Skala Pengukuran - Metodologi Penelitian

SKALA PENGUKURAN

Memahami Skala Pengukuran dan Metode Analisis Data

Kebanyakan mahasiswa kebingungan membedakan skala pengukuran, jenis penelitian dan metode analisis data. Seperti saya dulu ketika membuat proposal untuk skripsi saya, secara garis besar saja masih bingung membedakan ketiganya. Bahkan ketika skripsi saya sudah jalan ke bab empat, saya masih saja nge blank dengan persoalan pemisahan secara teori pasti secara saya adalah termasuk mahasiswa yang malas membaca buku teori secara detail.

Memahaminya akan mudah setelah dipraktikkan, dan untuk memahami butuh waktu untuk membaca berulang-ulang maksud teori tersebut, wajar jika dosen lebih lancar secara teori karena ia harus mengulang-ngulang materi yang sama apalagi termasuk mata kuliah yang diampunya. Adik tingkat saya yang datang demi diskusi masalah skripsi terkadang masih bingung dan agak kehilangan arah membedakan jenis penelitian, skala pengukuran dan metode analisis data.

Skala Pengukuran

Pengukuran dalam penelitian biasanya berbentuk symbol atau angka. Skala pengukuran merupakan alat yang digunakan untuk mendeteksi metode analisis data yang digunakan. Skala pengukuran ada 4 kategori diantaranya…

1.Skala nominal

Skala nominal biasanya berbentuk kategori atau kelompok dari suatu objek, misalnya dalam penelitian kita menggunakan variabel pekerjaan yang dibedakan menjadi dua kategori yaitu swasta dan non swasta yang kemudian diberi angka 1 untuk swasta dan 2 untuk non swasta. Namun perlu diingat angka 1 dan 2 bukan nilai dalam artian sebenarnya, ia hanya digunakan untuk melihat berapa banyak subjek dikelompokkan dalam kategori yang dimaksud seperti distribusi frekuensi atau modus. Skala ini bisa dikatakan skala pengukuran sederhana.

2.Skala ordinal

Perkembangan lebih lanjut dari skala nominal adalah skala ordinal, jika skala nominal hanya mengkategorikan secara sederhana dengan angka 1 dan 2 atau 1 dan 0, sedangkan skala ordinal lebih berbentuk rangking sehingga yang digunakan bukan hanya angka 1 atau 2 tetapi bertambah menjadi 1,2,3,4,dan 5.

3.Skala interval

Skala interval merupakan skala lanjutan dari skala ordinal. Skala yang digunakan skala likert yaitu meranking sekaligus memberi nilai. Contoh:

Nilai Skala Kategori

1 sangat tidak setuju

2 tidak setuju

3 kurang setuju

4 setuju

5 setuju sekali

4.Skala Rasio

Skala rasio adalah skala interval dan memiliki dasar. Skala rasio ditentukan dengan nilai-nilai tertentu, sehingga tidak ada batasan yang past mengenai pengukuran dengan skala rasio. Misalnya saja ketika seseorang ingin meneliti mengenai ledakan pertumbuhan penduduk, maka skala pengukuran yang digunakan adalah rumus yang berlaku untuk menghitung berapa besar ledakan penduduk dalam satu tahun .

Skala nominal dan ordinal dikategorikan sebagai skala non metric sedangkan skala interval dan rasio dikategorikan sebagai skala metric.

Metode Analisis Data

Menentukan metode analisis data merupakan langkah penting untuk menentukan pengolahan data dan kesimpulan hasil penelitian. Langkah awal menentukan metode analisis data adalah dengan memahami penggunaan skala pengukuran yang digunakan atau dengan menentukan jenis variable dan jumlah variabel.

satu variable terikat (metric) dan satu variable bebas (non metric)

jika variabel Y dan X jumlahnya satu maka analisis yang digunakan adalah analisis univariat atau uji beda rata-rata atau t-test. Jika variabel bebas ukuran non metrik maka alat uji yg digunakan ANOVA

dua atau lebih variabel terikat dan atau lebih variabel bebas

jika variabel Y terdiri dari Y1 dan Y2 sedangkan variabel X jumlahnya lebih dari satu maka analisis yang digunakan adalah analisis MANOVA

satu variabel terikat dan satu atau lebih variabel bebas

jika variabel Y terdiri dari satu dan variabel X jumlahnya satu atau lebih dari satu maka uji statistik yang digunakan adalah analisis regresi sederhana atau berganda.

satu variabel terikat dan lebih dari satu variabel bebas

bisa menggunakan analisis diskriminan atau logistic regression jika variabel bebas berupa kombinasi antara metrik dan nominal dan variabel terikat merupakan skala nominal.

Ada beberapa teknik statistik yang dapat digunakan untuk menganalisis data. Tujuan dari analisis data adalah mendapatkan informasi yang relevan yang terkandung di dalam data tersebut dan menggunakan hasilnya untuk memecahkan suatu masalah. Permasalahan yang ingin dipecahkan biasanya dinyatakan dalam bentuk satu atau lebih hipotesis nol.

Sampel data yang dikumpulkan kemudian digunakan untuk menguji penolakan atau non penolakan hipotesis nol secara statistik. Jadi hipotesis nol menggambarkan permasalahan dan " informasi relevan" yang terkandung di dalam data yang digunakan untuk menguji secara statistik hipotesis nol.

1. Skala Pengukuran

pengukuran merupakan suatu proses hal mana suatu angka atau simbol dilekatkan pada karakteristik atau properti suatu stimuli sesuai dengan aturan atau prosedur yang telah ditetapkan. Misalkan orang dapat digambarkan dari beberapa karakteristik seperti umur, pendidikan, pendapatan, jenis kelamin, dan preferensi terhadap merek barang tertentu.

skala pengukuran yang sesuai dapat digunakan untuk menunjukkan karakteristik ini. menurut Stevens (1946) skala pengukuran dapat dikelompokkan menjadi empat jenis yaitu, skala nominal, ordinal, interval, dan rasio. berikut ini penjelasan ke-empat jenis skala pengukuran tersebut.

1.1       Skala Nominal

skala nominal merupakan skala pengukuran yang menyatakan kategori, atau kelompok dari suatu subyek misalkan variabel jenis kelamin, responden dapat dikelompokkan ke dalam dua kategori laki-laki dan wanita. kedua kelompok ini dapat diberi kode angka 1 dan 2. Angka ini hanya berfungsi sebagai label kategori semata tanpa nilai intrinsik dan tidak memiliki arti apa-apa.

Oleh sebab itu tidaklah tepat menghitung nilai rata-rata dan standar deviasi dari variabel jenis kelamin. Angka 1 dan 2 hanya sebagai cara untuk mengelompokkan subyek ke dalam kelompok yang berbeda atau hanya untuk menghitung berapa banyak jumlah di setiap kategori. Jadi uji statistik yang sesuai dengan skala nominal adalah uji statistik yang mendasarkan counting seperti modus dan distribusi frekuensi

1.2       Skala Ordinal

skala ordinal tidak hanya mengkategorikan variabel ke dalam kelompok, tetapi juga melakukan ranking terhadap kategori. sebagai misal kita ingin mengukur preferensi responden terhadap empat merek produk air mineral, merek Aqua, Aquana, Aquaria, dan Aquades. Kita dapat meminta responden untuk melakukan ranking terhadap merek produk air mineral yaitu dengan memberi angka 1 untuk merek yang paling disukai, angka 2 untuk rangking kedua dst.

Merek Air Mineral                                Ranking

Aqua                                                         1

Aquana                                                     2

Aquaria                                                     3

Aquades                                                   4

Tabel ini menunjukkan bahwa merek Aqua lebih disukai dari pada merek Aquana, merek Aquana lebih disukai dari merek Aquaria, dan merek Aquarian lebih disukai daripada merek Aquades. walaupun perbedaan angka antara merek satu dengan lainnya sama. kita tidak dapat menentukan seberapa besar nilai preferensi dari satu merek terhadap merek lainnya.

Jadi kategori antar merek tidak menggambarkan perbedaan yang sama (equal differences) dari ukuran atribut. Pengukuran seperti ini dinamakan skala ordinal dan data yang didapat dari pengukuran ini disebut data ordinal. Uji statistik yang sesuai untuk skala ordinal adalah modus, median, distribusi frekuensi dan statistik non-parametrik seperti rank order correlation. Variabel yang diukur dengan skala nominal dan ordinal umumnya disebut variabel non-parametrik atau variabel non-metrik

1.3       Skala Interval

misalkan disamping menanyakan responden untuk melakukan ranking preferensi terhadap merek, mereka juga diminta untuk memberikan nilai (rate) terhadap preferensi merek sesuai dengan lima skala penilaian sbb:

                    Nilai                    skala Preferensi

                      1                       Preferensi sangat tinggi

                      1                       Preferensi tinggi

                      1                       Preferensi moderat

                      1                       Preferensi rendah

                      1                       Preferensi sangat rendah

jika kita berasumsi bahwa urutan kategori menggambarkan tingkat preferensi yang sama, maka kita dapat mengatakan bahwa perbedaan preferensi responden untuk dua merek air mineral yang mendapat rating 1 dan 2 adalah sama dengan perbedaan preferensi untuk dua merek lainnya yang memiliki rating 4 dan 5.

Namun demikian kita tidak dapat menyatakan bahwa preferensi responden terhadap merek yang mendapat rating 5 nilainya lima kali preferensi untuk merek yang mendapat rating 1. Skala pengukuran seperti diatas disebut dengan skala interval. Uji statistik yang sesuai untuk jenis pengukuran skala ini adalah semua uji statistik, kecuali yang mendasarkan pada rasio seperti koefisien variasi

1.4       Skala Rasio

Skala rasio adalah skala interval dan memiliki nilai dasar (Based value) yang tidak dapat dirubah. Misalkan umur responden memiliki nilai dasar nol. Skala rasio dapat ditransformasikan dengan cara mengalikan dengan konstanta, tetapi transformasi tidak dapat dilakukan jika dengan cara menambah konstanta karena hal ini akan merubah nilai dasarnya. Jadi transformasi yang valid terhadap skala rasio adalah sbb:

Yt = bYo

Oleh karena skala rasio memiliki nilai dasar, maka pernyataan yang mengatakan "umur Amir dua kali umur Tono" adalah valid. Data yang dihasilkan dari skala rasio disebut data rasio dan tidak ada pembatasan terhadap alat uji statistik yang sesuai. Variabel yang diukur dengan skala interval dan rasio disebut variabel metrik.

Ada beberapa teknik statistik yang dapat digunakan untuk menganalisis data. Tujuan dari analisis data adalah untuk mendapatkan informasi yang relevan yang terkandung di dalam data tersebut, dan menggunakan hasil analisis tersebut untuk memecahkan suatu masalah. Permasalahan yang akan dipecahkan biasanya dinyatakan dalam bentuk satu atau lebih hipotesis nol.

Sampel data yang dikumpulkan kemudian digunakan untuk menguji menolak atau tidak menolak hipotesis nol secara statistik. Dahulu banyak pengguna metode statistik dari berbagai disiplin ilmu menggunakan metode statistik univariate. Alasannya karena selain mudah dalam perhitungannya karena cukup dengan menggunakan bantuan kalkulator sederhana, juga mudah dalam menafsirkan hasil analsisnya.

Misalnya dengan menggunakan Uji t baik untuk sampel bebas maupun untuk sampel berpasangan, ataupun analisis variansi. Sebagai contoh : misalnya seseorang meneliti mengenai perilaku konsumen dalam membeli sesuatu barang. Peneliti hanya bisa membandingkan ada atau tidaknya perbedaan rata-rata skor frekuensi membeli, atau waktu membeli, ataujumlah yang dibeli, atau siapa yang berinisiatif membeli dan sebagainya. Karenahanya melibatkan 1 variabel maka ia harus menggunakan analisis univariate, misalnya menggunakan uji t atau analisis variansi satu arah.

Tetapi ia tidak dapat membandingkan ada atau tidaknya perbedaan perilaku konsumen. Alasannya karena pengertian perilaku mengandung arti multivariabel, tidak hanya menyangkut frekuensi membeli, atau waktu membeli, atau jumlah yang dibeli, atau siapa yang berinisiatif membeli dan sebagainya secara terpisah, tetapi lebih dari itu perilaku mengandung arti secara bersamaan atau simultan.

Dalam hal ini ia harus menggunakan analisis multivariate.Umumnya analisis univariate menggunakan asumsi bahwa sampel berasal dari populasi yang mempunyai distribusi normal univariate, khususnya jika datanya adalah berskala pengukuran interval atau rasio. Sedangkan analisis multivariate umumnya menggunakan asumsi bahwa sampel berasal dari populasi yang mempunyai distribusi normal multivariate, khususnya juga jika data yang digunakan adalah menggunakan pengukuran skala interval atau rasio.

1.         Analisis Deskriptif

Analisis deskriptif ini mempunyai tujuan untuk memberikan gambaran atau deskripsi suatu populasi. Misalnya populasi dilihat dari nilai rata-ratanya (mean, median, modus), standar deviasi, variansi, nilai minimum dan maksimum, kurtosis dan skewness (kemencengan distribusi). Data yang dianalisis dapat berupa data kualitatif atau data kuantitatif. Cara penyajiannya dapat dilengkapi dengan menggunakan tabel, grafik dan diagram (garis, batang, lingkaran maupun yang lain baik dengan 2 dimensi maupun 3 dimensi).

2.         Analisis Univariate

Analisis ini digunakan untuk memecahkan permasalahan yang hanya terdiri dari 1 variabel. Analisis yang sering digunakan dalam univariate ini diantaranya : Uji t (uji beda untuk 2 populasi), Analisis Variansi (Anova, Uji F) jika digunakan untuk menguji perbedaan lebih dari 2 populasi.

3.         Analisis Multivariate

Analisis Multivariate digolongkan menjadi 2 golongan analisis :

a. Model Dependen.

Pada model dependen ini, dapat dibedakan dengan jelas mana variabel dependennya dan mana variabel independennya.

(1) Model dengan 1 variabel dependen dan > 1 variabel independen. Jika variabel dependen maupun variabel independen mempunyai skalapengukuran interval atau rasio, maka analisis data yang sesuai adalah : “Analisis Regresi Berganda” (Multiple Regression Analysis). Jika variabel dependen mempunyai skala pengukuran nominal yang terdiri dari 2 kategori, sedangkan variabel independen semuanya mempunyai skala pengukurannominal, ordinal, interval maupun rasio, atau campuran diantara keempat skala pengukuran, maka analisis data yang sesuai adalah : “Analisis Regresi Logistik” (Logistic Regression Analysis). Analisis yang mirip dengan analisis regresi tetapi variabel dependennya dinyatakan dengan skor diskriminan (D), maka analisis ini dikenal dengan “Analisis Diskriminan” (Discriminant Analysis). Analisis Diskriminan ini menitik beratkan pada teknik pengelompokan yaitu dengan mencari kombinasi linier variabel independen (variabel diskriminator) mana saja yang bisa mengelompokkan individu menjadi 2 kelompok, 3 kelompok dan sebagainya.

(2) Model dengan > 1 variabel dependen dan 1 variabel independen. Jika Variabel dependen semuanya mempunyai skala pengukuran interval atau rasio, dan variabel independennya mempunyai skala pengukuran nominal dengan 2 atau lebih kategori, maka analisis data yang sesuai adalah : “Analisis Varian Multivariate” (Multivariate Analysis of Variance = MANOVA). Jika variabel independen mempunyai skala pengukuran nominal dengan 2 kategori maka analisis data yang sesuai adalah : “Hotelling’s T”. Jika variabel independen mempunyai skala pengukuran nominal dengan > 2kategori maka analisis data yang sesuai adalah : “Wilk’s Lambda”. Jika variabel dependen mempunyai skala pengukuran nominal sedangkan variabel independen skala pengukuran interval atau rasio maka dapat digunakan : “Analisis Korelasi Kanonikal” (Canonical Correlation Analysis). Pada analisis korelasi kanonikal ini kita mencari kombinasi linier diantara sejumlah variabel independen yang mempunyai korelasi yang kuat dengan sejumlah variabel dependen.

b. Model Interdependen.

Pada model interdependen ini, tidak dapat dibedakan dengan jelas mana variabel dependennya dan mana variabel independennya, keduanya saling interdependensi.

(1) Semua variabel mempunyai skala pengukuran interval atau rasio, maka ada 4 jenis analisis data yang dapat digunakan.

“Analisis Komponen Utama” (Principal Component Analysis = PCA).

Analisis Komponen Utama ini merupakan teknik untuk mereduksi variabel dengan menyusun kombinasi linier variabel asal sehingga jumlahnya menjadi lebih sedikit dan satu sama yang lain menjadi orthogonal (independen). Ini salah satu cara untuk mengatasi adanya kolinieritas variabel independen pada analisis regresi.

“Analisis Faktor” (Factor Analysis).

Analisis Faktor ini juga merupakan teknik untuk mereduksi variabel menjadi faktor yang merupakan kumpulan variabel.

“Penskalaan Multidimensi Metrik” (Metric Multidimension Scaling).

Analisis Penskalaan Multidimensi Metrik ini merupakan teknik matematik yang memungkinkan seseorang untuk menyajikan kedekatan atau kemiripan (proximity or similarity) antara obyek secara meruang (spatial) sebagimana dalam suatu peta. Jadi intinya adalah memetakan obyek dalam ruang multidimensi sedemikian rupa sehingga posisi relatif di suatu ruang mencerminkan derajat kemiripan antara obyek.

“Analisis Rumpun” (Cluster Analysis).

Analisis Rumpun merupakan teknik untuk mereduksi data sehingga menjadi kelompok yang lebih kecil sedemikian rupa sehingga elemen yang berada di dalam satu rumpun mempunyai kemiripan yang tinggi dibandingkan dengan elemen lain yang berada di dalam rumpun lain. Penggunaannya sering dikacaukan dengan analisis diskriminan. Pada analisis diskriminan penentuan jumlah kelompok (dua atau lebih) dilakukan dari awal, sedangkan pada analisis rumpun pada akhir alanisis diperoleh sejumlah rumpun atas dasar kemiripan (similarity).

(2) Semua variabel mempunyak skala pengukuran nominal.

Jika semua variabel mempunyai skala pengukuran nominal, maka analisis data yang sesuai adalah “Model Log Linier” (Loglinear Model). Model Log Linier ini mempelajari hubungan antar multivariabel yang mempunyai skla pengukuran nominal yang membentuk tabel kontingensi multidimensional (Multidimensional Contingency Table). Model Log Linier ini menyatakan probabilitas sel dari tabel kontingensi multidimensional dalam bentuk efek utama (main Effect) dan efek interaksi (interaction effect). Dalam hal model, Model Log Linier ini ada kemiripan dengan Analisis Variansi Dua Arah.

c. Model-Model Analisis Multivariate Yang Lain.

“Analisis regresi Ordinal” (Ordinal Regression Analysis) .

Analisis regresi Ordinal adalah analisis regresi dimana variabel dependen maupun variabel independennya mempunyai skala pengukuran ordinal.

“Analisis Regresi Polikhotomus” (Polychotomous Regression Analysis).

Analisis Regresi Polikhotomus ini mirip dengan Analisis Logistik. Jika pada analisis logistik variabel dependen adalah dikhotomus (2 kategori) maka pada analisis regresi polikhotomus variabel dependen adalah polikhotomus (>2 kategori).

“Analisis Regresi Poisson” (Poisson Regression Analysis).

Analisis Regresi Poisson adalah analisis regresi yang variabel dependennya mengikuti distribusi Poisson.

“Analisis Jalur” (Path Analysis).

Analisis Jalur ini mirip dengan analisis regresi. Perbedaannya adalah bahwa pada analisis jalur ini dapat membantu dalam mempelajari efek langsung, efek tidak langsung maupun efek total dari variabel-variabel yang dianggap menjadi penyebab dari variabel-variabel lain yang dianggap sebagai variabel akibat.

“Analisis Model Persamaan Struktural” (Structural Equation Model = SEM).

Analisis Model Persamaan Struktural (Structural Equation Model = SEM),merupakan metode statistik yang menggunakan pendekatan konfirmatory yang mengandung dua aspek penting, yaitu : proses yang dikaji dapat ditampilkan dalam bentuk persamaan struktural (regresi) dan hubungan struktural dari persamaan tersebut dapat divisualisasikan dalam bentuk gambar (diagram).

Dalam analisis SEM ini peneliti dapat melakukan tiga kegiatan sekaligus secara serempak yaitu:

- Pemeriksaan validitas dan reliabilitas instrumen (setara dengan analisis faktor konfirmatory).

- Pengujian model hubungan antar variabel laten (setara dengan analisis jalur).

- Membuat model prakiraan (setara dengan model struktural atau analisis regresi).

metode analisis multivariat

Analisis multivariat merupakan salah satu teknik statistik yang digunakan untuk memahami struktur data dalam dimensi tinggi. Variabel-variabel itu saling terkait satu sama lain. Disinilah letak perbedaan antara multivariabel dan multivariat. Multivariat pasti melibatkan multivariabel tetapi tidak sebaliknya. Multivariabel yang saling berkorelasilah yang dikatakan multivariat.

Analisis statistik multivariat merupakan metode statistik yang memungkinkan dilakukannya penelitian terhadap lebih dari dua variable secara bersamaan. Dengan menggunakan teknik analisis ini, dapat dianalisis pengaruh beberapa variabel terhadap variabel – variabel lainnya dalam waktu yang bersamaan. Ada 2 macam teknik analisa multivariat :

1.         Teknik Dependen.

Suatu variabel atau kumpulan variabel yang diidentifikasi sebagai variabel dependen yang diprediksi atau dijelaskan oleh variabel lain yang merupakan variabel independen. Adapun metode-metode yang termasuk dalam teknik dependen ini antara lain :

•           Multiple regression

Metode ini menguji hubungan antara minimal dua variabel independen dan satu variabel dependen. Berbeda dengan analisis regresi yang bivariat.

•           Multiple Discriminant Analysis

Suatu teknik statistik untuk memprediksi probabilitas dari objek yang termasuk kedalam dua atau lebih kategori mutual eksklusif (variabel dependen) yang berdasarkan pada beberapa variabel independen. Cirinya adalah independen variabel harus berupa metric dan memiliki derajat kenormalan.

•           Logit/Logistic Regression

Suatu variabel dependen non-metrik tunggal yang diprediksi oleh beberapa variabel independen metric. Teknik ini hampir sama dengan discriminant analysis, tetapi mengandalkan perhitungan yang lebih mirip dengan regresi.

•           Multivariate Analysis of Variance (MANOVA)

Suatu teknik statistik yang menyediakan suatu uji signifikansi simultan perbedaan rata-rata antara kelompok-kelompok untuk dua atau lebih variabel dependen.

•           Conjoint Analysis

Suatu teknik statistik yang digunakan untuk memahami preferensi responden terhadap suatu produk atau jasa. Biasanya disebut juga “trade-off analysis”.

•           Canonical Correlation

Merupakan perluasan dari analisis regresi berganda. Tujuannya untuk mengkorelasikan secara simultan beberapa variabel tak bebas Y dengan beberapa variabel bebas X. Jika regresi linear berganda hanya ada satu variabel tak bebas Y dengan beberapa variable bebas X, dalam korelasi kanonikal ada beberapa variabel tak bebas Y yang akan dikorelasikan dengan variabel bebas X.

•           Structural Equations Modeling (SEM)

SEM meneliti hubungan antara beberapa set variabel secara bersamaan. Metode ini dapat menggabungkan variabel laten, yaitu variabel yang tidak dapat diukur langsung ke analisis.

1.         Teknik Interdependen.

Melibatkan analisis secara simultan dari semua variabel dalam satu kumpulan, tanpa membedakan antara variabel yang dependen dan variabel yang interdependen.  Adapun metode-metode yang termasuk dalam teknik interdependen ini antara lain :

•           Principal Components & Common Factor Analysis

Analisis faktor merupakan suatu teknik statistik untuk menganalisa struktur dari hubungan timbal balik diantara sejumlah besar variabel untuk menentukan kumpulan faktor dari common underlying dimensions.

•           Cluster Analysis

Suatu teknik statistik untuk mengelompokkan objek (responden, produk, perusahaan, variabel, dan lain lain) sehingga setiap objek mirip dengan objek yang lain dalam satu gugusan (cluster) dan berbeda  dari objek yang berada pada semua gugusan lain.

•           Multidimensional Scaling

Suatu metode yang mengidentifikasi dimensi “tak-dikenali” yang mempengaruhi perilaku pembelian yang berdasarkan pada keputusan pelanggan mengenai kesamaan atau preferensi dan mengubahnya menjadi jarak yang digambarkan sebagai perceptual maps. Suatu teknik statistik yang mengukur objek pada skala multidimensi yang berdasarkan pada keputusan responden terhadap kesamaan objek.

•           Correspondence Analysis

Suatu teknik statistik yang menggunakan data non-metrik dan mengevaluasi hubungan linear atau non-linear sebagai usaha untuk mengembangkan perceptual map yang menggambarkan asosiasi antara objek (perusahaan, produk, dan sebagainya) dengan suatu kumpulan karakteristik deskriptif dari objek tersebut.

SAMPEL

1. Pengertian :

a.    Populasi yaitu sekelompok orang, kejadian atau segala sesuatu yang mempunyai karakteristik tertentu.

b.    Elemen merupakan anggota populasi

c.    Sampel merupakan anggota sampel

d.    Populasi target merupakan populasi yang direncanakan dalam suatu penelitian.

e.    Kerangka sampel yaitu suatu daftar unit-unit yang ada pada populasi yang akan diambil sampelnya (daftar anggota populasinya)

f.     Unit sampel yaitu unit terkecil pada populasi yang akan diambil sebagai sampel.

2. Alasan mengapa peneliti melakukan penelitian sampel daripada sensus :

a.    Jika jumlah elemen populasi relative banyak

b.    Kualitas data yang dihasilkan oleh penelitian sampel sering lebih baik dibandingkan dengan hasil sensus.

c.    Proses penelitian dengan menggunakan data sampel relative lebih cepat daripada sensus.

d.    Alasan lain yang menghendaki penelitian dengan sampel, terutama dalam kasus pengujian yang bersifat merusak.

3. Hubungan sampel dengan populasi

 

4. Kriteria sampel yang representative dan perbedaan antara akurasi dan presisi criteria sampel yang representative tergantung pada dua aspek yang saling berkaitan yaitu :

a.    Akurasi (sampel yang akurat) adalah sejauh mana statistic sampel dapat mengestimasi parameter populasi dengan tepat, berkaitan erat dengan tingkat keyakinan.

b.    Populasi adalah sejauh mana hasil penelitian berdasarkan sampel dapat merefleksikan realitas populasinya dengan teliti. Menunjukkan tingkat ketepatan hasil penelitian berdasarkan sampel menggambarkan karakteristik.

5. Tahap Tahap pemilihan sampel :

a.    Mengidentifikasi populasi target

b.    Memilih kerangka pemilihan sampel

c.    Menentukan metode pemilihan sampel

d.    Merencanakan prosedur penentuan unit sampel

e.    Menentukan ukuran sampel

f.     Menentukan unit sampel

6. Peneliti perlu mengidentifikasi populasi target karena penentuan populasi target merupakan hal yang penting dalam proses pemilihan data penelitian, karena berkaitan dengan identifikasi elemen-elemen populasi yang menjadi dasar pemilihan sampel penelitian.

7. Perbedaan antara kerangka sampel dengan unit sampel

a.    Kerangka sampel merupakan daftar elemen-elemen populasi yang dijadikan dasar untuk mengambil sampel. Biasanya berbeda dengan populasi target yang ditentukan, sedangkan

b.   Unit sampel adalah suatu elemen atau kelompok elemen yang menjadi dasar untuk dipilih sebagai sampel.

8. Metode pemilihan sampel probabilitas lebih memungkinkan memperoleh sampel yang representative daripada metode pemilihan sampel nonprobabilitas :

Perbedaan pokok antara kedua metode terletak pada probabilitas setiap elemen populasi terpilih sebagai subjek sampel. Metode probabilitas memberikan kesempatan yang sama pada setiap elemen populasi untuk terpilih sebagai sampel dengan pemilihan sampel yang dilakukan secara acak. Metode nonprobabilitas, memilih sampel secara tidak acak sehingga setiap elemen populasi mempunyai probabilitas yang berbeda untuk dipilih menjadi sampel.

9. Pengertian, kelebihan dan kelemahan

a.    Pemilihan sampel acak sederhana, memberikan kesempatan yang sama yang bersifat tak terbatas pada setiap elemen populasi untuk dipilih sebagai sampel.

Kelebihan nya bersifat independen, kekurangannya memerlukan media yang memuat daftar seluruh elemen untuk dipilih sebagai sampel secara manual / dengan bantuan computer. Dinilai membosankan dan memerlukan biaya relative mahal.

b.   Pemilihan sampel sistematis, merupakan memilih secara acak setiap elemen dengan nomor tertentu dari table nomor sebagai kerangka sampel.

Kelebihan, tergantung pada penentuan nomor sampel yang pertama dan jarak nomor antara sampel yang satu dengan yang lain. Metode ini relative mudah diterapkan jika telah tersedia kerangka sampel.

10. Pengertian dan perbedaan :

a.       Pemlihan sampel berdasarkan strata, pemilihan sampel secara acak dapat dilakukan sengan telebih dahulu mengklasifikasi suatu populasi kedalam sub-sub populasi berdasarkan karakteristik tertentu dari elemen-elemen populasi.

b.      Pemilihan sampel berdasarkan kelompok, dapat dilakukan melalui satu tahap atau beberapa tahap penentuan unit sampel.

Perbedaan keduanya adalah lebih menekankan pada heterogensi karakteristik elemen-elemen pada masing-masing unit sampel, tetapi karakteristik elemen-elemen antara kelompok unit sampel satu dengan unit sampel yang lain relatf homogen.

11. Area sampling merupakan metode pemilihan sampel acak berdasarkan kelompok yang digunakan untuk memilih sampel dari populasi yang lokasi geografisnya terpencar.

12. Hasil penelitian dengan sampel yang pemilihannya menggunakan metode nonprobabilitas mempunyai kemampuan generalisasi rendah. Karena pemilihan metode ini umumnya berdasarkan pada pertimbangan waktu yang relative cepat dan biaya yang relative murah dibandingkan dengan metode pelilihan sampel probabilitas.

a.       Berdasarkan kemudahan. Misalnya, dalam penelitian mengenai perilaku konsumen terhadap suatu produk dapat melakukan survey kepada setiap pengunjung yang dijumpai do took swalayan. Metode ini diterapkan pada penelitian-penelitian perpajakan.

b.      Berdasarkan pertimbangan. Misalnya, jika peneliti ingin mengetahui informasi yang berkaitan dengan perusahaan maka peneliti dapat memilih para manajer sebagai sampel penelitian.

c.       Berdasarkan kuota. Misalnya, peneliti menentukan kuota responden berdasarkan jenis industry, skala perusahaan, departemen fungsional, atau gender pekerja.

13. Factor yang menentukan ukuran sampel dan contoh perhitungan ukuran sampel untuk menentukan ukuran sampel tergantung pada variasi populasinya. Dismaping itu, juga dipengaruhi oleh tingkat keyakinan peneliti dalam melakukan estimasi. Contoh perhitungan :

14.  Kesalahan.

a.       Kesalahan dalam pemilihan sampel dapat disebabkan oleh berbagai kemungkinan pada setiap prosedur dalam pemilihan sampel, antara lain: kesalahan da;am kernagka sampel, kesalahan dalam penentuan unit sampel.

b.      Kesalahan sistematis merupakan kesalahan yang disebabkan oleh faktor-faktor diluar proses pemlihan sampel. Kesalahan sistematis terutama disebabkan oleh kelemahan desain penelitian dan kesalahan sistematis yaitu : kesalahan responden dan kesalahan administrative.

DATA DAN TEKNIK PENGUMPULAN DATA

Sumber Data

Sumber data adalah tempat didapatkannya data yang diinginkan. Pengetahuan tentang sumber data merupakan hal yang sangat penting untuk diketahui agar tidak terjadi kesalahan dalam memilih sumber data yang sesuai dengan tujuan penelitian. Misalnya suatu penelitian tentang beberapa jenis penyakit yang sedang diderita oleh masyarakat di suatu daerah untuk itu dilakukan survei didaerah tersebut.

Sumber data terbagi menjadi dua yaitu data primer dan data sekunder. Data primer adalah data yang diperoleh peneliti secara langsung (dari tangan pertama), sementara data sekunder adalah data yang diperoleh peneliti dari sumber yang sudah ada. Data primer contohnya  adalah data yang diperoleh dari responden melalui kuesioner, kelompok fokus, dan panel, atau juga data hasil wawancara peneliti dengan nara sumber. Data sekunder misalnya catatan atau dokumentasi perusahaan berupa absensi, gaji, laporan keuangan publikasi perusahaan, laporan pemerintah, data yang diperoleh dari majalah, dan lain sebagainya.

Metode Pengumpulan Data

Metode atau teknik pengumpulan data adalah cara yang dilakukan seorang peneliti untuk mendapatkan data yang diperlukan. Dengan metode pengumpulan data yang tepat dalam suatu penelitian akan memungkinkan pencapaian masalah secara valid dan terpercaya yang akhirnya akan memungkinkan generalisasi yang obyektif.

Setelah ditemukan sumber data  yang digunakan kemudian dilakukan pengumpulan data. Pengumpulan data dilakukan dengan berbagai metode:

1.         Mengumpulkan data dari catatan medik di sarana kesehatan atau instansi yang berhubungan dengan kesehatan, cara ini mempunyai keuntungan, yaitu mudah dilakukan, membutuhkan waktu dan biaya yang relatif kecil. Kelemahannya sering ditemukan data yang tidak lengkap.

2.         Pengumpulan data dilakukan dengan survey. Pengumpulan data dengan cara survei data yang dikumpulkan adalah data primer dan dapat disesuaikan dengan kebutuhan. Akan tetapi membutuhkan tenaga, waktu dan biaya yang cukup besar.

Sebelum melakukan survey  perlu dipertimbangkan dahulu masalah waktu, biaya dan tenaga yang tersedia. Keuntungan pengumpulan data dengan metode survey adalah data yang didapatkan data primer yang dipercaya, sedangkan kekurangannya adalah membutuhkan waktu, tenaga dan biaya yang cukup besar.

Teknik Pengumpulan Data

Teknik pengumpulan data yang diperlukan adalah teknik pengumpulan data yang paling tepat, sehingga benar-benar didapat data yang valid dan reliabel. Jangan semua teknik pengumpulan data dicantumkan jika sekiranya tidak dapat dilaksanakan. Selain itu konsekuensi dari mencantumkan ketiga teknik pengumpulan data itu adalah setiap teknik pengumpulan data yang dicantumkan harus ada datanya, untuk mendapatkan data yang lengkap dan objektif penggunaan berbagai teknik sangat diperlukan. Jika satu teknik dipandang mencukupi, maka teknik lain tidak perlu digunakan dan tidak efisien.

Secara garis besar, teknik yang dapat digunakan untuk pengumpulan data adalah wawancara, angket, observasi, pemeriksaan.

1.         Wawancara

Wawancara merupakan proses interaksi atau komunikasi secara langsung antara pewawancara dengan responden. Agar wawancara efektif, maka terdapat berapa tahapan yang harus dilalui, yakni ; 1).mengenalkan diri, 2).menjelaskan maksud kedatangan, 3).menjelaskan materi wawancara, dan 4).mengajukan pertanyaan.

Informan dapat menyampaikan informasi yang komprehensif sebagaimana diharapkan peneliti, maka pada saat melakukan wawancara yang terdapat beberapa kiat sebagai berikut; 1). ciptakan suasana wawancara yang kondusif dan tidak tegang, 2). cari waktu dan tempat yang telah disepakati dengan informan, 3). mulai pertanyaan dari hal-hal sederhana hingga ke yang serius, 4).bersikap hormat dan ramah terhadap informan, 5).tidak menyangkal informasi yang diberikan informan, 6).tidak menanyakan hal-hal yang bersifat pribadi yang tidak ada hubungannya dengan  masalah/tema penelitian, 7).tidak bersifat menggurui terhadap informan, 8).tidak menanyakan hal-hal yang membuat informan tersinggung atau marah, 9). sebaiknya dilakukan secara sendiri, 10). ucapkan terima kasih setelah wawancara selesai dan minta disediakan waktu lagi jika ada informasi yang belum lengkap.

Data yang dikumpulkan dapat bersifat; 1)Fakta, misalnya umur, pendidikan, pekerjaan, penyakit yang pernah diderita; 2)Sikap, misalnya sikap terhadap pembuatan jambatan keluarga, penyuluhan kesehatan; 3)Pendapat, misalnya pendapat tentang pelayanan kesehatan yang dilakukan oleh bidan desa; 4)Keinginan, misalnya pelayanan kesehatan yang diinginkan; 5)Pengalaman, misalnya pengalaman waktu terjadi wabah Demam berdarah melanda daerah mereka.

Pengumpulan dengan wawancara mempunyai beberapa keuntungan, sebagai berikut: Jawaban yang dilakukan responden secara spontan hingga jawaban dapat lebih dipercaya; dapat digunakan untuk menilai kebenaran dan keyakinan terhadap jawaban yang diberikan; dapat membantu responden untuk mengingat kembali hal – hal yang lupa; data yang diperoleh adalah data primer. Kerugian pengumpulan data dengan cara wawancara adalah membutuhkan waktu yang lama, membutuhkan biaya yang relatif besar, mudah timbul bias.

Timbulnya bias pada waktu wawancara disebabkan oleh beberapa hal sebagai berikut: 1) Pewawancara, bila pewawancara kurang menghayati permasalahan dan kurang memahami teknik wawancara; 2)Responden, sering responden menyembunyikan jawaban yang sifatnya pribadi; 3)Pertanyaan yang diajukan, pertanyaan mempunyai arti ganda sehingga membingungkan atau pertanyaan yang mengharuskan responden mengingat kembali masa lalu.

1.1       Pedoman pelaksanaan wawancara

Pewawancara dapat melaksanakan tugasnya dengan baik maka dibutuhkan pedoman :

1.         Pewawancara harus bersikap sopan santun, sabar, dan dengan gaya khas bahasa yang menarik, tetapi jelas dan sederhana agar dapat dimengerti oleh responden,

2.         Pergunakan bahasa responden agar tidak dianggap seperti orang asing,

3.         Ciptakan suasana psikologis agar situasi cair, saling percaya,

4.         Suasana wawancara harus santai,

5.         Wawancara dimuali dari pertanyaan yang mudah, karena awalnya biasanya responden akan nampak tegang,

6.         Keadaan responden harus diperhatikan, apabila belum siap atau karena sedang terkena musibah maka wawancara sebaiknya ditunda.

2.         Angket

Angket adalah pertanyaan tertulis yang diajukan kepada responden, jawaban diisi oleh responden sesuai daftar pertanyaan yang diterima, sedangkan pada wawancara jawaban responden diisi oleh pewawancara. Untuk pengembalian daftar isian dapat dilakukan dengan 2 cara yaitu; 1.Canvaser, yaitu daftar yang telah di isi ditunggu oleh petugas yang menyerahkan; 2.Householder, yaitu jawaban responden dikirmkan kepada alamat yang telah ditentukan.

Keuntungan teknik pengumpulan data dengan cara angket adalah relatif murah, tidak membutuhkan banyak tenaga, dapat di ulang. Sedangkan kerugiannya adalah jawaban tidak spontan, banyak terjadi non respon, pertanyaan harus jelas dan disertai dengan petunjuk yang jelas, Jawaban sering tidak lengkap terutama bila pertanyaan kurang dimengerti responden, sering tidak di isi oleh responden, tetapi di isi oleh orang lain, tidak dapat digunakan oleh responden yang buta huruf. Hal yang dapat dilakukan untuk mengatasi kerugian ini antara lain lakukan  kunjungan dan dilakukan wawancara pada nonrespon, jawaban yang terlambat harus dikeluarkan dan tidak dianalisis,  apabila tejadi non respon terlalu banyak dapat diulang.

3.         Observasi

Obeservasi adalah salah satu teknik pengumpulan data yang menggunakan pertolongan indra mata. observasi juga merupakan salah satu teknik pengumpulan data yang sangat lazim dalam metode penelitian kualitatif. Observasi hakikatnya merupakan kegiatan dengan menggunakan pancaindera, bisa penglihatan, penciuman, pendengaran, untuk memperoleh informasi yang diperlukan untuk menjawab masalah penelitian. Hasil observasi berupa aktivitas, kejadian, peristiwa, objek, kondisi atau suasana tertentu, dan perasaan emosi seseorang.

Observasi dilakukan untuk memperoleh gambaran riil suatu peristiwa atau kejadian untuk menjawab pertanyaan penelitian.

Observasi terdiri dari beberapa bentuk, yaitu: 1). Observasi partisipasi (participant observation) adalah metode pengumpulan data yang digunakan untuk menghimpun data penelitian melalui pengamatan dan penginderaan di mana peneliti terlibat dalam keseharian informan, 2). observasi tidak terstruktur ialah pengamatan yang dilakukan tanpa menggunakan pedoman observasi, sehingga peneliti mengembangkan pengamatannya berdasarkan perkembangan yang terjadi di lapangan, dan 3). observasi kelompok ialah pengamatan yang dilakukan oleh sekelompok tim peneliti terhadap sebuah isu yang diangkat menjadi objek penelitian.

Teknik pengumpulan data dengan dangan cara observasi bermanfaat untuk mengurang jumlah pertanyaan, misalnya untuk melihat kebersihan rumah tangga tidak perlu dipertanyakan tetapi cukup dilakukan observasi, mengukur kebenaran jawaban responden pada wawancara, dilakukan dengan observasi, untuk memperoleh data yang tidak dapat dilakukan dengan cara wawancara atau angket.

3.1       Macam – macam observasi

Observasi terdiri dari

1.         Observasi partisipasi lengkap : Mengadakan observasi dengan mengikuti seluruh kehidupan responden (antropologi),

2.         Observasi partisipasi sebagian : mengikuti sebagian kehidupan responden. Misalnya penelitian gizi sehari –hari,

3.         Observasi tanpa partisipasi: mengadakan observasi tanpa ikut dalam kehidupan responden. Misalnya ingin tahu pemasangan IUD

Kelemahan pengumpulan data dengan teknik observasi adalah keterbatasan indera mata, konsentrasi kepada hal-hal yang sering dilihat, kelainan kecil tidak terdeteksi. Cara mengatasi kelemahan ini yaitu lakukan pengamatan berulang – ulang dan pengamatan dilakukan oleh beberapa orang.

4.         Pemeriksaan

Pemeriksaan dapat dilakukan dapat berupa pemeriksaan laboratorium, pemeriksaan fisik, pemeriksaan radiologis. Pemeriksaan dapat dilakukan berulang- ulang atau cukup sekali saja. Pemeriksaan dapat dilakukan dilapangan, di sarana pelayanan kesehatan. Organ yang diperiksa: seluruh organ; organ tertentu, misalnya, paru-paru, jantung, kadar kholesterol, kadar gula darah dll; beberapa organ sekaligus seperti jantung dan paru – paru

Pengumpulan data kualitatif dan skala ukuran

1.         Pengumpulan data kualitatif

Data kualitatif adalah data yang berbentuk kata-kata atau yang berwujud pernyataan-pernyataan verbal, bukan dalam bentuk angka. Data kualitatif diperoleh melalui berbagai macam teknik pengumpulan data misalnya wawancara, analisis dokumen, diskusi Di dalam metode penelitian kualitatif, lazimnya data dikumpulkan dengan beberapa teknik pengumpulan data kualitatif, yaitu; 1). wawancara, 2). observasi, 3). dokumentasi, dan 4). diskusi terfokus (Focus Group Discussion).

Sebelum masing-masing teknik tersebut diuraikan secara rinci, hal sangat penting  yang harus dipahami oleh setiap peneliti adalah alasan mengapa masing-masing teknik tersebut dipakai, untuk memperoleh informasi apa, dan pada bagian fokus masalah mana yang memerlukan teknik wawancara, mana yang memerlukan teknik observasi, mana yang harus kedua-duanya dilakukan. Pilihan teknik sangat tergantung pada jenis informasi yang diperoleh.

2.         Skala ukuran

Pengumpulan data yang dilakukan dengan teknik wawancara ataupun angket sering mendapat jawaba dengan intensitas yang berbeda-beda. Misalnya, prosedur pelayanan kesehatan di puskesmas akan menghasilkan jawaban  mulai dari sangat setuju sampai dengan tidak setuju. Untuk menempatkan jawaban yang sesuai dengan posisinya maka disusun skala ukuran.

3.         Skala nominal

Skala nominal adalah skala pengukuran yang hanya menunjukan perbedaan tanpa jarak yang jelas. Kepada variabel tersebut dapat diberi nilai skor, tapi skor tersebut hanya menunjukkan kode perbedaan dan bukannya menunjukkan jarak (lebih besar, lebih tinggi). Misalnya, variabel agama:

Islam   : 1                        Hindu          : 4

Kristen: 2                       Budha          : 5

Katolik: 3

Angka atau nilai yang diberikan hanyalah sekedar menunjukan perbedaan bahwa 5 bukanlah 3 atau 1 bukanlah 4. Tetapi itu tidak berarti bahwa islam lebih tinggi kedudukannya dibanding katolik atau budha lebih  rendah dibanding kristen. Berkaitan dengan skala pengukuran nominal tersebut karena tidak menunjukan jarak maka tidak boleh dijumlah, dikurangkan, dibagi atau dikalikan. Data dengan skala nominal tidak mempunyai jenjang, tetapi hanya membedakan dengan pemberian nomor sebagai kode dalam pengolahan.

Keuntungan data dengan skala nominal antara lain mudah dijawab dan diolah, kekurangannya adalah informasi yang diperoleh tidak mendalam, tidak dapat dibedakan antar data secara kuantitatif, jumlah dalam subkategari dinyatakan dalam frekuensi dan perhitungan dapat dilakukan hanya berupa proporsi atau persentase.

4.         Skala ordinal

Skala ordinal adalah skala pengukuran yang disamping menunjukkan perbedaan juga menunjukkan jenjang atau tingkatan tetapi jarak antar skala atau jenjang/skala tidak sama. Pengukuran skala ini juga dapat menggunakan nilai skor, tapi skor yang diberikan juga tidak boleh dijumlahkan, dikurangkan, dibagi atau dikalikan.

Skala nominal contohnya adalah tingkat kecerdikan: Manusia: 10, tikus: 4, kancil: 8, kelinci: 3, kera: 7, semut: 1. Pada contoh tersebut pemberian nilai skor yang lebih tinggi tidak saja memiliki perbedaan tetapi sekaligus juga menunjukkan kelebihan yang lebih tinggi dibanding yang bernilai skor lebih rendah. Meskipun perbedaan kecerdikan manusia dan kancil = 2, sementara perbedaan antara kera dan kancil = 1, bukan berarti perbedaan kecerdikan yang dimiliki manusia dan kancil = 2x perbedaan antara kancil dan kera. Demikian pula meskipun skor kecerdikan manusia = 10 sementara kera = 5 dan kelinci = 3 itu tidak berarti bahwa kecerdikan manusia = kecerdikan kera + kecerdikan kelinci.

5.         Skala interval dan rasio

Skala interval adalah skala yang mempunyai jarak jika dibanding dengan jarak lain sedang jarak itu diketahui dengan pasti. Pada data dengan skala interval memiliki jenjang yang dinyatakan dengan angka sehingga bersifat kuantitatif. Misalnya: jarak semarang – magelang 70 km sedangkan magelang – yogya 101 km, maka selisih jarak magelang –yogya yaitu 31 km.

Skala rasio adalah skala perbandingan. Skala ini dalam hubungan antar sesamanya merupakan ”sekian kali”. Misalnya: berat pak karto 70 kg sedangkan anaknya 35 kg. Maka pak karto beratnya dua kali anaknya.