Seta Basri Menulis Terus tidak banyak yang bisa diceritakan TwitterFacebook RSS Feed HomeIlmu PolitikIlmu BudayaMetode

PenelitianDunia KomputerBuku SayaOrganisasi Ma najemen Pendekatan Penelitian, Metode Penelitian, dan Teknik-teknik Desain Penelitian AUTORE SETA BASRI 12 KOMENTAR METODE PENELITIAN Share: digg Tweet Penelitian kualitatif dan kuantitatif adalah dua pendekatan penelitian yang umum digunakan peneliti. Kedua pendekatan ini memiliki ciri khas masing-masing. Ciri tersebut meliputi metode penelitian, jenis dan sumber data, serta teknik analis a data. Tulisan ini hendak memaparkan hal-hal umum yang ada dalam konteks dua pe ndekatan penelitian ini. Pendekatan Penelitian Guna menjawab perumusan masalah penelitian yang sudah ditetapkan, peneliti memil ih pendekatan penelitian. Pendekatan ini disesuaikan dengan kebutuhan pencarian jawaban atas pertanyaan penelitian (perumusan masalah). Scott W. Vanderstoep and Deirdre D. Johnston menyatakan, kendati bervariasi, pen dekatan penelitian dapat dikelompokkan ke dalam 2 bagian besar : Pendekatan Kual itatif dan Pendekatan Kuantitatif. Penelitian Kuantitatif menekankan pada penila ian numerik atas fenomena yang dipelajari. Pendekatan Kualitatif menekankan pada pembangunan naratif atau deskripsi tekstual atas fenomena yang diteliti. Ringka san perbedaan kedua pendekatan penelitian ini adalah:

Metode Penelitian Dalam ilmu sosial, kajian yang mengentara berlingkup pada penelitian perilaku (b ehavioral research). Sebagai anak kandung pendekatan Positivis, kajian behavioral berupaya melakukan kuantifikasi atas apapun, termasuk mengkuantifikasi data-data kualitatif menjadi data-data kuantitatif. Angka dan ketepatan pengukuran menjad i subyek utama dalam studi-studi perilaku. Mark R. Leary membagi studi perilaku ke dalam 4 kategori besar yaitu : (1) Penel itian Deskriptif; (2) Penelitian Korelasional; (3) Penelitian Eksperimental; dan (4) Penelitian Kuasi-Eksperimental. 1. Penelitian Deskriptif Penelitian Deskriptif menggambarkan perilaku, pemikiran, atau perasaan suatu kel ompok atau individu. Contoh umum dari penelitian deskriptif adalah jajak pendapa t, yang menggambarkan sikap suatu kelompok orang. Dalam Penelitian Deskriptif, p eneliti kecil upayanya untuk menghubungkan perilaku yang diteliti dengan variabe l lainnya ataupun menguji atau menjelaskan penyebab sistematisnya. Seperti naman nya, Penelitian Deskriptif hanya mendeskripsikan. Tujuan Penelitian Deskriptif adalah menggambarkan karakteristik atau perilaku su atu populasi dengan cara yang sistematis dan akurat. Biasanya, Penelitian Deskri ptif tidak didesain untuk menguji Hipotesis, tetapi lebih pada upaya menyediakan informasi seputar karakter fisik, sosial, perilaku, ekonomi, atau psikologi dar i sekelompok orang. Jenis Penelitian Deskriptif yang biasa diterapkan adalah : (1) Penelitian Survey , (2) Penelitian Demografis, dan (3) Penelitian Epidemiologis.

2. Penelitian Korelasional Penelitian Korelasional menyelidiki hubungan antara variabel-variabel psikologi yang beragam. Apakah ada hubungan antara Kepercayaan Diri dengan Rasa Minder? Ap akah orang dewasa yang kecilnya diabaikan berhubungan dengan kenakalan di masa d ewasa mereka? Penelitian Korelasional, singkatnya, mempertanyakan apakah ada cor relation (hubungan) antara dua variabel. Kala peneliti berminat dalam pertanyaan variabel-variabel apakah yang berhubunga n satu sama lain, mereka melakukan Penelitian Korelasional. Penelitian Korelasio nal digunakan guna menggambarkan hubungan antara 2 atau lebih variabel-variabel yang muncul secara alamiah. Dalam Penelitian Korelasional, terdapat Koefisien Korelasi. Koefisien Korelasi a dalah suatu statistik yang mengindikasikan derajat mana dua variabel berhubungan satu sama lain dengan cara yang linier. Misalnya, hubungan antara kepribadian a nak dengan kepribadian orang tua, konsumsi ganja dengan daya ingat, dan dengar m usik rock n roll dengan niat merusak. Koefisien Korelasi berkisar dari -1 hingga 1. Jika Koefisien Korelasi berkisar dari > = -1 hingga < 0 maka korelasi negatif . Jika Koefisien Korelasi = 0 maka dianggap tidak ada korelasi. Jika Koefisien K orelasi > 0 dan < = 1 maka korelasi positif. Dalam Penelitian Korelasional juga terdapat Koefisien Determinasi. Koefisien Determinasi diperleh dari pengkuadrata n nilai korelasi. Misalnya variabel kepribadian anak berhubungan dengan kepribad ian orang tua dengan nilai r = 0.25. Koefisien Determinasi diperoleh dengan meng kalikan 0,25 x 0,25 = 0,0625. Nilai 0,0625 lalu dikalikan % sehingga menjadi 6,2 5%. Nilai 6,25% memberitahu peneliti bahwa 6,25% varians kepribadian anak juga t erdapat dalam kepribadian orang tuanya. Perhitungan dalam Penelitian Korelasiona l kerap menggunakan Pearson Product Moment. Rumus Pearson Product Moment sebagai berikut:

Berdasarkan rumus tersebut, kita bisa menghitung Koefisien Korelasi dari data pe nelitian berikut ini :

Berdasarkan rumus Pearson Product Moment di atas, kita bisa melakukan perhitunga n sebagai berikut:

Korelasi antara Test Score (x) dengan Job Performance Rating (y) adalah 0,82. Ko efisien Determinasi-nya adalah 0,82 x 0,82 = 0,6724. Dengan demikian dapat dikat akan 67,24% varians Job Performance Rating dapat dihitung dengan mengetahui Test Score=nya. Test tersebut terlihat dapat dijadikan indikator valid bagi Job Perf ormance. Dalam Penelitian Korelasional juga terdapat istilah Statistical Significance. St atistical Significance hadir kala Koefisien Korelasi yang dihitung pada suatu sa mpel punya probability yang sangat rendah untu menjadi 0 dalam populasi. Hasil s uatu uji statistik salah satunya bergantung pada jumlah sampel (responden). Besa r nilai Koefisien Korelasi, bisa dikatakan signifikan atau tidak, salah satunya bergantung pada besar sampel ini. Perhatikan tabel di bawah ini: Tabel di atas menggambarkan nilai minimal r yang dianggap Statistically Signific ant, dengan kurang dari 5% kesempatan bahwa korelasi dalam populasi menjadi 0. M isalnya, suatu Penelitian Korelasi menggunakan sampel sebesar 30 orang dan Koefi sien Korelasi hitungnya sebesar 0,29. Penelitian Korelasional tersebut tidak Sta

tistically Significant dalam probabilitas 0,05. Penelitian Korelasional juga bisa diprospek lebih lanjut. Mark R. Leary sekurang nya menyebutkan 3 kembangan dari penelitian korelasional yaitu : (1) Analisis Re gresi; (2) Cross-Lagged Panel dan Structural Equation Analysis; dan (3) Factor A nalysis. Analisis Regresi bertujuan mengembangkan persamaan yang menggambarkan b agaimana variabel-variabel berhubungan dan memprediksi satu variabel oleh variab el lainnya. Cross-Lagged Panel dan Structural Equation Analysis bertugas menjela jahi arah kausalitas (sebab-akibat) antara dua atau lebih variabel yang berkorel asi (berhubungan). Faktor Analysis bertugas mengidentifikasi dimensi-dimensi das ar yang menggarisbawasi seperangkat korelasi. 3. Penelitian Eksperimental Penelitian Eksperimental berminat menentukan apakah variabel-variabel tertentu m enyebabkan perubahan perilaku, pemikiran, atau emosi. Dalam penelitian ini, pene liti memanipulasi atau mengubah satu variabel (disebut variabel bebas) guna meli hat pakah perubahan dalam perilaku (varibel terikat) muncul sebagai akibatnya. J ika perubahan perilaku muncul kala variabel bebas dimanipulasi, maka peneliti da pat menyimpulkan bahwa variabel bebas menyebabkan perubahan pada variabel terika t (dalam kondisi tertentu). 4. Penelitian Kuasi-Eksperimental Kala peneliti berminat memahami sebab dan akibat dari suatu hubungan, mereka mem ilih Penelitian Eksperimental. Namun, Penelitian Eksperimental mensyaratkan pene liti lincah mengubah-ubah variabel bebasnya guna menentukan efeknya atas variabe l terikat. Dalam banyak kasus, peneliti tidak mampu mengubah variabel bebas. Kal a ini terjadi, peneliti kadang menggunakan Penelitian Kuasi-Eksperimental. Dalam Penelitian Kuasi-Eksperimental, peneliti menyelidiki efek sejumlah variabel ata u peristiwa secara alamiah. Populasi Populasi juga disebut populasi sasaran (target population), keseluruhan, atau sa mpling frame. Intinya, populasi adalah darimana sampel diambil. Populasi adalah agregat (pengelompokan) seluruh kasus yang disesuaikan dengan seperangkat kriter ia yang ditentukan sebelumnya, misalnya variabel-variabel dan indikator-indikato r penelitian yang ditetapkan peneliti. Elemen-elemen populasi adalah anggota atau unit tertentu dari suatu populasi. An ggota atau unit populasi ini bisa berupa orang, tindakan sosial, peristiwa, temp at, waktu, atau masalah. Peneliti bebas menentukan populasi sesuai dengan perumu san masalah penelitian. Misalnya, sebuah populasi bisa dikatakan sebagai: Semua orang berusia 16 atau lebih tua yang tinggal di Wonosobo pada tanggal 2 De sember 1999, yang tidak pernah berurusan dengan hukum. Seluruh perusahaan yang memiliki lebih dari 100 karyawan di Provinsi Kepulauan M aluku dan beroperasi pada bulan Juli 2005. Seluruh mahasiswa STIA Sandikta yang lahir di Kota Bekasi mulai tahun 1975. Target Population (populasi sasaran) mengacu pada kelompok spesifik yang penelit i ingin teliti. Perbandingan ukuran sampel dengan ukuran populasi disebut Sampli ng Ratio. Contoh, populasi punya 50.000 orang, dan peneliti memilih 150 sampel d ari populasi tersebut. Sampling Ratio-nya 150/50.000 = 0,003 atau 0,3%. Jika pop ulasi punya 500 orang dan peneliti mengambil sampel 100, lalu Sampling Ratio-nya 100/500 = 0,20 atau 20%. Populasi adalah konsep yang abstrak. Sebab itu peneliti harus menaksir populasi. Sebagai konsep abstrak, populasi perlu dibuat definisi operasionalnya. Proses i ni sama dengan membuat definisi operasional untuk konsep (variabel dan indikator

) penelitian. Definisi operasional populasi telah kami sebutkan di bagian atas. Definisi operasional populasi melahirkan Sampling Frame. Sampling Frame adalah d aftar rinci yang taksirannya mendekati elemen-elemen dalam populasi. Gambaran Sa mpling Frame sebagai berikut:

Sampel dan Teknik Sampling Sampel adalah sebagian populasi yang digunakan sebagai dasar penarikan kesimpula n penelitian. Peneliti menggunakan sampel sebagai cara utama guna menaksir peril aku di dalam suatu populasi. Sebab itu, patut dipertimbangkan secara serius peng ambilan sampel ini. Apa beda sensus dan sampel. Sensus adalah perhitungan seluruh elemen populasi da n digunakan untuk menggambarkan karakteristik populasi. Sampel adalah pemilihan elemen (anggota atau unit) dari suatu populasi; ia digunakan untuk membuat perny ataan yang mengatasnamakan populasi. Sampel ideal adalah sampel yang mewakili po pulasi secara sempurna, dengan seluruh ciri populasi termaktub di dalam sampel t ersebut. Sampel ideal jarang terdapat dalam penelitian. Probability Sampel memberi kesempatan kepada semua elemen populasi untuk menjadi sampel. Nonprobability Sample tidak memberi setiap anggota populasi kesempatan untuk dipilih. Hubungan antara ukuran sample dan ukuran populasi disebut dengan Sampling Ratio (rasio penyampelan). Metode Sampling terdiri atas 2 bagian besar yaitu : (1) Probability Sampling, da n (2) Nonprobability Sampling. Probability Sampling kerap dikaitkan dengan penel itian Kuantitatif. Nonprobability Sampling kerap dikaitkan dengan penelitian Kua litatif. Namun, penelitian kuantitatif yang kini beredar banyak pula yang menggu nakan Nonprobability Sampling untuk menentukan unit analisisnya. 1. Sampel Saya Harus Berapa? Tidak ada jumlah akurat berapa sampel harus dipakai. Semua bergantung pada tujua n dan metode penelitian yang digunakan peneliti. Namun, sekadar acuan belaka pen entuan jumlah sampel, Cohen dan rekan-rekannya memberikan secara jelas dan mudah dipahami. Misalnya, Penelitian Korelasional butuh sampel minimal 30 responden. Penelitian Eksperimental, Kausal-Komparatif, butuh minimal 15 responden/obyek. Penelitian S urvey (masuk kategori Penelitian Deskriptif) butuh minimal 100 responden kelompo k utama dan minimal 50 responden kelompok minor. Penelitian Lapangan atau Etnogr afis (kualitatif) tentunya butuh sampel tidak sebesar penelitian kuantitatif kar ena tingkat kesulitannya. Penentuan jumlah sampel juga dibatasi masalah biaya, w aktu, uang, stress, dukungan administratir, jumlah penelitian dan sumberdaya. Dalam konteks Sample Acak (Random Sampling), sampel dapat ditentukan dengan dua cara. Entah itu peneliti dengan cara pertimbangan jujur peneliti bahwa sampel me wakili populasi dengan menetapkan jumlah sampel minimal. Atau, dengan menggunaka n tabel yang dibuat dengan rumus matematika yang menghasilkan jumlah sampel yang mencukupi bagi jumlalh populasi tertentu. Contoh sampel dengan cara ini adalah yang dikembangkan Krejcie and Morgan tahun 1970 yang populer dengan nama Tabel K rejcie and Morgan, yang tabelnya sebagai berikut :

Dimana : N = Populasi

S = Sampel Dari tabel Krejcie and Morgan di atas, kentara bahwa semakin kecil jumlah popula si, semakin besar sampel yang harus diambil dari populasi tersebut. Semakin besa r jumlah populasi, semakin kecil jumlah sampel yang harus diambil dari populasi tersebut. Tabel Krejcie and Morgan sangat populer digunakan guna menentukan juml ah sampel yang kesederhanaannya. Cara lain untuk menentukan besar sampel adalah dengan memperhitungkan Taraf Keya kinan dan Sampling Error penelitian. Misalnya, dengan Taraf Keyakinan 95% dan 99 % dan Sampling Error 5% dan 1%, jumlah sampel baru ditentukan. Cohen dan rekan-r ekannya lalu membentuk tabel penentuan jumlah sampel berdasarkan Taraf Keyakinan dan Sampling Error penelitian sebagai berikut: Tabel Cohen dan rekan-rekan di atas terdiri atas 3 Taraf Keyakinan penelitian ya itu (kiri ke kanan) 90%, 95%, dan 99%. Di masing-masing Taraf Keyakinan, Cohen d an rekan-rekan juga memuat 3 Interval Keyakinan yaitu (kiri ke kanan) 5%, 4%, da n 3%. Misalnyanya Boim membuat penelitian yang Populasi-nya 1.000.000 orang deng an Taraf Keyakinan Penelitian 95% dan Interval Keyakinan 3%, maka Sampel Boim ha rus 1.066 orang. Mudah sekali, bukan? Cara lain menentukan jumlah sampel adalah dengan menggunakan rumus Slovin. Rumus Slovin adalah:

Dimana: n = Sampel N = Populasi e = Interval Keyakinan (biasanya 0,05 atau 0,01). Misalnya Boim mengadakan penelitian dengan populasi 1000 orang. Interval Keyakin an penelitian yang dipakai 0,05. Maka perhitungan sampel Boim :

Dengan demikian, Boim harus menggunakan sampel sebesar 286 orang. 2. Probability Sampling Probability Sampling terdiri atas: (1) Simple Random Sampling; (2) Systematic Sa mpling; (3) Stratified Sampling; dan (4) Cluster Sampling. Pembahasan masing-mas ingnya ada di bagian bawah berikut. Simple Random Sampling. Simple Random Sampling adalah sampel acak yang paling mu dah dipahami dan paling banyak dimodelkan. Dalam Simple Random Sampling, penelit ia mengembangkan Sampling Frame yang akurat, memilih elemen-elemen dari Sampling Frame menurut prosedur acak matematika, lalu memilih siapa atau apa yang dijadi kan sampel. Dalam Simple Random Sampling, setiap unit di dalam populasi punya kesempatan unt uk dipilih sebagai sampel penelitian. Penelitian mulai dengan daftar observasi y aitu N. N adalah seluruh populasi yang ditentukan dalam Sampling Frame. Contoh, dalam wilayah pemungutan suara terdapat 1000 pemilih. Peneliti hendak me milih 100 dari antara mereka untuk jajak pendapat. Peneliti memasukkan ke-1000 n ama di sebuah kotak dan mengeluarkan 100 nama. Dengan ini, 1000 orang tersebut p unya kesempatan yang sama untuk menjadi sampel. Peneliti menentukan ukuran n (sa mpel) dan N (populasi) dan masukkan ke dalam pembagian :

n/N x 100 atau 100/1000 x 100 = 10%. Dengan demikian, sampel yang digunakan adalah 10% dari populasi. Syarat utama Si mple Random Sampling adalah membuat Sampling Frame. Sampel diturunkan dari Sampl ing Frame ini. Dalam memilih sampel dengan teknik Simple Random Sampling digunakan Tabel Random Number (nomor acak) yang kami muat dalam lampiran tulisan ini. Bagaimana cara m enggunakannya? Cara menggunakan sebagai berikut:

Perhatikan, tabel terdiri atas dua digit angka (54, 83, 80, ...). Angka-angka tersebut disusun dalam bentuk baris dan kolom agar mudah dibaca dan digunakan. Pada prakteknya, anda abaikan 2 digit itu dan khayalkan angka-angka tersebut ber bentuk sambung (5, 4, 8, 3, 8, 0, 5, 3, 9, 0, ...). Tentukan berapa sampel yang mau diambil. Misalnya, STIA Sandikta punya 5000 maha siswa dan Peneliti mau mengambil sampel 200 sampel. Buatlah nomor (di kertas coret-coretan) mahasiswa nomor 0001 hingga 5000. Mulai dari mana saja, pada tabel Random Number, peneliti mau ambil 200 set 4 dig it angka. Contoh, peneliti mulai dari sini (cetak tebal): 36 85 49 83 47 89 46 28 54 02 87 98 10 47 22 67 27 33 13 Mulai dari nomor 49 itu lihat ke samping kanan sehingga jadi 4983. Mahasiswa nom or 4983 jadi sampel. Baru satu orang. Di samping kanannya 4789. Ia jadi sampel n omor 2. Ke samping kanannya lagi 4628. Ia jadi sampel nomor 3. Ke samping kanan lagi ketemu 5402. Lho! Mahasiswa kan Cuma 5000 sehingga 5402 tidak ada. Jangan hiraukan, dan lanjut ke kanan lagi ketemu 8798. Abaikan juga nomor tersebut. Ke kanan lagi ketemu 1047. Nah, 1047 ini jadi sampel nomor 4. Begitu selanjutnya dan selanjutnya hingga ket emu 200 sampel. Stratified Random Sampling. Stratified Random Sampling adalah variasi dari Simpl e Random Sampling. Ketimbang memilih responden langsung dari populasi, peneliti pertama-tama membagi populasi ke dalam 2 atau lebih strata. Stratum adalah bagia n dari populasi yang saling berbagi karakteristik khusus tertentu. Contoh, peneliti bisa membagi populasi jadi Laki-laki dan Prempuan atau ke dalam 6 kisaran umur (20-29, 30-39, 40-49, 50-59, 60-69, di atas 69). Lalu, responden ditarik acak dari tiap-tiap strata. Kunci Stratified Random Sampling adalah, peneliti punya informasi tambahan seput ar stratum yang ada dalam populasi. Di atas sudah dicontohkan jenis kelamin dan kisaran umur. Juga bisa berupa jabatan seperti bos, wakil bos, anak buah bos, da n sejenisnya. Sampel lalu diambil dari tiap-tiap stratum tersebut. Stratified Random Sampling mengatasi kelemahan Simple Random Sampling. Misalnya, suatu populasi terdiri atas 100 orang. Terdapat 60% laki-laki dan 40% prempuan. Rasio laki-laki dan prempuan 60:40. Kalau pakai Simple Random Sampling, rasio t ersebut belum tentu terpenuhi. Kalau pakai Stratified Random Sampling, maka samp el yang ditarik mencerminkan rasio tersebut dengan cara: (10/100) x 60 = 6 laki (10/100) x 40 = 4 prempuan Contoh dari Stratified Random Sampling dan perbandingannya dengan Simple Random

Sampling sebagai berikut: Dalam tabel di atas, pilih 3 dari 15 administrator, 5 dari 25 Staff Physician, d an selanjutnya. Secara umum, N menyimbolkan angka dalam populasi dan n mewakili angka dalam sampel. Simple Random Sampel berlebihan dalam mengambil Nurses, Nurs ing Assistant, dan Medical Technician, tetapi kurang dalam mewakili Administrato r, Staff Physician, Maintenance Staff, dan Cleaning Staff. Namun, Stratified Ran dom Sampling memberi perwakilan lebih akuran untuk tiap jenis posisi. Kiranya de mikian dan cukup sederhana, bukan? Cluster Sampling. Cluster Sampling dipilih sebagai metode penarikan sampel jika terdapat dua masalah. Pertama, tidak punya Sampling Frame yang baik bagi populas i yang tersebar. Kedua, biaya untuk mengambil sampel tinggi (mahal, expensive). Contoh, tidak terdapat daftar nama montir di wilayah Kota Bekasi. Bahkan, jika p eneliti punya Sampling Frame yang akurat, proses penyebaran kuesioner memakan bi aya mahal karena para montir tersebar di kawasan yang luas dan macet serta berpo lusi. Resiko kesehatan jiwa pun mengancam. Jadi, ketimbang memakai satu Sampling Frame, peneliti mengguna desain sampel yang meliputi Multiple Stages dan Cluste r. Cluster adalah pengelompokan responden. Dalam kasus montir di Kota Bekasi, para montir kelompokkan. Pengelompokkan biasanya berdasarkan wilayah geografis. Dalam kasus montir di Kota Bekasi, peneliti melakukan hal-hal berikut dalam metode Cl uster Sampling: Tujuan : Memilih 240 orang montir di Kota Bekasi. Langkah#1 - Kota Bekasi punya 12 kecamatan dan 56 kelurahan. Peneliti tentukan h endak mengambil montir berdasarkan apa ? Kecamatan atau kelurahan? Disarankan ke lurahan saja karena lingkupnya lebih sempit. Dari 56 kelurahan, pilih secara aca k 6 kelurahan. [yang ditebalkan dipilih secara acak, lho!]

Langkah#2 - Bagilah kelurahan yang sudah dipilih ke dalam RW. Tiap kelurahan ter diri dari 20 RW. Lalu pilih secara acak 5 RW dari tiap kelurahan. Contoh kelurahan 03 adalah Jatirahayu (sudah dipilih di langkah 1) yang punya 20 RW: maka seperti ini: 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 Dipilihlah RW 04, 10, 13, 17, dan 20. Langkah#3 - Dari tiap RW cari 10 montir buat mengisi kuesioner. Jadi, dari kelur ahan Jatirahayu dapat 40 montir. Lakukan berulang langkah 2 dan 3 hingga total m ontir yang diperoleh adalah 240. Mudah bukan? Tentu saja, Cluster Sample akurasinya lebih rendah ketimbang Simple Random Sampl ing. Namun, Cluster Sampling lebih murah biaya dan sederhana. Systematic Sampling. Systematic Sampling adalah Simple Random Sampling dengan ja lan pintas menuju pilihan acak. Langkah pertama menomori tiap elemen di dalam Sa mpling Frame. Lalu, ketimbang langsung menggunakan Tabel Random Number, peneliti menghitung Sampling Interval, dan interval itu menjadi metode semi acak dari si peneliti. Sampling Interval (misalnya 1 dalam k, di mana k ada suatu angka) mem beritahu peneliti bagaimana memilih elemen dari Sampling Frame dengan cara melew ati elemen di dalam Sampling Frame sebelum memilihnya jadi sampel. Misalnya, peneliti STIA Sandikta mau pililh 300 nama dari 900 nama. Setelah awal yang acak, peneliti tersebut memilih tiap 3 nama dari 900 itu biar bisa beroleh 300 nama. Sampling Interval-nya, dengan demikian, adalah 3.

Sampling Interval mudah dihitung. Peneliti STIA Sandikta itu Cuma butuh jumlah s ampel dan jumlah populasi (atau Sampling Frame). Sampling Ratio untuk 300 nama d ari 900 adalah 300/900 = 0,333 = 33,3%. Sampling Interval adalah 900/300 = 3. Contoh lain lagi soal Systematic Sampling. Mahasiswa STIA Sandikta ada 500 orang dan Boim, seorang peneliti, hendak mengambil sampel (n) sebanyak 100 menggunaka n Systematic Sampling. Boim harus mendaftar ke-500 mahasiswa secara urut. Sampli ng Fraction-nya menjadi f = 500/100 = 20%. Dalam kasus Boim, ukuran Interval k s ama dengan N/n = 500/100 = 5. Sekarang, Boim tinggal memilih integer (bilangan) acak dari 1 hingga 5. Taruhlah Boim memilih 2. Lalu, untuk memilih sampel Boim m ulai dengan nomor 2 dan mengambil tiap k (yaitu 5, karena k = 5). Sampel Boim ya itu jatuh pada nomor 2, 7, 12, 17 dan terus begitu hingga anggota populasi nomor 500. Jadilah Boim beroleh 100 orang. 3. Non Probability Sampling Non Probability Sampling terdiri atas: (1) Convenience Sampling; (2) Quota Sampl ing; (3) Purposive Sampling; (4) Snowball Sampling; (5) Deviant Case Sampling; d an (6) Sequential Sampling. Kendati lebih banyak digunakan dalam penelitian kual itatif, pada kenyataannya, banyak juga penelitian kuantitatif yang menggunakan m etode sampling ini. Alasannya, banyak berkisar pada kemalasan peneliti, keterbatas an dana, keterbatasan waktu studi, dan alasan lebih praktis dan kemudahan penent uan. Convenience Sampling. Convenience Sampling disebut juga Haphazard atau Accidenta l Sampling. Convenience Sampling sebagai metode sampling bisa berakibat pada sam pel yang tidak efektif (tidak menggambarkan populasi) dan tidak direkomendasikan . Convenience Sampling adalah sampel yang dipilih secara convenience (nyaman) kare na sifatnya yang mudah dan tidak menyulitkan peneliti. Contoh dari Convenience S ampling adalah sebuah surat kabar bertanya pada pembaca lewat kolom kuesioner di surat kabar tersebut. Tidak semua orang yang baca koran punya minat pada masala h di dalam kuesioner, atau punya waktu buat menggunting kuesioner dan mengirimka nnya lewat pos kendati gratis. Andai saja ada 5000 orang yang mengembalikan, tetapi kendati besar sampel itu tida k bisa secara akurat menggambarkan populasi. Mungkin saja, kuesioner tersebut le bih punya nuansa menghibur ketimbang melakukan penelitian. Hasil kesimpulan pene litian seperti ini mendistorsi kesimpulan atas topik di dalam kuesioner. Quota Sampling. Quota Sampling adalah upaya memperbaiki kelemahan Convenience Sa mpling. Dalam Quota Sampling, peneliti awalnya mengidentifikasi kategori-kategor i yang relevan dari sejumlah orang (misalnya laki prempuan atau < 30 tahun, 30 0 tahun, > 60 tahun), lalu memutuskan seberapa banyak dibutuhkan dari setiap kat egori untuk dijadikan sampel. Sebab itu, jumlah orang di kategori sampel yang be ragam itu fix. Misalnya, peneliti memutuskan memilih 5 laki dan 5 prempuan di bawah umur 30 tah u, 10 laki dan 10 prempuan antara 30 60 tahun, dan 5 laki dan 5 prempuan di atas umur 60 tahun dalam menentukan 40 sampel yang dikehendaki. Adalah sulit mewakil i seluruh karakteristik populasi secara akurat. Quota Sampling adalah perbaikan Convenience Sampling karena peneliti dapat memasti kan sejumlah perbedaan di dalam sampel-nya. Dalam Convenience Sampling, orang ya ng diwawancara atau mengisi kuesioner bisa saja berasal dari usia atau jenis kel amin yang serupa. Namun, Quota Sampling mengatasi kelemahan itu dengan menentuka n variasi di dalam populasi. Quota Sampling ini kerap dilakukan Gallup s American Institute of Public Opinion dalam memprediksi Presiden Amerika Serikat. Mereka s ukses dalam pilpres 1936, 1940, dan 1944, tetapi tahun 1948 mereka salah mempred

iksi. Purposive Sampling. Purposive Sampling juga disebut Judgmental Sampling. Purposi ve Sampling digunakan dalam situasi dimana seorang ahli menggunakan penilaiannya dalam memilih responden dengan tujuan tertentu di dalam benaknya. Dengan Purpos ive Sampling, peneliti tidak pernah tahu apakah responden yang dipilih mewakili populasi. Metode ini kerap digunakan dalam Exploratory Research atau dalam Field Research. Purposive Sampling signifikan digunakan dalam 3 situasi. Pertama, peneliti mengg unakan guna memilih responden unik yang akan memberi informasi penting. Contoh, peneliti ingin menggunakan Content Analysis guna meneliti Majalah untuk menemuka n tema-tema kebudayaan. Ia memilih majalah prempuan populer untuk penelitian kar ena trend-nya membicara budaya. Kedua, peneliti menggunakan Purposive Sampling untuk memilih responden yang suli t dicapai, yaitu suatu populasi khusus semisal kaum Gay atau Lesbian. Misalnya, peneliti hendak meneliti masalah prostitusi. Mustahil peneliti mendaftar seluruh nama pelacur di suatu lokalisasi dan secara acak memilih lewat teknik Simple Ra ndom Sampling. Untuk itu, peneliti cenderung informasi subyektif (misalnya lokal isasi pelacuran atau dengan siapa pelacur biasa berhubungan) dan para ahli (poli si susila, satpol PP, atau LSM pemerhati pelacur) guna mengidentifikasi sampel p ara pelacur untuk digunakan dalam penelitian. Ketiga, tatkala peneliti ingin mengidentifikasi jenis responden tertentu untuk d iadakan wawancara mendalam. Tujuan penelitian bukan hendak melakukan generalisas i atas populasi yang lebih besar, tetapi lebih pada kehendak untuk memperoleh in formasi yang mendalam tentang sesuatu hal. Misalnya, Boim menggunakan Purposive Sampling dalam Focus Group Study seputar apa yang dipikirkan kelas pekerja tenta ng politik. Boim menghendaki 188 orang dari kelas pekerja untuk berpartisipasi d alam 1 dari 37 Focus Group yang dibentuk. Ia mencari responden yang tidak meramp ungkan pendidikan tinggi tetapi bervariasi dari segi usia, etnis, agama, minat p olitik dan jenis pekerjaan. Boim merekrut orang dari 35 kawasan di Kota Bekasi. Snowball Sampling. Snowball Sampling juga disebut Network Sampling, Chain Referr al Sampling atau Reputational Sampling. Snowball Sampling adalah metode guna men gidentifikasi dan mengambil sampel lewat suatu jaringan. Ia didasarkan pada anal ogi bola salju, yang dimulai dalam ukuran kecil, tetapi seiring proses, jumlahny a membesar. Snowball Sampling adalah teknik multi tahap. Ia dimual dengan sediki t orang dan membesar sehubungan pergerakan peneletian. Snowball Sampling dapat dilakukan dengan membuat sosiogram, yaitu suatu diagram lingkaran yang dihubungkan dengan garis. Misalnya Boim dan Ratna tidak kenal sat u sama lain secara langsung, tetapi tiap mereka punya teman yaitu Eka sehingga B oim dan Ratna berteman secara tidak langsung. Snowball Sampling kerap digunakan bersamaan dengan Purposive Sampling. Deviant Case Sampling. Deviant Case Sampling juga disebut Extreme Case Sampling. Deviant Case Sampling digunakan kala peneliti mencari responden yang berbeda da ri pola-pola dominan yang berkembang. Sama dengan Purposive Sampling, Deviant Ca se Sampling digunakan saat peneliti menggunakan teknik yang beragam untuk menemp atkan responden dengan karakteristik tertentu. Deviant Case Sampling beda dengan Purposive Sampling karena tujuannya mencari hal yang unik, khusus, tidak biasa, bukan mewakili seluruhnya. Misalnya, Boim tertarik meneliti mahasiswa STIA Sandikta yang dropout. Riset-ris et sebelumnya menyebut mahasiswa tersebut dropout berasal dari keluarga yang pun ya pendapatan rendah, orang tua bercerai atau tidak stabil, sering pindah rumah, dan secara etnis atau agama minoritas. Penelitian yang sudah dibuat juga menyeb ut mahasiswa yang dropout kerap terlibat dalam perilaku ilegal dan punya catatan

kriminal. Berdasarkan ini, Boim lalu menyusun penelitian dengan metode Deviant Case Sampling, di mana ia menggunakan responden mahasiswa STIA Sandikta yang dro pout, tetapi tidak punya catatan kriminal, berasal dari etnis dan agama dominan, tidak pernah berperilaku ilegal apalagi melanggar hukum, dan secara ekonomi san gat mampu. Sequential Sampling. Sequential Sampling mirip dengan Purposive Sampling dengan satu perbedaa. Dalam Purposive Sampling, peneliti coba menemukan sebanyak mungki n responden yang relevan dengan masalah penelitian, hingga suatu saat uang, tena ga, dan jiwa peneliti mulai menjerit. Dalam Sequential Sampling, peneliti terus mengumpulkan responden hingga jumlah i nformasi baru atau keragaman responden yang baru terpenuhi. Contoh, Boim menentu kan dan merencanakan wawancara mendalam dengan 60 janda di atas umur 70 tahun ya ng telah hidup tanpa pasangan selama sekurangnya 10 tahun. Bergantung pada tujua n Boim, memperoleh tambahan 20 janda yang pengalaman hidup, latar belakan sosial , dan pandangan hidup berbeda kecil dari 60 orang tersebut bisa dibilang tidak d ibutuhkan. 4. Standard Error (SE) Dalam proses pengambilan sampel (sampling method) dikenal istilah Standard Error . Standard Error ini berbeda dengan Standard Deviation (SD). SD mengukur seberap a baik Mean mewakili data. Semakin kecil SD mengindikasikan data dekat dengan Me an. Semakin besar SD mengindikasikan data jauh dari Mean. Jika SD = 0 maka Mean seluruh data adalah serupa. SD dapat dicari dengan rumus:

Dimana : s = Standar Deviasi x_i = Mean data yang diobservasi x = Mean data keseluruhan N = Jumlah sampel Telah dikatakan, SD adalah akar kuadrat dari Varians (s2). Rumus Varians adalah :

Dimana : SS = Sum of Square Error N = Sampel x_i = Mean data yang diobservasi x = Mean data keseluruhan N = Jumlah sampel Standard Error adalah seberapa baik sampel mewakili populasi. Standard Error ber kaitan dengan sampel ini juga disebut Standard Error of the Mean (SE). SE menunj ukkan seberapa jauh perbedaan Mean sampel dengan Mean populasi. SE dihitung deng an membagi SD sampel (s) dengan akar kuadrat total sampel (N):

Dimana : sx = Standard Error s = Standard Deviasi N = Jumlah sampel 5. Tingkat Keyakinan (Confidence of Interval)

Tingkat Keyakinan atau Confidence of Interval masih berkait dengan mean populasi . Tingkat Keyakinan adalah pendekatan untuk menilai akurasi Mean Sampel dalam me naksir Mean Populasi. Caranya dengan menghitung batas-batas dalam mana peneliti yakin nilai Mean Populasi yang sesungguhnya berada. Batas-batas ini disebut Ting kat Keyakinan. Gagasan dasar Tingkat Keyakinan adalah menaksir kisaran nilai ke dalam mana peneliti pikir nilai Mean populasi berada. Tingkat Keyakinan yang pop uler dalam penelitian sosial adalah 90%, 95% atau bahkan 99%. Misalnya, suatu penelitian menggunakan 95% Tingkat Keyakinan dan menggunakan 100 sampel. Kita meneliti 100 sampel, menghitung Mean sampel, dan menghitung Tingka t Keyakinan untuk mean tersebut, lalu untuk 95 dari 100 sampel tersebut, Tingkat Keyakinan yang kita bangun akan mengandung nilai sesungguhnya dari Mean Populas i. Atau, jika Tingkat Keyakinan yang digunakan 90%, maka hanya 90 sampel saja ya ng mengandung nilai sesungguhnya dari Mean Populasi. Untuk menghitung Tingkat Keyakinan, kita perlu tahu batas-batas dalam mana 95% M ean akan jatuh. Untuk itu perlu kita ingat z-score sebagai distribusi normal dat a. Nilai z-score diperoleh dari:

Dimana : z = z-score X = Standard Deviasi X = Mean Sampel s = Standard Error Batasan kiri an : 1,96 dan kanan 1,96. Untuk itu, kita mengganti z pada persamaan deng

Nilai X diperoleh dari :

Dengan demikian, batas bawah dari Tingkat Keyakinan adalah:

Dan, batas atas dari Tingkat Keyakinan adalah:

Tingkat Keyakinan yang digunakan dalam penelitian ini adalah 95% dan dengan demi kian signifikansi hasil uji statistik yang dikehendaki adalah < 0,05. Uji statis tik yang digunakan menggunakan Uji Dua Sisi karena nilai gap yang diperoleh belu m bisa dipastikan bernilai negatif (-) atau positif (+). Nilai z-score untuk sig nifikansi 0,05 untuk uji dua sisi telah distandardisasi, dan nilainya adalah 1,9 6 untuk batas bawah dan 1,96 untuk batas atas. Jenis dan Sumber Data Jenis data primer yang dibutuhkan penelitian ini adalah data kualitatif berupa s ikap pelanggan suatu perusahaan. Data berupa sikap tersebut dikuantifikasi denga

n menggunakan skala ordinal. Kendati telah dikuantifikasi, data yang dihasilkan tetaplah data kualitatif. Data kualitatif tersebut, lebih lanjut dikuantifikasi kembali dengan mengkategos asinya berdasarkan variabel X dan variabel Y. Variabel X terdiri atas .... denga n indikator-indikator .... Sementara variabel Y terdiri atas ..... dengan indika tor-indikator ..... Selain data primer yang diperoleh berdasarkan penyebaran kuesioner, data primer juga diperoleh melalui wawancara terbuka kepada para responden. Data sekunder di peroleh dengan studi dokumentasi dan perpustakaan. Teknik Pengukuran Variabel X dan Variabel Y serta indikator-indikator yang ada di dalam Hipotesis penelitian harus diukur. Pengukuran ini ditentukan oleh sifat data, yaitu apakah Diskrit atau Kontinus. Selain itu, teknik pengukuran juga pada instrumen penguk urannya (skala). 1. Sifat Data Pertama-tama peneliti harus menetapkan skala pengukuran yang digunakan untuk men gukur konsep. Skala pengukuran dari terendah hingga tertinggi adalah: (1) Nomina l; (2) Ordinal; (3) Interval, dan (4) Rasio. Skala pengukuran membatasi uji-uji statistik yang diterapkan dalam analisis data. Nominal adalah skala yang hanya mengukur perbedaan antar kategori. Misalnya agam a yaitu Protestan, Katolik, Islam, Yahudi, Buddha. Atau, ras seperti Afro-Amerik a, Kaukasus, Hispanik, Arian, atau Mongoloid. Ordinal adalah skala yang hanya me ngukur perbedaan ditambah kategori yang bisa diurutkan atau dirangking seperti T inggi, Rendah, Sedang atau sikap (Sangat Setuju, Setuju, Tidak Setuju, Sangat Ti dak Setuju). Interval mengukur apa yang bisa diukur nominal dan ordinal ditambah skala ini bi sa merinci jarak antar kategori seperti Skor IQ (95, 110, 125) atau temperatur ( 5 derajat, 7, derajat, atau 9 derajat). Rasio bisa mengukur apa yang bisa diukur nominal, ordinal, dan rasio ditambah rasio punya titik 0 yang pasti seperti uan g (1 rupiah, 2 rupiah) atau tahun belajar (1 tahun, 2 tahun, 3 tahun). Khusus mengenai skala sikap, peneliti berbeda pendapat apakah memasukkan peringk at sikap ke dalam skala ordinal atau interval. Donald P. Schwab menyatakan kerag uan ini. Di tengah keraguan ini, Schwab menyatakan bahwa peringkat sikap jika ti dak bisa dikatakan berskala Interval sekurangnya adalah mendekati Interval. Schwab juga berani menyatakan bahwa, dengan mendekati Interval, uji-uji statistik yang b iasa digunakan untuk skala Interval bisa dilakukan atas skala sikap yang mendekat i Interval ini. 2. Skala Pengukuran Skala alat ukur (dalam kuesioner sikap) yang biasa digunakan adalah Likert, Boga rdus Social Distance Scale, Semantic Differential, dan Guttman Scaling. Skala Likert. Skala Likert diciptakan tahun 1930 oleh Rensis Likert guna menyedi akan tingkat Ordinal bagi pengukuran sikap seseorang. Likert menggunakan pilihan Setuju atau Tidak Setuju atas suatu pernyataan. Skala Likert minimal terdiri at as 2 pilihan jawaban (kategori). Lebih baik lagi jika mau menggunakan 4 hingga 8 pilihan jawaban. Contoh-contoh Skala Likert kami sampaikan di bawah ini :

Skala Self-Esteem Rosenberg. Contoh dari skala yang menggunakan Rosenberg ini ad alah: Di atas semuanya, saya leluasa menyatakan bahwa saya keliru: Hampir selalu. Seringkali. Kadang. Jarang. Tidak Pernah. Misalnya, diterapkan pada kasus Skala Penilaian Pengajaran oleh Mahasiswa: Secara keseluruhan, saya memberi peringkat atas pengajaran di mata kuliah ini se bagai:

Atau, misalnya diterapkan pada Skala Supervisor Kelompok Kerja Supervisor saya:

Bogardus Social Dimension Scale. Bogardus Social Dimension Scale mengukuru jarak sosial yang memisahkan etnis atau kelompok lainnya satu sama lain. Bogardus dig unakan di dalam satu kelompok guna menentukan seberapa besar jarak yang dirasaka n kelompok tersebut terhadap suatu sasaran atau luar kelompok. Skala ini punya logika yang sederhana. Orang menjawab serangkaian pernyataan yan g terurut; pernyataan yang paling dirasa mengancam atau yang jauh jarak sosialny a di satu sisi, dan yang paling tidak mengancam dan dekat jarak sosialnya di sis i lain. Logika skala ini adalah, orang yang menolak kontak atau tidak nyaman den gan item jarak sosial akan menolak item-item yang dekat secara sosial. Contoh Bogardus sebagai berikut :

Di atas tercantum kuesioner Bogardus yang dibuat tahun 1925 (kiri) dan tahun 199 3 (kanan). Perhatikan yang kiri, di mana ada pertanyaan berbunyi I would willingl y admit members of each race . Atas pernyataan tersebut memilih jawaban antara 1 h ingga 7. Mendekati jawaban 1, jarang sosial semakin dekat dan makin mendekati 7 jarak sosial semakin jauh. Semantic Differential. Semantic Differential menyediakan ukuran tidak langsung p ada bagaimana seseorang menyikapi suatu konsep, obyek, atau orang lain. Semantic Differential mengukur perasaan subyektif terhadap sesuatu menggunakan kata sifa t. Ini karena orang mengkomunikasikan penilaian mereka lewat kata sifat, baik se cara lisan atau tulisan. Karena sebagian besar kata sifat punya perlawanannya (m isalnya: gelap/terang, kasar/halus/ lambat/cepat), skala ini menggunakan kata si fat yang berlawanan guna membangun ukuran peringkat atau skala. Kisaran peringkat Semantif dari 7 hingga 11 poin antara. Berikut kami contohkan skala Semantic Differential:

Dari skala di atas, terdapat 19 pernyataan. Setiap pernyataan diukur dengan 7 sk ala. Misalnya, antara Good dan Bad terdapat 7 skala. Contoh pernyataan untuk nom or 1 misalnya Warga DKI Jakarta membuang sampah di tempat yang mudah disapu.

[Good ___ ___ ___ ___ ___ ___ ___ Bad]. Guttman Scaling. Guttman Scaling juga disebut skala kumulatif, berbeda dengan sk ala-skala sebelumnya. Ini berarti, peneliti harus mendesain suatu dengan Guttman Scaling dicamkan di dalam benaknya. Skala Guttman dimulai dengan pengukuran seperangkat indikator atau item. Ini bis a berupan item kuesioner, suara, atau karakteristik yang diamati. Skala Guttman mengukur fenomena berbeda (misalnya pola kejahata, pola menggunakan narkoba, par tisipasi politik, gangguan psikologis). Indikator-indikator biasanya diukur dala m jawaban sederhana Ya/Tidak atau Hadir/Absen. Skala Guttman bisa menggunakan 3 hingga 20 indikator. Peneliti memilih item dengan keyakinan terdapat hubungan logis antar item. Penel iti lalu menempatkan hasilkan ke sebuah skala Guttman dan menentukan apakah item -item tersebut membentuk pola yang seiring dengan hubungan. Contoh skala Guttman kami muat di bawah ini: Peneliti memilih item dengan keyakinan terdapat hubungan logis antar item. Penel iti lalu menempatkan hasilkan ke sebuah skala Guttman dan menentukan apakah item -item tersebut membentuk pola yang seiring dengan hubungan. Contoh skala Guttman kami muat di bawah ini:

Teknik Pengumpulan Data Teknik pengumpulan data yang digunakan: Kuesioner Wawancara Content-Analysis Focus groups Observation Video analysis Teknik Analisis Data Teknik analisis data berturut-turut adalah Uji Validitas, Uji Reliabilitas, Uji Beda Paired t Sampled Test, dan Importance-Performance Analysis. 1. Uji Validitas Item Uji Validitas Item atau butir dapat dilakukan dengan menggunakan software SPSS. Untuk proses ini, akan digunakan Uji Korelasi Pearson Product Moment. Dalam uji ini, setiap item akan diuji relasinya dengan skor total variabel yang dimaksud. Dalam hal ini masing-masing item yang ada di dalam variabel X dan Y akan diuji r elasinya dengan skor total variabel tersebut. Agar penelitian ini lebih teliti, sebuah item sebaiknya memiliki korelasi (r) de ngan skor total masing-masing variabel = 0,25. Item yang punya r hitung < 0,25 a kan disingkirkan akibat mereka tidak melakukan pengukuran secara sama dengan yan g dimaksud oleh skor total skala dan lebih jauh lagi, tidak memiliki kontribusi dengan pengukuran seseorang jika bukan malah mengacaukan. 2. Uji Reliabilitas Item Uji Reliabilitas dilakukan dengan uji Alpha Cronbach. Rumus Alpha Cronbach sebag ai berikut:

Note: a = Koefisien reliabilitas Alpha Cronbach K = Jumlah item pertanyaan yang diuji Ss_i^2 = Jumlah varians skor item SX^2 = Varians skor-skor tes (seluruh item K) Jika nilai alpha > 0,7 artinya reliabilitas mencukupi (sufficient reliability) s ementara jika alpha > 0,80 ini mensugestikan seluruh item reliabel dan seluruh t es secara konsisten secara internal karena memiliki reliabilitas yang kuat. Atau , ada pula yang memaknakannya sebagai berikut: Jika alpha > 0,90 maka reliabilitas sempurna Jika alpha antara 0,70 0,90 maka reliabilitas tinggi Jika alpha antara 0,50 0,70 maka reliabilitas moderat Jika alpha < 0,50 maka reliabilitas rendah Jika alpha rendah, kemungkinan satu atau beberapa item tidak reliabel: Segera id entifikasi dengan prosedur analisis per item. Item Analysis adalah kelanjutan da ri tes Aplha sebelumnya guna melihat item-item tertentu yang tidak reliabel. Lew at ItemAnalysis ini maka satu atau beberapa item yang tidak reliabel dapat dibua ng sehingga Alpha dapat lebih tinggi lagi nilainya. Reliabilitas item diuji dengan melihat Koefisien Alpha dengan melakukan Reliabil ity Analysis dengan SPSS ver. 16.0 for Windows. Akan dilihat nilai Alpha-Cronbac h untuk reliabilitas keseluruhan item dalam satu variabel. Agar lebih teliti, de ngan menggunakan SPSS, juga akan dilihat kolom Corrected Item Total Correlation. Nilai tiap-tiap item sebaiknya = 0.40 sehingga membuktikan bahwa item tersebut dapat dikatakan punya reliabilitas Konsistensi Internal. Item-item yang punya ko efisien korelasi < 0.40 akan dibuang kemudian Uji Reliabilitas item diulang deng an tidak menyertakan item yang tidak reliabel tersebut. Demikian terus dilakukan hingga Koefisien Reliabilitas masing-masing item adalah = 0.40. Daftar Pustaka Andi Field, Discovering Statistics using SPSS, Second Edition (California : SAGE Publication, 2006) David D. Vaus, Analyzing Social Science Data: 50 Key Problems in Data Analysis, (Thousand Oaks: Sage Publications, 2002) David Wilkinson and Peter Birmingham, Using Research Instruments: A Guide for Re searcher (London: RoutledgeFalmer, 2003). Donald P. Schwab, Research Methods for Organizational Studies, Second Edition (N ew Jersey: Lawrence Erlbaum, 2005) John A. Martilla and John C. James, Importance-Performance Analysis (Journal of Ma rketing, January, 1977) pp. 77 79. John W. Lounsbury, Lucy W.Gibson, Richard A. Saudargas, Scale Development dalam Fr ederick T.L. Leong and James T. Austin, The Psychology Research Handbook: A Guid e for Graduate Students and Research Assistants (Thousand Oaks: Sage Publication s, Inc., 2006) Louis Cohen, Lawrence Manion and Keith Morrison, Research Methods in Education, 5th Edition (London: RoutledgeFalmer, 2000) Louis Cohen, Lawrence Manion, and Keith Morrison, Research Methods in Education, Sixth Edition (Oxon: Routledge, 2007) Marguerite G. Lodico, Dean T. Spaulding, Katherine H. Voegtle, Methods in Educat ional Research: From Theory to Practice (San Fransisco: John Wiley & Sons, Inc., 2006) Pablo E. Subong and McDonald D. Beldia, Statistics for Research (Manila: Rex Boo k, 2006) Perry Roy Hilton and Charlotte Brownlow, SPSS Explained, (East Sussex: Routledge

, 2004) Rudi Setiawan, Analisa Tingkat Kepuasan Pengguna Kereta Api Komuter Surabaya Sido arjo (Surabaya: Jurusan Teknik Sipil Universitas Kristen Petra, tt) Scott W. VanderStoep and Deirdre J. Johnston, Research Methods for Everyday Life : Blending Qualitative and Quantitative Approaches (San Fransisco: John Wiley & Sons, 2009) Sebastian Rainsch, Dynamic Strategic Analysis: Demystifying Simple Success Strat egies (Wiesbaden: Deutscher Universitasts-Verlag, 2004) W. Lawrence Neuman, Basics of Social Research: Qualitative and Quantitative Appr oaches, Second Edition (Boston: Pearson Education, .....) tags: pengertian metode penelitian kualitatif kuantitatif rumus mencari sampel dari ta bel uji validitas reliabilitas teknik analisis data spss Kirimkan Ini lewat Email BlogThis! Berbagi ke Twitter Berbagi ke Facebook Jika hendak langsung isi komentar, klik di sini: 12 komentar: Alphie AjJahMinggu, 30 September, 2012 Terima kasih sebelumnya, bacaan pada blog ini cukup membantu.. tetapi saya ingin bertanya mengenai "pooling data". saya pernah sekilas mendenga r kalau pooling data bisa digunaka pada sampel kurang dari 30. dimana saat ini s aya sedang mengerjakan skripsi dan saya masih belum begitu faham dngn "pooling d ata" tersebut. mohon bantuannya..terima kasih :) Balas Balasan seta basriMinggu, 30 September, 2012 Pooling ("pool" bukan "poll") data adalah analisis statistik yang menggunakan su mber-sumber data beragam sehubungan dengan populasi yang juga beragam. Analisis ini umumnya ditujukan untuk mengumulasi (juga mengelompokkan) data agar mampu di lakukan penaksiran yang lebih tepat akan sifat data. Juga, ia digunakan untuk me mperbandingkan trend serta perbedaan yang ada baik di antara populasi maupun wak tu kejadian. Syarat utama pooling data diantaranya: Sumber data yang "beragam" t ersebut dapat DIPERBANDINGKAN. Mengenai sampel, pooling data biasanya dilakukan akibat keterbatasan jumlah sampel. Demikian. Semoga bermanfaat. Balas m16loversKamis, 18 Oktober, 2012 Ijin nyimak dan copas gan, hehe Balas Balasan seta basriJumat, 19 Oktober, 2012 Silakan. Semoga bermanfaat. Balas Amirul Mu&#39;minSabtu, 20 Oktober, 2012 mau nanya....gimana mau tentukan berapa jumlah sampel,jika yang akan diteliti ad alah suatu kawasan untuk pengkajian bentuk penanganan????/ Balas

Balasan seta basriSabtu, 20 Oktober, 2012 Mohon maaf, mungkin dapat Anda rinci rencana penelitiannya. Memang secara umum, perlu diidentifikasi dahulu apa yang dimaksud kawasan tersebut. Apakah kelurahan , kecamatan, ataukah komunitas. Jika bentuknya kelurahan atau kecamatan (dan sej enisnya) bisa digunakan cluster sampling untuk memperingan. Jika komunitas (atau konsep sosiologis lainnya) bisa dipertimbangkan teknik-teknik non probability s ampling. Demikian. Semoga bermanfaat. Balas suryanie ArsyanaSelasa, 30 Oktober, 2012 mau tanya donk.. ada beberapa penelitian yang harus mengambil sample dan tidak bisa populasi?? co ntohnya apa sihh? dan kenapa bisa begitu? Balas Balasan seta basriRabu, 31 Oktober, 2012 Prinsip utamanya ketidakmungkinan melakukan penelitian menyeluruh atas populasi. Ini terutama dihubungkan dengan tujuan dari penelitian. Misalnya, untuk menelit i golongan darah seseorang, tidak mungkin darah seseorang diambil seluruhnya seb agai sampel. Lalu, dalam polling-polling harian aneka lembaga survey, tidak mung kin seluruh anggota populasi diteliti karena berkait keterbatasan waktu, dana, d an kegunaan hasil penelitian. Demikian. Semoga bermanfaat. Balas AnonimJumat, 07 Desember, 2012 ajarin buat penelitian untuk skripsi dung..ga tamat2 blajar ini.. Balas AnonimJumat, 07 Desember, 2012 saya mau tanya tentan skala rating y point itu seperti apa ya? dalam konteks pen ilaian pertanyaan dalam kuisioner skripsi. tolong dijelaskan secara mendetail. t erimakasih bantak sebelumnya. Balas AnonimJumat, 07 Desember, 2012 saya mau tanya tentang: skala rating y point itu seperti apa ya? dalam konteks p enilaian pertanyaan dalam kuisioner skripsi. tolong dijelaskan secara mendetail. terimakasih bantak sebelumnya. Balas AnonimJumat, 07 Desember, 2012 saya mau tanya tentan skala rating y point itu seperti apa ya? dalam konteks pen ilaian pertanyaan dalam kuisioner skripsi. tolong dijelaskan secara mendetail. t erimakasih banyak sebelumnya. Balas Ketik komentar anda. Pada Beri komentar sebagai pilih Name/URL jika anda tak mem iliki Google Account. Lalu klik Publikasikan.

? Analisis Faktor dengan SPSS Metode Analisis Kualitas Pelayanan Parasuraman Zei thaml Berry ? Langganan: Poskan Komentar (Atom) Statistik 1,994,164 Telah Terbit Label biografi politik (4) birokrasi dan demokrasi (12) humaniora (3) komputer (26) metode penelitian (9) organisasi dan manajemen (13) pengantar ilmu politik (19) politika (5) resensi buku (10) sistem politik indonesia (10) sistem sosial dan budaya indonesia (14) Buku dan Film Filsafat Ilmu (Jujun Suriasumantri) Fiqih Jihad (Yusuf Qardhawi) Godfather (FFC-Trilogy) Harimau! Harimau! (Mochtar Lubis) Taiko (Eiji Yoshikawa) Cari Blog Ini RECENT POPULAR LABEL Sistem Informasi Sekolah Gratis dan Lengkap yaitu JIBAS Joko Widodo Masuk 25 Finalis World Major Prize 2012 Syahrul Yasin Limpo, Tri Rismaharini, dan Joko Widodo masuk Putaran Kedua World Major Project 2012 Konflik-konflik Horizontal di Indonesia dengan Contoh Kasus Poso dan Maluku Negara Afrika Tengah Bentuk Negara dan Sistem Pemerintahannya Negara Afrika Utara Bentuk Negara dan Sistem Pemerintahannya Orang-orang India yang Tinggal di Indonesia Negara-negara Kawasan Amerika Utara Bentuk Negara dan Sistem Pemerintahan Mereka Negara-negara Kawasan Amerika Selatan Bentuk Negara dan Sistem Pemerintahan Mere ka Bentuk Negara dan Sistem Pemerintahan Negara-negara Timur Tengah Followers Sponsors

Tes Kecepatan Blog Direktori Indonesia Translate Contact us if you have any question or anything else Seta Basri Menulis Terus 2011 DheTemplate.com. Supported by Tips for Life and Bl ogging Tips

1) Desain Sampel Desain sampel yang akan digunakan dalam operasional penelitian sangat bergantun g daripandangan efisiensi. Dalam desain sampel ini termasuk:a) mendefinisikan po pulasib) menentukan besarnya sampel, danc) menentukan sampel yang refresentatifD efinisi dari sampling sangat bergantung dari hipotesa. Dalam menentukan besar sa mpel,pemilihannya perlu dihubungkan dengan tujuan penelitian serta banyaknya var iabel yangakan dikumpulkan.Dalam merencanakan desain dari sampling diperlukan te knik-teknik untuk memperolehsamping yang refresentatif. Memang terdapat perbedaa n apakah sampling yang diambilharus probability sampling, atau judgemental sampl ing, tetapi perbedaan di atas baru perludipertimbangkan untuk disesuaikan dengan kesimpulan yang akan diambil serta inferensi 5 statistik yang akan dibuat. Kombinasi dari kedua teknik sampling di atas dapat j ugadilaksanakan.Jika metode penelitian yang dipilih adalah metode eksperimental, maka dalam masalahdesain sampling, penekanan lebih diarahkan kepada pemilihan d esain percobaan yangcocok. Dalam pemilihan desain percobaan ini, peneliti selalu dituntun oleh derajat akurasiyang diminimasikan. Kondisi homogenitas dari media percobaan mana yang lebih baik danlebih efisien untuk digunakan.

BAB XIII. DESAIN SAMPEL 13.1. Definisi Istilah Sebelum melakukan proses pengambilan sample, kite perlu mempelajari terlebih dah ulu beberapa terminology pokok dalam teknik pengambilan sample. a. Elemen: elemen adalah unit dari mana data yang diperlukan dikumpulkan. Suatu elemen dapat dianalogikan dengan unit analisa. Suatu unit analisa dapat me nunjukkan pada suatu organisasi, obyek, benda mati atau individu-individu. b. Populasi: populasi didefinisikan sebagai seperangkat unit analisa yang l engkap yang sedang diteliti. c. Unit Sampling: unit sampling adalah elemen elemen yang berbeda / tidak tumpang tindih dari suatu populasi. Suatu unit sampling dapat berupa suatu elem en individu atau seperangkat elemen. d. Kerangka Sampling: kerangka sampling merupakan representasi fisik obyek, individu, atau kelompok yang penting bagi pengembangan sample akhir yang dipela jari dan merupakan daftar sesungguhnya unit-unit sampling pada berbagai tahap da lam prosedur seleksi. e. Sampel: sample merupakan sub dari seperangkat elemen yang dipilih untuk dipelajari. f. Parameter dan Statistik: parameter berkaitan dengan gambaran singkat s uatu variable yang dipilih dalam suatu populasi; sedang statistik adalah gambara n singkat dari variable yang dipilih dalam sample. g. Kesalahan Pengambilan Sampel: kesalahan pengambilan sample berkaitan de ngan kesalahan prosedural dalam mengambil sample dan ketidak-tepatan dalam hubun gannya dengan penggunaan statistik dalam mengestimasi parameter. h. Efisiensi Statistik dan Sampel: efisiensi statistik merupakan ukuran da lam membandingkan antara desain-desain sample dengan ukuran sample yang sama yan g menilai desain yang mana yang dapat menghasilkan tingkat kesalahan standar est imasi yang lebih kecil. Efisiensi sample menunjuk pada suatu karakteristik dalam pengambilan sample yang menekankan adanya ketepatan tinggi dan biaya rendah per unit untuk mendapatkan setiap unit presisi yang tetap. i. Perencanaan Sampling: perencanaan sampling adalah spesifikasi formal metode dn prosedur yang akan digunakan untuk mengidentifikasi sample yang dipili h untuk tujuan studi. 13.2. Proses Pengambilan Sampel

Proses pengambilan sample merupakan cara-cara kita dalam memilih sample untuk st udi tertentu. Proses terdiri dari beberapa tahapan sebagai berikut: a. Tahap 1: Memilih Populasi Proses awal ialah menentukan poplasi yang menarik untuk dipelajari. Suatu popula si yang baik ialah menckup rancangan eksplisit semua elemen yang terlibat; biasa nya meliputi empat komponen, yaitu: elemen, unit sampling, keluasan skop dan wak tu. b. Tahap 2: Memilih Unit-Unit Sampling Unit-unit sampling adalah unit analisa dari mana sample diambil atau berasal. Ka rena kompleksitas penelitian dan banyaknya desain sample, maka pemilihan unit-un it sampling harus dilakukan dengan seksama. c. Tahap 3: Memilih Kerangka Sampling Pemilihan kerangka sampling merupakan tahap yang penting karena jika kerangka sa mpling yang dipilih secara memadai tidak mewakili populasi, maka generalisasi ha sil penelitian meragukan. Kerangka sampling dapat berupa daftar nama populasi se perti buku telepeon atau data base nama lainnya. d. Tahap 4: Memilih Desain Sampel Desain sample merupakan tipe metode atau pendekatan yang digunakan untuk memilih unit-unit analisa studi. Desain sample sebaiknya dipilih sesuai dengan tujuan p enelitian. e. Tahap 5: Memilih Ukuran Sampel Ukuran sample tergantung beberapa factor yang mempengaruhi diantaranya ialah: Homogenitas unit-unit sample: secara umum semakin mirip unit-unit sampel; dalam suatu populasi semakin kecil sample yang dibutuhkan untuk memperkirakan p arameter-parameter populasi. Kepercayaan: kepercayaan mengacu pada suatu tingkatan tertentu dimana pen eliti ingin merasa yakin bahwa yang bersangkutan memperkirakan secara nyata para meter populasi yang benar. Semakin tinggi tingkat kepercayaan yang diingnkan, ma ka semakin besar ukuran sample yang diperlukan. Presisi: presisi mengacu pada ukuran kesalahan standar estimasi. Unutk me ndapatkan presisi yang besar dibutuhkan ukuran ssmpel yang besar pula. Kekuatan Statsitik: istilah ini mengacu pada adanya kemampuan mendeteksi perbedaan dalam situasi pengujian hipotesis. Untuk mendpatkan kekuatan yang ti nggi, peneliti memerlukan sample yang besar. Prosedur Analisa: tipe prosedur analisa yang dipilih untuk analisa data dapat juga mempengaruhi seleksi ukuran sample. Biaya, Waktu dan Personil: Pemilihan ukuran sample juga harus memeprtimba ngkan biaya, waktu dan personil. Sample besar akan menuntut biaya besar, waktu b anyak dan personil besar juga. f. Memilih Rancangan Sampling: Rancangan sampling menentukan prosedur ope rasional dan metode untuk mendpatkan sample yang diinginkan. Jika dirancang deng an baik, rancangan sampling akan menuntun peneliti dalam memilih sample yang dig unakan dalam studi, sehngga kesalahan yang akan muncul dapat ditekan sekecil mu ngkin. g. Memilih Sample: Tahap akhir dalam proses ini ialah penentuan sample unt uk digunakan pada proses penelitian berikutnya, yaitu koleksi data. 13.3. Desain Sampel Secara garis besar ad dua desin sample utama, yaitu Desain Probabilitas dan Desa in Non-Probabilitas. Masing-masing kategor mempunyai sub-sub kategori yang lebih kecil. Dalam pembahasan ini, kita akan mulai dengan desain probabilitas. Pengambilan Sampel Secara Random Sederhana (Simple Random Sampling) Cara pengambilan sample dengan teknik ini ialah dengan memberikan suatu nomor ya ng berbeda kepada setiap anggota populasi, kemudian memilih sample dengan menggu nakan angka-angka random. Keuntungan menggunakan teknik ini ialah peneliti tidak membutuhkan pengetahuan t entang populasi sebelumnya; bebas dari kesalahan-kesalahan klasifikasi yang kemu ngkinan dapat terjadi; dan dengan mudah data dianalisa serta kesalahan-kesalahan

dapat dihitung. Kelemahan dalam teknik ini ialah: peneliti tidak dapat memanfaatkan pengetahuan yang dipunyainya tentang populasi dan tingkat kesalahan dalam penentuan ukuran s ample lebih besar. Pengambilan Sampel Secara Random Sistematis (Systematic Random Sampling) Teknik ini merupakan pengembangan teknik sebelumnya hanya bedanya teknik ini men ggunakan urut-urutan alami. Caranya ialah pilih secara random dimulai dari antar a angka 1 dan integer yang teredekat terhadap ratio sampling (N/n); kemudian pil ih item-item dengan interval dari integer yang terdekat teradap ratio sampling. Keuntungan menggunakan sample ini ialah peneliti menyederhanakan proses penarika n sample dan mudah di cek; dan menekan keaneka-ragaman sample. Kerugiannya ialah apabila interval berhubungan dengan pengurutan periodic suatu populasi, maka akan terjadi keaneka-ragaman sample. Pengambilan Sampel Secara Random Bertahap (Random Multistage) Desain ini merupakan variasi dari desain di atas tetapi lebih kompleks. Caranya ialah dengan menggunakan bentuk sample acak dengan sedikit-dikitnya dua tahap. Keuntungannya ialah daftar sample,identifikasi, dan penomoran yang dibutuhkan ha nya untuk para anggota dari unit sampling yang dipilih dalam sample. Jika unit s ampling didefinisikan secara geografis akan lebih menghemat biayanya. Kelemahannnya ialah tingkat kesalahan akan menjadi tinggi apabila jumlah samplin g unit yang dipilih menurun. d. Teknik Pengambilan Sampel Secara Random Bertingkat (Stratified Random Sa mpling) d.1. Proporsional Cara pengambilan sample dilakukan dengan menyeleksi setiap unit sampling yang se suai dengan ukuran unit sampling. Keuntungannya ialah asepk representatifnya leb ih meyakinkan sesuai dengan sifat-sifat ynag membentuk dasar unit-unit yang men gklasifikasinya, sehingga mengurangi keanekaragamannya. Karakteristik-karakerist ik masing-masing strata dapat diestimasikan sehingga dapat dibuat perbandingan. Kerugiannya ialah membutuhka informasi yang akurat pada proporsi populasi untuk masing-masing strata. Jika hal tersebut diabaikan maka kesalahan akan muncul. d.2. Disporposional Strategi pengambilan sample sama dengan proporsional. Peberbedaanya ialah terlet ak pada ukuran sample yang tidak proporsional terhadap ukuran unit sampling kare na untuk kepentingan pertimbangan analisa dan kesesuaian. e. Teknik Pengambilan Sample Cluster Strategi pengambilan sample dilakulan dengan cara memilih unit-unit sampling den gan menggunakan formulir tertentu sampling acak, unit-unit akhir ialah kelompokkelompok tertentu, pilih kelompok-kelompok tertsebut secara random dan hitung ma sing-masing kelompok. Keuntungan menggunakan teknik ini ialah jika kluster-kluster didasarkan pada per bedaan geografis maka biaya penelitiannya menjadi lebih murah. Karakteristik klu ster dan populasi dapat diestimasi. Kelemahannya ialah membutuhkan kemampuan untuk membedakan masing-masing anggota populasi secara unik terhadap kluster, yang akan menyebabkan kemungkinan adanya duplikasi atau penghilangan individu-individu tertentu.

f. Teknik Pengambilan Sample Kluster Bertsrata (Stratified Cluster) Cara menyeleksi sample dengan cara memilih kluster-kluster secara random untuk s etiap unit sampling. Keuntungannya ialah mengurangi keaneka-ragaman sampling kl uster sederhana. Kelemahnnya ialah karakteristik-karaketristik kluster bisa beru bah sehingga keuntungnnya dapat hilang karena itu tidak dapat dipakai untuk pene litiannya berikutnya. g. Repetisi: Mulitple atau Sequensial (berurutan) Dua sample atau lebih dari kluster di atas (F) diambil dengan menggunakan hasilhasil dari sample yang lebih dahulu untuk merancang sample-sampel berikutnya. Ke untungan menggunakan teknik ini ialah memberikan estimasi karakteristik populasi ynag memfasilitasi perancangan yang efisien untuk sample-sampel berikutnya. Kel emahan teknik ini ialah penghitungan dn analisa akan dilakukan berulang-ulang. S ampling berurutan hanya dapat digunakan jika suatu sample yang kecil dapat mence rminkan populasinya. h. Desain Non Probabilitas h.1. Penilaian (judgment): memilih sample dari suatu populasi didasarkan pada informasi yang tersedia, sehi ngga keterwakilannya terhadap populasi dapat dipertanggungjawabkan. Keuntunganny a ialah unit-unit yang terakhir dipilih dapat dipilih sehingga mereka mempunyai banayak kemiripan. Kerugiannya ialah memunculkan keanekargaman dan bias estimasi terhadap populasi dan sample yang dipilihnya. h.2. Kesesuaian (Convenience): Memilih unit-unit analisa dengan cara yang dianggap sesuai oleh peneliti. Keuntu ngannya ialah dapat dilakukan dengan cepat dan murah. Kelemahannya ialah mengand ung sejumlah kesalahan sistematik dan varaibel-variabel yang tidak diketahui h.3. Teknik Bola Salju (Snowball) Memilih unit-unit yang mempunyai karakterisitik langka dan unit-unit tambahan ya ng ditunjukkan oleh responden sebelumnya. Keuntungannya ialah hanya digunakan da lam situasi-situasi tertentu. Kelemahannya ialah keterwakilan dari karakteristik langka dapat tidak terlihat di sample yang sudah dipilih.

Psend kept free because of these great sponsors.a.. Other Sponsors electrical connectors, Mangosteen Juice, real estate short sale, Jupiter FL real estate, Furniture Markdown Great Deals on furniture - Free Shipping! Discount Furniture Daybeds Metal Beds Platform Beds Futons Y-Net Wireless Internet Denver area high speed wireless privider. Colorado High Speed Internet, Wireless Internet Denver, VOIP Denver CO, T1 provi der Denver, Denver Wireless ISP , Denver Internet Access,

Dog House Technologies Doghouse Techonologies is located in Tampa Bay FL and offer professional web des ign, ecommerce development and custom application design for the internet. Tampa Bay Web Design, E-Commerce Web Design, Tampa Bay Search Engine Marketing, Tampa Web Hosting, Florida Web Design, Custom Application Development, Search En gine Optimization, osting.asp">Tampa Web Hosting and Florida Web Design This site hosted curtosy of Psend.com's Free Web Hosting. Psend is a division of Telos Online, Inc. Psend k ept free because of these great sponsors.a.. Other Sponsors electrical connectors, Mangosteen Juice, real estate short sale, Jupiter FL real estate, Furniture Markdown Great Deals on furniture - Free Shipping! Discount Furniture Daybeds Metal Beds Platform Beds Futons Y-Net Wireless Internet Denver area high speed wireless privider. Colorado High Speed Internet, Wireless Internet Denver, VOIP Denver CO, T1 provi der Denver, Denver Wireless ISP , Denver Internet Access, Dog House Technologies Doghouse Techonologies is located in Tampa Bay FL and offer professional web des ign, ecommerce development and custom application design for the internet. Tampa Bay Web Design, E-Commerce Web Design, Tampa Bay Search Engine Marketing, Tampa Web Hosting, Florida Web Design, Custom Application Development, Search En gine Optimization,