uji Bell-Doksum (skripsi dan tesis)

Metode pengujian pengaruh perlakuan tetap pada reancangan acak lengkap dapat juga dilakukan dengan uji Bel Doksum, yaitu uji Bell- Doksum untuk beberapa contoh saling bebas atau sering juga dinyatakan sebagai uji Bell-Doksum untuk k contoh saling bebas. Metode pengujian uji Bell-Doksum ini juga menggunakan prinsip pemeringkatan pada data pengamatan yang asli. Akan tetapi dalam proses perhitunganstatistik uji digunakan bantuan nilai deviasi normal baku. Seperti diketahui bahwa dengan menggunakan deviasi normal baku, dapat diperoleh distribusi pasti dari statistik uji. Dalam pengujian ini digunakan juga hubungan antara distribusi normal baku dan distribusi kai-kuadrat. Misalkan, data terdiri dari k contoh acak yang saling bebas dengan ukuran dapat berbeda. Misalkan juga, j j n j j X1 , X2 ,…X merupakan variabel-variabel acak contoh ke- j yang berukuran nj . Jika N merupakan total keseluruhan ukuran contoh, maka berikan peringkat semua pengamatan pada setiap contoh dengan peringkat dari 1 sampai N seperti pada pemeringkatan Kruskal-Wallis. Peringkat pengamatan Xij dilambangkan dengan ( ) R Xij . Ambil N bilangan dari deviasi normal baku dapat dilakukan dengan pembangkitan atau melihat tabel. Nilai deviasi normal baku ini juga diperingkatkan dari 1 sampai N . Gantikan data pengamatan dengan nilai deviasi normal baku yang memiliki peringkat yang sama. Jika data pengamatan ada yang kembar, maka peringk

Uji Median (skripsi dan tesis)

Untuk melakukan pengujian dengan uji Median, diperlukan beberapa asumsi. Asumsi-asumsi tersebut adalah sebagai berikut (Conover,1971): 1. Setiap contoh adalah contoh acak. 2. Contoh-contoh acak tersebut saling bebas. 3. Skala pengukurannya minimal skala ordinal. 4. Jika setiap populasi memiliki median yang sama, semua populasi memiliki peluang yang sama p dari sebuah pengamatan lebih besar dari median keseluruhan yang sama pula. Hipotesis yang diuji pada uji Median adalah apakah semua contoh yang diambil berasal dari populasi-populasi yang memiliki median-median yang sama.. Hipotesis dapat dituliskan menjadi: H0 H1 : : Semua k populasi memiliki median yang sama Minimal ada satu median populasi yang berbeda

Uji Nonparametrik (skripsi dan tesis)

Uji nonparametrik perlakuan tetap menggunakan data tidak normal. Namun, data yang diproses dalam pengujian atau yang dihitung menggunakan masing-masing statistik ujinya bukan data asli hasil pengamatan, akan tetapi merupakan data ordinal. Data ordinal ini merupakan data baru yang diperoleh dari pemberian pringkat pada data pengamatan asli. Uji nonparametrik perlakuan tetap ini semuanya menggunakan distribusi kaikuadrat sebagai pendekatan, kecuali untuk uji Bell-Doksum. Pada uji Bell-Doksum distribusi kai-kuadrat bukan distribusi pendekatan tetapi merupakan distribusi pasti uji tersebut. Distribusi kai-kuadrat digunakan sebagai pendekatan untuk contoh besar karena kesulitan memperoleh distribusi pasti masing-masing uji. Distribusi kai-kuadrat yang digunakan dalam pembahasan ini menggunakan parameter yang sama yaitu derajat bebasnya k −1. Oleh karenanya, pemahaman mengenai distribusi kai-kuadrat merupakan hal mendasar yang perlu dikenal sebelum melakukan pengujian dengan menggunakan uji-uji nonparametrik ini

Uji Pengaruh Perlakuan Perlakuan Tetap pada RAL (skripsi dan tesis)

Model RAL merupakan model rancangan percobanan yang sederhana. Total variasi pada RAL dibagi menjadi dua, yaitu variasi perlakuan dan variasi galat. Atau dapat dituliskan menjadi Total variasi = variasi perlakuan + variasi galat (1) Dapat juga dituliskan dengan model linier menjadi Yij j ij = μ +τ + ε untuk n j i = 1,2,…, dan j = 1,2,…, k (2) dengan asumsi ( ) 2 ε ij ~ NID 0,σ dan ∑= = k j n j j 1 τ 0 . Banyaknya k perlakuan yang digunakan pada RAL didefinisikan sebagai sebuah himpunan dari k perlakuan populasi yang memiliki rata-rata μ μ μ k , , , 1 2 ” sering disebut rata-rata perlakuan. Dimana rata-rata inilah yang akan diuji pada rancangan acak pengaruh tetap. Apakah semua rata-rata perlakuan tersebut semuanya sama atau tidak. Uji pengaruh perlakuan tetap tetap pada RAL yaitu menguji serentak kesamaan rata-rata perlakuan atau menguji pengaruh perlakuan sama dengan nol. Hipotesis nol ditulis: H0 : μ1 = μ 2 = ” = μ k atau H0 : Semua rata-rata perlakuan sama atau H0 : 0 τ j = , untuk setiap j Jika hipotesis nol diterima, maka rata-rata perlakuan masing-masing populasi sama. Ini mengindikasikan bahwa pengaruh perlakuan tetap pada masing-masing populasi. Pengujian pengaruh perlakuan tetap pada RAL dapat dilakukan dengan metode parametrik maupun metode nonparametrik. Untuk metode parametrik dapat digunakan Analisis Varian (ANAVA) atau uji F , sedangkan untuk uji nonparametrik dapat digunakan uji Median, uji Kruskal-Wallis, dan uji Bell-Doksum.

Uji Kolmogorov-Smirnov Dua Sampel (skripsi dan tesis)

Fungsi Pengujian : Pengujian Satu Sisi adalah untuk menguji perbedaan nilai tengah (median), sedangkan pengujian Dua Sisi untuk menguji berbagai jenis/sembarang perbedaan {(nilai tengah (median), kemencengan (skewness), pemencaran (dispersi)} dua buah populasi yang tidak berpasangan. Persyaratan Data : Data setidak-tidaknya memiliki skala ordinal.
Prosedur Pengujian :
1. Tentukan sebaran frekuensi kumulatif Sn1(x) dan Sn2(x) dalam interval-interval. Jika memungkinkan interval dibuat sebanyak mungkin.
 2. Susun skor hasil pengamatan dalam sebaran frekuensi kumulatif Sn1(x) dan Sn2(x).
3. Untuk tiap interval, hitung selisih Sn1(x) dan Sn2(x).
4. Hitung harga D maksimum dengan memakai rumus (5.7).
 5. Bila n1 = n2 = N dan jika N ≤ 40, gunakan Tabel L (Siegel, 1997). Tentukan harga p untuk harga KD atau pembilang D maksimum bagi pengujian dua sisi atau satu sisi. Jika KD ≥ KDTabel L, maka tolak Ho.
 6. Seandainya n1 dan n2 > 40 dan perlu dilakukan Uji Dua Sisi (n1 dan n2 tidak harus berjumlah sama), gunakan rumus yang ada pada Tabel M (Siegel, 1997) untuk menghitung harga D bagi pengujian dua sisi gunakan rumus (5.8). Jika D ≥ DTabelM, tolak Ho.
 7. Seandainya n1 dan n2 > 40 dan perlu dilakukan Uji Satu Sisi, hitung harga χ 2 berdasarkan harga D maksimum, dengan memakai rumus (5.9). Selanjutnya gunakan Tabel C (Siegel, 1997) untuk harga χ 2 pada db = 2. Jika p yang diamati ≤ α , maka tolak Ho.

Uji U Mann-Whitney (skripsi dan tesis)

Fungsi Pengujian : Untuk menguji perbedaan nilai tengah (median) skor dua buah populasi berdasarkan dua sampel yang tidak berpasangan. Persyaratan Data : Data paling tidak memiliki sakala ordinal.

Prosedur Pengujian :

 1. Tentukan jumlah n1 dan n2. Dalam pengertian ini n1 adalah jumlah sampel yang berukur lebih kecil dari n2.

2. Gabungkan n1 dan n2, berikan rangking kepada skor-skornya dengan memperhatikan tanda + dan -. Skor disusun dari mulai 1 – k (=n1+n2). Untuk rangking kembar cari ratarata rangkingnya.

3. Untuk 3 ≤ n1 dan n2 ≤ 8. Perhatikan frekuensi skor n1 dan n2 dalam urutan skor gabungan. Hitung jumlah frekuensi skor n1 yang mendahului n2 atau sebaliknya. Jumlah seluruh frekuensi skor yang mendahului = U. Selanjutnya gunakan Tabel J (Siegel, 1997). Tentukan probabilitas (p) yang dikaitkan dengan terjadinya suatu harga sebesar U menurut n1 dan n2. Seandainya harga U tidak ditemukan dalam Tabel J, buat modifikasi dengan memakai rumus (5.4). Harga-harga p tersebut dipakai untuk pengujian satu sisi, sedangkan untuk melakukan pengujian dua sisi harga p = 2 x pTabel . Jika p ≤ α, maka tolak Ho.

 4. Untuk 9 ≤ n2 ≤ 20. Perhatikan frekuensi skor n1 dan n2 dalam urutan skor gabungan. Hitung jumlah frekuensi skor n1 yang mendahului n2 atau sebaliknya. Jumlah seluruh frekuensi skor yang mendahului = U. Selanjutnya gunakan Tabel K (Siegel, 1997). Tentukan probabilitas (p) yang dikaitkan dengan terjadinya suatu harga sebesar U menurut n1 dan n2. Seandainya harga U tidak ditemukan dalam Tabel K, buat modifikasi dengan memakai rumus (5.4). Harga-harga p tersebut dipakai untuk pengujian satu sisi, sedangkan untuk melakukan pengujian dua sisi harga p = 2 x pTabel . Jika p ≤ α, maka tolak Ho.

 5. Untuk n2 > 21. Perhatikan frekuensi skor n1 dan n2 dalam urutan skor gabungan. Hitung jumlah frekuensi skor n1 yang mendahului n2. Jumlah seluruh frekuensi skor n1 yang mendahului n2 = U. Hitung Harga z dengan memakai rumus (5.5). Selanjutnya gunakan Tabel A (Siegel, 1997). Tentukan probabilitas (p) yang dikaitkan dengan terjadinya suatu harga z. Hargaharga p tersebut dipakai untuk pengujian satu sisi, sedangkan untuk melakukan pengujian dua sisi harga p = 2 x pTabel . Jika p ≤ α, maka tolak Ho.

Uji Chi Kuadrat (χ 2 ) Dua Sampel Tak Berpasangan (skripsi dan tesis)

 Fungsi Pengujian : Hampir sama dengan Uji Fisher, yaitu untuk menguji perbedaan proporsi dua buah populasi berdasarkan proporsi dua sampel yang tidak berpasangan. Kelebihan Uji χ 2 bisa dipakai untuk dua atau lebih kategori. Uji χ 2 sebaiknya digunakan jika n > 40. Untuk 20 < n < 40 dengan frekuensi kategori-kategorinya (Oij ≥ 5) bisa digunakan Uji χ 2 , namun jika ada salah satu frekuensi < 5 Uji χ 2 tidak boleh digunakan. Untuk n < 20 pilihlah Uji Fisher.
Persyaratan Data : Dapat digunakan untuk data berskala nominal dengan dua atau lebih dari dua kategori. Prosedur Pengujian :
1. Buat Tabel Silang (k x r), k adalah kolom = 2 dan r adalah baris ≥ 2. Kolom dipakai untuk dua pasangan sampel yang tidak berpasangan, sedangkan baris disediakan untuk berbagai kategori.
2. Masukan frekuensi-frekuensi hasil pengamatan (Oij) ke dalam Tabel.
3. Hitung dan masukan ke dalam Tabel, frekuensi-frekuensi yang diharapkan (Eij) yang dihitung dengan cara mengalikan jumlah baris dan jumlah kolom pada posisi Eij kemudian membaginya dengan total frekuensi (N).
 4. Hitung harga χ 2 memakai rumus (5.2). 5. Untuk k=2 dan r=2, hitung dengan rumus (5.3). Pengertian dari notasi yang ada dalam rumus ini. . Gunakan Tabel C (Siegel, 1997). Tentukan probabilitas (p) yang dikaitkan dengan terjadinya suatu harga sebesar χ 2 pada db = (r-1)(k-1). Harga-harga p tersebut dipakai untuk pengujian dua sisi, sedangkan untuk melakukan pengujian satu sisi harga p = ½ pTabel

Uji Fisher (skripsi dan tesis)

Fungsi Pengujian : Untuk menguji perbedaan proporsi dua buah populasi yang hanya memiliki dua kategori berdasarkan proporsi dua sampel tidak berpasangan. Jumlah n untuk tiap kelompok sampel tidak harus sama.
Persyaratan Data : Dapat digunakan untuk data berskala nominal dengan dua kategori

Prosedur Pengujian :
 1. Buat Tabel Silang
 Baris adalah kelompok sampel, dan kolom – dan + untuk menunjukkan kategori yang bersifat muttualy exclusive.
2. Masukan frekuensi-frekuensi hasil pengamatan ke dalam baris dan kolom yang tepat.
 3. Hitung jumlah frekuensi ke arah baris dan kolom, N adalah jumlah keseluruhan frekuensi pengamatan.
4. Untuk uji signifikansi ( 6 ≤ n ≤ 30), gunakan Tabel I (Siegel, 1997) yang merupakan pengujian satu sisi, sedangkan untuk pengujian dua sisi harga p = 2 x p  Untuk uji signifikansi yang lebih cermat (eksak), gunakan rumus  yang menghasilkan harga p uji satu sisi, sedangkan untuk pengujian dua sisi harga p dikalikan 2. Praktis digunakan jika n tidak terlampau besar. Meskipun demikian bisa dipakai untuk n > 30, tetapi kemungkinan di daerah penolakan tidak terlampau banyak
6. Jika p yang dihasilkan dari perhitungan ternyata ≤ α, maka tolak Ho

Uji Tanda Wilcoxon (skripsi dan tesis)

Fungsi Pengujian : Untuk menguji perbedaan median dua populasi berdasarkan median dua sampel berpasangan. Uji ini selain mempertimbangkan arah perbedaan, juga mempertimbangkan besar relatif perbedaannya. Dengan demikian bisa dikatakan bahwa Uji Tanda Wilcoxon memiliki kualitas yang lebih baik dibandingkan dengan Uji Tanda yang dibahas sebelumnya. Persyaratan Data : Data paling tidak berskala ordinal.
Prosedur Pengujian :
1. Urutkan nilai jenjang/skor setiap pasangan dari anggota kelompok sampel pertama dan kedua.
2. Hitung nilai beda (di) untuk setiap pasangan anggota kelompok sampel pertama dan kedua.
 3. Buat ranking untuk setiap di tanpa memperhatikan tandanya (positif atau negatif). Rangking ke-1 diberikan terhadap harga mutlak di terkecil. Jika ada ranking kembar buat rata-rata rankingnya
. 4. Pada ranking di , cantumkan tanda + dan -, sesuai dengan tanda + dan – pada nilai beda (di).
 5. Pisahkan ranking di yang memiliki tanda + atau – paling sedikit.
 6. Tentukan nilai T, dengan cara menjumlahkan nilai rangking di yang memiliki tanda + atau – paling sedikit tanpa memperhatikan tandanya (nilai harga mutlak rangking di).
 7. Tentukan pula nilai N, dengan cara menghitung frekuensi di yang memiliki tanda + dan -, sedangkan frekuensi di yang memiliki tanda 0 jangan dimasukan ke dalam hitungan.
8. Jika N ≤ 25, lihat Tabel G (Siegel, 1997) yang menyajikan kemungkinan satu sisi/one tailed dan dua sisi/two tailed untuk harga T dari pengamatan di bawah Ho. Jika harga T dari pengamatan ≤ TTabel , maka tolak Ho untuk tingkat signifikansi tertentu.
 9. Jika N > 25 , gunakan rumus (4.3). Sedangkan tabel yang digunakan adalah Tabel A (Siegel, 1997) yang menyajikan kemungkinan satu sisi/one tailed untuk kemunculan harga z pengamatan di bawah Ho. Uji satu sisi digunakan apabila telah memiliki perkiraan skor kelompok sampel tertentu akan lebih besar atau lebih kecil dari skor kelompok sampel yang lainnya. Jika belum memiliki perkiraan, harga p dalam Tabel A dikalikan dua (harga p = p-Tabel x 2). Jika p diasosiasikan dengan harga z yang diamati ternyata ≤ α, maka tolak Ho.

Uji Tanda (skripsi dan tesis)

 Fungsi Pengujian : Untuk menguji perbedaan/perubahan ranking (median selisih skor/ranking) dua buah populasi berdasarkan ranking (median selisih skor/ranking) dua sampel berpasangan. Persyaratan Data : Data paling tidak berskala ordinal.
Prosedur Pengujian : 1. Urutkan nilai jenjang setiap pasangan dari anggota kelompok sampel pertama dan kedua. 2. Kepada masing-masing pasangan berikan tanda + (plus) dan – (minus) sebagai kode/tanda selisih jenjang dari setiap pasangan. 3. Tentukan harga N, yaitu jumlah semua pasangan yang memiliki tanda + dan -.Tentukan pula nilai x, yaitu jumlah pasangan yang memiliki kesamaan tanda lebih sedikit. 5. Jika N ≤ 25 , lihat Tabel D (Siegel, 1997) yang menyajikan kemungkinan satu sisi/one tailed untuk kemunculan harga x dari pengamatan di bawah Ho. Uji satu sisi digunakan apabila telah memiliki perkiraan ranking kelompok sampel tertentu akan lebih besar atau lebih kecil dari ranking kelompok sampel yang lainnya. Seandainya kita belum mempunyai perkiraan, harga p dalam Tabel D dikalikan dua (harga p = p-Tabel D x 2). 6. Jika N > 25 , gunakan rumus (4.2). Sedangkan tabel yang digunakan adalah Tabel A (Siegel, 1997) yang menyajikan kemungkinan satu sisi/one tailed untuk kemunculan harga z pengamatan di bawah Ho. Uji satu sisi digunakan apabila telah memiliki perkiraan ranking kelompok sampel tertentu akan lebih besar atau lebih kecil dari ranking kelompok sampel yang lainnya. Jika belum memiliki perkiraan, harga p dalam Tabel A dikalikan dua (harga p = p-Tabel A x 2). 7. Jika p diasosiasikan dengan harga x atau z yang diamati ternyata < α , maka tolak Ho.

Uji Chi Kuadrat (χ 2 ) Mc. Nemar (skripsi dan tesis)

Fungsi Pengujian : Untuk menguji perbedaan atau perubahan proporsi dua buah populasi yang hanya memiliki dua kategori berdasarkan proporsi dua sampel berpasangan. Uji ini banyak dipakai untuk mengetahui apakah ada perbedaan atau perubahan proporsi sebelum dan sesudah kelompok sampel tertentu yang hanya memiliki dua kategori diberi perlakuan, dimana anggota kelompok sampel tersebut merupakan kontrol terhadap dirinya sendiri.
Persyaratan Data : Dapat digunakan untuk data berskala nominal dengan dua kategori. Prosedur Pengujian : 1. Buat Tabel Silang 2 x 2, seperti contoh pada Tebel 4.1 di bawah ini. Tanda + dan – dipakai untuk menunjukkan adanya perubahan.  Tentukan frekuensi-frekuensi harapan (E) dari sel A dan sel D, E = ½ (A+D). Frekuensi harapan harus ≥ 5. 3. Jika E ≥ 5, hitung harga χ 2 menggunakan rumus (4.1). Tetapi jika E < 5, Uji χ2 Mc. Nemar tidak boleh gunakan, dan untuk penggantinya dapat dipakai Uji Binomial. 4. Gunakan Tabel C (Siegel, 1997). Tentukan probabilitas (p) yang dikaitkan dengan terjadinya suatu harga sebesar χ 2 untuk harga db =1, untuk pengujian dua sisi. 5. Jika p yang diamati ternyata ≤ α , maka tolak Ho.

Uji Kolmogorov-Smirnov Sampel Tunggal (skripsi dan tesis)

Fungsi Pengujian : Untuk menguji perbedaan proporsi populasi, yaitu antara data yang diamati dengan yang telah ditentukan menurut Ho, berdasarkan proporsi data yang berasal dari sampel tunggal. Persyaratan Data : Dipakai untuk data berskala ordinal namun dapat digunakan juga bagi data berskala nominal.

Prosedur Pengujian : 1. Tentukan sebaran frekuensi kumulatif teoritis Fo(x), yaitu sebaran frekuensi kumulatif di bawah Ho. 2. Susun skor hasil pengamatan dalam sebaran frekuensi kumulatif pengamatan Sn(x) yang sesuai dengan Fo(x). 3. Untuk tiap jenjang/rank, hitung selisih harga mutlak Fo(x) – Sn(x). 4. Hitung harga D maksimum dengan memakai rumus (3.3). 5. Gunakan Tabel E (Siegel, 1997). Tentukan harga p untuk harga D maksimum (pengujian dua sisi). 6. Jika p yang diamati ternyata ≤ α , maka tolak Ho

Uji Chi Kuadrat (χ2) Sampel Tunggal (skripsi dan tesis)

Fungsi Pengujian :
Untuk menguji perbedaan proporsi populasi, yaitu antara data yang diamati dengan data yang diharapkan (expected) terjadi menurut Ho, berdasarkan proporsi yang berasal dari sampel tunggal.

Persyaratan Data :
Dapat digunakan untuk data berskala nominal dengan dua atau lebih dari dua kategori.
Prosedur Pengujian :
1. Tentukan n = jumlah semua kasus yang diteliti.
2. Tentukan jumlah frekuensi dari masing-masing kategori (k). Jumlah frekuensi seluruhnya= n.
3. Berdasarkan Ho , tentukan frekuensi yang diharapkan (Ei) dari k. Jika k = 2, frekuensi yang diharapkan minimal 5. Jika k > 2 dan (Ei) < 5 lebih dari 20%, gabungkanlah k yang berdekatan, agar banyaknya (Ei) < 5 dalam k tidak lebih dari 20%.
4. Hitung harga χ
2 dengan menggunakan rumus (3.2).
5. Tentukan derajat bebas, db = k – 1.
6. Gunakan Tabel C (Siegel, 1997), tabel ini untuk pengujian dua sisi. Tentukan probabilitas
(p) yang dikaitkan dengan terjadinya suatu harga sebesar χ
2 untuk harga db yang bersangkutan.
7. Jika p yang diamati ternyata ≤ α , maka tolak H

Uji Binomial (skripsi dan tesis)

Fungsi Pengujian :
Untuk menguji perbedaan proporsi populasi yang hanya memiliki dua buah kategori berdasarkan proporsi sampel tunggal.
Persyaratan Data :
Dapat digunakan untuk data berskala nominal yang hanya memiliki dua kategori.
Prosedur Pengujian :
1. Tentukan n = jumlah semua kasus yang diteliti.
2. Tentukan jumlah frekuensi dari masing-masing kategori.
3. Jika n ≤ 25 dan jika P=Q=½, lihat Tabel D (Siegel, 1997) yang menyajikan kemungkinan satu sisi/one tailed untuk kemunculan harga x yang lebih kecil dari pengamatan di bawahHo. Uji satu sisi digunakan apabila telah memiliki perkiraan frekuensi mana yang lebihkecil. Jika belum memiliki perkiraan, harga p dalam Tabel D dikalikan dua (harga p =pTabel x 2).
4. Jika n > 25 dan P mendekati ½, gunakan rumus (3.1). Sedangkan tabel yang digunakan adalah Tabel A (Siegel, 1997) yang menyajikan kemungkinan satu sisi/one tailed untuk kemunculan harga z pengamatan di bawah Ho. Uji satu sisi digunakan apabila telah memiliki perkiraan frekuensi mana yang lebih kecil. Jika belum memiliki perkiraan,
harga p dalam Tabel A dikalikan dua (harga p = pTabel x 2).
5. Jika p diasosiasikan dengan harga x atau z yang diamati ternyata ≤ α , maka tolak Ho

Hipotesis Statistik (skripsi dan tesis)

Adalah pernyataan mengenai parameter dari populasi yang didasarkan pada statistik dari sampel. Bentuk pernyataannya bisa didasarkan atas kesamaan-kesamaan atau perbedaanperbedaan, ada tidaknya asosiasi maupun hubungan-hubungan antar variabel, juga penaksiran-penaksiran nilai populasi. Dari hipotesis yang dicontohkan di atas, berarti peneliti menduga usaha ternak ayam ras lebih menguntungkan dibandingkan usaha tani padi. Pernyataan yang menyiratkan adanya perbedaan tersebut secara statistik dapat ditulis sebagai berikut : Ho : µa ≤ µp H1 : µa > µp H1 berarti rata-rata keuntungan yang diperoleh peternak ayam ras lebih besar jika dibandingkan dengan petani yang berusaha tani padi. Sedangkan Ho menyatakan, rata-rata keuntungan yang diperoleh peternak ayam ras sama dengan atau lebih kecil dari petani yang melakukan usaha tani padi. Ho dan H1 merupakan pasangan hipotesis statistik yang akan dipakai sebagai titik tolak untuk menduga parameter. Pada uji hipotesis statistik, pengujian diarahkan untuk menduga Ho apakah bisa diterima atau harus ditolak.

Hipotesis Nol (skripsi dan tesis)

Adalah kebalikan atau hipotesis yang menolak pernyataan hipotesis penelitian. Dalam konteks penyangkalan terhadap contoh hipotesis penelitan tadi, pernyataan hipotesis nol bisa menjadi: rata-rata keuntungan dari usaha ternak ayam ras sama dengan atau lebih kecil dari usaha tani padi. Dalam statistika hipotesis yang menyatakan penolakan terhadap hipotesis penelitian diberi lambang Ho

Hipotesis Penelitian (skripsi dan tesis)

Merupakan suatu pernyataan yang dibuat berdasarkan pada fenomena dan teori-teori, yang dirangkaikan secara logis dalam sebuah kerangka pikir. Oleh peneliti, hipotesis penelitian “dianggap” benar dan bisa diterima secara logika. Tetapi karena sesungguhnya teori itu merupakan dalil dari sifat yang “sebenarnya”, maka hipotesis penelitian pun hanya bisa dipandang sebagai dugaan sementara yang masih memerlukan pengujian. Contoh dari hipotesis penelitian adalah: rata-rata keuntungan dari usaha ternak ayam ras lebih besar jika dibandingkan dengan keuntungan usaha tani padi. Dalam statistika hipotesis penelitian diberi lambang H1

Statistika Parametrik dan Nonparametrik (skripsi dan tesis)

Pada perkembangan statistika inferensial, metode-metode penafsiran yang berasal dari generasi awal, menetapkan asumsi-asumsi yang sangat ketat dari karakteristik populasi yang diantara anggota-anggota populasinya diambil sebagai sampel. Di bawah asumsi-asumsi tersebut, diharapkan angka-angka atau statistik dari sampel, betul-betul bisa mencerminkan angka-angka atau parameter dari populasi. Oleh karena itu, dikenal dengan istilah Statistika Parametrik. Asumsi-asumsi tersebut antara lain: data (sampel) harus diambil dari suatu populasi yang berdistribusi normal. Seandainya sampel diambil dari dua atau lebih populasi yang berbeda, maka populasi tersebut harus memiliki varians (δ 2 ) yang sama. Selain itu, statistika parametrik hanya boleh digunakan jika data memiliki nilai dalam bentuk numerik atau angka nyata. Ketatnya asumsi dalam statistika parametrik, secara metodologis sulit dipenuhi oleh peneliti-peneliti dalam bidang ilmu sosial. Sebab dalam kajian sosial, sulit untuk memenuhi asumsi distribusi normal maupun kesamaan varians (δ 2 ), selain itu banyak data yang tidak berbentuk numerik, tetapi hanya berupa skor rangking atau bahkan hanya bersifat nilai kategori. Oleh karenanya, statistika inferensial saat ini banyak berkembang kepada teknikteknik yang tidak berlandaskan pada asumsi-asumsi di atas, yang dikenal sebagai Statistika Nonparametrik.

Menafsirkan Parameter Berdasarkan Statistik (skripsi dan tesis)

Telah diuraikan terdahulu, terdapat metode-metode tertentu yang bisa dipakai untuk menginterpretasikan data dalam kondisi ketidakpastian (uncertainty), yaitu statistika inferensial. Fokus kajian statistika inferensial adalah untuk menafsirkan parameter (populasi) berdasarkan statistik (sampel) melalui pengujian hipotesis. Dalam pengujian hipotesis, titik tolaknya adalah menduga parameter yang dinyatakan oleh pasangan hipotesis statistik, misalnya: Ho; µ1 = µ2 dan H1; µ1 ≠ µ2. Masalah umum yang dihadapi dalam menafsirkan parameter dari populasi yang berdasarkan satistik dari sampel adalah, adanya faktor kesempatan/kebetulan (chance) dalam pengambilan data. Kemudian bisa timbul pertanyaan, apakah hasil pengamatan tentang adanya persamaam atau perbedaan parameter dalam populasi atau antar populasi, juga disebabkan oleh faktor kebetulan dalam pengambilan data? Untuk itu statistika inferensial menyediakan berbagai prosedur yang memungkinkan untuk menguji, apakah adanya persamaan atau perbedaan tadi disebabkan karena faktor kebetulan atau tidak

Statistika Deskriptif dan Inferensial (skripsi dan tesis)

Pada proses pengumpulan data di atas, tentu saja tidak bisa dilakukan secara sembarangan tetapi ada tahapan-tahapan dan cara-cara atau teknik-teknik tertentu sebagai pedomannya yang kita sebut sebagai metode. Metode ini dikenal sebagai statistika. Dalam statistika, ada metode-metode tertentu sebagai pedoman untuk menyajikan data sehingga secara ringkas dapat dengan mudah dipahami. dan sebagainya. Metode penyederhanaan data sehingga mudah dipahami dikenal sebagai statistika deskriptif. Statistika deskriptif pada awalnya merupakan bidang kajian yang sangat penting, walaupun saat ini bukan merupakan bidang kajian pokok dalam statistika. Tujuan utama statistika saat ini adalah menginterpretasikan atau menafsirkan (inference) data, yang dikenal dengan istilah statistika inferensial. Misalnya dengan melihat grafik rata-rata pemilikan lahan berdasarkan status sosial ekonomi petani, melalui angka-angkanya kita bisa melihat bahwa rata-rata pemilikan lahan petani dengan tingkat sosial ekonomi tertentu lebih luas dibandingkan dengan status ekonomi lainnya. Tapi untuk melakukan interpretasi lebih jauh, kita harus menyadari bahwa statistik yang tersaji berasal dari suatu sampel bukannya populasi, sehingga belum tentu menggambarkan kondisi yang sebenarnya, atau dengan kata lain masih berada dalam suatu kondisi ketidakpastian

Statistika, Statistik, dan Parameter (skripsi dan tesis)

Dalam perbincangan sehari-hari kita sering mendengar kata statistik maupun statistika. Namun penggunaan dari dua kata tersebut masih simpang siur. Adakalanya pengertian yang seharusnya statistik ditulis atau disebut dengan istilah statistika, demikian pula sebaliknya pengertian statistika sering ditulis atau disebut dengan istilah statistik. Walaupun penulisannya sangat mirip antara statistik dengan statistika, tetapi memiliki arti yang sangat berlainan. Pengertian statistik (statistic) adalah bilangan yang diperoleh melalui proses perhitungan terhadap sekumpulan data yang berasal dari sampel. Sedangkan pengertian statistika (statistics) adalah konsep dan metode yang bisa digunakan untuk mengumpulkan, menyajikan, dan menginterpretasikan data dari kejadian tertentu untuk mengambil suatu keputusan/kesimpulan dalam suatu kondisi adanya ketidakpastian. Misalnya kita ingin mengetahui rata-rata luas lahan yang dimiliki petani di suatu propinsi. Untuk menghitung seluruh luas lahan pertanian di propinsi tersebut membutuhkan biaya dan waktu yang tidak sedikit, sehingga diputuskan untuk mengambil sampel dari beberapa kabupaten. Dari kabupaten sampel diperoleh data berapa luas lahan dan berapa jumlah petaninya, dengan demikian kita bisa menghitung rata-rata luas lahan yang dimiliki petani. Angka rata-rata luas lahan yang diperoleh disebut statistik. Seandainya data tersebut diperoleh dari seluruh propinsi, angka rata-ratanya tidak bisa disebut statistik, tetapi disebut parameter karena tidak diperoleh dari sampel melainkan diperoleh dari populasi

Teknik Sampling (skripsi dan tesis)

Teknik sampling merupakan teknik pengambilan sampel. Untuk
menentukan sampel yang akan digunakan dalam penelitian, terdapat berbagai
teknik sampling yang digunakan (Sugiyono, 2013). Pada dasarnya teknik
sampling dapat dikelompokkan menjadi dua, yaitu probability sampling dan
nonprobability sampling. Probability sampling meliputi, simple random,
proportionate stratified random, disproportionate stratified random, dan area
random. Sedangkan nonprobability sampling meliputi sampling sistematis, sampling kuota, sampling aksidental/insidental, purposive sampling, sampling
jenuh, dan snowball sampling.

Sampel (skripsi dan tesis)

Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
populasi tersebut. Bila populasi besar, dan peneliti tidak mungkin mempelajari
semua yang ada pada populasi, misalnya karena keterbatasan dana, tenaga dan
waktu, maka peneliti dapat menggunakan sample yang diambil dari populasi itu.
Apa yang dipelajari dari sample itu, kesimpulannya akan dapat diberlakukan
untuk populasi. Untuk itu sampel yang diambil dari populasi harus betul-betul
representatif (Sugiyono, 2013).
Menurut Yusuf (2014), ciri-ciri sampel yang baik adalah sebagai berikut :
a. Sampel dipilih dengan cara hati-hati, dengan menggunakan cara tertentu
dengan benar.
b. Sampel harus mewakili populasi, sehingga gambaran yang diberikan
mewakili keseluruhan karakteristik yang terdapat pada populasi.
c. Besarnya ukuran sampel hendaklah mempertimbangkan tingkat kesalahan
sampel yang dapat ditoleransi dan tingkat kepercayaan yang dapat diterima
secara statistik.

Populasi (skripsi dan tesis)

Menurut Sugiyono (2013), populasi adalah wilayah generalisasi yang
terdiri atas obyek atau subyek yang mempunyai kualitas dan karakteristik
tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik
kesimpulannya. Jadi populasi bukan hanya orang, tetapi juga obyek dan bendabenda
alam yang lain. Populasi juga bukan sekedar jumlah yang ada pada
obyek atau subyek yang dipelajari, tetapi meliputi seluruh karakteristik atau
sifat yang dimiliki oleh subyek atau obyek itu.
Yusuf (2014) menyatakan, secara umum dapat dikatakan beberapa
karakteristik populasi, yaitu :
a. Merupakan keseluruhan dari unit analisis sesuai dengan informasi
yang akan diinginkan.
b. Dapat berupa manusia, hewan, tumbuh-tumbuhan, benda atau objek
maupun kejadian yang terdapat dalam suatu area/daerah tertentu
yang telah ditetapkan.
c. Merupakan batas (boundary) yang mempunyai sifat tertentu yang
memungkinkan peneliti menarik kesimpulan dari keadaan itu.
d. Memberikan pedoman kepada apa atau siapa hasil penelitian itu
dapat digeneralisasikan.

Statistik (skripsi dan tesis)

Menurut Sugiyono (2014) dalam arti sempit statistik dapat diartikan
sebagai data, tetapi dalam arti luas statistik dapat diartikan sebagai alat, alat
untuk analisis, dan alat untuk membuat keputusan. Statistik dapat dibedakan
menjadi dua, yaitu :
a. Statistik deskriptif adalah statistik yang digunakan untuk menggambarkan
atau menganalisis suatu statistik hasil penelitian, tetapi tidak digunakan
untuk membuat kesimpulan yang lebih luas.
b. Statistik inferensial adalah statistik yang digunakan untuk menganalisis data
sampel, dan hasilnya akan digeneralisasikan untuk populasi di mana sampel
diambil. Selanjutnya statistik inferensial dapat dibedakan menjadi statistik
parametris dan non parametris. Statistik parametris digunakan untuk
menganalisis data interval atau rasio, yang diambil dari populasi yang
berdistribusi normal. Sedangkan statistik non parametris, digunakan untuk
menganalisis data nominal dan ordinal dari populasi yang bebas distribusi

Uji Beda Rata-Rata Sampel Berpasangan (skripsi dan tesis)

Untuk menguji adanya perbedaan antara dua rata-rata, kita harus memilih apakah menggunakan a one-tailed test atau a two-tailed test. Apabila pengujiannya terkait ada perbedaan atau tidak ada perbedaan maka menggunakan a twotailed test untuk mengukur apakah satu rata-rata berbeda dengan yang lain (lebih tinggi atau lebih rendah) (Levin, 1998). Paired sample t test bertujuan untuk menguji ada tidaknya perbedaan mean untuk dua kelompok yang berpasangan. Subjeknya sama, namun mengalami dua perlakuan atau pengukuran yang berbeda (Nisfiannoor, 2009). Untuk melakukan uji beda rata-rata berpasangan harus memenuhi syarat sebagai berikut: 1. Data sampel merupakan data dependen 2. Sampel diambil secara acak sederhana 3. Salah satu atau kedua syarat berikut terpenuhi: a. Pasangan sampel data berjumlah besar (n>30) b. pasangan sampel berasal dari populasi yang memiliki distribusi yang mendekati normal (Triola, 2015). Dalam melakukan uji beda rata-rata, apabila data tidak berdistribusi normal maka digunakan uji statistik nonparametrik yang dapat menggunakan teknik Wilcoxon signed ranks test (Nisfiannoor, 2009).
Cara yang lebih baik untuk membandingkan prosedur pengujian t-test dan Wilcoxon signed ranks test adalah dengan melihat perkiraan tingkat kesalahan Tipe I dan Tipe II. Jelas bahwa prosedur Wilcoxon signed ranks test melindungi lebih baik terhadap kesalahan Tipe I karena rata-rata tingkat kesalahan Tipe I selalu lebih rendah daripada uji-t. Sementara rata-rata tingkat kesalahan Tipe II menggunakan uji-t lebih rendah daripada yang menggunakan uji Wilcoxon signed ranks test untuk setiap set perbedaan rata-rata (Meek et al., 2007). Saat menguji hipotesis nol, kita sampai pada kesimpulan menolak atau gagal untuk menolaknya. Kesimpulan semacam itu terkadang benar dan terkadang salah (bahkan jika kita menerapkan semua prosedur dengan benar). Terdapat dua jenis kesalahan, yaitu Kesalahan Tipe I dan Tipe II. a. Kesalahan Tipe I: kesalahan menolak hipotesis nol ketika pada kenyataannya benar. b. Kesalahan Tipe II: kesalahan tidak menolak hipotesis nol ketika pada kenyataannya salah (Triola, 2015). Banyak metode analisis statistik diturunkan setelah membuat asumsi tentang distribusi data yang mendasarinya (misalnya, normalitas). Namun, kita juga dapat mempertimbangkan metode nonparametrik untuk menarik kesimpulan statistik di mana tidak ada asumsi yang dibuat tentang populasi atau distribusi yang mendasarinya. Untuk nonparametrik setara dengan uji t parametik satu-sampel dan dua-sampel, Wilcoxon signed ranks test (satu sampel) digunakan untuk menguji hipotesis bahwa perbedaan median antara nilai absolut perbedaan berpasangan positif dan negatif adalah 0 (Harris & Hardin, 2013). Wilcoxon signed ranks test digunakan untuk membandingkan dua kondisi ketika peserta yang sama ikut serta dalam setiap kondisi dan data yang dihasilkan tidak terdistribusi secara normal. Tes ini diterapkan pada sampel berpasangan yang didasarkan pada perbedaan antara skor dalam dua kondisi yang berbeda. Setelah perbedaan-perbedaan ini dihitung, kemudian diberi peringkat tetapi tanda perbedaannya (positif atau negatif) ditetapkan ke peringkat tersebut. Dalam hal menggunakan program SPSS terdapat beberapa hal yang perlu diperhatikan, yaitu: a. Lihat baris berlabel Asymp. Sig. (2- tailed). Jika nilainya kurang dari 0,05 maka kedua kelompok berbeda secara signifikan. b. Lihat peringkat positif dan negatif (dan catatan kaki yang menjelaskan apa artinya) untuk memberi tahu Anda bagaimana perbedaan kelompok (semakin banyak peringkat di arah tertentu memberi tahu Anda arah hasilnya). c. SPSS hanya memberikan nilai signifikansi dua sisi; jika Anda ingin signifikansi satu sisi cukup bagi nilainya dengan 2 (Field, 2005).

Analisis Regresi Spline (skripsi dan tesis)

Spline merupakan model polinom yang tersegmen atau terpotong-potong yang mulus dan dapat menghasilkan fungsi regresi yang sesuai dengan data. Polinomial tersegmen tersebut memiliki peranan penting dalam teori dan aplikasi statistika. Mengestimasi spline tergantung pada titik knot. Titik knot merupakan suatu titik perpaduan yang terjadi karena perubahan pola perilaku dari suatu fungsi pada selang yang berbeda. Fungsi 𝑓(𝑥𝑖) pada persamaan (2.5) nonparametrik merupakan fungsi regresi yang tidak diketahui bentuknya dan sifat pemulusnya, maka untuk mengestimasi 𝑓(𝑥𝑖) tersebut dapat digunakan model regresi spline. Fungsi spline pada suatu fungsi f dengan orde p dapat dinyatakan sebagai berikut: 𝑓(𝑥𝑖 ) = 𝛽0 + 𝛽1𝑥𝑖 1 + ⋯ + 𝛽𝑝𝑥𝑖 𝑝 + ∑ 𝛽(𝑝+𝑙)(𝑥𝑖 − 𝑘𝑙)+ 𝑟 𝑝 𝑙=1 𝑓(𝑥𝑖 ) = ∑ 𝛽𝑗𝑥𝑖 𝑗 + ∑ 𝛽(𝑝+𝑙)(𝑥𝑖 − 𝑘𝑙)+ 𝑟 𝑝 𝑙=1 𝑝 𝑗=0 (2.6) dengan k menyatakan banyaknya titik knot dan (𝑥𝑖 − 𝑘𝑙)+ 𝑝 menyatakan fungsi potongan (truncated) yang dapat dijabarkan sebagai berikut: (𝑥𝑖 − 𝑘𝑙)+ 𝑝 = { (𝑥𝑖 − 𝑘𝑙) 𝑝 , 𝑥𝑖 ≥ 𝑘𝑙 0, 𝑥𝑖 < 𝑘𝑙 (2.7) Bentuk matematis dari fungsi spline pada persamaan (2.6), dapat dinyatakan bahwa spline adalah potongan-potongan polinom yang berbeda digabungkan bersama titik knot 𝑘1, 𝑘2, 𝑘3, … . , 𝑘𝑟 untuk menjamin sifat kontinuitasnya.

Analisis Regresi Nonparametrik (skripsi dan tesis)

Regresi nonparametrik merupakan suatu metode statistika yang digunakan untuk mengetahui pola hubungan antara variabel prediktor dengan respons ketika tidak diperoleh informasi sebelumnya tentang bentuk fungsi regresinya atau tidak diketahui bentuk kurva regresinya. Fungsi dari model regresi nonparametrik dapat berbentuk apa saja, baik linear atau nonlinear. Misalkan variabel respons adalah y dan variabel prediktor adalah x untuk n pengamatan, model umum dari regresi nonparametrik adalah 𝑦𝑖 = 𝑓(𝑥𝑖 ) + 𝜀𝑖 ; 𝑖 = 1,2,3, … , 𝑛 (2.5) dengan 𝑦𝑖 adalah variabel respons, 𝑥𝑖 adalah variabel prediktor, 𝑓(𝑥𝑖) adalah fungsi regresi yang tidak diketahui bentuknya, dan 𝜀𝑖 adalah sisaan yang diasumsikan bebas dengan nilai tengah nol dan varians σ2 . Metode regresi nonparametrik dapat digunakan dengan mengabaikan asumsi-asumsi yang melandasi metode regresi parametrik. Fungsi regresi nonparametrik f diasumsikan mulus sehingga memiliki fleksibilitas yang tinggi dalam mengestimasi fungsi regresinya. Ada beberapa teknik dalam mengestimasi regresi dalam nonparametrik yaitu deret Fourier, spline, dan kernel. Pada subbab berikutnya akan dibahas analisis regresi spline

Analisis Regresi Parametrik (skripsi dan tesis)

Analisis regresi merupakan sebuah alat statistika yang digunakan untuk melihat hubungan antara variabel respons dengan satu atau lebih variabel prediktor. Analisis regresi pertama kali dikemukakan oleh seorang antropolog dan ahli meteorologi terkenal di Inggris yaitu Sir Francis Galton (1822-1911). Dalam model regresi terdiri atas dua variabel yaitu variabel independent (variabel bebas) disebut juga variabel prediktor yang biasanya dinotasikan dengan variabel 𝑥, dan variabel dependent (variabel tak bebas) disebut juga variabel respons yang biasanya dinotasikan dengan variabel 𝑦. Variabel 𝑥 dan 𝑦 tersebut merupakan dua variabel yang saling berkorelasi. Misalkan terdapat data berpasangan (𝑥𝑖 , 𝑦𝑖) untuk n pengamatan, maka hubungan antara variabel 𝑥𝑖 dan variabel 𝑦𝑖 dapat dinyatakan sebagai berikut: 𝑦𝑖 = 𝑓(𝑥𝑖 ) + 𝜀𝑖 ; 𝑖 = 1,2, … , 𝑛 (2.1) dengan 𝑦𝑖 adalah respons ke-i, 𝑓(𝑥𝑖) adalah fungsi regresi atau kurva regresi, serta 𝜀𝑖 adalah sisaan yang diasumsikan independent dengan nilai tengah nol dan variansi σ 2 . Regresi parametrik merupakan metode yang digunakan untuk mengetahui pola hubungan antara variabel respons dan prediktor apabila bentuk kurva regresinya diketahui Model regresi dengan variabel prediktor lebih dari satu (𝑥1, 𝑥2, 𝑥3, … , 𝑥𝑝) secara umum dapat dituliskan sebagai berikut: 𝑦𝑖 = 𝛽0 + 𝛽1𝑥𝑖1 + 𝛽2𝑥𝑖2 + 𝛽3𝑥𝑖3 + ⋯ + 𝛽𝑝𝑥𝑖𝑝 + 𝜀𝑖 ; 𝑖 = 1,2,3, … , 𝑛 (2.2) dengan 𝛽0, 𝛽1, 𝛽2, 𝛽3, … , 𝛽𝑝 adalah koefisien regresi. Model dapat pula disajikan dalam bentuk matriks yang dituliskan pada persamaan sebagai berikut: [ 𝑦1 𝑦2 ⋮ 𝑦𝑛 ] = [ 1 1 ⋮ 1 𝑥11 𝑥21 ⋮ 𝑥𝑛1 𝑥12 𝑥22 ⋮ 𝑥𝑛2 … … ⋱ … 𝑥1𝑝 𝑥2𝑝 ⋮ 𝑥𝑛𝑝] [ 𝛽0 𝛽1 ⋮ 𝛽𝑝 ] + [ 𝜀1 𝜀2 ⋮ 𝜀𝑛 ] atau 𝒚 = 𝒙𝜷 + 𝜺 (2.3) dengan 𝒚 = [ 𝑦1 𝑦2 ⋮ 𝑦𝑛 ], 𝒙 = [ 1 1 ⋮ 1 𝑥11 𝑥21 ⋮ 𝑥𝑛1 𝑥12 𝑥22 ⋮ 𝑥𝑛2 … … ⋱ … 𝑥1𝑝 𝑥2𝑝 ⋮ 𝑥𝑛𝑝], 𝜷 = [ 𝛽0 𝛽1 ⋮ 𝛽𝑝 ], dan 𝜺 = [ 𝜀1 𝜀2 ⋮ 𝜀𝑛 ] (2.4) dengan 𝒚 adalah vektor kolom untuk variabel respons berukuran 𝑛 × 1, 𝑥 adalah matriks konstanta berukuran 𝑛 × 𝑝, 𝜷 adalah vektor parameter berukuran 𝑝 × 1, dan 𝜺 adalah vektor peubah acak normal bebas dengan nilai harapan 𝐸{𝜺} = 0 dan matrik ragam 𝜎 2 {𝜺} = 𝜎 2 yang berukuran 𝑛 × 1

Uji Chi-Square (skripsi dan tesis)

Chi-square atau kai kuadrat (X2 ) merupakan salah satu jenis uji komparatif nonparametrik yang dilakukan pada dua variabel, dimana skala data kedua variabel adalah nominal atau ordinal. Dasar dari uji chi-square adalah membandingkan perbedaan antara frekuensi observasi dengan frekuensi ekspektasi atau frekuensi yang diharapkan. Frekuensi observasi adalah frekuensi yang nilainya didapat dari hasil percobaan. Sedangkan frekuensi harapan adalah frekuensi yang nilainya dapat dihitung secara teoritis. Perbedaan tersebut untuk meyakinkan apabila harga dari chi-square sama atau lebih besar dari suatu harga yang telah ditetapkan pada taraf signifikan tertentu. Uji chi-square sangat bermanfaat dalam melakukan analisis statistik apabila asumsi-asumsi yang  dipersyaratkan untuk penggunaan statistik parametrik tidak dapat terpenuhi. Syarat-syarat dalam menggunakan uji ini adalah frekuensi responden atau sampel yang digunakan besar, karena ada beberapa syarat dimana chi-square dapat digunakan yaitu: a. Tidak ada cell dengan nilai frekuensi kenyataan (actual count) sebesar nol. b. Apabila bentuk tabel kontingensi 2×2, maka tidak boleh ada satu cell saja yang memiliki frekuensi harapan (expected count) kurang dari lima. c. Sedangkan apabila bentuk tabel lebih dari 2×2, maka jumlah cell dengan frekuensi harapan yang kurang dari lima tidak boleh lebih dari 20%. Adapun kegunaan dari uji chi-square sebagai berikut: a. Untuk mengetahui ada tidaknya asosiasi antara dua variabel. b. Untuk mengetahui homogenitas antar-sub kelompok. c. Untuk uji kenormalan data dengan melihat distribusi data. d. Untuk menganalisis data yang berbentuk frekuensi. e. Untuk menentukan besar kecilnya korelasi dari variabel-variabel yang dianalisis. Bentuk distribusi chi-square tergantung dari derajat kebebasan atau yang biasa dilambangkan d.f. (degree of freedom). Chi-square memiliki masing-masing nilai derajat kebebasan yaitu distribusi (kuadrat standard normal) yang merupakan distribusi chi-square dengan d.f. = 1 dan nilai variabel tidak bernilai negatif. Karakteristik dari chi-square yaitu nilainya selalu positif karena nilai chi-square adalah nilai kuadrat.

Crosstabs (skripsi dan tesis)

Crosstabs atau tabulasi silang merupakan suatu metode analisis deskriptif yang berbentuk tabel, dimana menampilkan tabulasi silang atau tabel kontingensi yang digunakan untuk mengidentifikasi serta mengetahui apakah ada korelasi atau hubungan sebab-akibat antara satu variabel dengan variabel yang lainnya ke dalam suatu matriks. Hasil crosstabs disajikan ke dalam suatu tabel dengan variabel yang tersusun sebagai kolom dan baris serta berisi nilai frekuensi dan persentase. Tabel yang dianalisis pada crosstabs ini adalah hubungan antara variabel dalam baris dengan variabel dalam kolom. Penyajian data pada umumnya adalah data kualitatif. Ciri dari penggunaan crosstabs yaitu data input yang pada umumnya berskala nominal atau ordinal. Pembuatan crosstabs dapat disertai dengan pengolahan atau perhitungan tingkat keeratan hubungan (asosiasi) antar variabel pada crosstabs. Alat statistik yang sering digunakan untuk menguji ada tidaknya hubungan antara baris dan kolom dari sebuah crosstabs adalah uji chi-square. Selain uji chi-square, ada beberapa alat uji lainnya yang dapat digunakan seperti kendall, kappa, dan lain sebagainya

Uji Tanda (Sign Test) (skripsi dan tesis)

Uji tanda atau sign test merupakan uji non-parametrik yang digunakan untuk menguji ada tidaknya perbedaan dari dua buah populasi yang saling berkorelasi, dimana datanya memiliki skala pengukuran ordinal. Metode analisis ini menggunakan data yang dinyatakan dalam bentuk tanda (+) positif dan (-) negatif dari perbedaan antara pengamatan yang berpasangan. Sedangkan nilai 0 tidak diikut sertakan dalam analisis karena nilai 0 berarti tidak terdapat perubahan sebelum dan sesudah perlakuan. Pada prinsipnya, uji tanda memiliki tujuan untuk menghitung selisih nilai dari kedua pasang sampel. Apabila Ho diterima, maka jumlah selisih pasangan data yang positif kurang lebih akan sama dengan pasangan data yang negatif, sehingga sangat diharapkan jumlah selisih pasangan data yang positif dan negatif adalah setengah dari total sampel yang ada. Sedangkan Ho ditolak, jika jumlah selisih pasangan data yang negatif dengan data yang positif memiliki perbedaan nilai yang sangat tingg

Ciri-Ciri Statistik Non-Parametrik (skripsi dan tesis)

Dalam menganalisis data tentunya harus mengetahui ciri-ciri dari statistik yang akan digunakan agar dapat lebih mudah dalam menentukan uji yang cocok untuk digunakan pada kasus tersebut. Berikut ciri-ciri dari statistik non-parametrik: a. Data tidak berdistribusi normal b. Umumnya data berskala nominal dan ordinal c. Umumnya dilakukan pada penelitian sosial d. Umumnya jumlah sampel kecil

Pengelompokan Kategori Statistik Non-Parametrik (skripsi dan tesis)

Dalam statistik non-parametrik terdapat pengelompokan yang didasarkan dari kriteria sampel yang diambil pada saat penelitian yaitu sampel tunggal, sampel independen, dan sampel dependen. Adapun penjelasan dari masing-masing kriteria sampel adalah sebagai berikut: a. Sampel Tunggal Sampel tunggal digunakan untuk menduga dan menguji hipotesis dari parameter yang ada, contohnya pengukuran nilai sentral. Pada statistik nonparametrik uji yang digunakan untuk menduga nilai sentral, seperti uji tanda (sampel tunggal) dan uji Wilcoxon. Selain itu, terdapat juga prosedur nonparametrik lainnya, antara lain uji binomial yang digunakan untuk pengukuran proporsi populasi, uji Trend untuk mengetahui kencenderungan dari populasi yang ada, dan uji Cox-Stuart untuk menguji data berdasarkan waktu. b. Sampel Independen Sampel independen memiliki kegunaan untuk membandingkan antara dua variabel yang terukur dari sampel yang bebas. Pengambilan sampel ini berasal dari dua populasi. Pada statistik parametrik dapat menggunakan uji t untuk membandingkan nilai mean dari dua kelompok independen, sedangkan alternatif pengujian dalam statistik non-parametrik dapat menggunakan uji, antara lain Wald-Wolfowitz Runs test, Mann-Whitney U-test, dan KolmogorovSmirnov Two-Sample test.
Namun, apabila ingin membandingkan lebih dari dua populasi maka digunakanlah analisis satu arah bertingkat dengan Median test dan Kruskal-Wallis test. c. Sampel Dependen Sampel dependen pada dasarnya digunakan untuk membandingkan dua variabel yang terukur dari sampel yang berhubungan. Dalam statistik nonparametrik, misalnya untuk mengetahui perbedaan produktivitas kerja, dengan melakukan pengukuran pada sampel pekerja sebelum mendapatkan pelatihan dengan sampel pekerja sesudah mendapatkan pelatihan. Hal seperti ini dapat dilakukan dengan menggunakan pengujian Sign Test dan Wilcoxon’s Matched Pairs Test. Namun jika variabel memiliki sifat yang dikotomi, maka dapat digunakan pengujian McNemar’s Chi-square Test. Selain itu, apabila ternyata terdapat lebih dari dua variabel yang diteliti maka pengujian yang tepat digunakan yaitu Friedman’s two-way analysis of variance dan Cochran Q test

Dasar Statistika (skripsi dan tesis)

Pada dasarnya statistika terbagi menjadi dua yakni stastika deskriptif dan statistika inferensial. Statistika inferensial terbagi menjadi dua yaitu statistik parametrik dan statistik non-parametrik. Statistik non-parametrik merupakan analisis yang tidak menggunakan parameter seperti yang terdapat pada statistik non-parametrik, misalnya: mean, standar deviasi, dan variansi. Statistik nonparametrik juga sering disebut dengan metode distribusi bebas. Statistik nonparametrik menjadi alternatif dari statistik parametrik ketika asumsi-asumsi yang mendasari dalam statistik parametrik tidak dapat terpenuhi, sebab metode ini tidak memerlukan asumsi atau mengabaikan asumsi-asumsi yang menjadi landasan metode statistika parametrik terutama yang berkaitan dengan distribusi normal. Selain itu, statistik non-parametrik digunakan pada data yang berskala nominal dan ordinal serta populasi yang bebas distribusi. Semua permasalahan statistik sebenarnya dapat diselesaikan dengan statistik non-parametrik. Namun harus dipahami bahwa tidak semua permasalahan statistik dapat diselesaikan dengan menggunakan statistik parametrik sehingga harus menggunakan statistik non-parametrik.

Software IBM SPSS (skripsi dan tesis)

Santoso (2010) berpendapat bahwa software SPSS dapat dijadikan sebagai alternatif pengguna untuk mengolah data dan menginterpretasi output dengan mudah dalam menyelesaikan permasalahan pada metode non-parametrik. SPSS (Statistical Product and Service Solution) merupakan program aplikasi bisnis yang berguna untuk melakukan perhitungan atau menganalisa data statistik dengan menggunakan komputer. Dalam SPSS yang perlu dilakukan untuk memulai menganalis data yaitu mendesain variabel yang akan dianalisis, memasukkan data, dan melakukan perhitungan sesuai dengan tahapan yang ada pada menu yang tersedia. SPSS memiliki berbagai macam fitur yang ditawarkan untuk mengolah data dalam berbagai kasus, seperti: a. IBM SPSS Data Collection : untuk pengumpulan data b. IBM SPSS Statistics : untuk menganalisis data c. IBM SPSS Modeler : untuk memprediksi trend d. IBM Analytical Decision Management : untuk pengambilan keputusan SPSS banyak diaplikasikan serta digunakan oleh pengguna di segala bidang bisnis, perkantoran, pendidikan, dan penelitian. Secara spesifik, pemanfaatan program ini digunakan untuk riset pemasaran, penilaian kredit, peramalan bisnis, penilaian kepuasan konsumen, pengendalian, serta pengawasan dan perbaikan mutu suatu produk. Keunggulan dari SPSS dibandingkan dengan program yang lainnya adalah kemudahan dalam memasukkan data, kemudahan dalam mengolah data dengan hanya memilih uji statistik yang sudah tersedia, cepat dalam menampilkan output, dan output mudah untuk dipahami, dibaca, dan dicetak. Selain itu, SPSS mampu mengakses data dari berbagai macam format data yang tersedia seperti base, lotus, access, text file, spreadsheet, bahkan mengakses database melalui ODBD (Open Data Base Connectivity) sehingga 18 data yang berbagai macam format dapat langsung terbaca SPSS yang selanjutnya untuk dianalisis. SPSS dapat menguji data yang berjenis data kualitatif maupun data kuantitatif. Informasi yang diberikan oleh SPSS sangatlah akurat, hal ini dapat dilihat dengan memperlakukan missing data secara tepat yaitu dengan memberi alasannya misalnya pernyataan atau pertanyaan yang tidak relevan dengan kondisi responden, pernyataan atau pertanyaan tidak dijawab oleh responden, maupun ada pernyataan atau pertanyaan yang memang harus dilompati. Statistik yang termasuk software dasar SPSS, yakni: a. Statistik Deskriptif (Frekuensi, Deskripsi, Tabulasi Silang, Penelusuran, dan Statistik Deskripsi Rasio) b. Statistik Bivariat (Rata-Rata, ANOVA, t-test, Korelasi (Bivariat, Persial, Jarak), dan NonParametrik Test) c. Prediksi Hasil Numerik (Regresi Linear) d. Prediksi untuk mengidentifikasi kelompok (Diskriminan, Analisis Cluster (Two-Step, K-means, Hierarkis), dan Analisis Faktor)

Sumber Data (skripsi dan tesis)

 Berdasarkan sumbernya, data penelitian dapat dikelompokkan menjadi dua jenis yaitu:
a. Data Primer Merupakan data yang diperoleh atau dikumpulkan oleh peneliti secara langsung dari sumber data utama. Data primer biasa disebut juga data asli yang memiliki sifat up to date. Teknik yang dapat digunakan peneliti untuk mengumpulkan data primer dengan cara seperti wawancara, observasi, dan penyebaran kuesioner.
b. Data Sekunder Merupakan data yang diperoleh atau dikumpulkan oleh peneliti dari berbagai sumber yang telah ada. Data sekunder dapat diperoleh dari berbagai sumber seperti pusat statistik, buku, laporan, makalah, jurnal, dan lain sebagainya

Metode Pengambilan Sampel (skripsi dan tesis)

Sampling adalah cara pengumpulan data dengan hanya elemen sampel yang diteliti, hasilnya merupakan data perkiraan atau estimate, bukan data sebenarnya. Sedangkan teknik sampling adalah suatu teknik pengambilan sampel (Sugiyono, 2013). Alasan teknik sampling lebih sering digunakan karena lebih menghemat waktu, biaya, serta tenaga, terkadang tidak diketahui objek secara keseluruhan, dan sering terjadi kesalahan dalam pengumpulan data dikarenakan banyak objek atau elemen yang harus diteliti. Suatu keputusan yang didasarkan atas data perkiraan hasil penelitian sampel akan selalu menimbulkan resiko. Resiko ini tidak dapat dihindari namun hanya dapat diperkecil dengan jalan memperkecil kesalahan sampling yaitu dengan memilih sampling yang tepat yang dapat mewakili populasi dari sampel yang diambil. Pada dasarnya teknik sampling dapat dikelompokkan menjadi dua macam yaitu probability sampling dan non-probability sampling. a. Metode dalam probability sampling i. Simple Random Sampling ii. Proportionate Stratified Sampling iii. Disproportionate Stratified Random Sampling iv. Cluster Sampling 13 b. Metode dalam non-probability sampling i. Sampling Sistematis ii. Sampling Kuota iii. Sampling Insidental iv. Sampling Jenuh v. Purposive Sampling vi. Snowball Sampling

Kuesioner (skripsi dan tesis)

Kuesioner merupakan teknik pengumpulan data yang dilakukan dengan cara memberi suatu pernyataan atau pertanyaan tertulis kepada responden (Sugiyono, 2013). Kuesioner berdasarkan bentuknya terbagi menjadi dua jenis, yaitu: a. Kuesioner Tertutup Kuesioner yang menyajikan pertanyaan dan alternatif pilihan jawaban sehingga responden hanya dapat memberikan tanggapan yang terbatas pada pilihan yang telah diberikan. Contoh dari kuesioner tertutup ini yaitu penilaian pelayanan pada sebuah cafe dan diberikan beberapan alternatif pilihan jawaban seperti sangat baik, baik, cukup, dan buruk. b. Kuesioner Terbuka Kuesioner yang memberikan kebebasan bagi responden untuk memberikan jawaban atau tanggapan atas pertanyaan yang telah diberikan, biasanya responden dapat menulis sendiri jawabannya berupa uraian. Contoh dari kuesioner terbuka yaitu “menurut anda seberapa pentingkah penggunaan smartphone?”. Penggunaan kuesioner banyak digunakan oleh peneliti karena dianggap lebih efektif dan efisien untuk mengumpulkan data dari responden yang jumlahnya besar dan dalam ruang lingkup wilayah penelitian yang luas

Penentuan Ukuran Sampel (skripsi dan tesis)

Ukuran sampel merupakan banyaknya individu, subjek, atau elemen dari populasi yang diambil sebagai sampel. Menurut Sugiyono (2013) mendefinisikan populasi adalah wilayah generalisasi yang terdiri atas objek atau subyek yang memiliki kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulan. Sedangkan sampel adalah bagian dari beberapa anggota yang dipilih dari populasi (Sekaran dan Bougie, 2010). Apabila ukuran sampel yang diambil terlalu besar atau terlalu kecil maka akan menjadi masalah dalam penelitian. Sampel yang baik yaitu sampel yang memberikan pencerminan optimal atau dapat mewakili terhadap populasinya (representative). Berikut pendapat para ahli tentang ukuran sampel: a. Gay dan Diehl (1992) mengasumsikan bahwa semakin banyak sampel yang diambil maka akan semakin representative dan hasilnya dapat di genelisir atau dapat diterima, namun akan sangat bergantung pada jenis penelitiannya. i. Penelitian bersifat deskriptif maka sampel minimumnya sebesar 10% dari populasi. ii. Penelitan yang bersifat korelasional maka sampel minimumnya 30 subyek. iii. Penelitian kausal-perbandingan maka sampelnya sebanyak 30 subyek per grup. iv. Sedangkan penelitian ekperimental maka sampel minimumnya sebanyak 15 subyek per grup. b. Roscoe (1975) menentukan ukuran sampel yang tepat yaitu sebesar ≥30 dan ≤500 sampel dan jika sampel dipecah ke dalam sub-sampel maka ukuran sampel minimum 30 untuk setiap kategori yang ada. Sugiyono (2013) menambahkan bahwa untuk penentuan jumlah sampel dari populasi tertentu yang dikembangkan dari Isaac dan Michael untuk tingkat kesalahan sebesar 1%, 5%, dan 10%.

Statistik Nonparametrik (skripsi dan tesis)

  1. Pengertian

Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak berdistribusi normal.

  1. Syarat statistik non-parametrik
  2. Data tidak berdistribusi normal
  3. Umumnya data berskala nominal dan ordinal
  4. Umumnya dilakukan pada penelitian social
  5. Umumnya jumlah sampel kecil
  6. Contoh metode statistik non-parametrik :
  7. Uji tanda (sign test)
  8. Rank sum test (wilcoxon)
  9. Rank correlation test (spearman)
  10. Fisher probability exact test.
  11. Chi-square test, dll
  12. Keunggulan dan kelemahan statistik non-parametrik
  13. Keunggulan :

1)   Tidak membutuhkan asumsi normalitas.

2)   Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah dimengerti jika dibandingkan dengan statistik parametrik  karena ststistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya statistik parametrik.

3) Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang (ordinal).

4) Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data kualitatif.

5) Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada pengamatan yang nyata.

6) Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi dapat digunakan pada populasi berdistribusi normal.

  1. Kelemahan

1)    Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.

2) Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik parametrik.

3)  Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti pada statistik parametrik. Hal ini dikarenakan statistik non-parametrik mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu

Statistik Parametrik (skripsi dan tesis)

  1. Pengertian

Statistik Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau tidak.

Statistik parametrik digunakan untuk menguji hipotesis dan variabel yang terukur. Dengan kata lain, data yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak menyebar normal, maka data seharusnya dikerjakan dengan metode statistik non-parametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik parametrik.

  1. Syarat-syarat statistik parametrik :
  2. Data dengan skala interval dan rasio
  3. Data menyebar/berdistribusi normal
  4. Contoh metode statistik parametrik :
  5. Uji-z (1 atau 2 sampel)
  6. Uji-t (1 atau 2 sampel)
  7. Korelasi pearson,
  8. Perancangan percobaan (one or two-wayanova parametrik), dll.
  9. Keunggulan dan kelemahan statistik parametrik
  10. Keunggulan

1)   Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.

2)   Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen.

  1. Kelemahan

1)   Populasi harus memiliki varian yang sama.

2)   Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.

3)   Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.

Kelemahan Tes Statistik Non Parametrik (skripsi dan tesis)

  • Jika data telah memenuhi semua anggapan model statistik parametrik, dan jika pengukurannya mempunyai kekuatan seperti yang dituntut, maka penggunaan tes statistik non parametrik akan merupakan penghamburan data. Misal : kita ingat bahwa bila suatu tes statistik non parametrik memiliki kekuatan efisiensi besar, katakanlah 90%, ini berarti bahwa kalau semua syarat tes statistik parametrik dipenuhi, maka tes statistik parametrik yang sesuai akan efektif dengan sampel yang 10% lebih kecil daripada yang digunakan dalam tes statistik non parametrik.
  • Belum ada satupun metode statistik non parametrik untuk menguji interaksi-interaksi dalam model analisis varian (ANOVA), kecuali kita berani membuat anggapan-anggapan khusus tentang aditivitas.

Contoh penggunaan statistik non parametrik seperti pada uji t pada parametrik digantikan menjadi uji Mannn Whitney ataupun Wilcoxon pada non parametrik dan uji F pada parametrik digantikan oleh uji Kruskal Wallis pada non parametrik, dll.