BAB III

METODE PENELITIAN KUANTITATIF

3.1. Definisi Metode Kuantitatif

Menurut Sugiono (2008), metode kuantitatif adalah pendekatan ilmiah yang
memandang suatu realitas itu dapat diklasifikasikan,konkrit,teramati dan terukur,hubungan
variabelnya bersifat sebab akibat dimana data penelitiannya berupa angka-angka dan
analisisnya menggunakan statistik.
3.2. Pendekatan Analisis Kuantitatif
Pendekatan analisis kuantitatif terdiri atas perumusan masatah, menyusun model,
mendapatkan

data,

mencari

solusi,

menguji

solusi,

menganalisis

hasil,

dan

menginterprestasikan hasil
3.3. Pemilihan Metode Kuantitatif
Metode dipilih sesuai dengan tujuan penelitian, setiap peneliti perlu mengidenitifikasi apakah
data yang dimiliki memenuhi asumsi dasar yang harus dipenuhi setiap teknik, tahapan awal adalah
metakukan seleksi (screening) data, yakni mengenali prilaku data,ada atau tidaknya nilai ekstrem
(outliers), lengkap tidaknya data, dan desknpsi secara statistik dari data yang dimiliki.
Format penelitian kuantitatif dalam ilmu sosial tergantung pada permasalahan dan tujuan penelitian
itu sendiri. Ada dua format penelitian kuantitatif berdasarkan paradigma dominan dalam metodologi
penelitian kuantitatif yaitu format deskriptif dan format eksplanasi. Kedua format ini dijelaskan sebagai
berikut

Gambar; Format Penelitian Kuantitatif

Sumber; Bungin (2008)

3.3.1..Metode Survei
Metode ini digunakan pada populasi yang luas dan menyebar,memungkinakan dilakukannya
generalisasi suatu gejala sosial tertentu kepada gejala sosial dengan populasi yang lebih besar.Analisis
yang muncul bukan kasus per kasus tetapi keseluruhan populasi.
3.3.2.Metode Kasus
Metode kasus memusatkan diri pada suatu unit tertentu dari berbagai variabel dan hanya
menggunakan kasus tertentu sebagai object penelitian,bersifat mendalam,dan bersifat kasuistik
terhadap object pebelitian tersebut.
3.3.3. Metode Eksplanasi
Metode yang menjelaskan suatu generalisasi sampel terhadap populasinya ,dimana
menggunakan sampel dan hipotesis dan untuk menguji hipotesisnya menggunakan statistik
inferensial.

3.4. Proses Penelitian Kuantitatif

Substansi proses penelitian kuantitatif menutut Bungin (2008) terdiri dari aktivitas
yang berurutan sebagai berikut ;
1. Mengeksplorasi, perumusan, dan penentuan masatah yang akan diteliti
2. Mendesain model penelitian dan parameter penelitian
3. Mendesain instrumen pengumpulan data penelitian
4. Melakukan pengumpulan data penelitian
5. Mengolah dan menganalisis data hasil penelitian
6. Mendesain laporan hasil penelitian
Proses penelitian kuantitatif dimulai dengan kegiatan mengeksplorasi untuk melihat
permasaiahan yang akan menjadi masalah yang hendak diteliti. Kemudian merumuskan
masaiah penetitian dengan jelas sehingga terarah. masatah dalam penetitian kuatitatif masih
bersifat sementara dan akan berkembang setelah peneliti berada dilapangan.berdasarkan
rumusan masalah tersebut,dikumpulkan teori dan penelitian yang relevan untuk digunakan
membuat disain model penelitian dan parameter penelitian sekaligus sebagai dasar pembuatan
hiptesis.Agar suatu penelitian itu tepat sasaran dan mengarah ke tujuan maka didisainlah
instrumen untuk pengumpulan data penelitian yang sebelumnya telah diuji bahwa instrumen
tersebut valid dan reliabel untuk dijadikan sebagai alat pengumpulan data. Setelah data
terkumpul maka diolah dan dianalisis yang mengarah pada hipotesis yang telah
diajukan.Analisis data menggunakan statistik baik berupa statistik diskriptif maupun statistik
infirensial tergantung pada metode yang digunakan.Hasil penelitian diuraikan dalam bentuk
pembahasan yang kemudian disimpulkan dan dibuat saran.Setelah itu didisain laporan hasil
penelitian yang mudah untuk dipahami oleh orang lain.

.
3.5. Pengertian Teori
Menurut Sugiyono (2008 ), teori merupakan suatu kumpulan konsep (concept), definisi,
proposisi dan variabel yang keterkaitan antara satu sama lain secara sistematis dan telah
digeneralisasikan, sehingga dapat menjelaskan dan mempredeksi fenomena (fakta-fakta) tertentu.
Peneliti bekerja atas dasar teori yang relevan. Sejauh teori yang digunakan adalah baik
dan sesuai dengan keadaan, maka peneliti akan berhasil menjelaskan fenomena yang dimaksud.
Suatu teori berguna untuk mendefinisikan suatu masalah yang didalamnya ada variabelvariabel tertentu,untuk mengartikan data dan fenomena-fenomena yang ditemukan.
Sugiyono (2008), Teori adalah seperangkat konstruk (konsep), definisi, dan proposisi
yang berfungsi untuk melihat fenomena secara sistematik, melalui spesifikasi hubungan antar
variabel, sehingga dapat berguna untuk menjetaskan dan meramalkan fenomena. suatu teori
akan memperoleh arti penting, bifa ia lebih banyak dapat melukiskan, dan meramalkan gejala
yang ada. Mark 1963, dalam (Sugioyono, 2008), membedakan adanya tiga macam teori. Ketiga
macam teori yang dimaksud ini berhubungan dengan data empiris, dan dibedakan sebagai
berikut ;
1. Teori deduktif; memberi keterangan yang dimulai dari suatu perkiraan atau pikiran
spekulatif tertentu ke arah data yang akan diterangkan.
2. Teori induktif, cara menerangkan adatah dari data ke arah teori..
3. Teori fungsional; datam hal ini tampak suatu interaksi pengaruh antar data dan perkiraan
teoritis, data mempengaruhi pembentukan teori dan pembentukan teori kembali
mempengaruhi data.

Selanjutnya Hoy & Miskel (2001) dalam Huda (2007), mengemukakan bahwa
komponen teori itu meliputi konsep dan asumsi. Konsep merupakan istilah yang bersifat
abstrak dan bermakna generalisasi. Sedangkan asumsi merupakan pernyataan diterima
kebenarannya tanpa pembuktian. Setiap teori akan mengalami perkembangan, dan
perkembangan itu terjadi apabila teori sudah tidak relevan dan kurang berfungsi lagi untuk
mengatasi masalah.
Semua penelitian bersifat ilmiah, oleh karena itu semua peneliti harus berbekal teori.
Dalam penelitian kuantitatif teori yang digunakan harus sudah jelas, karena teori disini akan
berfungsi untuk memperjelas masatah yang diteliti, sebagai dasar untuk merumuskan hipotesis,
dan sebagai referensi untuk menyususn instrumen penelitian. Oleh karena itu landasan teori
dalam proposal penelitian kuantitatif harus sudah jelas teori apa yang akan dipakai.
Agar teori dapat dipahami dengan lebih baik, maka perlu dipaparkan masing-masing
komponen teori sebagai berikut ;
3.5.1. Konsep
Konsep merupakan sejumlah ciri yang berkaitan dengan suatu obyek atau standar yang
umum atas obyek tersebut. Menurut Bungin (2008), konsep adatah generalisasi dari
sekelompok fenomena yang sama. Konsep dibangun dari teori-teori yang digunakan untuk
menjetaskan variabet-variabet yang akan diteliti dan memiliki tingkat generalisasi yang
berbeda satu dengan lainnya. Konsep harus merupakan atribut berbagai kesamaan dari
fenomena yang berbeda.
Setiap penelitian kuantitatif dimulai dengan menjelaskan konsep penelitian yang
digunakan, karena konsep penelitian ini merupakan kerangka acuan peneliti didalam
mendesain penelitian. Konsep juga dibangun agar masyarakat akademik atau masyarakat

ilmiah maupun konsumen atau pembaca laporan penelitian memahami apa yang dimaksud
dengan pengertian variabel, indikator, parameter, maupun skala pengukuran yang dimaksud
peneliti didalam penelitiannya.
Dalam mendesaian konsep penelitian, yang terpenting juga bagi peneliti harus
mendesain konsep interaksi antar variabel-variabel penelitiannya. Karena itu peneliti harus
menentukan pilihan sebenamya dari interaksi antar variabelvariabel itu. Disamping
mengonsepsi interaksi antar variabel-variabel penelitian, perlu pula sebuah variabel didesain
menurut apa yang diinginkan oleh peneliti dalam penelitiannya.
Selain mendesain variabel serta interaksi variabel-variabel penelitian, maka
berikutnya pene(iti juga harus mendesain konsep penelitian dan konsep operasional. Konsep
penelitian didesain untuk memberi batasan pemahaman terhadap variabel penelitian,
sedangkan konsep operasional dimuat untuk membatasi parameter atau indikator yang
diinginkan peneliti dalam penelitian,sehingga apapun variabel penelitian, semuanya hanya
muncul dari konsep tersebut.
3.5.2. Variabel
Burhan Bungin ( 2008), mendefinisikan bahwa variabel berasal dari bahasa Inggris
variable yang berarti faktor tidak tetap atau berubah-ubah. Namun bahasa Indonesia
kontemporer telah terbiasa menggunakan kata variabel ini dengan pengertian yang lebih tepat
disebut bervariasi. Dengan demikian variabel adalah fenomena yang bervariasi dalam bentuk,
kualitas, kuantitas, mutu standar dan sebagainya.
Penjelasan-penjetasan mengenai variabel sangat bervariasi sebagaitnana bervariasinya
variabel itu sendiri. Dalam pengertian yang lebih konkret variabel itu sendiri adalah konsep
dalam bentuk konret atau konsep operasionai, penjelasan semacam ini adalah tergantung pula

pada jenis penetitian yang dilakukan. Dalam penelitian kebijakan sosial, konsep dan variabel
dibedakan dari sifat kompleksnya. Konsep biasanya digunakan dalam mendeskripsikan
segala variabel yang abstrak dan kompleks, sedangkan variabel diartikan sebagai konsep
yang lebih konkret dan acuan-acuannya lebih nyata.
Fungsi variabel dapat dibedakan menurut jenis dan macamnya, variabel dapat dibedakan
menjadi 7 (Solimun, 2003), yaitu :
(1) . Dependent variable (variabel tergantung)
Suatu variabel yang menjadi pusat perhatian penefiti (tercakup dalam hipotesis
penelitian), yang keragamannya ditentukan / tergantung ! dipengacuhi oleh variabel lainnya.
(2). Independent variable (variabel bebas)
Suatu variabel yang menjadi pusat perttatian peneliti, yang keragamanrrya mempakan
kondisi yang ingin diselidiki 1 diteliti I dikaji dan mempengaruhi variabel tergantung.
(3). Intervene variable (variabel antara)
Adalah variabel yang bersifat menjadi perantara (sarana) dari hubungan variable bebas ke
variabel tergantung. Sifatnya dapat memperlemah atau memperkuat pengaruh variabel bebas
terhadap variabel tergantung.
(4). Moderator variable
Adalah variabel yang bersifat memperkuat atau memperlemah pengaruh variable bebas
terhadap variabel tergantung.
(5). Confounding variabel ( variabet pembaur )
Variabel yang tidak menjadi pusat perhatian peneliti (tidak tercakup dalam hipotesis
penelitian), tetapi muncul dalam penelitian dan berpengaruh .terhadap variabel tergantung dan
pengaruh tersebut mencampuri atau berbaur dengan variable bebas.

(6). Control vuriable (Variabel kendali)

Adalah variabel pembaur yang dapat dikendalikan pada saat riset desain. Pengendalian
ini biasanya ditakukan dengan cara eblusi (mengeluarkan obyek yang tidak memenuhi kriteria)
dan inklusi (menjadikan obyek yang memenuhi kriteria untuk diikutkan dalam sample
penelitian), atau dengan blocking yaitu mengelompokkan obyek penelitian menjadi
kelompok-kelompok yang reiatif homogen.
(7). Concomitunt variable (variable penyerta)
Adatah variabel pembaur yang tidak dapat dikendalikan pada saat riset desain. Variabel ini
tidak dapat dikendalikan sehingga tetap menyertai (terikut) daiam proses penelitian, dengan
konsekuensi data haruss diamati dan pengaruh baumya harus dieliminir.
3.5.3. Proposisi
Proposisi, menurut Emory dan Cooper (1996) dalam Huda (2007), merupakan suatu
peryataan mengenai konsep-konsep yang dapat dinilai benar atau salah melalui suatu fenomena
yang diamati. Misalnya, makin siang mahasis;wa belajar, maka makin kecil kemampuan
mereka dalam menyerap isi pelajaran. Pemyataan ini adalah sebuah proposisi. Bilamana suatu
proposisi dirumuskan untuk diuji secara empiris , maka proposisi tersebut disebut hipotetis,
hipotetis bersifat sementara atau dugaan sementara.
3.5.4. Hipotesis
Sugiyono (2002),Hipotesis merupakan pernyataan sementara dari rumusan masalah
yang perlu dibuktikan benar atau tidak. Jawaban yang diberikan baru didasarkan pada teori
yang relevan belum didasarkan pada fakta empiris dalam kenyataannya (empirical
verivication).

Menurut Nazir ( 2005 ; 151), mendefinisikan hiprAesis tidak lain dari jawaban
sementara terhadap masalah penelitian, yang kebenarannya harus diuji secara empiris.
Hipotesis menyatakan hubungan apa yang kita cari atau yang ingin kita pelajari. Hipotesis
adalah pemyataan yang diterima secara sementara sebagai suatu kebenaran sebagaimana
adanya, pada saat fenomena dikenai dan merupakan dasar kerja serta panduan dalam verifikasi.
Hipotesis adalah keterangan sementara dari hubungan fenomena-fenomena yang kompleks,.
Dalam penelitian kuantitatif, ada pembagian jenis hipotesis (Bungin;2008) meliputi;
(1 ). Hipotesis nol (Ho)
Hipotesis nol disebut dengan hipotesis statistik yaitu hipotesis yang diuji dengan
statistik.
(2) Hipotesis altematif (H1)
Hipotesis alternative juga disebutt sebagai hipotesis kerja atau hipotesis penelitian.
Untuk menguji hipotesis pilihlah uji statistik yang modelnya paling mendekati asumsi
atau persyaratan yang memperbotehkan penggunaan uji tersebut dengan mempertmbangkan
jenis data dan skala pengukuran data yang dipergunakan.selanjutnya tentukan taraf signifikansi
dan besar sampel penelitian,hitunglah harga uji statistiknya dengan menggunakan sampelsampelnya. .Ambil keputusaan dan kesimpulan : apakah Ho diterima atau ditolak, berdasarkan
taraf signifikansi tertentu.
3.6. Populasi dan Sampel
Populasi

adalah

keseluruhan

obyek

penelitian

yang

menjadi

sumber

data

penelitian.Dalam peneiitian yang biasa dilakukan, seringkali peneliti dihadapkan kepada

keterbatasan waktu, biaya dan tenaga untuk mengumpulkan informasi dari obyek yang diamati.
Oleh karena itu sering sekali peneliti hanya mengambil sebagian saja dari obyek telitian.

Kelompok induk besar tersebtrt disebut populasi dan sub kelompok dari anggota populasi
disebut dengan sampel (Bungin;2008).
Pada umumnya penelitian yang dilakukan oleh para peneliti hanya berdasarkan kepada
sampel. Penelitian yang berdasarkan kepada sampel ini mempunyai keuntugan-keuntungan
seperti : dapat menghemat biaya (reduced cost), menghemat waktu (time save), menghemat
tenaga (energy suve), infomasi yang diperoleh lebih teliti (greater accuracy) karena elemen
yang diamati lebih sedikit. Oleh karena hasil penelitian bertujuan untuk digeneralisasikan
bagai populasinya, maka penarikan sampel harus dilakukan dengan metoda yang benar, seperti:
(1) memberikan gambaran yang dapat dipercaya terhadap populasi yang diteliti,
(2) mempunyai tingkat presisi tertentu / standar penyimpangan,
(3) sederhana sehingga mudah dilaksanak.an,
(4) dapat memberikan keterangan yang sebanyak mungkin dengan waktu dan biaya
yang serendah mungkin (Djarwanto,dalam Huda 2007).
Sampel berasal dari kata Inggris sample, yang artinya contoh, comotan atau mencomot,
yaitu mengambii sebagian saja dari yang banyak. Setanjutnya dalam pembicaraan ini kata
sample dalam bahasa Inggris di-Indonesiakan menjadi sampel, dan sampling menjadi
sampling.
3.6.1. Menetapkan Popalasi
Sebelum menetapkan besar sampel (atau banyaknya data subyek yang di sampel),
terlebih dahulu harus ditetapkan populasinya, yaitu kelompok apa yang diminati dalam
penelitian itu, atau kelompok yang akan dikenakan atau diterapi hasil dari penelitihannya.
Populasi yang diminati untuk . dijadikan fokus atau perhatian penelitian (yang hanya
diambil sampelnya saja) disebut populasi sasaran atau populasi target (target population).

Menemukan populasi sasaran ini kadang-kadang sukar, sedangkan yang diperoleh bukan
sasarannya tetapi apa adanya yang dapat ditemukan, atau yang dapat dihitung, yang hasil dari
penelitiannya akan diterapkan pada poputasi yang ditemukan itu. Populasi ini disebut populasi
yang dapat diambil (accessible population) atau populasi yang dapat diakses.
Semakin diperkecil atau dipersempit populasinya, maka penelitian yang dilakukan semakin
menghemat waktu, tenaga, dan mungkin juga biaya -biaya lainnya, tetapi memperkecil populasi
berarti membatasi penggeneralisasiannya (generalizability).
Populasi dalam penelitian Pengaruh Orientasi wirausaha dan Orientasi pasar terhadap
Keunggulan bersaing berkelanjutan dan Kinerja pemasaran, yang menjadi unit analisis adalah
usaha kecil sektor perdagangan di kota Surabaya yang menurut sensus ekonomi 2006 berjumlah
46.437 unit.
3.6.2. Penyampelan (Sampling)
Secara garis besar ada dua kelompok cara penyampelan (sampling), ialah random
sampling (mencomot secara acak) clan non-random sampling (mencomot secara tidak acak).
Dikatakan random sampling, jika dari populasi itu peneliti mengambil siapa saja
diantaranya tanpa menentukan kriteria dari subyek yang diambil, karena tiap orang anggota dalam
populasi itu derajat dan kualifikasinya sama atau setara, atau tiada bedanya, dengan kata lain
"homogin". Jadi, jika tiap anggota atau subyek-subyek atau elemen elemen dalam populasi itu
memiliki kesamaan sifat, maka mereka masing-masing memiliki peluang atau kesempatan yang
sama untuk disampel. Mana saja atau siapa saja diambil, adalah sama.
Dikatakan non-random sampling, jika dari populasi itu peneliti mengambil subyek subyek atau siapa-siapa yang memenuhi ciri-ciri yang sudah ditentukan terlebih dahulu. Jadi
meskipun jadi anggota populasi, tetapi tidak memenuhi ciri atau ciri-ciri yang ditentukan,

maka tidak dapat disampel. Mengapa demikian, hal ini didasarkan atas ketentuan, bahwa
yang disampel itulah yang dianggap dapat mewakili atau representative bagi populasinya.
Jadi, tidak semua anggota mempunyai kesempatan untuk dicomot seperti dalam random
sampling.
Random sampling dibedakan menurut metodenya, ke dalam :
1) Simple random sampling (sampling acak sederhana)
2) Stratified random sampling (sampling acak disetratakan)
3) Cluster random sampling (sampling acak kelompok)
4) Area Sampling (sampling area)
5) Two-stage random sampling (sampling acak dua tahap)
Non-random sampling dapat dibedakan menurut metodenya, ke dalam :
1) Systematic sampling (sampling sistematik)
2) Convenience sampling (sampling pekoleh)
3) Purpose sampling (sampling sengaja, sampling bertujuan)
4) Quota sampliflg (sampling jatan, sampling kuota)

3.6.2.1. Random Sampling

Random sampling secara rinci dibedakan menurut metode-metodenya adalah sebagai
berikut :
1) Simple Random Sampling (sampling acak sederhana)
Kita arnbil sebagai contoh terlebih dahulu. kita akan meneliti Pengaruh Orientasi wirausaha dan
Orientasi pasar terhadap Keunggulan bersaing berkelanjutan dan Kinerja pemasaran,

yang

menjadi unit analisis adalah usaha kecil sektor perdagangan di kota Surabaya yang menurut sensus

ekonomi 2006 berjumlah 46.437 unit. Jika simple random sampling akan dilakukan, maka
seluruh usaha kecil itu harus memiliki kesamaan karakteristik, misalnya pekerjaan yang dilakukan
sama, semuanya berumur antara 40-50 tahun, pendapatannya setara,sehingga tiap usaha kecil itu
memiliki kesempatan yang sama dan berhak untuk disampel. Bagaimana cara memilih 464 dari
46.437 usaha kecil itu? Ada bermacam macam cara : yang paling mudah ialah secara acak,
mana saja dapat dipilih, seperti menggulung kertas berisi nama-nama (atau nomer), atau
menggunakan dadu untuk menentukan nomer, cara permainan rolet,undi (fishbowl draw),
menggunakan angka acak lewat bantuan komputer, clan sebagainya. Namun, ada baiknya jika
cara memilih itu berdasar aturan. Misalnya, menggunakan tabel nomer acak yang biasanya
terdapat dalam buku-buku statistik, yang memuat angka-angka demikian banyak, tetapi tidak
teratur atau tidak ada pola susunannya, artinya angka-angka itu tersebar sedemikian rupa dan
hanya dimuat dalam kolom-kolom saja.
Sampel acak sederhana tidak dapat digunakan, jika peneliti ingin memastikan bahwa
dalam populasi itu ada sub-group yang perlu diwakili dalam sampel yang besarnya seimbang
dengan yang terdapat dalam populasinya. Jika demikian, maka harus digunakan stratified
random sampling yang dibicarakan berikut ini.
2) Strata Random Sampling (sampel acak berstrata)
Misalnya, Pengaruh Orientasi wirausaha dan Orientasi pasar terhadap Keunggulan bersaing
berkelanjutan dan Kinerja pemasaran,

yang menjadi unit analisis adalah usaha kecil sektor

perdagangan di kota Surabaya yang menurut sensus ekonomi 2006 berjumlah 46.437 uni. Di
dalam usaha kecil itu ada 10.000 orang pegawai negeri terdiri atas tiga golongan, ialah gol. I,
gol. II, dan gol. III. Go1 I sebanyak 50 orang (5O%), gol. II sebanyak 30 orang (30%), dan gol.
III sebanyak 20 orang (20%). Jika sampelnya ditetapkan sebanyak 20 dari 100 orang pegawai

negeri di lembaga itu, maka dalam sampel itu banyaknya masing -masing golongan harus
seimbang sama dengan dalam populasi Gol. 1 sebanyak 10 orang (50%), gol. II sebanyak 6
orang (30%), dan gol. III sebanyak 4 orang (20%). Cara rnenentukan siapa- siapa yang disampel
dari masing-masing strata golongan dilakukan secara acak (random) seperti yang dibicarakan
dalam simple random sampling.
3) Cluster Random Sampling (Sampling Acak Kelompok)
Metode cluster random sampling digunakan, jika dalam poputasi sutit untuk diidentiifikasi
secara individual, melainkan hanya dapat diidentifikasi secara kelompok (cluster). Satuan-satuan
dalam populasi itu, yang disetaut unit of analysis atau element of the population, memang
merupakan kelompok. Jadi, subyek-subyek atau elemen-elemen dalam populasi terdiri atas
kelompok-kelompok. Misalnya kefompok petani, kelompok studi, kelompok seniman, kelompok
klompencapir, dan sebagainya. Misatnya di Jawa Timur ada 500 klompencapir. Dari 500
klompencdpir ini akan diteliti pendapatannya tentang alam Jawa Timur. Setelah mempertimbangtcan
berbagai faktor, maka diterapican besar sampal (atau ukuran sampel, sample size) yang
representative ialah sebanyak 25 unit k:ompencapir. Menetapkan besar sample 25 kelompok
klompencapir inilah yang disebut metode cluster random sampling. Yang disampel bukan individu
anggota ktompencapir, tetapi unit klompencapir-nya.
4) Area Sampling (Sampling area, atau sampling gugus)
Cara ini sarna dengan cluster sampling, tetapi diterapkan pada daerah geografi yang terdiri atas
sub-area (area-area). Misalnya kabupaten Kuneng yang terdiri atas 50 kecarnatan akan diteliti
karakteristik petaninya. Peneliti dapat mengambil 10 kecamatan sebagai sampel. Metode
pengambilan 10 daerah kecamatan dad 50 daerah-daerah kecamatan ini tidak disebut cluster
sampling, melainkan area sampling.

5) Two stage random sampling (Sampling acak dua tahap)

Sample acak dua lahap dilakukan sama seperti sampel acak kelompak (klompencapir) atau
sampel area tersebut diatas ini, tetapi masih diteruskan.
Sesudah ketompok atau area yang disampel ditemukan, misalnya swerti yang tersebut diatas
itu, yaitu sebanyak 25 klompencapir, maka dari masinqmasing klompencapir yang sebanyak 25
itu, masih disampel lagi siapa-siapa secara individual yang mewakili kelompoknya. Jadi, dari
500 klompencapir diambil 25 saja, dan dari 25 klompencapir itu masing-masing diambil
beberapa individu untuk mewakili klompencapimya menurut proporsinya, misalnya ditentukan
30%, maka yang klompencapimya beranggota sebanyal; 30 diarnbil 8 orang, yang sebanyak 40
diambil 12 orang, clan yang hanya sebanyak 15 diambil 3 orang. Jika dari yang sudah
mewakili masing-masing klompeacapir masih akan diseleksi lagi beberapa orang untuk
mewakilinya, ini nar-lanya sudah multi-stage sampling (sampling tahap berganda).
3.6.2.2. Non Random Sampling
1) Systematic Sampling (Sampling Sistematik)
Dalam non-random sampling anggota atau elemen-elemen populasi tidak memiliki
kesempatan yang sama untuk dicomot. Populasi yang demikian itu .
heterogen dan seharusnya diketahui oleh peneliti, sehingga peneliti tidak menggunakan sampel
secara random (acak). Cara non-random sistematik dilakukan dengan terlebih dahulu peneliti
mendata dengan memberi nomer pada anggota populasi, kemudian secara sistematik
menetapkan interval, dan nomer berapa yang akan diambil ke dalam sampel. Misalnya ada
1000 orang anggota populasi. Masing-masing orang diberi nomer dalam daftar. ,lika akan
diambil 100 dari 1000 orang itu, dengan kata lain diambil I dari 10, atau 1/10. Secar'd
sistematik ambillah angka-angka yang berjarak 10. Misalnya pertama kali diambii dengan mata

tertutup kebetulan kena angka 7. Maka sekarang ambillah angka angka yang berjarak 10 dengan
angka 7 dan seterusnya, yaitu angka-angka 7,17,27,37,47,57,67,77,87,97. Jika secara kebetulan
yang terambil ialah angka 2, maka 'i 0 orang yang disampel itu iaiah orang-orang yang
nomemya 2,12,22,32,42,52,62,72,82, dan 92.
Jika dari 100 orang itu ditetapkan sampelnya sebesar 25 orang, dengan kata lain %,
maka ambillah dari tiap empat orang itu 1, atau a;nbillah dari nomer nomer itu berurutan
berjarak 4. Misalnya untuk menentukan angka yang pertama secara random dengan mata
tertutup, anda mengambil angka 9, maka yang diarnbil ialah angka-angka : 09, 13,
17,21,25,29,33,37, 41, 45, 49, 53, 57,61,65,69,73,77,81 ,F5,89,93,97,017 dan 05 (karena tidak
ada nomerl orang diatas 100 maka turun lagi ke angka paling bawah). Jadi yang disampel
sebesar 25% atau sebanyak 25 orang itu ialah mereka yang diidentifikasi dengan nomer- nomer
itu. Cara seperti ini disebut non-random sampling sistematik -dengatt awalan acak.
Cara sampel sistematik juga dapat dilakukan dalam menyampel penghlltli rumahrumah yang sudah berurutan lokasinya. Misalnya diambil yang dari rumah ke rumah bersela
3 rumah, begitu seterusnya. Jadi, nisalnya ada penghuni 100 rumah akan diambil 25% dari
rumah yang berpenghuni itu, jika tetak rumahnya sudah teratur, maka dapat diambil untuk
sampel dari tiap empat rumah satu saja, selanjutnya dengan satu demi satu yang bersela tiga
rumah.
2) Convenience Sampling (Sampling pekoleh)
Dalam hal ini sama saja dengan yang sudah disebutkan diatas, bahwa peneliti sudah
mengetahui bahwa populasinya sedemikian rupa sehingga dengan random sampling tidak
mungkin dilakukan. Meskipun demikian, juga karena untuk mengidentifikasi satu per satu
anggota populasi menghadapi kesulitan, maka yang paling enak (convenience, pekoleh) ialah

individul anggota populasi yang mudah ditemukan saja. Memang dalam sampel yang non
random ketepatan (accuracy) untuk mencerminkan populasinya kurang akurat atau dapat
menimbulkan bias. Tetapi apa boleh buat, itulah yang dapat dilakukan karena populasinya
tidak homogin dan sulit untuk diidentifikasi. Metode convenience sampling ini sama dengan
yang disebut accidental sampling atau incidental Sampling.
3) Purposive Sampling (Sampling sengaja, sampling bertujuan)
Purposive sampling digunakan, jika peneliti mempunyai judgment pribadi dalam
memilih individu-individu yang disampel. la memandang bahwa individu-individu tertentu
saja yang dapat mewakili (representive), karena menurut pendapat peneliti merekalah-yaitu
individu-individu yang dipilih itu yang mengerti tentang populasinya. Purposive sampling ini
juga disebut judgmental sampling, karena peneliti menggunakan pertimbangan pertimbangan
dengan memasukkan unsur-unsur tertentu yang dianggap (judged) bahwa dengan cara
demikian dapat memperoleh informasi yang benar atau individu-individu yang disampel itu
yang mencerminkan populasinya.
4) Quota Sampling (Sampling jatah, sampling kuota)
Sampling kuota dilakukan, jika populasinya tidak diketahui secara pasti, baik mengenai
banyaknya maupun berbagai karakteristik yang membuat homogin, maka ditetapkanlah
sejumlah individu yang dianggap mewakilinys. Tentu saja cara demikian menimbulkan biasbias, tetapi apa boleh buat, karena keadaan populasi yang tidak mungkin dapat diketahui secara
pasti.
3.6.2.3. Menetapkan Besar (Ukuran) Sampel
Dalam bahasa Inggris sering dikatakan sumple size yang dapat diterjemahkan ke
dalam bahasa Indonesia dengan "besar sampel" ataU "ukuran sampel," yaitu banyaknya

individu, subyek atau elemen dari papulasi yang diambil sebagai sampel. Istilah "besar
sampel," atau "ukuran sampel", bukan "banyaknya sampel" sebagaimana sering digunakan
oleh kalangan tertentu. Penggunaan kata banyaknya sampel sebagai terjemahan "sample size"
tidak tepat, karena banyaknya sampel dapat diartikan lebih dari satu sampel yang diiakukan.
Hampir seluruh praktek proyek penelitian sangat sukar memenuhi sampling yang
ideal. Seringkali peneliti melakukan hal yang berbeda dari aturan yang ada, karena terpaksa
oleh adanya berbagai keterbatasan, antara lain data, dana, waktu, dan tenaga. Besar sampel
yang umum ialah 1/10. Namun 1/10 dapat juga terlalu besar atau terlalu kecil, tergantung
pada keadaan populasinya. Jika dapat mengestimasi karakteristik rata-rata atau parameter
dari populasi sebesar 1.000.000 yang dilakukan dengan menyampel sebesar 10.000 sudah
sama hasilnya dengan menyampel 100.000, mengapa harus sebesar 100.000 (Slack &
Champion, 992:271)?
Menjawab pertanyaan berapa seharusnya besar sampel yang paling baik, Ftaenkel 8
Wallen

(1993:90) menjawab:

"sebesar-besar peneliti dapat memperolehnya dengan

pengorbanan waktu dan energi yang wajar". Jawaban itSi tidak banyak menolong, hanya
menyarankan kepada peneliti supaya mencoba memperoleh sempel sebesar-besarnya secara
wajar, dalam arti mengingat keterbatasan waktu, tenaga, biaya dan lainnya.
Menurut Gay & Diehl (1992:146) sampel harus sebesar-besarnya, dan pada umumnya
semakin besar sampel, rnaka kecenderungan semakin representatif, dan hasil dari
penelitiannya dapat lebih digeneralisasikan.
Selanjutnya mereka mengatakan bahwa ukuran (size) sampel yang dapat diterima tergantung
pada jenis penelitian, minimum ialah :
a. Penelitian deskriptif -1 0% dari populasi b. Penelitian korelasional- 30 subyek

c. Penelitian kausal-perbandingan - 30 subyek per group

.
d. Penelitian eksperimental- 15 subyek per grup.
Frankel & Wallen (1 993:92) menyarankan, besar sampel minimum untuk a. Penelitian
deskriptif, sebanyak 100
b. Penelitian korelasional, sebanyak 50
c. Penelitian kausal-perbandingan, sebanyak 30 per grup
d. Penelitian ekspcrimentai-15 subyek per grup meskipun dengan 15 per group dapat dilakukan,
asal kontrolnya ketat.
Menurut Kinnear & Taylor (1983:234) ada cara untuk menetapkan besarnya sampel secara
statistik, lerutarna bagi sample random sampling atas dasar probabilitas normal. Namun,
menetapkan besar sampel tidak semata-mata atas dasar statistik, melainkan harus atas dasar
barbagai pertimbangan, yaitu untung rugi diantara: (1) kesalahan sampling (sampling error);
(2) kesalahan non samyling (non-sampling error); (3) tujuan study (study objectives); (4)
kendala waktu (time constraints); (5) kendala biaya (cost contrainsts); dan (6) rencana
analisisnya (analysis plans). Jadi, diantara para pakar sendiri belum ada kesamaan pendapat
dalarn menciptakan besar sampel, tetapi pendapat Kinner & Taylor ini praktis, masuk akal, dan
realistis. MerirZi-iktm und (1997:173) inlhrmasi statistik sangat diperlukan untuk menentukan
ukuran simple random samplz. Untuk maksud ini yang perlu diketahui pertama-tama adalah :
1) Seberapa besar variance atau heterogenitas populasi. 2) Besarnya error yang dapat diterima
3) Confidence level (derajat keyakinan)
57
Aturan kebiasaan dalam mengestimas i standard deviation ialah sebesar

seperenam (1/6) dari range (dari batas paling bawah ke batas paling atas dad
karakteristik populasi). Katakan bahwa range dari karakteristik populasinya ialah
dari 1.000 sampai 7.000, maka rangenya iaiah 6.000 dan standar deviasinya
ialah 1.000. Besar sampcl yang kita hitung berdasar formula :
n

- n(ZS )z E
Yang artinya
n = Ukuran/besar sampel
Z = Nilai standar yang menunjukkan confidence level
S = Standar deviasi sampel atau estimasi standar deviasi terhadap populasi
E = Besar error yang dapat diterima, plus atau minus Fuatu faktor kesalahan
(daerahnya ialah setengah dari confidence interval).
Katakanlah misalnya, anda akan meneliti pengeluaran yarg dilakukan oleh
penduduk dari suatu daerah dalam membeli sepatu, anda mcnentukan
confidence level (Z) 95%, daerah kesalahan (E) kurang dad Rp. 2,- dan standar
deviasinya Rp. 29,- maka :
n = n(ZS) 2 - [(1,96X29, Of - [56,84] z --

- (28,84) - 808 E 2,00 2,00

Jika daerah kesalahan (range of error), yaitu E katakanlah tidak Rp 2,- melainkan , Rp 4,(sebesar dua kali lipat), maka n akan menjadi seperempatnya, yaitu bukan 808 melainkan 202,
karena angka pembagi 2,03 (lihat perrnmaan diatas) sebenarnya dalam persamaan iu 2' (atau 4)
dan jika diganti dengan angka 4 sebenarnya menjadi 42 (atau 16), jadi besar sampel yang semula
dibagi 4 sekarang dibagi 16. Maka menjadi seperempat dari 808. (bagaimana menghitung secara

rinci masing-masing standard deviation, E, dan confidence level, periksa dalam pelajaran
statistik inferensial tersendiri.
58
3.7. Skala Pengukuran clan Instrumen Penelitian
Yang dimaksud dengan skala ialah mengenai tingkatan besar-kecil, banyak-sedikit,
baik-buruk, jauh-dekat, bodoh-pandai, clan sehagainya yang menunjukkan perbedaan derajat
dalam kualitas atau kuantitas, sehingga dapat diketahui mana yang lebih besar atau ada
diatasnya, mana ymg lebih kecil atau .
ada dibawahnya, mana yang kurang atau dibawahnya, clan mana yang lebih atau diatasnya.
Yang diukur ialah data di lapangan atas dasar variabel yang termuat dl dalam masalah dan atau
hipotesis Sebelum pengumpulan data, skala ini harus ditetapkan lebih dahulu, baru kemudian
dimasukkan ke dalam instrumen yang digunakan untuk mengumpulkan (dan mengukur) data.
Ada empat jenis skala pengukuran, ialah rasio, skala ordinal clan skala nominal. Masingmasing diuraikan berikut ini.
3.7.1. Skala Rasio
Skala rasio digunakan untuk menghitung kuantitas yang benar-benar ada barangnya,
visual, dapat dihitung, dapat ditambahkan clan dikurangi, dapat dibagi clan dilipatkan.
Contoh : banyaknya kelereng yang dibawa oleh murid-murid. Sewaktu guru bertanya kepada
muridnya : "Berapakah kelereng yang kau bawa?" Murid itu menjawab : "Lima"! Angka lima
adalah angka rasio. Jika kelereng yang dibawa itu diberi nilai (skor) 5, maka angka 5 ini adalah
nilai rasio.
Demikian juga kelereng yang dibawa oleh teman-teman murid lainnya. Angka rasio
biasanya digunakan untuk menilai karakteristik subyek yang tampak, dapat dihitung, nyata

clan faktual. Skala rasio dapat diterapkan pada apa saja yang banyaknya dapat dihitung, seperti
uang saku, pendapatan dalam rupiah, produktivitas voiume produksi, rentabilitas, clan
sebagainya. Namun angka rasio ini ala batasnya, yaitu nol. Untuk mereka yang menjawab
"Nol" berarti tidak ada
59
barangnya atau tidak ada karakteristiknya. Hal ini dapat digambarkan dengan satuan-satuan yang
dapat dihitung kuantitas unitnya.
3.7.2. Skala Interval
Skala interval digunakan untuk mengukur tingkat atau derajat panasdingin, suhu udara,
clan jarak. Untuk tingkat panas dingin misalnya sekian derajat Celcius atau Fahrenheit. Untuk
panjang-pendek digunakan ukuran km, m, dm, atau rnm. Dapat juga digunakan untuk mengukur
usia, misalnya berapa usia masing subyek yang diteliti sejak tgl. 17 Agustusl945? Untuk
mengukur waktu, misalnya berapa lama kamu menunggu sejak jam 06.00 tadi? Dengan
rnenggunakan skala ini selisih angka 4 dan 5, yaitu 1, akan sama jaraknya dengan angka
manapun yang diperbandingkan asal selisihnya 1. jarak antara 10 m clan 20 m akan sama dengan
jarak antara 1 100 m dengan 1 1 10 m. selisih atau jarak satu unit ke atas akan sama dengan satu
unit ke bawah.
3.7.3. Skala Ordinal
Skala ordinal digunakan untuk mengukur perbedaan kualitas atau kuantitas yang tidak
dapat diketahui berapa unit selisihnya, tetapi diketahui perbedaannya bahwa yang satu lebih
tinggi atau lebih rendah dari yang lainnya dalam ha1 kualit& atau kuantitas. Angka yang
digunakan dalam skala ordinal itu hanya menunjukkan perbedaan tingkat, perbedaan derajat,
perbehi jenjang, atau selisihnya dalam kuantitas (dalam satuan), mana yang lebih tinggi clan

mana yang lebih rendah. Skala ordinal biasanya digunakan untuk mengukur tingkat kepuasan
keija, tingkat motivasi, tingkat keinginan, tingkat sikap, tingkat haus, tingkat lapar, tingkat cinta,
tingkat perasaan, clan sebagainya yang tidak kasatmata (tidak tampak). Misalnya kita bertanya
kepada 5eberapa onng "Seberapa besar cintamu kepada tanah-air?" Ada lima jawaban yang
berbeda secara
60
kualitatif, tetapi tidak dapat diketahui berapa jarak perbedaan atau selisih jika dinyatakan
dalam satuan : (1) sama sekali tidak cinta. (2) tidak cinta, (3) nctral, (4) cinta, dan (5) cinta
sekali. juga pertanyaan, misalnya "Seberapa sering engkau berkunjung ke orangtuamu tahun
in-1 ?Tang dapat dijawab dengan perbedaan kualitatif jawaban : (1) tidak pemah,

(2)

jarang

sekali, (3) jarang, (4)

kadang-kadang, (5) agak sering, (6) sering, (7) seringkali, (8) selalu. Dari contotl ini jika
angka-angkz 1, 2, 3,4, 5, 6, 7 dan 8 itu digunakan sebagai skor (nilai), maka perbedaan satu
unit ke atas dan ke bawah tidak dapat diketahui seberapa besar selisihnya dalam satuan
kuantitas. Skala ordinal digunakan untuk menilai perbedaan dalam jenjang, tingkat, atau
derajat seperti halnya seorang guru SLTA yang menilai sesuatu mata pelajaran yang termuat
dalam raport muridnyn. Jika digunakan dengan garis kontinum skala (nilai) ordinal itu dapat
digambarkan lebih kurang dalam bentuk berikut.
3.7.4. Skala Nominal
Skala nominal pada dasarnya bukan untuk mengukur, melainkan untuk membedakan
secara kategori. Angka ini digunakan untuk mewakili kategori, kelompok atau subyek sebagai
pengganti sebukn atau nama kategorinya, kelompoknya, golongannya, keyakinannya dan
sebagainya. Misalnya "Apa agama yang anda anut?" Jawablah : angka 1 = Islam, angka 2 -

Katolik, angka 3 = Protestan, angka 4 = Hindu, dan angka 5 = Buda". "Pria atau wanita?"
Jawablah : angka 1 = Wanita, dan angka 2 = Pria. Jika angka-angka ini dijumlahkan tidak ada
artinya sama sekali. misalnya 1 + 2 = 3, apakah Islam ditambah Katolik menjadi Protestan?
Tidak. Anda suka makan nasi apa ? 1 = nasi goreng, 2 = nasi gudeg, 3 = nasi uduk, 4 = nasi
langgi, clan 5 = nasi liwet. Jika 1 + 2 = 3 tidak akan menjadi nasi uduk. Angka-angka itu hanya
mewakili
61
nama semata-mata. Jika digunakan angka nol, maka angka no[-pun ada artinya, yaitu ada
kategori yang diwakili.
Misalnya 0 = pria, sedangkan 1 = wanita. Penggunaan skala yang mana yang akan
diterapkan dalam mengukur variabel itu perlu cliketahui clan dipertimbangkan masak-masak,
karena akan menentukan instrumen pengumpulan data dan alat analisisnya. Berbeda skala ukur
yang digunakan akan berbeda pula instrumen pengumpulan data Jan alat analisis yang
digunakan. Disamping itu hams diingat bahwa psneliti juga tidak mungkin menentukan sendiri
skala yang hams digunakan jika datanya sudah 'given' harus seperti itu. Misalnya jenis
kelamin, mau tidak mau skala ymg digunakan adalah skala nominal. Demikian juga untuk
agama, ras, golongan, kebangsaan, clan sebagainya, yang sifatnya kategori. Untuk mengukur
variabel motivasi, sikap, tingkat lapar, cinta dan yang sejenisnya ini peneliti juga tidak dapat
menggunakan skala rasio atau iiiterval, melainkan hanya dapat menggunakan skala ordinal
atau nominal. Untuk panas atau jarak, peneliti hanya dapat menggunakan tiga pilihan skala,
skala interval, skala ordinal, atau skala nominal. Yang luas pilihannya ialah jika variabelnya itu
dapat diukur dengan skala rasio.
3.8. Data clan teknik Pengumpulan Data

3.8.1. Jenis Data clan Pengukuran

Data adalah bentuk jamak dari kata datum (bahasa latin) yang berarti
karunia atau pemberian. Secara definitif data dapat diartikan sebagai kumpulan
angka, fakta, fenomena atau keadaan yang merupakan hasil pengamatan,
pengukuran atau pencacahan terhadap karakteristik atau sifat obyek, yang dapat berfungsi
untuk membedakan obyek yang satu dengan lainnya pada sifat yang
sama. (Sukesi, 2002: 2). Data yang dapat dipergunakan datam penelitian
hanyalah data yang b2ik, yaitu yang memenuhi syarat : validitas clan reliabilitas.
62
3.8.1.1 Berdasarkan sifat kekontinyuitasannya
Berdasar sifat kekontinyuitasannya data dapat dibagi menjadi dua (Solimun,
2003: 5), yaitu : data diskrit clan data kontinyu.
1) Data diskrit adalah data yang hanya dapat menempati titik-titik tertentu pada sebuah
garis bilangan. Misal : jumlah anak = 0 1 2 3 4 5 6 7 8 9 10
0 1 2 3 4 5 6 7 Fi +..........+.........+..........+..........+..........+..........+..........+.........
+.......+ 2) Data kontinyu adalah data yang dapat menempati seluruh titik pada sebuah
garis bilangan. Misal : data pendapatan = mulai Rp 100 sarnpai dengan Rp 2.000.000
100

2.000.000

+++++++++++++++++++++++++++++++++++++++++++++++++++++
3.8.1.2. Berdasarkan skala ukurannya
Data dapat dibagi menjadi empat, yaitu : data nominal, data ordinal, data
interval clan data rasio.
( 1 ) Data nominal

Adalah data yang hanya rnengandung unsur penamaan ( bahasa laitin nomos =
nama ). Statistika adalah pendekatan kwantitatif, sehingga data nominal yang bersifat
kwalitatif harus dirubah menjadi bentuk nurnerik dengan cara pemberian skor.
Perhatikan : pemberian skor pada dat nominal bersifat sembarang, yaitu hanya sekedar
untuk dapat membedakan (penamaan saja) sehingga dapat dibolak-balik.
63
Tabel 3.1.
Variabel dalam Skala Ordinal
Variabel

Skor

yang mungkin

PT

32

CV

21

Perorangan

13

(2) Data Ordinal

Adalah data yang selain mengandung unsure penamaan, juga
mengandung unsure urutan (order = urutan).
Tabel 3.2.
Variabel Sikap dalam Skala Ordinal
Variabel Sikap
Skor yang mungkin
Sangat Setuju Setuju Kurang Setuju Tidak Setuju

Perhatikan : pada data nominal skor tersebut dapat dibuat sembarang, hanya sekedar
untuk membedakan. Tetapi pada data ordinal, urutan angka .

dalam skor menunjukkan arah tingkatan. Pada data ordinal, urutan angka dalam
skor menunjukkan arah tingkatan. Pada ordinal intervalnya tidak bermakna. Missal : selisih
antara skor 4 dan 2 adalah 2, clan selisih antara skor 3 clan 1 juga 2; dimana nilai 2 dan 2
tersebut mempunyai makna yang tidak sama.
64
(3) Data interval
Selain mengandung unsur penamaan clan urutan, juga memiliki sifat interval (selang)
nya bermakna. Disamping itu data ini memiliki ciri-ciri angka nolo-nya tidak mutlak.
Tabel 3.3. Variabel Indeks Prestasi clan Suhu dalam Skala Interval
Variabel Indeks

Variabel Suhu

Prestasi

(C)

10

20

30

40

Perhatikan : Nilai nol pada skala ini tidak mempunyai nilai yang mutlak.
Misal saseorang yang Variabel Indeks Prestasi yang mempunyai I P = 4 tidak
berarti bahwa kepandaiannya = 2 X fP 2.
(4) Data rasio
Data yang memiliki unsure penamaan, urutan, intervalnya bermakna clan angka
nol nya mutlak; sehingga rasionya mempunyai makna

Tabel 3.4
Variabel Pendapatan & Panjang Jalan Skala Rasio
Variabel Pendapatan

Variabel Panjang Man

(Rp)

(Km)

21

120

45

140

70
65

160

Disebutnya No1 nya mutlak, karena pendapatan no1 = tidak mempunyai pendapatan.
Rasionya bermakna, sebab jarak 120 Km = 2 X jarak 60 Krn. 3.8.1.3. Berdasarkan Sumberya
Berdasarkan sumbernya clan mana data tersebut diperoleh, data dibedaka menjadi
(Djanwanto, 200 1 : 2 1 0) :
1) Data Intern
Yaitu data yang dikumpulkan dari dalam lembaga itu sendiri clan digunakan untuk
kepentingan internal lembaga tersebut.
(2) Data extern
Yaitu data yang dikurnpulkan dari luar lembaga tersebut, misal : dari pelanggan, para
supplier, jurnal-jurnal atau dari lembaga lain yang tersedia. 3.8.1.4. Berdasarkan cara
memperolehnya
Berdasarkan dari cara memperolehnya, data dapat dibedakan menjadi : (1 ) Data prrmer
Yaitu data yang dikumpulkan sendiri oleh suatu lembaga 1 orang yang melakukan
kegiatan penelitian.
(2) Data sekunder

Yaitu data yang diperoleh dari pihak lain yang telah mengumpulkan terlebih dahulu clan
menerbitkamya.
3.8.1.5. Berdasarkansi Sifatnya (1 ) Data quantitative
Yaitu data yang dapat dinyatakan dengan angka-angka.
r
66
(2) Data qualitative
Yaitu data yang didapat dari suatu observasi yang bukan merupakan angkaangka tetapi
dinyatakan dalam suatu kategori-kategori.
3.8.1.6. Berdasarkan waktu memperolehnya
(1) Data cross section
Yaitu data yang dikurnpulkan dalam satu periode saja terhadap satu atau beberapa obyek
penelitian.
(2) Dala trme serres
Yaitu data yang dikumpulkan selama beberapa periode dengan tujuan untuk mengetahui arah
perubahannya.
(3) Data Pooling
Gabungan dari data crosssectron dan data time series.
3.8.2. Cara Pengumpulan Data
Setelah peneliti menetapkan populasi dan sarnpel yang akan digunakan dalam proses
penelitian, maka langkah berikutnya adalah mengumpulkan data dari orang-orang
(responden) atau obyek (ingat bahwa sampel tidak mesti orang) yang telah ditetapkan sebagai

sampel tersebut. Data dalam pengertian disini adalah sejumlah informasi-informasi mengenai
karakterlstik dari suatu obyek (orang atau benda) untuk keperluan penelitian.
Walaupun terdapat sejumlah klasifikasi data yang dilakukan oleh para ahli, namun
secara umum data yang tersedia bagi seorang peneliti menjadi dua sumber, yaitu: data primer
(primary data) dan data sekunder (secondary data). Data primer adalah data yang secara
khusus dikumpulkan untuk kebutuhan riset yang sedang berjalrtn. Data ini dikumpulkan
sccara langsung maupun tidak langsung dari peneliti. Sedangkan data sekunder merupakan
data yang
67
dikumpulkan secara langsung maupun tidak langsung oleh peneliti. Sedangkan data sekunder
merupakan data yang dikumpulkan tidak hanya untuk keperluan suatu riset tertentu saja. Data
ini telah diku, npulkan oleh pihak lain clan peneliti merupakan pihak kedua yang menggunakan
data tersebut.
Data primer clan data sekunder memiliki beberapa perbedaan. Perbedaan antara kedua
jenis data tersebut, dapat ditinjau berdasarkan pada empat kriteria, yGitu: (1) tujuan
pengumpulan data; (2) proses pengumpulan; (3) biaya yang dibutuhkan, dan (4) waktu. Tujuan
utama dari pengumpulan data primer adalah untuk keperluan riset yang sedang berlangsung,
sementara data sekunder oleh karena yang mengumpulkan data bukan pihak yang terkait
langsung dengan penelitian yang sedang berjalan maka kegunaan data tersebut biasanya tidak
hanya untuk satu penelitian saja. Dalam proses pengumpulannya, data primer relatif lebih sulit
dilakukan dibanding data sekunder yang prosesnya cepat clan mudah. Untuk memperoleh data
primer, peneliti perlu menyediakan biaya clan waktu yang banyak dibandingkan dengan

apabila peneliti mencoba memperoleh data sekunder. Kedua jenis data itu memiliki keunggulan
clan kelemahan yang harus di pertimbangkan oleh perieliti.
3.8.2.1. Metode Pengumpulan Data Sekunder
Seperti telah dijelaskan di atas bahwa data sekunder mempunyai beberapa keuntungan
dibandiagkan dengan data primer. Data sekunder relatif mudah, murah sekalipun ini sangat
subyektif clan cepat diperoleh. Walaupun terdapat keunggulan-keunggulan dalam data
sekunder, peneliti juga harus dapat menentukan apakah data sekunder itu cukup akurat untuk
sasaran proyek riset yang sedang dilakukan.
Keterbatasan utama dari data sekunder adalah bagaimana mengevaluasi akurasi data.
Faktor-faktor yaug ikut menipengan-hi akurasi data itu sendiri
68
dapat berupa kesalahan dalam penarikan sampel, pengumpulan data, analisis dan pelaporan hasil
riset. Kesalahan-kesaiahan tersebut akan bisa dievaluasi apabila penelitian langsung
berpartisipasi secara aktif. Sumber utarna dari sekunder dapat diklasifikasikan menjadi dua
macam, yaitu 1) data internal sekunder, dan 2) data eksternal sekunder. Data internal sekunder
merupakan data yang tersedia di dalam organisasi di mana penelitian dilakukan. Sedangkan, data
eksternal sekunder merupakan data yang tersedia di luar organisasi.
1) Data Internal Sekunder
Di atas telah disinggung bahwa data internal diperoleh dari dalam organisasi itu sendiri.
Mengumpulkan data internal merupakan kegiatan yang biasa d;lakukan oleh berbagai organisasi.
Seperti data biaya penjualan, laporan penjualan bulanan clan harian, kegiatan promosi clan
periklanan, laporan pengembangan riszt produk baru. Semua ini merupakan sebagian dari
sumber data yang biasa digunakan dalam suatu penelitian.

2) Data Eksternal Sekunder

Data eksternal sekunder dapat diperoleh dari tiga sumber, yaitu :
a. Publikusi. Informasi-informasi yang diperoleh melalui media masa clan publikasi pemerintah
seperti data statistik, hasil sensus, laporan biro riset, clan lain-lain.
b.

Dulabcrse (coniputerized clarabme). tnformasi ini dapat diperoleh melalui on - line maupun o f line. On-line database terdiri dari pusat bank data yang dihubungkan dengan suatu komputer
(dumb terminal) melalui jaringan telekomunikasi. Perkembangan pemakaian jaringan internet
dewasa ini membantu para peneliti untuk mempecoleh data secara mudah clan cepat. Sementara
off-line data base membuat informasi tersedia dalam diskette clan CD Rome. Off-line data ini
dapat
69
dihubungkan ke tempat pemakai tanpa menggunakan jaringan telekomunikasi eksternal.

c. Jma pelayanan informasi. Pelayanan irlformasi ditawarkan oleh organisasi penelitian

(research organization), dimana mereka niengumpulkan dan menjual data publikasi yang
dirancang khusus untuk m--layani kebutuhan
informasi yang diminati oleh perusahaan (klien).
3.8.2.2. Metode Pengumpulan Data Primer
Untuk menguji apakah hipotesis itu diterima atau ditolak, maka perlu dibuktikan
kebenarannya dengan data-data yang ada di lapangan. Data-data tersebut dikumpulkan dengan
metode tertentu yang disebut dengan teknik pengumpulan data. Selanjutnya data-data itu
dianalisis dan disimpulkan secara induktif.
Bila dilihat dari segi cara atau teknik pengumpulan data, maka metode dapat dilakukan
dengan observasi (pangamatan), survey Masing-masing metode

pengumpulan (wawancara), kuesioner (angket). dijelaskan sebagai berikut :

'!) Observasi (pengamatan)
Dalam pengertian yang sederhana, pencatatan pola perilaku orang, objek dan cara
sistematis untuk mendapatkan informasi yang diminati. Observasi tidak mengaiukan
berkomunikasi dengan yang diobservasi. berdasarkan kejadiankejadian yang terjadi atau dari
lalu. Metode obsemasi dapat dilakukan secara terstruktur, tersembunyi atau terang-terangan.
tersebut dapat
obsemasi meliputi kegiatan kejadian-kejadian dalam suatu tentang fenomena-fencmena
pertanyaan-pertanyaan atau Informasi hanya dicatat catatsn kejadian masa terstruktur atau
tidak
70
a.

Observasi terstruktur clan tidak terstruktur

Observasi terstruktur, peneliti menetapkan secara rinci apa yang akan observ,isi dan bagaimana
pengukuran akan dicatat, seperti jika seorang audit melakukan analisa persediaan barang
disebuah toko. Observasi terstruktur sangat tepat jika permasalahan dalam penelitian telah
didefinisikan dengan jelas dan informasi yang dibutuhkan telnh ditetapkan. Dalarn keadaan ini,
rincian fenomena-fenomena yang diobservasi dapat diidentifikasi dengan jelas. Observasi
terstruktur tepat digunakan untuk riset konklusif.
b.

Observasi tersetnbunyi clan terang-terangan

Dalam observasi tersembunyi, responden tidak sadar bahwa rilereka sedang diamati. Dengan
observasi jenis ini memungkinkan responden berkelakuan secara wajar, sebab orang cenderung
untuk berkelakuan berbeda jika mereka mengetahui sedang di observasi. Sebagai contoh,
observasi mengamati kelompok ibu rumah tangga berbelanja di supermarket. Untuk mengetahui

bagaimana perilaku mereka berbelanja, makaresponden tidak diberitahu kalau mereka akan
diamati.
c.

Complete Partisipation

Selain dengan menggunakan cara diatas, peneliti juga bisa melakukan obsPrvasi dcngan terlibat
langsung dalam "kehidupan fenomena yang diamati" penelitiannya. Misalkan dalarn penelitian
perilaku pembelian disebuah pasar tradisional. Untuk mendapatkan data perilaku dari orang yang
belanja di pasar tersebut, peneliti ikut berkecimpung di pasar clan ikut dalarn proses belanja
bersama-sama dengan orang lain yang diobservasi.
71
Disamping pengelompokan jenis observasi seperti yang dijelaskan di atas, metode observasi juga
dapat diklasifikasikan secara administrasi, yang meliputi :
a. Observasi personal. Observasi ini merupakan sebuah strategi riset observasi dimana manusia
sebagai observer mencatat fenomena yang diobservasi pada saat kejadian. Observer tidak
berusaha atau memanipulasi fenomena yang diobservasi tetapi mencatat kejadian yang sedang
berlangsung. Seperti, peneliti mencatat alur uang dan lalu lintas dalarn suatu toko. Informasi ini
dapat memberikan suatu rancangar, lay out dalam suatu toko.
b. Observasi mekanikal. Suatu strategi observasi dengan menggunakan alatalat mekanik, lebih dari
sekedar manusia sebagai observer. Pencatatan fenomena dilakukan dengan bantuan alat mekanik,
seperti robot atau mesin otomatis.
c. Audit. Data riset dikumpulkan dengan pencatatan secara fisik atau melakukan analisis inventory.
Audit dibedakan dalarn dua keistimewaan. Pertama, data dikumpulkan secara pribadi oleh
peneliti. Kedua, data didasarkan pada perhitungan yang sedang berlangsung, biasanya obyek
fisik.

d. Analisis content. Merupakan sebuah metode yang sangat tepat jika fenomena-fenomena yang
diobservmi adalah lomunikasi, lebih dari sekedar perilaku atau obyek fisik. Analisis content
didefinisikan sebagai sasaran, sistematis dan garnbaran kuantitatif dari daftar komunikasi.
Unitunit yang dianalisis seperti kata-kata (perbedaan kata-kata atau tipe kata dalarn sebuah
pesan), karakter (individu atau obyek), ruang dan waktu pengukuran (lama durasi pesan), dan
topik (subyek pesan). Misalkan, peneliti ingin melakukan penelitian berkenaan dengan isi Man
72
yang ada pada media cetak. Maka peneliti bisa mendapatkan data dengan membaca setiap Man
dari suatu produk atau perusahaan yang telah dipilih pada media cetak.
e. Analisis trace. Dalam analisis trace, pengumpulan data didasarkan pada jejak fisik atau pada
fakta-fakta perilaku masa lalu. Pendekatan ini . dilakukan jika pendekatan lain tidak dapat
digunakan. Misalkan peneliti ingin mengetahui pola konsumsi masyarakat atas minuman dalam
kaleng. Peneliti bisa meminta tolong pemulung atau mengumpullcan sendiri di tong-tong
sampah di depan rumah penduduk dan mencatatnya berapa jumlah minuman kaleng perhari.
Menggunakan observasi sebagai salah satu metode mengumpulkan data, tidak terlepas dari
adanya kelebihan dan kekurangannya. Mengingat metode atau teknik ini menuntut adanya
kemampuan observer dalam ha1 mernahami dan sekaligus terampil dalam mencatat setiap
fenomena yang terjadi (obyek).
2) Wawancara
Metode wawancara merupakan metode yang memberi pertanyaan tersiruh kepada sampel dari
populasi clan dirancang untuk memperoleh informasi (data) dari responden. Beberapa
keunggulan dari matode wawancara dapat dirangkum sebagai berikut :
a. pertanyaan yang dibuat mudah dikelola

b. data yang didapatkan reliabel, karena tanggapan dibatasi pada alternatif pertanyaan.
c. dengan menggunakan tanggapan pertanyaan, maka akan menurunkan variabilitas dalam hasil,
yang disebabkan oleh perbedan pewawancara.
d. Coding, analisis dan interpretasi data relatif sederhana.
73
Untuk melakukan proses wawancara, peneliti dapat menggunakan tiga kernungkinan
berikut sesuai dengan kondisi yang dihadapi clan jenis data yang diinginkan :
a. Wawancara melalui telepon
Setelah sarnpel ditetapkan, maka pewawancara menelpon sampel kepada
mereka. Pewawancara menggunakan kertas pertanyaan dan mencatat tanggapan-tanggapan yang
diberikan oleh responden tersebut (traditional telephone)
b. Wawancara personal
Wawancara personal ini dapat dilakukan dengan tiga cara, yaitu di rumah, mallintercept atau
dibantu komputer. Wawancara di rumah dilakukan langsung clan bertatap muka di rumah tempat
responden berada. Pewawancara menghubungi responden, mengaju'.;an pertanyaan, dan
mencatat tanggapan mereka.
Dalam cam kedua, pewawancara mencegat responden di Mall atau toko sambil mereka
berbelanja. Pewawancara kemudian di rumah. Keunggulan wawancara ini adalah lebih efisien,
karena responden datang sendiri ke mall atau toko dan kemudian pewawancara mendatangi
responden. Wawancara ini khusus sangat tepat jika responden dibutuhkan untuk dilihat, ditangani
atau mengkonsumsi produk sebelum mereka memberi informasi yang berarti.
3) Daftar Pertanyaan Tertulis (questionaire)

Questionaire

merupakan

kumpulan

dari

pertanyaan-pertanyaan

tertulis

untuk

mendapatkan informasi dari para responden. Dalam istilah lain, kuesioner adalah daftar
pernyataan atau pertanyaan yang dikirimkan kepada responden baik secara langsung atau tidak
langsung (melalui pos, internet atau perantara) untuk memperoleh informasi yang aibutuhkan.
Dua alasan utama mengapa metode kuesioner ini digunakan adalah :
74
a) memberi motivasi yang tinggi kepada responden untuk memberikan jawaban yang jlljur dan
menghindarkan kejenuhan, kebosanan, serta ketidakpekaan dari responden, dan
b) memperkecil kesalahan tanggapan, seperti jawaban tidak akurat, jawaban salah dicatat dan juga
salah analisa.
4) Diskusi Kelompok Fokus (Focus Group Discus)
Focus Group Discus (FGD) merupakan salah satu teknik mengambil atau
mengumpulkan data yang biasa digunakan dalam penelitian kualitatif. Peneliti yang
mer.ggunakan FGD sebagai teknik mengumpulkan data, sebelumnya telah melakukan seleksi
beberapa orang (8 sampai 12 orang) dengan pertimbangan tertentu mengenai kualitas
orangnya, pemahaman terhadap masalah yang akan diteliti Jan karakteristik personal lainnya.
Kemudian orang-orang yang telah terpilih diajak diskusi mengenai topik yang diteliti secara
santai tapi serius, tidak formal dan diupayakan pada kondisi yang alami, tidak tegang dan
nyarnan. Peneliti bisa menggunakan moderator satu atau dua orang. Tujuan penggunaan
mederator ini adalah untuk menggali atau memancing respon anggota FGD. Moderator dalam
FGD tidak harus murni sebagai moderator. Modzrator bisa sekaligus menjadi anggota
kelompok diskusi. Untuk menghasilkan data yang lebih valid, kiasanya FGD direkam dengan
alat elektronik. Kemudian remakan tersebut ditayangkan kembali dan dikaji ulang dikemudian

hari. Dari kajian FGD ini menghasilkan data dan digunakan untuk menarik kesimpulan
penelitian.
3.9. Analisis Data.
3.9.1. Klasifikasi Statistika
Sesuai dengan batasan pengertian statitistil:a, berdasarkan tugas
tugasnya : statistika dapat dibedakan menjadi dua bagian, yaitu : statistik
deskriptif dan statistic inferensial (Djarulanto, 2001: 6,43,64, 89)
75
(1). Statistik deskriptif
Bidang atau bagian ilmu statistik yang bertugas mempelajari tatacara : pengumpulan,
pencatatan, penyusunan dan penyajian data penelitian dalam bentuk : tabel fiekwensi atau
grafik dan selanjutnya dilakukan pengukuran nilainilai statistiknya, seperti : mean, median,
modus, deviasi standard an sebagainya.
(2). Statistik inferensial
Bidang atau bagian ilmu statistik yang bertugas mempelajari tatacara penarikan
kesimpulan mengenai suatu populasi berdasarkan data dad sampel per+.elitian. Didalamnya
berisi bagaimana cam membuat estimasi harga parameter, bagaimana cara menguji hipotesis,
bagaimana membUat prediksi hubungan / pengaruh antar variabel dan perhitungan derajat
asosiasi antar variabel-variabel tersebut.
Apabila suatu penelitian dapat menjangkau selUruin elemen populasinya, maka tidak
ada lagi permasalahan tentang bagaimana memperkirakan harga parameter populasi dan
bagaimana menguji hipotesis tentany parameter popuiasi. Tetapi urnurnnya suatu penelitian
dihadapkan kepaaa kendala : biaya, waktu dan tenaga sehingga penelitian tersebut hanya

menempuh cara survey melalui penarikan sampel yang diambil dari populasinya. Tujuan
dilakukan statistic inferensial adalah untuk menarik kesimpulan (prediksi) terhadap
populasinya, berdasarkan informasi yang diperoleh dari sample penelitiar. ( Mendenhall, J.
Beaver & M. Beaver, 1996: 6).
,Jadi statistic iferesia! diperlukan karena peneliti tidak menyelidiki seluruh elemen
populasinya, melainkan hanya mendasarkan penelitian pada sebagian elemen populasi yang
disebut dengan sampel. Oleh karena tujuan dan hakekat penelitian adalah untuk membuat
generalisasi tentang populasi, maka penarikan sampel harus dilakukan dengan be iar guna
memperoleh sampe! yang
76
representatif. Selanjutnya karena suatu penelitian hanya didasarkan pada pengamatan sampel,
maka peneliti tidak dapat menduga harga parameter populasi dengan pasti clan tidak dapat
mengambil kesimpulan apakah hipotesis tersebut benar atau salah secara mutlak. Pendugaan
harga parameter dan pengujian hiptesis tersebut diiakukan berdasarkan teori-teori probabilitas
yaitu
berdasarkan pada taraf kepercayaan (confidence level) atau taraf signifikansi tertentu.
Agar penarikan kesimpulan tentang parameter populasi yang menggunakan data sarnpel
dapat mempunyai tingkat akurasi yang tinggi, maka diperlukan suatu asumsi / persyaratan /
kondisi-kondisi terte,itu, yaitu : bentuk penyebaran populasinya menyebar secara normal.
Statistik inferensial, berdasarkan distribusi populasinya dapat dibedakan menjadi dua, yaitu
statistic parametrik dan non parametrik.
(a). Statistik parametrik

Apabila distribusi populasinya diketahui menyebar secara normal. Penelitian yang

dilakukan dengan metoda ini adalah penelitian yang datanya dapat diukur (measureable), yaitu
yang mempunyai skala interval dan skala rasio. Syarat lainnya adalah jurnlah sampel penelitian
cukup besar.
(b). Statistik non parametrik
Apabila distribusi populasinya tidak dil-etahui / mempunyai bebas sebaran / sembarang (
fee distribution ). Biasanya berlaku dalam penelitian yang menggunakan data pecacahan
(enumeration data) dengan skala nominal dan skala ordinal atau jumlah sampel penelitiannya
kecil.
3.9.2. Ragam Uji Statistik
Melanjutkan pembahasan pada sub-bab sebelumnya tentang klasifikasi statistika
berdasarkan tugasnya, berikut akan akan diberikan beberapa contoh
77
ragam uji statistika yang biasa dipakan pada statistika pararnetrik clan non parametrik
( Djarwanto, 2001: 128,205) :
(1). Beberapa uii mda statistika -arametrik
1. Uji hipotesis tentang mean populasi - sampel besar ( n 1 30 ). 2. Uji hipotesis tentang mean
populasi - sampel kecil ( n < 30 ).
3. Uji hipotesis beda dua mean populasi - sarnpel besar independent (n1 Z 30 dan n2 >_ 30 )
4. Uji hpotesis beda dua mean populasi - ~-arnpel kecil independent ( n1 < 30 dan n2 < 30 )
5. Uji hipotesis beda dua mean untuk observasi berpasangan. 6. Uji hipotesis tentang variance
7. Uji hipotesis beda dua variance

8. Uji hipotesis beda banyak mean (analisis variance satu arah) 9. Uji hipotesis beda banyak
mean (analisis variance dua arah) 10. Analisis regresi sederhana
1 1. Analisis korelasi sederhana 12. Analisis regresi berganda
13. Analisis regresi berganda dengan variabel dummy 14. Analisis korelasi berganda
(2) Beberapa uji pada statistika non pararnetrik
1. Uji binomial (termasuk uji tentang proporsi populasi)
2. Uji jenjang bertanda Wilcoxon (untuk dua sampel berpasangan) 3. Uji Walsh
4. Uji Chi-square untuk dua sarnpel independen (uji beda dua proporsi) 5. Uji U dari Mann Whitney
6. Uji Kolmogorov - Smimov untuk dua sampel independent 7. Analisis variance dua arah clan
Friedman

BAB IV ANALISIS MULTIVARIAT

4.1. Pengertian Multivariat
Zikmund (2000; 464-465), mengatakan bahwa analisis dapat dibagi
menjadi tiga tingkatan berdasarkan variable yang dilibatkan. Apabila hanya ada satu variabel
yang dilibatkan disebut analisis univariat. Kalau dua variabe! disebut analisis bivariat. Kalau
lebih dari dua variabel, analisis yang dilakukan dinamakan analisis multivariat. Contoh analisis
multivariat ; analisis pengaruh jumlah anggota keluarga, pendapatan keluarga, clan rata-rata
usia anak terhadap pilihan tempat berlibur.
Menurut Heir, et, al., (1998 ; 6) menyatakan bahwa analisis multivariat tidak sesederhana
itu. Untuk memudahkan pemahaman, secara umum mereka mengartikan bahwa analisis
multivariat adalah metode-metode statistik yang mengelola beberapa pengukuran menyangkut
individu atau obyek sekaligus (simultaneously). Dengan pengertian ini, analisis multivariat
merupakan perluasan dari analisis univariat clan bivariat. Dalam regresi (yang merupakan
contoh analisis bivariat) kalau variabel independen (yaitu X) hanya ada satu, analisis yang kita
lakukan disebut regresi sederhana (simple regression). Begitu kita tambahkan satu lagi variabel
independen, variabel yang dianalisis sekaranq menjadi tiga, yaitu variabel dependen clan dua
variabel independen. Secara otomatis, analisis yang kita lakukan berubah katagon menjadi
analisis multivanat.
Dalam regresi memang dapat diterima bahwa analisis multivariat merupakan perluasan
analisis bivariat. Namun, beberapa teknik muftivariat sama sekali bukan perluasan analisis
bivariat. Contohnya adalah analisis faktor. Analisis ini aslinya adalah teknik analisis
multivariat. Kalau misalnya, kita libatkan tujuh variabel, kita tidak bisa mengurangi jumlah
variabel menjadi enam, lima

80
sampai satu, sebagaimana dalam stepwise regression. Artinya, analisis faktor yang sejatinya
adalah analisis multivariat tidak dapat diubah menjadi analisis bivariat, apalagi menjadi
analisis univariat. Dalam regresi, memang kita dapat mengurangi jumlah variabel sampai
diperoleh persamaan yang paling baik. Oleh karena itu analisis yang awalnya multivariat bisa
saja menjadi bivariat.
Tentang apa itu analisis multivariat, belum ada kesepakatan yang pasti diantara para ahli.
Beberapa ahli menyederhanakan pengerfiian analisis multivariat sebagai hubungan antara
(between) atau diantara (among) lebih dari dua variabel. Para ahli yan lain menggunakan
isitilah itu kalau berbagai variabel (multiple variables) yang digunakan memiliki distribusi
multivariat normal. Sebetulnya, agar benar-benar multivariat, semua variabel harus diacak
(random), terdapat interelasi sesamanya, dan efek masing-masing variabel secara sendiri sendiri
sulit dier.terpretasi.
Beberapa ahli lain mengatakan bahwa tujuan analisis multivariat adalah mengukur,
menerangkan, dan memprediksi tingkat relasi (the degree of relationship) diantara variat-variat.
Jadi, karakter multivariat tidak sekedar berada pada jumlah variabel atau observasi yang
dilibatkan dalam analisis, tetapi juga pada kombinasi berganda (multiple combination)
antarvariat. Mengambil ide dari Hair, et.al., pengertian multivariat tidak kaku. Apa saja bentukbentuk analisis yang menggunakan banyak variabel dan variat dimasukkan sebagai analsis
multivariat.
Kuntoro (2003; 1), menyatakan bahwa para pengguna metode statistik dari berbagai
disiplin ilmu masih cukup banyak yang menggunakan metode statistik univariat dengan alasan

selain mudah dalam pengoperasian karena cukup dengan bantuan kalkulator sederhana juga
mudah dalam penafsiran hasil analisisnya.
Sebagai contoh adalah analisis statistik dengan menggunakan uji t untuk
data yang berpasangan, uji t untuk dua sampel yang bebas ataupun anatisis
varians sederhana. Dalam perkembangan penafsiran statistik lebitl lanjut temyata
penafsiran hasit anafisis dengan menggunakan metode statistik univariat kurang
memuaskan pengguna di mana suatu terminologi tidak hisa lagi dinyatakart
dengan satu variabel.
Sebagai contoh, seorang ahli ilmu perilaku hanya bisa membandingkan ada
tidak adanya perbedaan rata-rata skor pengetahuan atau sikap atau prak4ek
yang terkait dengan UU Pendidikan Nasional dari kelompok dosen di Jawa - Bali
clan kelompok dosen di Luar Jawa : Bali dengan cukup merggunakan uji t untuk
dua sampel bebas bila persyaratan terpenuhi. Namun ia tidak bisa
membandingkan ada / tidak adanya perbedaan perilaku dengan anatisis yang
sama. Yang pertama menggunakan analisis univariat karena hanya melibatkan satu variabel
yaitu skor pengetahun atau skor sikap atau skor praklek,
sedangkan yang kedua menggunakan analisis multivariat karena terminology perilaku
mengandung makna muttivariabel tidak hanya menyangkut pengetahuan, sikap atau praktek
secara terpisah tetapi lebih dari itu. Sudah tenttt yang lebih memahami ada}ah ahli ilmu
perifaku sendiri.
Pada umumnya anafisis univariat menggunakan asumsi bahwa sampei berasal dari
populasi yang mempunyai distribusi normal univariat tertttarrta bita data sampel tersebut

mempunyai skata interval atau ratio. Setanjutnya menggunakan mode! kurva normal
univariat sebagai berikut_
f (x l P.0-') _ 1 I
1

exp (2;r) z (T
x - fc)2 luntuk - oo < x < o0

Sedangkan analisis univariat pada umumnya dianggap etcstensi dad

anatisis univariat menggunakan asumsi bahwa sample berasa! dari populasi
$3
Sum of Squares and Sum Product + Residual Sum of Squares -and Sum Product..
Dalam perkembangan lebih lanjut metode statistik multivariate tidak hanya terbatas pada
contoh di atas_ Dillon (1984) mengatakan baMKa anafisis multivariat berkenaan dengan hubungan
yang serentak di antara variabei (simultaneous relationship among variables).
4.2.

Pembagian Analisis Multivariat 4.2.1. Mode! Dependen

Model ini berkenaan dengan hubungan antara variable dependen dan variabel independen, bisa
keduanya multivariabel, atau salah satu mukivariabel.
(1) Satu variabel dependen dan lebih dari satu variable Independen.
(a) Bila variabel dependen mempunyai skala ukuran interval atau ratio demikian juga variabel
independen yang multivariabel dan masing-masing mempunyai skala interval atau ratio, maka
analisis yang sesuai adalah " Analisis Regresi Ganda (Multiple Regression Analysis).
(b). Bila variabel dependen mcmpunyai skala ukurar, nominal yang terdiri dari dua kategori (suksesgagal dls.) maka anafisis yang sesuai adalah " Analisis Regresi Logistik (Logistic Regression
Analysis). Di sini variabel independen yang multivariabel bisa semuanya mempunyai skala
in;erval, ratio, ordinal ataupun nominal, ataupun campuran di antara empat skala ukuran.

(c) Ada jenis analisis yang dikenal dengan analisis diskriminan (Discriminant Analysis) yang
nampaknya ada kemiripan dengan model analisis regresi di tnana variable dependen dinyatakan
dengan skor diskriman,
(d) sedangkan pada model analisis regresi, variabel dependen dinyatakan dengan simbol y sebagai hasil
prediksi dad sejumlah variable independen. Hal ini berbeda dengan model analisis diskrminan
yang lebih menitik
beratkan ke teknik pengelompokan yaitu dengan mencari k o mb i n a s i J i .P + e r variable
independen (variabel diskriminator) mana saja yang b'tsa mengelompokkan individu menjadi dua
kelompok, tiga kelompok dan lain sebagainya.

mpupyai skala .
interval atau ratio sedangkan variabel independen hanya satu dengan skala ukuran nominal.
(a). Yang bisa terdiri dari dua kategori (dua kelompok) atau lebih dari dua kategori (lebih dari dua
kefompok).Dalam kondisi demikian analisis yang sesuai adalah Malisis Varian Muttivariat
(Multivariate Ana'ysis of Variance = MANOVA),
(b). Bila variabel independen terdiri dari dua kategori (dua kelompok), anatisis statistik yang sesuai
adalah " Hotelling's T ", bila lebih dari dua kategori (kelompok), analisis statistic yang sesuai
adalali " Wilks' lambda ".
(c). Bila variabel dependen mempunyai skala nominal sedangkati variabet independen mempunyai skaia
interval atau ratio selanjutnya kita mencari kombinasi linier di antara sejumlah variabel independen
yang mempunyai korelasi yang kuat dengan kombinasi linier dari sejumlah variabet dependen
maka analisis yang sesuai adalah Analisis Korelasi Kanonikat (Canonical Correlation Analysis).
4.2.2. Model lnterdependen

Dalam model ini tidak dibedakan mana yang variabel dependen dan mana yang variabel
independen, keduanya saling interdependensi. Bila kesemua variabel mempunyai skala interval
atau ratio maka ada empat jenis analt.4is yang bisa digunakan.
E5
a. Analisis Komponen utama (Principal Component Analysis) merupakari teknik untuk mereduksi
variabel dengan menyusun kombinasi linier variabel asai sehingga jumlahnya lebih sedikit
yang satu sama lainnya menjadi orthogonal (independent). Ini salah satu cara untuk mengatasi
adanya kolinientas antara variable independen pada anatisis regresi,
b. Analisis Faktor (Factor Analysis) juga merupakan teknik untuk mereduksi variabel menjadi
faktor yang merupakan kumpulan variabel.
c. Penskalaan Muttidimensi Metrik (Metric Multidimension Scating) adalah teknik matematik yang
memungkinkan seseorang untuk menyajikan kedekatan atau kemiripan (proximity or
similarity) antara obyek secara meruang (spatia!) sebagaimana dalam suatu peta. Jadi intii;ya
adalah memetakan obyek dalam ruang muftidimensi sedemikian rupa sehingga posisi relatif
di suatu ruang mencerminkan derajad kemiripan antara obyek.
d. Analisis Rumpun (Cluster Analysis) merupakan teknik untuk mernduksi 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
rumpun lain. Penggunaannya sering dikacaukan dengan analisis diskriminan. Pada analisis
diskriminan penentuan jumlah kelompok (dua atau lebih dari dua ) dilakukan dari awal,
sedangkan pada analisis rumpun hasi! akhir adalah memperoleh sejumlah rumpun atas dasar
kemiripan (similarity),

e. Bila kesemua variabel mempunyai skala nominal maka anatisis yang sesuai adaiah model log
linier (Loglinear Moden. Dengan model ini bisa dipelajari antar hubungan muttivariabel yang
mempuyai

skala

nominal

yang

membentuk

tabel

kontigensi

multidimensional

(Multidimensional Contigency Table). Model log linier menyatakan probabilitas se! dari tabel
kontigensi
86
multidimensional dalam bentuk efek utama (main effect) dan efek interraksi (interaction effect).
Datam hal model, model log linier ada kemiripan dengan analisis varian dua arah. Ada
jenis analisis multivariat yaitu tidak masufc sketika yang dkemukakan oleh Dillon. Sebagai
contoh adalah (1) Analisis Regresi Ordinal (Ordinal Regression Analysis) dimana variabel
dependen maupun variabel independen mempunyai skala ukuran ordinal. (2) Analisis Regresi
Polikhotomus (Potychotomous Regression Analysis), kalau pada regresi logistik, respon pada
variable dependen adalah dikhotomus (sukses atau gagal), namun pada regresi ini responden
pada variabe! dependen adalah polikhotomus (amat berat, berat, ringan, amat ringan dls.) (3)
Analisis Regresi Poisson (Poisson Regression Analysis) dimana variabet dependen y mengikuti
distribusi Poisson dengan mean N sedernikian rupa sehmgga :
fli' exp-PI
~y (.v~ ~ ~~ ) -riitnarta i = 1,2,3 ........... n
(4) Anaiisis Jalur (Path analysis) semula dikembangkan oleh Sewatf Wr4ght (1934) di mana ia
mengembangkan suatu metode untuk membantu dalam mempefajari efek langsung dan tak
langsung dari variabef, di mana beberapa variable dipandang sebagai penyebab dari variabel

yang lain yang dipandang sebagai akibat. Analisis ini akan diuraikan lebih luas dalam topik
khusus Analisis Jalur beserta penerapan dengan menggunakan program LISREL
Gambar 9.1. Skema Metode Statistik Mul6variat
Metode Multivariat

a isis kanonikal
Gambar 4.1. Skema Metode Statistik Multivariat
Sumber : Dasar-Dasar Analisis Multivariat (Kuntora, 2003 ; 8)
4.3. Analisis Faktor Confirmatory 4.3.1. Analisis Faktor (Eksploratori)
Wibowo ( 2003; 1) menyatakan bawa analisis Faktor merupakan salah satu tehnik
analisis statistik Muftivariat, dengan titik berat yang diminati adalah hubungan secara bersama
pada semua variabel tanpa membedakan variabel tergantung dan variabel bebas atau disebut
sebagai metoda antar ketergantungan (lntedependence Methods). Analisis faktor merupakan
suatu tehnik untuk mereduksi data. Proses analisis faktor mencoba menemukan hubungan antar

variabel yang saling independen tersebut, sehingga bisa dibuat satu atau beberapa kumpulan
variabel yang lebih sedikit dari jumlah variabel awal.
88
Sebagai contoh, jika semula ada 10 variabel (X) yang saling indepeildo, dengan
analisis faktor mungkin bisa diringkas hanya menjadi 3 kumpulan variabel baru yang
selanjutnya kumpulan variabel baru tersebut dikenal sebagai faktor. Pada analisis faktor ini
menitik beratkan pada bagian variasi total dimarra variabel tertentu berkontribusi dengan
variabel lain yang membentuk suatu himpunan atau faktor. Pada analisis faktor yang
selanjutnya di beberapa twku diistifahkan dengan analisis faktor exploratory, peneliti tidak
mempunyai pengetahuan teori atau suatu hipotesis yang menyusun struktur faktor-faktomya,
dengan demikian pada analisis faktor exploratory merupakan tehnik untuk membantu
membangun teori. Faktor merupakan variabel baru yang bersifat unobservable atau variabel
latent atau variabel konstnrks atau ada yang menyebut variabel non visible, karena sifatnya
yaitu variabei tersebut tidak (dapat) diukur atau diamati secara langsung oleh penetiti, tetapi
merupakan hasi! kumpulan dari beberapa ukuran atau beberapa pengamatan atau beberapa
indikator, sedangkan variabel X merupakan variabel yang dapat diukur atau diamati,
sehingga disebut sebagai Observable vanable atau variabef manifest atau indikator.
Tahapan-tahapan yang digunakan pada Analisis Faktor adalah menilai apakah semua
variabel tersebut layak untuk dianalisis atau tidak, apabila tidak layak maka variabel ini tidak
diikutkan pada analisis selanjutnya, apabita variabet
- variabel tersebut layak maka akan dilakukan analisis selanjutnya. Pada tahap ke dua ini
variabel - variabel yang layak ini dilakukan faktoring atau reduksi data dengan jalan variabel
yang ada diekstraksi sehingga terbentuk satu atau beberapa kumpulan variabel baru atau

dikenal sebagai faktor yang dapat mewakili variabel-variabel anggota faktor tersebut. Pada
langkah selanjutriya setelah faktomya terbentuk diiakukan validasi data. Salaft satu tujuare
Oa5 va9idasi tersebut adalah apakah hasit analisis fa4ctor tersebut dapat digennraRwi
89
ke populasi. Sehingga setelah terbentuk faktor tersebut, maka penetiti

3h. mempunyai

suatu hipotesis baru berdasarican analisis factor confirmatory, analisis factor ini dapat di
analisis dengan bantuan komputer, diantaranya SAS ataupun SPSS. Untuk proses validasi
tersebut ada beberapa macam cara, misalnya dengan metode Analisis Faktor Confinnatory
dengan cara Sfivctural Equation Modeling yang bisa dibantu dengan software LISREL.
4.3.2. Analisis Faktor Konfirmatori
Pada Analisis Faktor confirmatory, peneliti secara apriori telah dapat membuat atau
membangun suatu hipotesis berdasarkan konsep l teori dengart faktor struktumya. Sebagai
contoh faktor stnrktur digambarkan di bawah ini

Gambar 4.2. Model Confirmatory Untuk Faktor Eksetens Sumber ; Pengantar

Analysis Faktor Confirmatory (Wibowo, 2003 ; 2)
Eksetens dihipotesiskan sebagai faktor umum (merupakan variabel latent l
unobservable) dengan delapan subdimensi atau subfaktor. Masing-masing subdimensi diukur

oteh masing-masing indikator merupakan variabet manifes atau variabel observable atau
variabel pang dapat diukur atau diamati secara
langsung oleh peneliti). Variabel Ekselens tersebut bersifat unobsLhiable, sehingga perlu
dikembangkan indikator sebagai pengukumya. Untuk mengukur Variabel Ekselens tersebut
dikembangkan 8 indikator S1 s/d. Sa. Satu indikator hanya mengukur untuk satu faktor saja,
sedangkan satu faktor bisa terdiri dari beberapa indikator. Variabel sub dimensi atau sub
Faktor (S) bisa disebut
sebagai variable laten tingkat pertama, dan variabet Ekselens merupakan variabel laten
tingkat ke dua.
Disebutkan seluruh faktor yang lengkap dengan masing-masing indikatomya dan the
nature of the pattern loading adalah a priori yang spesifik. Perm asalahannya. apakah benar
indicator Si sld. Ss merupakan alat pengukur faktor Ekselens yang valid dan reliable. Untuk
itu periu konfirmasi lebih lanju#, yaitu memeriksa validitas dan relibilitasnya. Hal ini dapat
dilakukan dengan analisis faktor sehinyga dinamakan Analisis Faktor Konfirmatori. Jadi pada
prinsipnya hanya melakukan konfirmasi berdasarkan teori atau konsep.
Pada Analisis Factor exploratory pada umumnya menagunakan matriks korelasi untuk
estimasi faktor struktumya sebab anatisis factor dikembangkan untuk menjelaskan korelasi
diantara variable. Pada model analisis factor confirmatory, adafah skala invariant, dan
koretasi diantara variable. Pada model analisis factor confirmatory, adalah skala invariant, dan
korelasi atau matriks kovarians bisa digunakan, tetapi secara teori pada umumnya
menggunakan prosedur maksimum Likelihood, maka direkomendasikan model Analisis
Faktor confirmatory menggunakan matriks ko-varians.
4.3.3. Model Satu Faktor

Diasumsikan bahwa p = 2 artinya, berdasarkan modal satu faktor dengan dua

indicator, maka
x. _ A, ~ + b,

; x2 ~ A2 ~ + &z

Matriks Ko-varians, 2; antar variable

9i

2 1 07 2 2 J

diasumsikan varians dari faktor laten, ~ adalah satu, error term 8 dan latent construct adalah
unorrelated, dan error term uncorrelated satu dengan lainnya, varians dan kovarians dari
indikator adalah :
cs1- _ A , . +

V (81)

; 6 2 - - Az, + V (8,)

a,, = a21 =.i.,A2

Pada persamaan A,, A2, V (d,), dan V (,5z), adalah parameter model, vektor 8 berisi
parameter model 6 = [A,, A2 V (S,), dan V (S2), dengan matriks kovarians
+ v(bi )~.,2
L. (~ A ) ~, A 2 4 + V( ' 5 2 )
Mesiipakan vektor 6 , dengan catatan masing-masing vektor parameter akan disimpulkan dalam
matriks kovarians unique.
Serdasarkan persamaan diatas, bila indikator ada 3 dengan asumsi p=3 maka model
persamaan parameter dari matriks kovarians adalah
+ V(tSt ); UZ = ~ -{- V ( . 5 2 ) ; 63 = r ~ - f - V ( 4 5 3 )
or, 2 = At A2
or

., - " 1 " 3 ;

0'

23 - A2 "3

Pada p=3 tersebut di atas didapatkan 6 persamaan dan 6 parameter yang dapat diestimasi.
Pada persamaan dengan 4 indikator artinya p=4, maka persamaan matriks kovarians untuk
parameter model adalah
0 11 _
07

"12

+= ~ + V ( S 2 ) ; Q3+ V( v 3 ) ; 64 = 4 +

V ( 61 ) ; ~ z -= ~
- ; 013

2C 7
-

V0S4 )

" 7 " 3 ; 01 4 -' h a' 4 +

2 " 3 ; 0'2 4 - ~ 2 ~ 4 -

23

Ada 4 model indikator adalah overidentified sebagai 10 persamaan dan 8 parameter yang

dapat diestimasikan. Persamaan yang overidentifying adalah derajat bebas untuk hipotesis
testing, pada kasus model 4 indikator mempunyai 2
92
derajat bebas. Pada model p-indikator, maka akan didapatkan, p(p=+9)12 - q derajat bebas, dengan
q adalah jumlah parameter yang dapat diestimasikan.
4.3.4. Pada Model dua Faktor dengan Correlated Coizstrcrct Mengikuti persamaan sebelumnya,
persamaan Model dua Faktor adalah x, _ ~, ~, + a,
X3 = ).3 ~3 + 63

x2 = )2 ~~2 + 62

X4 = .14 ~4 + &

Simbol pada model dua faktor x,, dan xz adalah indikator l; , , x3 dan x,, adalah indikator ~z.
Mengikuti persamaan hubungan antara model parameter dan elemen matriks covarians
adalah
Or'z= A1z+ V (a1). (Y'2- A1 A2

Uz3= Az

(Fz z = A2 2( 62);

924 = A2 114

t 713 = Al A3 ~

~3

~
Q3 2 ` A3 2+V ( b3), (T14 - A1 M Y'
Q42` M2 +V ( 64),

Q34 - ),3 M Y'

adalah covarians antara dua construct latent Ada 10 persamaan dan 9 parameter yang dapat
diestimasi.
4.3.5. Obyektif yang bisa didapat dari Analisis Faktor Confirmatory Menunjukkan matriks
kovarians dari sampel untuk mengestimasikan parameter dari mode! faktor yang telah
dihipotesiskan, dan menentukan mode) faktor yang paling fit, yaitu dengan estimasi yang paling
dekat dari matriks kovarians E ke matriks kovarians sampel S, program ini bisa dianatisis
menggunakan LISREL (Linear Structural Relations)_
Interpretasi pada output LISREL
1.

Informasi Model dan Parameter.

2.

Estimasi Awal.

3.

Evaluasi Model yang paling fit.

4.

Eva,'uasi Estimasi Paramater dan Estimasi Faktor Model.

5. Perubahan Model (Model Respecification).

Ada beberapa uji statistik yang digunakan untuk menunjukkan model sudah fit atau tidak, di
antaranya menggunakan XZ test dan Ukuran heuristic dari mode! yang fit. X 2 test
menggunakan hipotesis statistik
Ho: E = E(9) dan H, : E # E (A)
Ho ditotak bila p< a , artinya bila Ho ditolak adalah secara statistik faktor model tidak fit
dengan data.

Beberapa ukuran lain yang dapat digunakan untuk ukuran model yang fit adalah
Goodess of fit Indexs (GFl), dan Adjusted Goodness nf fit Index (AGFt). Berapa kriteria untuk
ukuran bahwa model cukup fit dengan data, dikatakan ukuran kriteria GFI bahwa model
cukup fit bila lebih dari 0,9, sedangkan ukuran AGFI bahwa model cukup fit dengan data bila
lebih dari 0,8. Pada LISREL, ukuran untuk menunjukkan model fit dengan data ada beberapa
selain di atas misalnya Root Mean Square Residual (RMSR) . Apabila Faktor modef tidak fit
dengan data maka analisis akan berhenti, tetapi apabila faktor mode! cukup fit maka tahap
selanjutnya adalah evatuasi dan interpretasi paramater estimasi dari model, tetapi bila model
tidak cukup fit maka evaluasinya adalah mengapa data itu tidak fit. Untuk evaluasi
parameter, tingkat signifikansi digunakan pendekatan ke distrusi t, parameter tersebut akan
siginifikan artinya bahwa parameter tersebut bisa masuk ke dalam model, apabila p < a ,
artinya bila Ho ditolak adplah secara statistik parameter tesebut dapat masuk ke dalam
model.
93
Apabila faktor model tidak fit dengan data, bagaimana se.tenjuthyt, apakah model
tersebut dapat dimodifikasi ?. Pada LISREL dapat menunjukkan sejumlah ukuran yang
membantu mengidentifikasi data yang tidak fit tersebut, dengan menggunakan teori dasar,
maka model dapat diubah, hall ini disebut sebagai Model Respecijcation.
Contoh hasil Oulput (LISREL) Faktor-faktor yang mcmpengaruiu penjualan
0.63
Layout -____
0,03 F(engkap t
0,93 8ersih

1,00

Harga

~\ ,5s

mosi ----G.35 ~ - ;
0,78 Image 0,67

0,30
1,00
1,00

Gambar 4.3. Pendugaan Parameter F1 clan FIE

Variabel Laten FI (Faktor Internal) terdiri dari Varizbel Layout (tata letak barang),
Lengkap (kelengkapan barang yang dijual) clan Bersih (kebersihan toko). Variabel Laten FE
(Faktor Ekstemal) terdiri dari variabel Harga (harga barang), Promosi, clan Image (persepsi
pelanggan).
Dari Faktor Internal nienunjukkan bahwa parameter yang menghubungkan FI dengan
Layout clan Bersih relatif kecil yaitu 0,15 dan 0,3. (Nilai Parameternya lebih besar nilai
parameter dari panah yang di sebelah kiri yaitu 0,63 dan 0.93). Artinya ada variabel lain yang
tidak masuk mode! tetapi mempengaruhi variabel Layout clan variabel Bersih yang koefisien

Parameter lebih besar dibandingkan koefisien Parameter untuk mendukung Faktor Intemal.
Apakah variabel Layout clan variabel Bersih secara signifikan bisa sebaga! tndikator FI ? Hal
ini bisa dilihat apakah nilai parameter tersebut signifikan atau
95
tidak, apabila tidak signifikan artinya bahwa variabel Layout clan variabel Ber,-Ah tidak valid
untuk mengukur Faktor Internal. Selanjutnya dilihat hasil tingkat
signifikansi dengan menggunakan uji t seperti terlihat gambar 3.
3.03 Layout
Fl

1,00 0,09 Lengkap

--=

1.95
6,25 Bersih 5,52
5.09 4.13
_ _ FE
Promosi - a~

_;

1,00 Lo.,o L--- 4,35

Gambar 4. 4 : Tingkat Signifikansi Parameter FI dan FE

Hasil uji t untuk pendugaan parameter temyata benar bahwa hasil sigifikansi
menunjukkan variabel Layout clan Bersih tidak signifikan (pada komputer akan terlihat warna
merah atau bila dicocokkan dengan table t dengan a = 0,05 dengan derajat bebas n-1) sehingga
variabel tersebut bisa dikatakan bahwa ke dua variabel bukan indikator untuk Faktor Internal.

Untuk Faktor eksternal semua Parameternya Inenunjukkan hasil yang signifikan artinya
variabel (Harga, Promosi dan Image) tersebut bisa sebagai indikator t=aktor Eksternal.
Bila dilihat dari Model menunjukkan Chi-Square > 0,05 artinya model tersebut sudah
fit.
4.4. Analisis Jalur (Path Analysis)
4.4.1. Analisis Jalur Sebagai Alat Penguji Model Wibowo (2003;1) menyatakan bahwa analisis sebagai
metode untuk mempelajari pengaruh (erek) secara langsung dan seeara tidak langsung dari
variabel bebas terhadap variabel ter5antung. AnaCsis ini
Jalur dikembangkan
merupakan salah satu pitihan dalam rangka mempelajari keterganturg2M sejumlah variabel
di dalam model. Analisis ini merupakan metade yang baik untuk menerangkan apabila
terdapat seperangkat data yang besar untuk dianalisis dan mencari hubungan kausal.
Analisis Jalur digunakan untuk menelaah hubungan antara model kausal
yang telah dirumuskan peneliti atas dasar pertimbangan teoritis dan pengetahuan tertentu.
Hubungan kausal selain didasarkan pada data, juga didasarkan pada pengetahuan, penrmusan
hipotesis dan analisis togis, sehingga dapat dikatakan analisis jalur dapat digunakan untuk
menguji seperangkat hipotesis kausal serta untuk menafsirkan hubungan tersebut.
Analisis Jatur merupakan suatu analisis yang dikembangkan oleh Sewai Wright,
seorang ahli Genetika pada tahun 1921, tetapi mulai dikenal setelah di perkenalkan oleh
Duncan dalam literatur Sosiologi, dan banyak digunakan dalam memecahkan masalah yang
dihadapi dalam bidang ilmu sosial tersebut.
4.4.1.1. Persyaratan pada Analisis Jalur

Pada Analisis Jalur ada beberapa persyaratan yang harus dipenuhi yaitu : 1.1. Hubungan
antar variabel di dalam model adalah linier artinya perubahan yang terjadi pada variabel
adalah menrpakan furtgsi perubahan linier dari variabel lainnya yang bersifat kausal.
1.2. Variabel yang diamati mempunyai sifat aditif artinya variabel yang mempunyai sifat
multiplikatif dan eksponensial tidak dapat dipergunakan.
1.3. Variabel sisa tidak berkorelasi dengan variabet yang sesudahnya (variaber regresi lainnya).
1.4.

Variabel yarig diukur berskala interval atau rasio.

4.4.1.2. Diagram Jalur Sebagai Model Kausal

Suatu

diagram

jalur

akan

sangat

membantu

di

dalar-i

menganalisis

dan

menginterpretasikan hubungan yang dihipotesiskan. Oleh karena itu sebelum menganalisis

jalur tersebut, peneliti sudah mempunyai teori atau hipotesis terlebih dahulu terhadap model
atau diagram jalumya. Berpikir secara kausal dan menyusun suatu diagram berarah merupakan
cerminan proses kausal yang akan mempermudah penafsiran dan penginterpretasian terhadap
hipotesis yang diajukan.
Di dalam menyusun model kausal masalah yang sering dihadapi adalah menetapkan
variabel mana di dalam model yang merupakan variabel bebas dan variabel tergantungnya.
Urutan dalam menyusun model tersebut harus disusun berdasarkan teori atau hipotesis yang
benar. (Pendekatan tersebut bisa disebut pendekatan pada konsep Konfirmatori). Dalam model
kausal dibedakan antara variabel eksogenus dan variabel endogenus. Variabel eksoge:ius
adalah variabe! yang keragamannya tidak dipengaruhi oleh penyebab di dalam sistim. Variabel
ini tidak dapat ditetapkan hubungan kausalnya. Variabel ini kita tetapkan sebagai variabet
pemula yang memberi efek kepada variabel lain. Variabel ini tidak diperhitungkan jumlah
sisanya (disturbance), meskipun sebenamya juga mempunyai sisa / error, sedangkan variabel

endogenus adalah variabel yang keragamannya terjelaskan oleh variabel eksogenus dan
variabet endogenus lainnya datam model.
Model atau diagram jalur dapat diilustrasikan seperti di bawah ini
9$
Pendidikan (X1)

/
Peke Peng an (
Usia
` Menikah /

U5

(Xa)

J Kontrasepsi

(X,)
Jumlah anak
rjaan

yang diinginkan hasil

XZ
(Xa)
Jumlah anak (Xa)

Gambar 4.5. . Diagram Jalur Jumlah Anak yang Dilahirkan.

Di dalam model tersebut (x,) clan ( x 2) adalah sebagai variabel eksogenus. Garis
melengkung yang menghubungkan (x,) clan (X2) menunjukkan koefisien korelasi yang
bersifat simetris, artinya menunjukkan bahwa peneliti tersebut menunjukkan hipotesis bahwa
variabel yang satu bukan disebabkan oleh variabel yang lain.

Variabel ( x3), (x4), (x5), clan (xs) rnerupakan variabel endogenus. Jalur yang berupa
garis berarah panah pada awalriya ditarik dari variabel bebas sebagai variable penyebab
(langsung) clan berakhir pada variabel tergantung / akibat_ Sehingga dapat dikatakan (x,)
adatah penyebab (langsung) (x 3) clan (x 4). Demikian juga sebaliknya, penyebab (langsung)
(x3) adalah (x,) clan (x 2) dan penyebab (langsung) (x 4) adalah (x,), (x 2) clan (x3), clan
seterusnya untuk penyebab (langsung) (X S) maupun (langsung) (X e) dapat dilihat dari arah
garis panah tersebut, clan terakhir dapat dikatakan bahwa penyebab (langsung) (X s) adatah
bisa berasal dari (X,), (X Z), (X3), (X4), clan (X5).
Bagaimana dengan penyebab yang tidak langsung ? Seperti terlihat dalam gambar 1.
(X,) bisa penyebab tangsung (X 3), ()(4), ), (X5), clan (&), tetapi bisa juga sebagai penyebab
tidak langsung dari (X,) melalui(X 3), sebagai
penyebab tidak langsung dari (X 5) melalui (X3) atau melalui (X,) atau metalui (X;) dan (X,).
Demikian juga seterusnya penyebab langsung maupun tidak langsung dari Variabel (X n)
lainnya bisa dilihat arah panahnya.
Oleh karena hampir tidak mungkin untuk melibatkan keseluruhan variabe! dalam
analisis, maka terdapat variabel sisa yang diberi notasi (U) untuk .
menunjukkan efek variable yang tidak termasuk dalam model. Variabel sisa tersebut
dimasukkan ke dalam error term, yaitu suatu keragaman yang tak terjelaskan. Error term,
tersebut dihubungkan dengan masing-masing variabel endogenus.
4.4.2. Persamaan Struktural (Structural Equation)
Sejak dikembangkan model kausal oleh para ahli sosiologi, kemampuan dalam
menjelaskan teori-teori yang semakin komplek menjadi semakin baik. Pembuktian secara
empiris banyak dilakukan adalah rnelalui tehnik yang biasa disebut estimation models_

Setelah itu dikembangkan pula yang dinamakan structural model. Pada Model estimasi,
dalam menganalisis data terbatas pada kemampuan mengestimasi satu atau lebih variabel
bebas terhadap variabel tergantung, hubungan dalam model estimasi tersebut tidak berarti
bahwa variabel tersebut mempunyai hubungan kausal. Pada model estimasi ini hanya
mengandung arti adanya hubungan antara variabel bebas dan variabe! tergantung, dan tidak
dipersoalkan apakah hubungan antar variabel tersebut mempunyai hubungan kausal atau
tidak. Apabila hubungan ini dipersoalkan sebagai hubungan kausal maka modelnya menjadi
Model struktural.
Menurut pendapat beberapa ahli, koefisien jalur merupakan bentuk regresi linier yang
variabelnya telah dibakukan (standard) dalam sistim yang tertutup, dan selanjutnya dikatakan
bahwa diagram jalur biasanya mempunyai nilai rata-rata 0 dan varian 1.
too
Misalkan apabila ada m variabel bebas, yakni V,, V 2, ....... Vm dan VO, sebagai variable
tergantung serta semua hubungan adalah linier, maka persamaannya adalah
Vo,=Co+Co+ V,+Co2Vz+...... CIVm+Co,VU (1)
Vu merupakan notasi untuk variabel sisa (residual) clan semua variabel saling berkorelasi
kecuali variabel sisa. Koefisien C O, menunjukkan sumbangan nyata V, secara langsung
terhadap Vo
Untuk melihat peranan masing-masing variabel bebas terhadap variabei tergantung
umumnya dilakukan dengan menggunakan partial regression coeflsient. Adapun kesulitan yang
dihadapi pada persamaan ini bahwa tidak dapat membandingkan koefisien regresi antara satu
dengan lainnya. Oleh karena itu diperlukan penyesuaian yang dapat mengatasi perbedaan yang
disebabkan karena adanya unit-unit ukuran atau dispersi yang berbeda antara satu dengan yang

lain yaitu dengan menstandarisasi data, dilakukan dengan merubah data mentah menjadi data
standard pada permulaan analisis, misalkan mentransformasikan ke dalam data Normal Baku
(Standardize)
X; _ (X; - X r ) /a, maka persamaan menjadi
XO -C0161 / 60Xi +Co26 z l6oXz +...... +Com6" I la'oXII, +Cou6L lo'oXu
Apabila Po; =Co;6,/6 o maku
Xo =PoiX1 +PoZXz +..... +PomXm +PoXv
Karena P, tidak mempunyai satuan, maka perbandingnya antara sembarang dua
koefisien tersebut mrmberikan ukuran terhadap pentingnya secara relatif clan dua variabel X,
yang terlibat. Bila P, besamya dua kali lipat P Z maka X, dua kali lipat lebih penting X z d31am
menduga atau meramalkan Y. Dalam pengertian bahwa perubahan dalam Y dua kali lipat tebih
besar dari pada
yang diakibatkan oleh perubahan satu satuan dalam X 2. Tetapi haws diperhatikan bahwa galat
baku dari ke dua p tersebut tidak sama, sehingga harus pula dipertimbangkan dalam konteks
dengan X lainnya dalam model.
Dalam bentuk baku semua koefisien korelasi direduksi dari hasil kali moment yaitu :
ro; _ jXoXi In
- POl rl i + P02 r2, +'--'-+ PPO. r., + p0u ui - I POi r.
Agar jelasnya, persamaan tersebut dapat diganti den3an variabel-variabel yang
digunakan dalam contoh ilustrasi.
X3 - P31 X1 + P32 X2 + P3u Xu
Xa = Pa,X, + Pa2X2 + P43X3 + PauXu
Persamaan tersebut dapat diinterpretasikan sebagai berikut :

X3 adalah akibat X1 kali beta weight (standardized slope) dan X2 kali beta weight (standardized
slope), yang dalam hal ini adalah P

31

dan P

32

dan nilai sisa P 3u, Xu yang menggantikan E

(error term) pada persamaan asli . P dengan subscript ganda menunjukkan hubungan antara
variabFa tergantung dan variabel bebas. Jadi P 3, dan P

32

menunjukkan pengaruh langsung X,

dan X2 pada X5. Oleh karena P adalah koefisien jalurnya dan merupakan koefisien yarig
dipergunakan untuk menghitung arah panah yang tersusun dalam model. Demikian pula untuk
Xa, X5 dan Xg akan didapat persamaan seperti tersebut di atas. Persamaan - persamaan tersebut
akan menenentukan semua nilai jalurnya yang terdapat dalam model dan disebut sebagai
Structural set of Equation.
Untuk koefisien korelasi X, dan X 2 diambil dari matriks interkorelasi. Dari persamaan
diatas jika
q01 = FXO(; / n
= Po,r,j + Po2r2i + .......+ Pomrmi + Pouruj
102
_ F-f?ojr~i
Apabila variabel bebas yang dilibatkan dalam pembahasan hanya satu buah, sedangkan
variabel bebas clan variabel sisa tidak berkorelasi maka r a = Pa.
4.4.3. Menghitung Koefisien Jalur
Koefisien jalur adalah rasio simpangan baku akibat semua variabel bebas bersifat
konstan kecuali satu variabel yang sedang dipermasalahkan tefiadap simpangan baku total.
Koefisien jalur mengukur kekuatan sebuah variabel bebas terhadap variabel tergantung.

Besamya koefisien merupakan akibat langsung dari sebuah variabel bebas terhadap
variabel tergantung. Notasi yang digunakan untuk koefisien jalur adalah P,, i menyatakan
akibat antara variabel bebas.
Nilai koefisien jalur diperoleh clan hasil penyelesaian dari seperangkat persarnaan.
Selain variabel bebas (eksogenus), variabel endogenus juga berpengaruh terhadap variable
endogenus yang lain, maka sistim ini dikatakan merupakan sistim koefisiensi majemuk.
Sebagai contoh gambar diagram jalur dibawah ini :

P4,
X3
P43
- ;, X4
X2 i
Pa2
Gambar 4.6. . Diagram jalur dan koefisien jalur
X3 - P31X1 + P32X2 + P3u1U1
i(4 - P41X1 + P42X2 + P43X3 + P4u2U2
(8a) (8b)
103
Kemudian dihubungkan r;; dengan P;; dalam sistim persamaan, penetiti dapat
menentukan adanya pengaruh langsung antar variabel, seperti contoh r, 3 = P3, + Pjzr,z artinya

bahwa koefisien korelasi r,3 antara variabel X, clan X3 terdiri clad dua komponen, pertama
efek langsung variabel X, clan X 3 clan ke dua efek tidak langsung variabel X, atas X 3 melalui
variabel Xz
.
Pengaruh tidak langsung secara total dihitung dengan jalan mengurangi koefisien
korefasi oleh koefisien jalur untuk ke dua variabel yang sama, sedangkan besamya pengaruh
tidak langsung melalui variabel tertentu merupakan liasil kali koefisien dengan koefisien
jalurnya, seperti r3, = P q;

n3

+ Paz rz3 + Pa3_ Pengaruh tidak langsung variabel X, terhadap X 4

melalui Xa sama dengan Pq,r,3, sedangkan pengaruh tidak langsung variabel X z atas X4 melalui
X3 sama dengan P4Zrz3. Setelah diketahui besamya pengaruh tangsung clan ticlak langsung
dapat bermanfaat untuk menenYUkan pengaruh total sehingga memungkinkan peneliti untuk
mempelajari bagaimana peranan tiap kornponen dalam sistim atau model kausal yang
dirumuskan.
Adapun residu untuk setiap variabel endogenus dihitung dengan rumus pada persamaan
(7) dengan u adalah residua! dan indeks ke -o menyatakan variabel endogenus. Notasi lain
tentang residu dapat ditulis dengan u = ~ (1 - r 2qi,).
4.4.4. Pengujian Model
Analisis Jalur merupakan suatu alat analisis yang penting untuk menguji suatu teori
kausal. Melalui analisis ini peneliti dapat menentukan ada tidaknya korelasi antar variable yang
satu dengan lainnya. Jika ada m variabel yaitu X,.
, clan tiap X, dan X, terdapat korelasi berordo m*m yang anggotanya
X2, .....
104

adalah koefisien korelasi antara X, clan X, perhitungan matriks korelasi ini selalu bisa
dilaksanakan terlepas dari bentuk model yang digunakan.
Ada tiga cara yang bisa digunakan untuk menguji suatu model yang diajukan.
Berdasarkan teori yang dimiliki, peneliti bisa menghilangkan jalur jalur tertentu dalam
model. Ini berarti jalur tersebut harus ditetapkan baliwa koefisien jalumya hitungannya sama
dengan nol. Sehingga koefisien korelasinya hanya dibentuk oleh efek-efek tidak lanysung
saja.
Cara pertama : menghitung semua koefisien jalur dalam model, Kemudian dilakukan
penyaringan berdasarkan uji statistik, yaitu dengan menghitung koefisien arah (3 pada regresi
berdasarkan data yang telah distandarisasi, Jika P bermakna, maka koefisien jalur tersebut
juga signifikan, sedangkan yang tidak bermakna, koefisien tersebut dihilangkan.
Cara ke dua : menggunakan kemaknaan koefisien, yaitu koefisien yang dirasakan
tidak bermiakna dihilangkan, sedangkan yang bermakna dipertahankan yaitu koefisien jalur
dianggap tidak bermakna jika lebih kecil clan 0.05.
Cara ke tiga : yaitu dengan menghilangkan jalur - jalur tertentu sehingga menjadi
model yang lebih sederhana clan selanjutnya dapat dibentuk matriks korelasi baru R*. dari
model baru ini. Apabila rnatriks R* sama atau mendekati matiiks R, kesimpulannya adalah
model yang di sedehanakan dapat dipertahankan. Bila tidak sama maka model harus diganti
dengan model lain. Untuk menetukan kriteria apabila matriks R* sama atau mendekati
matriks R, jika perbedaan koefisien korelasi yang sesuai kurang dari 0,05.
4.4.5. Langkah-Langkah Pada Analisis Jalur.
Pertama. Langkah pertama di dalam Analisis Jalur adalah merancang model
berdasarkan konsep dan teori. Model tersebut juga dapat dinyatakan

105
dalam bentuk persamaan, sehingga membentuk sistim persarrvaan seperti yang ditunjukkan
pada persamaan diatas. Sistim persamaan ini ada yang menamakan sistim persamaan simultan,
atau juga ada yang menyebut model struktural. Mengingat modei tersebut dikembangkan untuk
menjawao permasalahan penelitian clan berbasis teori clan konsep, maka dinamakan model
hipotetik atau model konfirmatori. Model hipotetik ini bisa dibangun lebih dari satu apabila
landasan teorinya atau konsepnya belum mapan.
Ke dua. Pemeriksaan terhadap asumsi yang melandasi, yaitu hubungan antar variabel
adalah linier clan aditif. Model yang digunakan adalah rekursif yaitu sistim aliran kausal satu
arah, sedangkan model resiprokal atau aliran kausa! yang dua arah (bolak-balik) tidak dapat di
analisis. Model rekursif apabila memenuhi asumsi-asumsi yaitu Antar Variabel eksogen saling
bebas. Pengaruh kausatitas dari variabel endogen adalah searah clan tidak ada variabel
endogen yang melnpunyai pengaruh resiprok (bola-balik). Variabel endogen berskala interval
atau rasio, clan didasarkan dari data yang valid clan re',iable
Ke tiga. Pendugaan parameter atau perhitungan kaetisien path. Perhitungan koefisien
jalur bisa dibantu dengan komputer dengan perangkat lunak Statistik misalnya: SPSS atau yang
lainnya dengan analisis Regresi clan dibaca koefisien beta (standardize (3). Perhitungan
koefisien tersebut merupakan koefiesien Path (pengaruh Langsung). Di dalaln Analisis Jalur ,
ada pengaruh langsung clan ada pengaruh tidak langsung clan juga ada pengaruh total.
Penjumlahan dari seluruh pengaruh tidak langsung.
Ke empat. Pemeriksaan validitas model, dengan cara melihat asumsiasumsi (seperti
yang disebutkan sebelumnya) untuk analisis jalur harus sudah terpenuhi. Disamping itu ada
indikator validitas model yaitu Koefisien Determinasi (RI) yang interpretasinya sama dengan

interpretasi koefisien determinasi (R 2) pada analisis regresi. Untuk menghitung (R`, )

berdasarkan N = 4 Sebagai contoh
apabila (R

)= 0,8984 artinya keragaman data yang dapat dijelaskan oleh tttWel tersebut

adalah sebesar 89,84% atau dengan kata lain informasi yang terkandung dalam data 89,84%
dapat dijelaskan oleh model tersebut, sedangkan sisanya yaitu 10,14% dijelaskan oleh
variabel lain (tidak terdapat dalam model) clan error. Uji validasi lain adalah uji validasi
koefisien jalur (P)
sama dengan pada uji regresi yaitu melihat tingkat signifikasi dari uji t.
Ke lima. Meiakukan interpretasi model. Cara melakukan interpretasi model adaiah
menginterpretasikan hasil atau nilai parameter yang ada pada analisis Path tersebut misalnya
model yang ada tersebut sudah Gukup fit atau belum. Kemudian koefisien Path mana yang
siginifikan atau tidak. Koefisien yang tidak signifikan nilainya dianggap tidak ada,
sedangkan nilai parameter yang signifikan bisa dilihat berapa yang mempunyai pengaruh
langsung clan seberapa besar yang berpengaruh tidak langsung. Dan nilai koefisien bisa
dilihat variabel mana yang mempunyai pengaruh dominan, mana yang tidak. Hasil analisis
bisa disajikan dalam bentuk diagram Path atau dalam bentuk persamaan model Strukturalnya,
Contoh output untuk Analisis Jalur pada LISREL.
JMLANK ---0,57
-6,38
w

JmAnkHdp -0,84
Chi-Square = 0,00, df = 0, P-value=1.00000, RMSEA=0,000
Gambar 4.7. Diagram Jalur dan Koefieien Jalur pada LISREL Sebagai variabel
eksogen adalah Tingkat pendidikan yang akan mempengaruhi Jumlah seluruh anak dalam
anggota keluarga. Variabet
107
pendidikan ini bisa langsung mempengaruhi jumlah anak dalam keluarga, ju0ia bisa
mempengaruhi secara tidak langsung jumlah anak melalui variabel usia pertama menikah,
lama menikah dan jumlah anak yang masih hidup.
3,00

Chi-Square = 0,00, df = 0, Y-value=1.00000, RMSEA=0,000 Gambar 4.8. Tingkat signifikansi

Koefisien Jalur Analisis Jalur menunjukkan

Tingkat Pendidikan akan mempengaruhi umur pertama kali menikah dan Jumlah anak hidup
dan mempengaruhi jumlah seluruh anak dalam keluarga, sedangkan koefiesien jalur lainnya
menunjukkan tingicat yang tidak signifikan.
bahwa koefisien Jalur yang signifikan variabel
4.5. Analisis Persamaan Struktural (Structural Equation Modeling = SEM) Pemodelan SEM
merupakan suatu metode statistika yang menggunakan pendekatan hipolesis testing atau
dikenal dengall istilah mengandung dua aspek penting yaitu; proses yang dikaji, ditampilkan
dalam bentuk persamaan structural (regresi) dan relasi struktural dari persamaan yang dapat
dibuat model secara visual, sehingga memudahkan koseptualisasi suatu teori yang akan
dikaji. SEM ada yang menyebut sebagai LISREL (Linier Structural Relation). Prinsip dari
analisis ini merupakan pendekatan terintegrasi antara Analisis Faktor, Model struktural dan
Analisis Jalur (Path). Di sisi lain SEM dan t_ISREL merupakan pendekatan yang terintegrasi
antara analisis data
konfirmatori
108
dengan konsep kontruksi. Di dalam SEM peneliti dapat melakukan tiga kegistan secara serempak
yaitu pemeriksaan validitas dan reliabilitas instrument (setara dengan Analisis Faktor
Konfirmatori), pengujian model hubungan antar variable ieten (se'~ara Analisis Jalur) dan
membuat model yang bermanfaat untuk prakiraan (setara dengan Model Struktural atau Analisis
Regresi).
Ada tiga hal yang penting untuk yang terlibat pada SEM tersebut, pertama struktur yang
spesifik antara variabel laten eksogen dan endogen harus sudah terstruktur (sudah dapat
dihipotesiskan / atau menggunakan pendekatan konfirmatori). Ke dua harus sudah ditetapkan

bagaimana model untuk variable untuk mengukur variabel laten eksogen, dan ke tiga,
pengukuran laten endogen harus sudah di determinasikan.
Pada ilmu-ilmu sosial, seringkali kajian konstruksi teoritis atau variabel yang akan dikaji
sering tidak dapat diukur atau diobservasi secara langsung. Fenomena yang bersifat abstrak yang
akan menjadi kajian selanjutnya disebut sebagai variabel laten / variabel unobservuble. Oleh
karena itu secara operasional variabel laten harus dikaitkan dengan suatu variabel lain yang
bersifat observable sehingya variabel yang dapat di observasi tersebut merupakan indikator dari
variabel laten tersebut. Prosedur untuk mengkaji hubungan antara himpunan variabel indikator
dengan variabel laten dapat dilihat pada analisis faktor.
Untuk lebih jelasnya bagaimana kaitan Analisis Faktor, Model structural dan
Analisis Jalur (Path). Dibuat ilustrasi dan dijelaskan sebagai berikut :
109

EI3 1 (rj,)
: --- yz^1___
Gambar 4.9. Model Persaman Struktur

Gambar 4.10. Tingkat Signifikansi Koefisiensi Jalur

Variabe( Exogen / Faktor Swktur Model / Malisis Jalur Model

Variabcl Endogen 1

Faktor Model
Analisis Fak -tor Konfirmatori

Malisis Faktor Konfirtnatori

Gambar 4.11. Tingkat Signifikansi Koefisiensi Jalur

Gambar 4.11 tersebut menunjukkan bahwa Model Persamaan Struktural merupakan
pendekatan terintegrasi antara Faktor Model (Analisis Fak';or Konfirmatori), Struktural model
dan Analisis Jalur.
Lambang berbentuk segi empat berisi variabel rnanifes atau variabel yang observable
yang disimbolkan dengan X untuk variabel bebas clan Y untuk
variable tergantung, Lambang berbentuk oval berisi variabel laten atau variabel konstruk,
yang disimbolkan Ksi (~) untuk variabel laten X (variabel eksogen) dan Eta (q) untuk
variabel laten Y (variabel endogen). Besarnya "pengaruh l relesi l hubungan " dari variabel
maanifes terhadap variabel laten disebut faktor loading yang diberi symbol Lamda (k),
sedangkan galat pengukuran pada variabel manifes untuk variabel laten X diberi silnbol

Delta (P) dan galat pengukuran pada variabel manifes untuk variabel Wen Y diberi simbol
Epsilon (E). Sifnbof Gamma (y) merupakan parameter / koefisien pengaruh variabel eksogen
tefiadap variabef endogen.
Tujuan akhir dari SEM pada prinsipnya adalah mendapatkan model struktural. Bila
pendugaan parameternya didasarkan pada input matrik ragam peragam, maka SEM
menghasilkan Model Struktural, yang bermanfaat untuk prediksi atau untuk pembuktian
model. (mirip analisis regresi). Apabila data input berupa matriks korelasi, maka SEM
bermanfaat untuk pemeriksaan besar atau kecilnya pengaruh baik langsung maupun tidak
langsung ataupun pengaruh total variabel bebas / eksogen. Tefiadap variable tergantung.
Untuk model struktural yang memenuhi model rekursif maka SEM mirip dengan Analisis
Jalur.
Setelah suatu model diperoleh, maka langkah selanjutnya adalah melakukan
prosedur testing yang bertuj ,jan untuk menentukan goodness of .fit antara model hipotesis
dengan data sampel, apabila ditulis persamaan menjadi Data = Model + Residual. Secara
umum model LISREL dapat didekoposisi menjadi dua submodel, yaitu model pengukuran
clan model struktural. Model pengukuran menentukan relasi di antara variabel laten, yaitu
menentukan variabel yang secara langsung maupun tidak langsung mempengaruhi perubahan
nilai pada variabel laten lainnya dalam model. Pada model
persamaan struktural harus sudah dapat dibedakan antara variabel bebas ! variable eksogen
din variabel tergantung / variabel endogen.
4.5.1. Persamaan dan Perbedaan Analisis Jalur dan SEM 4.5.1.1. Persamaan Analisis Jalur
clan SEM.
a

Ke duanya berkenaan dengan model kontruksi.

Pendugaan parameter (koefisien) model berdasarkan data sampel.

a Pengujian kesesuaian model dilakukan dengan cara membandingkan matriks kovarians hasil
dugaan dengan matriks ko varians data observasi.
4.5.1. 2. Perbedaan Analisis Jalur clan SEM.
Analisis Jalur hanya berkenaan dengan pengujian hubungan kausal antar variable laten
konstruk (atau antar variabel manifes), clan tidak dapat digunakan untuk memeriksa validitas
clan reliabilitas pengukuran variabel laten berdasarkan variable manifes, sedangkan SEM
dapat digunakan untuk ke duanya.
o SEM dapat diterapkan baik pada 'model rekursif ataupun pada mode! resiprokal, sedangkan
Analisis Jalur hanya diterapkan pada model yang berhubungan kausal, satu arah clan
memenuhi model rekursif.
a

SEM tidak terkendala oleh korelasi antar error, sedangkan Analisis Jalur, antar error

harus independen.
Pada Analisis Path pendugaan parameter dilakukan secara parsial untuk setiap persamaan
yang membentuk model strukturalnya, sedangkan dalam SEM pendugaan parameter
dilakukan secara serentak untuk seluruh parameter.
Data input dalam Analisis Jalur adalah data Normal Baku (Standardize), sedangkan R pada
SEM bisa data mentah atau Normal Baku.
a Output analisis Jalur hanya faktor determinan, sedangkan output SEM selain factor determinan
juga model struktural dan model pengukuran.
4.5.2. Pengukuran Validitas dan Reliabilitas
Berkaitan dengan pembuktian hipotesis penelitian, SEM adalah salah

satu metode analisis yang berkaitan dengan Model struktural dan Analisis Jalur, juga dapat
digunakan untuk pemeriksaan validitas dan reliabilitas instrumen penelitian yang pada
umumnya berupa kuesioner dengan menggunakan pendekatan Analisis Faktor Konfirmatori.
Dalam hal pQngukuran tingkat validitas dan reliabilitas yang dimaksudkan adalah
untuk mengukur validitas dan reliabilitas dari variabel manifes tefiadap variabel laten. Tingkat
validitas setiap variabel indikator / variabel manifes dalarti mengukur variable laten
ditunjukkan oleh besarnya loading (A), pada analisis data yang standardized (input matriks
korelasi). Makin besar factor loading (?,) merupakan indikasi bahwa variable manifest makin
valid sebagai instrumen pengukur variabel laten. Pada program LISREL batasan yang
digunakan adalah hasil pengujian loading tersebut dengan uji t, bila hasilnya signifikan berarti
indikator atau variabel manifes tersebut adalah valid.
Pemeriksaan tingkat reliabilitas setiap indikator atau variabel manifest ditunjukkan oleh
nilai galat (error) baik galat Delta (P) untuk variabel eksogen maupun Epsilon (E) untuk
variabel endogen. Pada analisis dengan data Standardized, reliabilitas tiap indikator = 1 -(6)
untuk variabel eksogen dan 1-(E) untuk variabel endogen. Semakin kecil nilai galat (6)
maupun menunjukkan indikator tersebut memiliki reliabilitas yang tinggi sebagai pengukur
variabel laten, artinya semakin besar 1-(R) atau 1-(E) suatu indikator semakin reliabel . Pada
program LISREL output galat dalam bentuk (/3) dan (E), sehingga batasan
yang dapat digunakan adalah hasil pengujian dengan uji t, bilamana hasilnya tidak signifikan
menunjukkan indikator atau variabel manifest tersebut adalah reliabel.
4.5.3. Langkah -Langkah SEM
1.

Langkah - langkah untuk melakukan SEM adalah :

Pengembangan Model berbasis konsep clan teoJ, yaitu prinsipnya menganalisis

hubungan kausal antar variabel eksogen dan endogen, ,

sekaligus memeriksa validitas clan

reliablitas instrumen penelitian.

Langkah awal di dalam SEM adalah pengembangan Model hipotetitik, yaitu
pengemballgan model berdasarkan teori atau konsep atau dikenal sebagai pembuatan model
dengan pendekatan konfirmatori. Setelah model terbentuk kemudian dikonfirmasi berdasarkan
data empirik melalui SEM.
2. Mengkonstruksi Diagram Jalur , yang bermanfaat untuk menunjukkan alur hubungan kausal
antar variabel eksogen clan endogen. Untuk melihat alur hubungan kausal dibuat beberapa
model kemudian diuji menggunakan SEM untuk mendapatkan Model yang paling tepat,
dengan kriteria Goodness of frt. Seperti telah diilustrasikan pada gambar diatas, berdasarkan
teori dibuat model struktural, kemudian ditentukan variabel bebas clan variabel tergantungnya,
kemudian dibuat arah panah sesuai dengan arah kausalitas. Bila model pengukuran ini
dimasukkan ke dalam diagram jalur, maka diperoleh diagram jalur model struktural clan model
pengukuran secara terintegrasi seperti pada gambar 4.11 diatas.
3.

Konversi Diagram Jalur ke Dalam Model Struktural. Untuk jelasnya adalah mengkonversi
diagram jalur ke dalam model matematika. Sebagai contoh untuk gambar 4.9 adalah :
X,

+ S, 'Yz = A2 ~ , + 5 2 X3 - " ' 3 ~ 2 + '53 X4 - A4 ~ 2 + S4

Yl - 1~ S q , +
Yz = A6 77, + C z
4. Memilill Matriks Input. Data input untuk SEM dapat berupa matriks korelasi atau matrik
kovarians. Input data berupa matriks kovarians, bilamana tujuan dari analisis adalah pengujian
suatu model yang telah mendapatkan justifikasi teori, sedangkan input daya matriks korelasi

dapat digunakan bilamana tujuan analisis, ingin mendapatkan penjelasan mengenai pola
hubungan kausal antarvariabel laten.
5. Menilai Masalah identifikasi. Permasalahan yang sering muncul di dalam model struktural adalah
pendugaan parameter, bisa unidentified atau under identified, yang menyebabkan proses
pendugaan parameter tidak memperoleh solusi, bisa over idented yang mengakibatkan proses
pendugaan tidak menghasilkan penduga yang unik, dan model tidak bisa dipercaya. Gejala yang
muncul akibat adanya masalah identifikasi antara lain (dalam output komputer) :
o

Terdapat standard error dari penduga parameter yang terlalu besar.

o Ketidak mampuan program menyajikan matriks informasi yang seharusnya disajikan.

a

Penduyaan parameter tidak dapat diperoleh.

Muncul angka yang aneh seperti Varians error yang negatif clan

Terjadi korelasi yang tinggi (>0,9) antar koefisien hasil dugaan.

Evaluasi Goodness of fit. Untuk mcndapatkan model hasil analisis yang valid diperlukan
beberapa asumsi yaitu asumsi yang berkaitan dengan model dan
asumsi pendugaan parameter clan pengujian hipotesis. Asumsi untuk model di dalam SEM di
antaranya bahwa hubungan antar variabel bersifat linier, clan model bersifat aditif. Asumsi
pendugaan parameter clan pengujian hipotesis di antaranya antar unit pengamatan saling bebas,
jumlah sample cukup "besar" agar dapat diasumsikan sample tersebut akan mendekati
distribusi Normal. Secara garis besar uji goodness qf fit model dapat dipilah menjadi 4 hal
yaitu: pengujian parameter hasil dugaan, uji model keseluruhan, uji model struktural clan uji
model pengukuran (validitas clan reliabilitas)
4.5.4. Pengujian Parameter

Pengujian setiap parameter dalam SEM dilakukan dengan uji t. Pengujian ini dilakukan untuk
Parameter Lambda: yaitu perameter berkenaan dengan pengukuran variable laten berdasarkan
variabel manifest / indikator (sering untuk utji validitas instrumen). Apabila hasil signifikan
maka indikator tersebut valid untuk menyukur variabel laten_ Parameter Delta clan Epsilon:
yaitu parameter yang berkenaan dengan galat error pada pengukuran variabel laten (berkaitan
dengan reliabilitas). Apabila ((i) clan (E), hasilnya tidak signifikan menunjukkan indikator atau
variable manifes tersebut adalah reliabel.
Pa,-ameter Beta : yaitu parameter pengaruh variabel endogen terhadap variable endogen.
Apabila hasilnya signifikan artinya ada pengaruh variabel endogen terhadap variabel endogen.
Parameter Gamma: yaitu parameter pengaruh variabel eksogen terhadap variabel endogen.
Apabila hasilnya signifikall artinya ada pengaruh variable eksogen terhadap variabel endogen.
4.5.5. Pengujian Model Overall
Pengujian ini ditujukan apakah model baik strukutral clan pengukuran hasilnya dikatakan baik
(fit) atau tidak. Dikatakarl fit apabila pengembangan model hipotetik secara konseptual dan
teoritis di dukung oleh data empirik. Ada beberapa uji yang bisa digunakan di antaranya ChiKuadrat, Root Mean square
Residual (RMR), root mean square erros of approximation (RMSEA), adjusted goodness of fit
index (AGFI) dan lain sebagainya. Contohnya Chi-kuadrat yang non signifikan, RMR yang
kecil. KMSEA 5 0, 08 atau AGFI 2 0,9 menunjukkan model yang baik (fit)
4.5.6.Pengujian Model Struktural
Keakuratan model struktural bisa dilihat meialui koefisien determinasitotal yaitu yang
disimbolkan R2. Seperti pada artalisis Regresi nilai Rz berkisar 0 s.d 1, clan model dikatakan
baik bila koefisien makin besar (mendekati 1 )

4.5.7. Pengujian Model Pengulturan

Model pengukuran dimaksud adalah pemeriksaan mengenai valiclitas clan reliabilitas.
hasil yang signifikan dari h, menunjukkan data valid dan (3 maupun E yang tidak signifikan
menunjukkan hasil yang reliable Interpretasi clan Modifikasi Model, bila model sudah baik
model bisa diinterpretasikan, tetapi bila belum baik perlu dilakukan modifikasi.