HUBUNGAN-HUBUNGAN DALAM PENELITIAN

Korelasi
X Y

dan
X

Kausalitas
Y X

Y
1

HUBUNGAN-HUBUNGAN DALAM PENELITIAN

Hubungan langsung dan tidak langsung

Contoh hubungan Z ke Y

Hubungan langsung Z ke Y

Z
Hubungan tidak langsung Z ke Y melalui X

Y
Hubungan tidak langsung Z ke Y melalui X dan V

JENIS-JENIS MODEL STRUKTURAL

Path Analysis Models

X V Z

Hanya melibatkan variabel-variabel indikator tanpa melibatkan analisis terhadap konstruk atau konsep yang ingin diukur Ini berarti semua variabel yang dilihat adalah terukur atau terobservasi 3

JENIS-JENIS MODEL STRUKTURAL

Confirmatory factor analysis models

Z1 Z2 Z3

Y1

Bertujuan untuk mengevaluasi pola-pola hubungan antara beberapa konstruk Dalam model tidak diasumsikan adanya arah hubungan antara konstruk, tetapi hanya ada hubungan korelatif Variabel konstruk merupakan variabel yang tidak terobservasi Setiap konstruk dibangun oleh beberapa indikator

X1
X2 X3 Y2

JENIS-JENIS MODEL STRUKTURAL

Structural Equation Modeling
Menganalisis sekaligus variabel indikator, variabel laten/konstruk,dan kekeliruan pengukuran Menganalisis hubungan antara indikator dengan konstruk yang dikenal dengan nama measurement equation Menganalisis hubungan antara variabel laten satu dengan variabel laten yang lain yang dikenal dengan nama structural equation

Z1 Z2 Z3 Z4 Y3 Y1

X1
X2 X3 Y2

V1

V2

JENIS-JENIS VARIABEL KETIGA

Contoh : pendidikan
independent variable

status pekerjaan
dependent variable

Variabel Antecedent
Sekarang ditelusuri variabel apakah yang mempengaruhi pendidikan, untuk itu perlu dilibatkan variabel antecedent, misalkan kemampuan orang tua Kemampuan orang tua Antecedent variable Z
Tiga persyaratan yang diperlukan 1. 2. Semua variabel harus menunjukkan hubungan Jika variabel antecedent dikontrol, maka hubungan antara independent dan dependent variable sangat kuat Jika variabel independent dikontrol, maka hubungan antara variabel antecedent dengan dependent variable harus kecil

pendidikan independent variable X

status pekerjaan dependent variable Y

Persyaratan (1) diuji melalui matrix korelasi, jika semua signifikan berarti terpenuhi. Persyaratan (2) dan (3) diuji menggunakan korelasi parsial. Hipotesa yang diuji adalah Ho : pxy.z = 0 Jika signifikan maka persyaratan kedua terpenuhi, tetapi bila nonsignifikan berarti persyaratan ketiga terpenuhi.

3.

JENIS-JENIS VARIABEL KETIGA

Contoh : Kemampuan orang tua
independent variable

status pekerjaan
dependent variable

Variabel Intervening
Sekarang ditelusuri variabel apakah yang langsung mempengaruhi status pekerjaan , untuk itu perlu dilibatkan variabel intervening, misalkan pendidikan Kemampuan orang tua Independent variable X
Tiga persyaratan yang diperlukan 1. 2. Semua variabel harus menunjukkan hubungan Jika variabel independent dikontrol, maka hubungan antara intervening dan dependent variable sangat kuat Jika variabel intervening dikontrol, maka hubungan antara independent dengan dependent variable harus kecil

pendidikan intervening variable Z

status pekerjaan dependent variable Y

Persyaratan (1) diuji melalui matrix korelasi, jika semua signifikan berarti terpenuhi. Persyaratan (2) dan (3) diuji menggunakan korelasi parsial. Hipotesa yang diuji adalah Ho : pxy.z = 0 Jika signifikan maka persyaratan kedua terpenuhi, tetapi bila nonsignifikan berarti persyaratan ketiga terpenuhi.

3.

JENIS-JENIS VARIABEL KETIGA

Contoh : pendidikan
independent variable

status pekerjaan
dependent variable

Variabel Suppresor
Dalam penelitian seringkali ditemui hubungan antara variabel X dan Y lemah. Patut dicurigai hal ini disebabkan karena adanya variabel ketiga yang ditempatkan dalam model. Bisa terjadi hubungan antara Z dan X adalah positip, tetapi hubungan antara Z dan Y adalah negatif. Akibatnya hubungan antara X dan Y menjadi lemah. Dalam kasus ini variabel ketiga Z dikatakan variabel penekan (suppresor)

pendidikan independent variable X

Z
Variabel Suppresor

status pekerjaan dependent variable Y

lemah
8

JENIS-JENIS VARIABEL KETIGA

Variabel Distorter
Pada waktu menganalisis hubungan antara X dan Y diperoleh hasil tanda yang positip. Sekarang, bila dimasukkan variabel ketiga Z dalam model ternyata menyebabkan hubungan antara X dan Y menjadi negatif, maka variabel ketiga tersebut (Z) dikatakan sebagai variabel distorter.

+
pendidikan status pekerjaan

independent variable X

dependent variable Y

pendidikan independent variable X

Z
Variabel Distorter

status pekerjaan dependent variable Y

MENGAPA HARUS PATH?

DEKAN

DEKAN

DOSEN

DANA PEMBANGUNAN

DOSEN

MAHASISWA ANALISA REGRESI BERGANDA

MAHASISWA PATH ANALYSIS

10

PENGERTIAN DASAR PATH ANALYSIS

Menggunakan regresi, sehingga asumsi-asumsi dalam regresi klasik mengikat model path analysis. Bertujuan untuk menguji apakah model yang diusulkan cocok dengan data. Caranya dengan membandingkan korelasi teoritis dengan korelasi empiris. Bila sama berarti model cocok atau fit, sebaliknya tidak cocok. Secara formal pengujian tersebut hanya menggunakan koefisien korelasi determinasi (R2). Asumsi-asumsi standard yang harus dipenuhi sebelum membangun model Path Analysis antara lain : (1) berbentuk rekursif, (2) hubungan satu arah, (3) linear, aditif dan kausal, (4) berdistribusi normal, (5) tidak ada multikolineariti, (6) semua variabel terukur, minimal dalam skala interval.
11

BEBERAPA CONTOH YANG MEMENUHI DAN TIDAK MEMENUHI SYARAT

Linear, Aditif, Kausal X1 = + X2 + X3 +

Rekursif

X1

X2
Non Rekursif

X3

Nonlinear, Aditif, Kausal Log X1 = Log + Log X2 + Log X3 +

Persyaratan multikolineariti bagi beberapa ahli diabaikan, karena menurut mereka tujuan menggunakan path analysis salah satunya adalah untuk mengatasi multikolineariti

Nominal : variabel jenis kelamin (Pria dan Wanita) Ordinal : tidak penting = 1 cukup penting = 2 penting = 3 sangat penting = 4 Interval : pertumbuhan dan derajad Rasio : kilogram dan meter

12

TAHAPAN-TAHAPAN MEMBANGUN MODEL PATH ANALYSIS

I

PENGEMBANGAN MODEL BERBASIS TEORI DAN STUDI EMPIRIS MEMBUAT GAMBAR HUBUNGAN KAUSALITAS DENGAN DIAGRAM JALUR MENGKONVERSI DIAGRAM JALUR KEDALAM PERSAMAANPERSAMAAN STRUKTURAL DAN SPESIFIKASI MODEL PENGUMPULAN DATA DAN PENGUKURAN VARIABEL MENENTUKAN MATRIK INPUT DAN TEKNIK ESTIMASI EVALUASI MODEL
13

II

III

I V V V I

LANGKAH I : PENGEMBANGAN MODEL BERBASIS TEORI DAN STUDI EMPIRIS

Keyakinan peneliti untuk mengajukan model kausalitas harus berlandaskan kepada sebuah atau beberapa JUSTIFIKASI TEORITIS yang mapan dan berlaku general. Namun ada kalanya dengan menelaah beberapa STUDI EMPIRIS, peneliti diperkenankan juga membangun model kausalitas.

Path Analysis sebenarnya bukan untuk menghasilkan kausalitas yang baru, tetapi untuk membenarkan adanya kausalitas teoritis yang ada berdasarkan pengujian dengan data empirik. Karena itu model ini adalah sebuah CONFIRMATORY TECHNIQUE, lawannya EXPLORATORY FACTOR ANALYSIS.
Dengan demikian ada dua komponen yang elementer dalam membangun model Path Analysis yaitu TEORI dan DATA.

14

JUSTIFIKASI TEORI DAN STUDI EMPIRIS

CONTOH : HUBUNGAN ANTARA INTELEGENSI DENGAN PENGETAHUAN AWAL DAN HASIL BELAJAR MATEMATIKA EKONOMI

BACK

Pada dasarnya pengaruh langsung kecerdasan terhadap pengetahuan awal sama dengan pengaruh langsung kecerdasan terhadap hasil belajar karena pengetahuan awal merupakan hasil belajar di masa lalu. Pratomo et al (dalam Azwar, 2002:168) menemukan korelasi inteligensi dengan prestasi belajar sebesar 0,276 yang signifikan pada taraf 5%. Kusumaningrum (1985:179) membuktikan ada hubungan berbanding lurus IQ dengan prestasi belajar sebesar 0,14. Di samping itu, ia juga berhasil membuktikan ada hubungan antara IQ dengan nilai tes masuk sebesar 0,23. Gorzelanczyk et al (1998:3) mengkorelasikan kecerdasan dengan komponenkomponen proses belajar. Rata-rata koefisien korelasi IQ dengan komponen-komponen proses belajar sebesar 0,11278. Sebaliknya, Rivai (2000:6) menemukan adanya hubungan positif yang signifikan antara inteligensi dengan hasil belajar matematika ekonomi dengan r = 0,869. Dengan koefisien determinasi sebesar 0,6190, inteligensi memberikan kontribusi sebesar 61,90% pada hasil belajar MATEMATIKA EKONOMI. Berdasarkan kerangka berpikir dan hasil-hasil penelitian di atas, dapat diduga kuat terdapat hubungan langsung positif yang signifikan INTELEGENSI dengan PENGETAHUAN AWAL dan HASIL BELAJAR

INTELEGENSI PENGETAHUAN AWAL

HASIL BELAJAR MATEMATIKA EKONOMI

15

LANGKAH II : MEMBUAT GAMBAR HUBUNGAN KAUSALITAS DENGAN DIAGRAM JALUR

BACK

Berdasarkan pendalaman teori-teori lainnya, akhirnya dapat dibuat Diagram Jalur yang lengkap mengenai HUBUNGAN ANTARA INTELEGENSI DENGAN PENGETAHUAN AWAL DAN HASIL BELAJAR MATEMATIKA EKONOMI INTELEGENSI HASIL BELAJAR MATEMATIKA EKONOMI

PENGETAHUAN AWAL

strategi-strategi metakognitif
16

LANGKAH III : KONVERSI DIAGRAM JALUR KEDALAM PERSAMAAN-PERSAMAAN STRUKTURAL

Dalam membuat persamaan-persamaan struktural perlu diperhatikan mana yang menjadi variabel endogen dan mana yang menjadi eksogen. Selain itu karena keterbatasan kita didalam menggali variabel-variabel kausalitas lainya, maka informasi-informasi yang tidak bisa ditangkap tersebut harus dimasukkan dalam variabel gangguan atau disturbance error variable. Seringkali variabel endogen ditempatkan juga sebagai variabel penjelas untuk variabel endogen lainnya. Karena itu secara umum bentuk persamaan struktural dalam model path analysis adalah : Endogen = eksogen + endogen + error Sesuai diagram yang sudah dibangun sebelumnya kita bisa mebuat persamaan struktural sebagai berikut :

17

BACK

CONTOH DIAGRAM JALUR DAN PERSAMAANNYA

INTELEGENSI

X1 =

PENGETAHUAN AWAL

Y1 =

Y2 = HASIL BELAJAR MATEMATIKA EKONOMI

X2 = strategi-strategi
metakognitif

Y1 = 1 X1 + 2 X2 + 1 Y2 = 1 X1 + 2 X2 + 1 Y1 + 2
18

LANGKAH IV : PENGUMPULAN DATA DAN PENGUKURAN VARIABEL

Variabel-variabel X1, X2, Y1 dan Y2 harus terukur, minimal dalam bentuk interval.
Semua variabel tersebut diukur menggunakan data-data yang dikumpulkan. Dan untuk mengumpulkan data-data yang dimaksud, sekaligus dapat digunakan untuk mengukur variabel operasional diperlukan beberapa langkah penelitian. 1. Jenis data 2. Jenis skala pengukuran 3. Tipe skala pengukuran 4. Sumber data 5. Cara mengumpul data 6. Instrumen pengumpulan data 7. Penyusunan intrumen-instrumen penelitian 8. Sampling 9. Validasi dan releabilitas data

Data yang digunakan sebagai indikator variabel operasional adalah data yang valid dan reliabel. Untuk memperoleh ini semua tahapan penelitian di atas harus dilakukan.

19

JENIS DATA Data kualitatif : data yang berhubungan dengan kategorisasi, karakteristik berwujud pertanyaan atau berupa kata-kata. Data kuantitatif : data-data yang berwujud numerik atau angka atau bilangan.

JENIS SKALA PENGUKURAN Bertujuan untuk mengklasifikasi variabel yang diukur agar tidak terjadi kesalahan dalam menentukan analisis data dan langkah-langkah penelitian selanjutnya 1. Skala nominal : fungsi bilangan hanya sebagai simbol. 2. Skala ordinal : skala yang dibentuk berdasarkan rangking. 3. Skala interval : skala yang menunjukkan jarak antara satu data dengan data yang lain, tidak mempunyai titik nol. 4. Skala ratio : skala yang mempunyai angka nol mutlak

Semua data yang berskala interval dan ratio adalah data kuantitatif yang tepat digunakan dalam statistik parametrik. Agar data-data kualitatif (skala ordinal dan nominal) dapat dianalisis dengan statistik parameterik, maka data-data tersebut harus dikonversi kedalam skala interval, caranya ?
20

TIPE SKALA PENGUKURAN Skala Likert : digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok.

Skala Guttman : merupakan skala kumulatif yang biasa digunakan untuk mencari jawaban yang tegas, jelas dan konsisten (Ya dan tidak, benar dan salah, setuju dan tidak setuju, dan lain-lain).
Skala Diferensial Semantik : yang memuat serangkaian karakteristik bipolar (dua kutup).

Skala Thurstone : meminta seseorang untuk memilih pertanyaan yang ia setujui dari beberapa pernyataan yang menyajikan pandangan berbeda-beda

Selain keempat skala di atas ada lagi Skala Rating. Kalau empat skala di atas bertujuan untuk mengkonversi data kualitatif menjadi kuantitatif, tetapi untuk skala rating, data kuantitatif yang ditafsirkan dengan kualitatif. SUMBER DATA DAN CARA MENGUMPULKAN DATA Sumber data dapat berupa data primer dan atau data sekunder. Dikumpulkan dengan cara kuesioner, angket, wawancara, pengamatan, ujian atau tes.
21

INSTRUMEN PENGUMPULAN DATA DAN PENYUSUNANNYA Dalam metode pengumpulan data sudah ditetapkan bagaimana data itu dikumpulkan. Sekarang bagaimana caranya ? Untuk itu kita harus tetapkan instrumen-instrumen dari metode yang ditetapkan tersebut. Misalkan sudah ditetapkan data dikumpulkan dengan cara menyebar angket atau kuesioner. Untuk itu instrumen yang harus dibuat bisa berbentuk kuesioner terbuka, tertutup, atau menggunakan checklist. LANGKAH-LANGKAH MENYUSUN INSTRUMEN PENELITIAN Mengidentifikasi variabel-variabel penelitian Menjabarkan variabel tersebut menjadi sub-variabel Menderetkan diskriptor dari setiap indikator Merumuskan setiap deskriptor menjadi butir-butir instrumen

KISI-KISI INSTRUMEN

22

CONTOH : Pengaruh Motivasi, Kemampuan dan Loyalitas terhadap Kualitas Kerja Variabel penjelas (bebas) Variabel yang dijelaskan (terikat) : MOTIVASI, KEMAMPUAN, LOYALITAS : KUALITAS KERJA

KISI-KISI INSTRUMEN
Variabel I Motivasi Dimensi (sub-variabel) 1. Motif Kerja Indikator (a). Gaji (b). Kenyamanan Kerja (c). Fasilitas kerja (a). Sifat kepemimpinan (b). Kedisiplinan
I. MOTIFASI KERJA A. MOTIF
Jumlahkan semua hasil jawaban

Deskriptor 1. Upah yang layak 2. Penilaian kerja 3. Tempat kerja yang baik 4. Loyalitas pimpinan 5 Simpatik 6. Disiplin yang bijaksana

Nomer Butir 1.1 1.2 1.3 1.4 1.5 1.6

2. Harapan

1. Saya bekerja dengan menerima upah : a. Tinggi b. Cukup d. Rendah e. Sangat rendah 2. Pekerjaan saya oleh pimpinan selalu dinilai : a. Tinggi b. Cukup d. Rendah e. Sangat rendah 23

TEKNIK PENGAMBILAN SAMPEL DAN JUMLAH SAMPEL

TEKNIK SAMPLING random sampling, cluster sampling, two stage sampling, multistage sampling, purposive sampling, dan lain-lain. JUMLAH SAMPEL Beberapa pedoman menentukan jumlah sampel untuk model path analysis : 1. Tergantung pada jumlah parameter yang diestimasi. Pedomannya, 5-10 kali jumlah parameter yang diestimasi dalam model path. 2. Untuk teknik maximum likelihood jumlah sampel yang tepat adalah 100-200 sampel. 3. Menurut Hair et al ukuran sampel yang sesuai adalah 100-200.

4. Menghitung sendiri berdasarkan model path analysis dan koefisien korelasi populasi, yang dilakukan dengan beberapa iterasi hingga diperoleh jumlah sampel yang tepat.

24

UJI VALIDITAS
UJI VALIDITAS VALIDITAS ISI
Telaah kisi-kisi tes, lebih berdasarkan logika

VALIDITAS EMPIRIS

VALIDITAS KONSTRUK
Telaah konsep atau teori yang membentuknya

Mempunyai ukuran statistik. Instrumen diuji berdasarkan kriteria-kriteria

VALIDITAS EKSTERNAL
Pengujian dilakukan dengan menggunakan kriteria-kriteria eksternal, namun tetap menggunakan koefisien korelasi

VALIDITAS INTERNAL
Tercermin pada besaran koefisien korelasi antara skor butir dengan skor total instrumen. Dikatakan valid bila koefisien korelasinya signifikan dan positip
25

UJI RELIABILITAS
UJI RELIABILITAS KONSISTENSI TANGGAPAN
Mempersoalkan apakah tanggapan responden terhadap instrumen tersebut sudah baik atau konsisten. Dalam hal ini apabila suatu instrumen telah digunakan kepada responden, kemudian digunakan kembali pada respoonden yang sama, apakah hasilnya masih tetap mantap konsisten seperti hasil yang pertama.

BACK

KONSISTENSI GABUNGAN ITEM

Berkaitan dengan kemantapan atau konsistensi antara item-item suatu tes. Maknanya, apakah terhadap responden yang sama, item yang satu menunjukkan hasil ukur yang sama dengan item yang lainnya ? Dengan kata lain hasil ukur item yang satu dengan item yang lain tidak kontradiksi.

Teknik test-retest

Teknik belah dua

Bentuk Ekivalen

Rumus KuderRichardson

Rumus AlpaCronbach

Rumus Hoyt

26

LANGKAH V : MENENTUKAN MATRIK INPUT DAN ESTIMASI BACK

MENENTUKAN MATRIK INPUT

MATRIK KORELASI Tujuan : untuk melihat pola hubungan antara variabel Kelemahan : menyederhanakan interpretasi karena satuan pengukuran dihilangkan MATRIK VARAN-KOVARIAN Tujuan : untuk menguji teori Kelemahan : interpretasinya menjadi agak sulit karena koefisienkoefisiennya diinterpretasikan melalui unit-unit pengukuran

MENENTUKAN METODE ESTIMASI

MAXIMUM LIKELIHOOD : Bila ukuran sampel Kecil, < 200, dan asumsi normalitas terpenuhi. MAXIMUM LIKELIHOOD ATAU GENERALIZED LEAST SQUARE: Bila ukuran sampel antara 200-500 dan asumsi normalitas cukup dipenuhi ASYMPTOTICALLY DISTRIBUTIONFREE: Bila ukuran sampel besar, lebih dari 500 dan asumsi normalitas tidak terpenuhi
27

LANGKAH VI : EVALUASI MODEL

BACK

1. APRIORI TEST ATAU EVALUASI MODEL SECARA TEORITIS. MENYANGKUT MASALAH TANDA HUBUNGAN ANTARA VARIABEL. 2. STATISTIC TEST ATAU UJI SIGNIFIKANSI MODEL, DIANTARANYA UJI PARSIAL UNTUK MASING-MASING KOEFISIEN, DAN UJI SERENTAK UNTUK MODEL
MODEL DIKATAKAN PALING BAIK JIKA BISA LOLOS DARI DUA TES INI. JIKA HANYA SALAH SATU SAJA, MAKA PERLU DIDAHULUKAN UJI MANA YANG LEBIH DIPENTINGKAN. ATAU MELAKUKAN RESPESIFIKASI MODEL HINGGA DIPEROLEH YANG SIGNIFIKAN.
28