Anda di halaman 1dari 39

Indikator Reflektif dan Formatif

dalam Pemodelan Persamaan


Struktural (SEM)
By Wahyu Widhiarso On April 14, 2011 7 Comments
Perumusan model pengukuran tergantung pada arah

hubungan antara variabel laten dan variabel manifesnya. Dalam hal pemodelan
persamaan struktural dikenal dua model pengukuran, yaitu model pengukuran
reflektif dan pengukuran formatif. Masing-masing memiliki karakteristik yang
berbeda. Penggunaan model reflektif lebih banyak dipakai karena sebagian besar
pengukuran dikembangkan dari penjabaran konsep menjadi indikator. Pada kasus
pengukuran tertentu, indikator-indikator pengukuran memiliki sifat yang unik
yang terpisah antara satu dengan lainnya. Nah, model pengukuran formatif
mengakomodasi kasus ini.

Gambar 1. Model Indikator Reflektif dan Formatif

A. Model Indikator Reflektif


Dalam model reflektif, blok variabel manifes yang terkait dengan variabel laten
diasumsikan mengukur indikator yang memanifestasikan konstrak. Indikator
dilihat sebagai efek dari variabel laten yang dapat diamati secara empirik.
Misalnya konstrak kegigihan (hardiness) yang dimanifestasikan oleh indikator
komitmen, tantangan dan kontrol yang bersifat empirik karena nilainya bisa kita
ketahui melalui skor skala kegigihan.
Dalam model pengukuran reflektif, indikator terkait dengan variabel laten yang
sama harus memiliki varians bersama (covary). Ketiga indikator kegigihan
komitmen, tantangan dan kontrol, seperti contoh di atas, harus memiliki
keterkaitan yang ditunjukkan dengan nilai kovarians. Kovarians menunjukkan

adanya varians bersama yang dijelaskan ketiga indikator tersebut, yang


dinamakan dengan konstrak kegigihan.
Pada model reflektif, konsistensi internal harus diperiksa yang mengasumsikan
bahwa tiap indikator bersifat homogen dan unidimensional. Koefisien alpha dan
analisis faktor menunjukkan hal tersebut.

B. Model Indikator Formatif


Dalam model formatif, setiap indikator empirik merepresentasikan indikator yang
dapat tidak homogen dan tidak unidimensional. Semua indikator membentuk
kombinasi persamaan regresi dalam menjelaskan konstrak latennya. Semua
indikator tidak harus memiliki varians bersama (kovarians) sehingga
mengeliminasi satu indikator tidak mengubah peranan indikator lainnya.
Contohnya dalam pengukuran stres kehidupan (life events stresor) memuat
indikator stres berupa stres finansial, pekerjaan, interpersonal dan kesehatan.
Keempat indikator ini membentuk stres individu. Masing-masing indikator stres
tidak terkait dengan yang lain. Semakin tinggi skor masing-masing indikator stres,
semakin tinggi stres kehidupan yang dialami oleh individu.

C. Model Indikator Formatif


1. Contoh Model Indikator Reflektif
Dalam bidang psikologi model indikator reflektif mudah dicari contohnya karena
sebagian besar pengukuran dalam bidang psikologi menggunakan model ini.
Misalnya, pengukuran depresi dimanifestasikan dalam faktor anhedonia dan
keputusasaan. Contoh lainnya adalah kepuasan kerja yang dimanifestasikan dalam
gaji, bonus dan kejelasan karir.

Gambar 2. Contoh Model Indikator Reflektif

2. Contoh Model Indikator Formatif


Contoh model formatif adalah status ekonomi dan sosial (SES) yang terdiri dari
pendidikan, perekonomian/pendapatan dan prestis pekerjaan (Heise 1972). Ketiga
indikator ini mempengaruhi besarnya SES individu. Masing-masing tidak
memiliki keterkaitan antara satu dan lainnya.

Gambar 1. Contoh Model Indikator Formatif

3. Contoh Pengabungan Indikator Reflektif dan Formatif (MIMIC)


Contoh penggabungan model indikator reflektif dan formatif adalah MIMIC.
Misalnya kepuasan nasabah bank. Kepuasan nasabah disebabkan oleh faktor
kualitas fasilitas, keramahan pelayanan teller atau satpam, kejelasan dalam
memberikan informasi dan berbagai kemudahan yang ditawarkan oleh bank.
Keempat indikator di atas adalah indikator formatif yang mempengaruhi kepuasan
nasabah di bank.
Di sisi lain, ada indikator reflektif yang merupakan konsekuensi dari ketika
nasabah memiliki kepuasan yang tinggi terhadap pelayanan di bank. Konsekuensi
tersebut merupakan indikator reflektif, karena merefleksikan nasabah yang merasa
puas dengan layanan bank. Indikator tersebut memuat loyalitas, keterkaitan
emosional, kebanggaan dan mengiformasikan kepada orang lain (sosialisasi).

Gambar 1. Contoh Model Indikator Reflektif dan Formatif

D. Evaluasi Properti Psikometris


Properti psikometris yang terkait dengan model pengukuran reflektif adalah
validitas konstrak. Validasi konstrak menjelaskan seberapa baik konsep teoritis
dioperasionalkan dalam pengukuran terhadap konstrak tersebut. Validitas konstrak
tersebut dilakukan melalui analisis faktor konfirmatori (CFA) atau multrait-multi
method (validitas konvergen dan diskriminan) dan pengujian reliabilitas melalui
Cronbach Alpha.
Validitas konstrak model indikator formatif berkaitan dengan kekuatan dan
pentingnya jalur dari indikator ke konstruk (MacKenzie et al., 2005). Model
validitas tradisional yang biasa dipakai dalam pengembangan pengukuran
psikologi tidak dapat diterapkan pada model indikator formatif.
.

D. Aplikasi dalam Analisis Data


Model pengukuran reflektif diakomodasi oleh software SEM seperti LISREL,
AMOS, MPLUS atau EQS. Software-software ini menggunakan bahan analisis
berupa kovarians. Di sisi lain, model pengukuran formatif diakomodasi oleh
program yang mengaplikasikan PLS (partial least square) seperti VisualPLS atau
SmartPLS yang menggunakan bahan analisis berupa varians. Dibandingkan
dengan analisis biasanya, PLS tidak banyak menuntut asumsi karena tidak
menggunakan estimasi maximum likelihood.

Kriteria Membedakan Konstruk


Reflektif vs. Formatif
1. Bagaimana arah kausalitas antara indikator-indikator dengan
konstruk? Indikator reflektif disebabkan oleh konstruk sedangkan
indikator formatif menyebabkan konstruk.
2. Bagaimana sifat kovarian antar-item indikator? Jika antarindikator diharapkan berkovariasi tinggi maka model reflektif
lebih tepat. Jika satu indikator seharusnya tidak saling berkorelasi
dengan indikator yang lain maka indikator tersebut dapat
dihapus. Dalam model reflektif, seluruh indikator akan bergerak
bersama, artinya perubahan satu indikator menyebabkan
perubahan terhadap indikator lain. Kovarian yang tinggi antarindikator, merupakan bukti konsisten indikator reflektif. Indikator
formatif diharapkan tidak memiliki kovarian yang tinggi karena
itu indikator formatif diharapkan tidak bergerak bersama.
3. Apakah terdapat perbedaan dalam konten indikator? Jika
indikator memiliki kesamaan dasar konseptual, artinya seluruh
indikator mengindikasi hal yang sama maka model pengukuran
dapat dinilai sebagai model reflektif. Ketika semua indikator
merepresentasi konsep yang sama, menghilangkan satu
indikator tidak mengubah arti konstruk secara materi.
4. Bagaimana indikator-indikator berhubungan dengan konstruk
lain? Semua indikator dalam suatu konstruk dapat berhubungan
dengan variabel lain dengan cara yang sama dalam model
reflektif. Sementara, indikator dalam model formatif tidak
berhubungan dengan variabel lain. Dalam model pengukuran
formatif, peneliti berharap satu indikator menghasilkan pola
hubungan berbeda dengan variabel lain daripada dengan
indikator lain.
Dip

Partial Least Square


Partila Least Square (PLS) dikembangkan pertama kali oleh Herman
Wold (1982). Ada beberapa metode yang dikembangkan berkaitan
dengan PLS yaitu model PLS Regression (PLS-R) dan PLS Path Modeling
(PLS-PM ). PLS Path Modeling dikembangkan sebagai alternatif
pemodelan persamaan struktural ( SEM) yang dasar teorinya lemah.
PLS-PM berbasis varian berbeda dengan metode SEM dengan software
AMOS,
Lisrel,
EQS
menggunakan
basis
kovarian.
Ada beberapa hal yang membedakan analisis PLS dengan model
analisis SEM yang lain :
1. Data tidak harus berdistribusi normal multivariate.
2. Dapat digunakan sampel kecil. Minimal sampel >30 dapat
digunakan.
3. PLS selain dapat digunakan unutk mengkonfirmasikan teori,
dapat juga digunakan untuk menjelaskan ada atau tidaknya
hubungan antar variabel laten.
4. PLS dapat menganalisis sekaligus konstruk yang dibentuk
dengan indikator reflektif dan formatif
5. PLS mampu mengestimasi model yang besar dan kompleks
dengan ratusan variabel laten dan ribuan indikator (Falk and
Miller, 1992)
Pemodelan dalam PLS-Path Modeling ada 2 model :
1. Model structural (Inner model) yaitu model struktural yang
menghubungkan antar variabel laten.
2. Model Measurement (Outer Model yaitu model pengukuran yang
menghubungkan indikator dengan variabel latennya.

Model Partial Least Square


Dalam PLS Path Modeling terdapat 2 model yaitu outer model dan
Inner model. Kriteria uji dilakukan pada kedua model tersebut.

Outer model (Model Measurement)


Model ini menspesifikasi hubungan antar variabel laten dengan
indikator-indikatornya. atau dapat dikatakan bahwa outer model
mendefinisikan bagaimana setiap indikator berhubungan dengan
variabel latennya. Uji yang dilakukan pada outer model :

Convergent Validity. Nilai convergen validity adalah nilai loading


faktor pada variabel laten dengan indikator-indikatornya. Nilai
yang diharapkan >0.7.

Discriminant Validity. Nilai ini merupakan nilai cross loading


faktor yang berguna untuk mengetahui apakah konstruk
memiliki diskriminan yang memadai yaitu dengan cara
membandingkan nilai loading pada konstruk yang dituju harus
lebih besar dibandingkan dengan nilai loading dengan konstruk
yang lain.

Composite Reliability. Data yang memiliki composite reliability


>0.8 mempunyi reliabilitas yang tinggi.

Average Variance Extracted (AVE). Nilai AVE yang diharapkan


>0.5.

Cronbach Alpha. Uji reliabilitas diperkuat dengan Cronbach


Alpha.Nilai diharapkan >0.6 untuk semua konstruk.

Uji yang dilakukan diatas merupakan uji pada outer model untuk
indikator reflektif. Untuk indikator formatif dilakukan pengujian yang
berbeda. Uji untuk indikator formatif yaitu :

Significance of weights. Nilai weight indikator formatif dengan


konstruknya harus signifikan.

Multicolliniearity.
Uji
multicolliniearity
dilakukan
untuk
mengetahui hubungan antar indikator. Untuk mengetahui
apakah indikator formatif mengalami multicolliniearity dengan
mengetahui nilai VIF. Nilai VIF antara 5- 10 dapat dikatakan
bahwa indikator tersebut terjadi multicolliniearity.

Masih ada dua uji untuk indikator formatif yaitu nomological validity
dan external validity.
Inner Model (Model Structural).
Uji pada model struktural dilakukan untuk menguji hubungan antara
konstruk laten. Ada beberapa uji untuk model struktural yaitu :

R Square pada konstruk endogen. Nilai R Square adalah


koefisien determinasi pada konstruk endogen. Menurut Chin
(1998), nilai R square sebesar 0.67 (kuat), 0.33 (moderat) dan
0.19 (lemah)

Estimate for Path Coefficients, merupakan nilai koefisen jalur


atau besarnya hubungan/pengaruh konstruk laten. Dilakukan
dengan prosedur Bootrapping.

Effect Size (f square). Dilakukan untuk megetahui kebaikan


model.

Prediction relevance (Q square) atau dikenal dengan StoneGeisser's. Uji ini dilakukan untuk mengetahui kapabilitas prediksi
dengan prosedur blinfolding. Apabila nilai yang didapatkan 0.02
(kecil), 0.15 (sedang) dan 0.35 (besar). Hanya dapat dilakukan
untuk konstruk endogen dengan indikator reflektif.

Dalam outer model terdapat dua tipe indikator yaitu indikator reflektif
dan indikator formatif.
1. Indikator reflektif. Indikator ini mempunyai ciri-ciri : arah
hubungan kausalitas dari variabel laten ke indikator, antar
indikator diharapkan saling berkorelasi (instrumen harus
memiliki consistency reliability), menghilangkan satu indikator,
tidak akan merubah makna dan arti variabel yang diukur, dan
kesalahan pengukuran (eror) pada tingkat indikator. Sebagai

contoh model indikator reflektif adalah variabel yang berkaitan


dengan sikap (attitude) dan niat membeli (purchase intention).
2. Indikator formatif. Ciri-ciri model indikator reflektif yaitu : arah
hubungan kausalitas dari indikator ke variabel laten, antar
indikator diasumsikan tidak berkorelasi (tidak diperlukan uji
reliabilitas konsistensi internal), menghilangkan satu indikator
berakibat merubah makna dari variabel laten., dan kesalahan
pengukuran berada pada tingkat variabel laten. Variabel laten
dengan indikator formatif dapat berupa variabel komposit.
Sebagai contoh variabel status sosial ekonomi diukur dengan
indikator yang saling mutual exclusive (pendidikan, pekerjaan,
dan tempat tinggal). variabel kualitas pelayanan dibentuk oleh 5
dimensi yaitu tangible, reliability, responsive, emphaty dan
assurance.

Beberapa software PLS yang telah dikembangkan untuk analisis model


Partial Least Square (PLS), antara lain :
1. LVPLS versi 1.8 (Latent Variable Partial Least Square). Ini
merupakan software yang pertama kali dikembangkan oleh JanBernd Lohmoller (1984,1987,1989) under DOS, dapat
didownload
http://kiptron.psyc.virginia.edu/
.
Kemudian
dikembangkan lagi oleh Wynne Chin (1998,1999,2001) menjadi
under Windows dengan tampilan grafis dan tambahan teknik
validasi bootstrapping dan jacknifing. Software ini diberi nama
PLS Graph versi 3.0. Untuk versi student dapat didownload di
http://www.bauer.uh.edu.
2. SmartPLS, software ini dikembangkan di University of Hamburg
Jerman. Software ini dapat didownload di www.smartpls.de.
3. Visual Partial Least Square (VPLS), dikembangkan oleh Jen
Ruei Fu dari National Kaohsiung University Taiwan. Software ini
dapat didownload di http://www2.kuas.edu.tw
4. PLS-GUI, software ini dikembangkan oleh Yuan Li dari
Management Science Department, The More School Business,
Universitas of South Carolina. Software ini dapat didownload di
http://dmsweb.badm.sc.edu
5. WarpPLS, software ini dikembangkan oleh Ned Kock. Software
ini merupakan alternatif path modeling linier dan nonlinier.
Dapat didownload di http://www.scriptwarp.com

Indikator Reflektif dan Indikator Formatif dalam Pengukuran Psikologi


pada: 25 April 2011, 03:04:23 AM
Dari pengalaman mengajar PSP, salah satu bahasan yang menarik adalah
penjabaran konstrak menjadi bagian-bagian terkecil (indikator), yang biasa
dinamakan dengan aspek, komponen atau faktor. Dari penugasan yang saya
berikan, mahasiswa sedikit kesulitan untuk membedakan antara indikator manifes
dan indikator kausal. Kedua hal ini memang agak sulit dibedakan, bahkan masih
ada perdebatan mengenai hal ini, misalnya indikator-indikator dalam efikasi
pemanfaatan komputer (Hardin, Chang, & Fuller, 2008).
Dalam hal pemodelan persamaan struktural (SEM) indikator manifes dan kausal
tersebut dinamakan dengan model pengukuran dengan indikator reflektif dan
indikator formatif. Berikut ini beberapa catatan dari saya yang bisa kita diskusikan
lebih lanjut.
A. Indikator Reflektif (Indikator Manifes)
Dalam model reflektif, indikator dilihat sebagai efek dari konstrak yang dapat
diamati. Misalnya konstrak kegigihan (hardiness) yang direfleksikan menjadi tiga
indikator yaitu komitmen, tantangan dan kontrol. Kata direfleksikan tersebut
dapat disubstitsikan dengan dimanifestasikan oleh, dijabarkan menjadi, diamati
dari, diukur dari atau keluaran dari (outcome of).
Secara statistik, model pengukuran reflektif menjelaskan bahwa indikator terkait
dengan variabel laten yang sama harus memiliki varians bersama (kovarians).
Dengan demikian untuk membuktikan bahwa komitmen, tantangan dan kontrol
merupakan refleksi dari harus memiliki keterkaitan bersama, maka ketiganya
harus memiliki keterkaitan bersama. Pendekatan yang biasa dipakai adalah
analisis faktor.

B. Indikator Formatif (Indikator Kausal)


Dalam model formatif, indikator bukan merupakan refleksi konstrak yang diukur,
akan tetapi lebih merupakan anteseden atau penyebab (causal indicators). Berbeda
dengan indikator reflektif, pada indikator formatif, menghilangkan satu indikator
tidak akan mengganggu indikator lainnya karena masing-masing relatif
independen.
Secara statistik, indikator ini dibuktikan dengan koefisien peranan yang dapat
dilihat melalui kombinasi linier dalam persamaan regresi. Semua indikator tidak
harus memiliki varians bersama (kovarians) sehingga mengeliminasi satu
indikator tidak seberapa mengubah peranan indikator lainnya. Justru diharapkan
indikator ini memiliki keterkaitan yang rendah, untuk menghindari overlap. Salah
satu sifat dari indikator ini adalah akumulasi, karena menggunakan regresi.

C. Contoh Indikator Formatif


Diamantopoulos dan Winklhofer (2001) mengatakan bahwa psychological
constructs have been consistently suggested as unsuitable for formative
measurement (causal indicator). Untuk mengukur tingkat kekenyangan seseorang
kita tidak boleh menanyakan berapa piring nasi yang dia habiskan. Kita tidak bisa

mengukur sebab-sebab seseorang kenyang, akan tetapi sampel perilaku yang


menunjukkan bahwa dia kenyang.
Oleh karena itu dalam mengembangkan pengukuran, diperlukan pendalaman lebih
lanjut agar indikator yang kita pakai dalam pengembangan alat ukur adalah
indikator reflektif (manifest) bukan indikator formatif (kausal). Berikut ini
contoh-contoh indikator formatif dari beberapa literatur.
1. Kepuasan Kerja. Aspek-aspek kepuasan kerja yang dijabarkan menjadi aspek
seperti supervisor, penggajian, beban kerja, karir lebih cenderung merupakan
indikator kausal dibanding reflektif (Davy & Shipper, 1993). Hal ini dapat
diketahui dari pernyataan penulisnya yang mengatakan bahwa overall job
satisfaction as the sum of.. Untuk mengembangkan pengukuran kepuasan
kerja, kita harus mengeksplorasi sampel perilaku karyawan yang menunjukkan
mereka puas atau tidak dengan pekerjaannya.
2. Status Ekonomi (SES). Status ekonomi yang dijabarkan menjadi pendidikan,
pendapatan dan prestius pekerjaan bukan merupakan manifestasi dari
(manifestations of) SES, akan tetapi lebih merupakan (outcome of) (Bollen,
1989). Dengan demikian SES lebih cenderung pada model formatif dibanding
reflektif.
3. Stresor. Stresor kehidupan (life events stresor) yang memuat indikator stres
berupa stres finansial, pekerjaan, interpersonal dan kesehatan, lebih cenderung
menjadi indikator formatif ketimbang reflektif.
4. RBO. Perceived Risk of Bussiness Outsourcing terdiri dari aspek resiko
finansial, performansi, strategik, dan psikososial ternyata lebih cenderung
mengarah pada indikator formatif dibanding reflektif (Gewald, et al., 2006).
Masih banyak lagi contoh indikator formatif yang bisa dieksplorasi.
D. Penutup
Indikator kausal membutuhkan penanganan berbeda dengan indikator manifes
yang biasa dipakai di psikologi. Misalnya estimasi dalam SEM, model dengan
indikator kausal disarankan menggunakan PLS dibanding dengan OLS, dsb. Oleh
karena itu, kita perlu lebih mendalami teori atau referensi yang kita pakai dalam
menjabarkan konstrak ukur menjadi indikator.

Referensi
1. Bollen, K. A. (1989). Structural equations with latent variables. New York:
John Wiley & Sons, Inc.
2. Davy, J. A., & Shipper, F. (1993). Voter behavior in union certification
elections : A longitudinal study. The Academy of Management Journal,
36(1), 187-199. doi: 10.2307/256518.
3. Gewald, H., Wllenweber, K., & Weitzel, T. (2006). The influence of
perceived risks on banking managers intention to outsource business
processes: A study of the german banking and finance industry. Journal of
Electronic Commerce Research, 7(2), 78-96.
4. Hardin, A., Chang, J. C.-J., & Fuller, M. (2008). Clarifying the Use of
Formative Measurement in the IS Discipline: The Case of Computer SelfEfficacy. Journal of the Association for Information Systems (Vol. 9).
Retrieved April 25, 2011, from http://aisel.aisnet.org/jais/vol9/iss9/1.
1. Istilah reflektif dan formatif kebetulan tidak banyak dipakai di FPsi
yang lebih banyak menggunakan istilah konstruk (dg faktor,
komponen, aspek di dalamnya) dan variabel independen. Saya terbiasa
menyesuaikan istilah tersebut di Fakultas lain pada waktu menguji atau
membimbing S3. Trims telah menyampaikan istilah yg memang banyak
dipakai tersebut.
2. Saya sangat setuju bila kita memang harus menggunakan referensi
yang kuat untuk menjelaskan dan menempatkan sesuatu dalam format
reflektif atau formatif. SES seperti yg dicontohkan mas Wahyu dg
mengutip Bolen memang bisa masuk dalam formatif khususnya ketika
Psikologi bisa membuat variabel SES persepsian (perceived SES).
Namun dalam beberapa referensi Sosiologi ketiga hal itu (pendidikan,
pendapatan, dan prestis) masuk sebagai komponen SES sehingga
tergolong dlm format reflektif. Contoh lain ada juga yang
menempatkan serangkaian 'variabel' yang sama tetapi ditempatkan
dalam dua format yang berbeda, tergantung argumen dan teorinya.
3. Untuk menyusun indikator formatif, diperlukan kehati-hatian. Bila

secara teoritis satu atau beberapa variabel memiliki efek langsung


terhadap variabel lain, maka model formatifnya mudah disusun. Bila
hubungannya secara teoritis tidak langsung atau, ini lebih gawat,
hubungannya spurious, maka model formatif yang harus disusun tidak
semudah seperti dicontohkan mas Wahyu.

Terima kasih atas masukkan Pak Fatur. Memang faktor formatif tidak
bisa berdiri sendiri tanpa faktor reflektif, karena cenderung akan
menjadi spurious. Supaya tidak menyesatkan pembaca, saya koreksi
gambarnya menjadi gambar di bawah ini. Dengan menambahkan
panah dari konstruk laten ke konstruk lainnya. Artinya harus ada faktor
reflektif ketika melibatkan faktor formatif di dalam model.

Supaya informasinya lebih lengkap, sekalian saja saya menjelaskan


gambar model yang saya contohkan. Dua model tersebut adalah
model Multiple Indicators Multiple Causes (MIMIC) yang sebenarnya
adalah analisis faktor konfirmatori akan tetapi dengan melibatkan
kovariats. Dalam hal ini aspek atau indikator formatif posisinya sebagai
kovariats-nya.
Gambar pertama didapatkan dari Hodge et al. (1968) yang
menganalisis faktor konstruk partisipasi sosial dengan melibatkan SES
sebagai kovariats. Tiga indikator/faktor manifes yang dilibatkan adalah
church, member, dan friends.

Gambar kedua didapatkan dari Franke et al. (2008) yang menganalisis


faktor konstruk corporate citizenship dengan tiga faktor reflektif berupa
employee commitment, customer loyalty dan business performance.
Tiga faktor formatif yang dilibatkan adalah legal, discretionary,
economic citizenship.

Mohon maaf, diskusinya jadi terlalu mengarah ke SEM. Padahal


pengennya sharing mengenai jenis-jenis aspek atau faktor dalam
pengembangan alat ukur
Referensi
Franke, G., Preacher, K. J., & Ridon, E. E. (2008). Proportional structural
effects of formative indicators. Journal of Business Research, 61(12),
1229-1237. doi: 10.1016/j.jbusres.2008.01.011.

mbarnya saya rescale..

Understood... berarti SES dan Prestasi adalah indikator formatif dari Kepuasan

Konsep-Konsep Dasar Penelitian (Bagian 5)


E. VARIABEL
Variabel penelitian adalah objek yang diteliti yang memiliki nilai yang
bervariasi. Dengan demikian sesuatu yang hanya mempunyai satu nilai
(tidak mempunyai nilai yang bervariasi) tidak dapat dinyatakan sebagai
variabel, tetapi konstanta (constant).
1. Kualitatif dan Kuantitatif
Qualitative Variable, adalah variabel yang datanya berupa data
kualitatif (skala nominal atau ordinal).
Quantitative Variable, adalah variabel yang datanya berupa angka
(skala ordinal, interval, atau rasio).
2. Bebas dan Terikat
Variabel Bebas (Independent Variable), adalah variabel yang
mempengaruhi variabel yang lain (variabel terikat).
Variabel Terikat (Dependent Variable), adalah variabel yang
dipengaruhi oleh variabel lain (variabel bebas).
Dua pengertian di atas memperlihatkan bahwa istilah dua jenis
variabel ini muncul pada penelitian (study) pengaruh.
Jika digambarkan, modelnya akan menjadi:

Contoh: Pada penelitian tentang Pengaruh IQ terhadap Nilai yang


Dicapai Mahasiswa dalam Perkuliahan Statistika, yang
menjadi VB adalah IQ dan yang menjadi VT adalah Nilai
yang Dicapai Mahasiswa dalam Perkuliahan Statistika.
Catatan: Pada penelitian korelasional tidak dikenal istilah variabel
bebas dan terikat, karena;
a. Pada hubungan relasional tidak ada variabel yang
mempengaruhi (VB) maupun dipengaruhi (VT).
Contoh: Hubungan Kemampuan Berbahasa Arab dan
Kemampuan Berbahasa Inggris Mahasiswa.
b. Pada hubungan resiprokal tiap variabel mempengaruhi
dan dipengaruhi oleh variabel yang lain, sehingga
penentuan VB dan VT menjadi rancu.
Contoh: Hubungan Motivasi dan Hasil Belajar Mahasiswa.
3. Kontrol dan Ekstrane
Ketika peneliti merasa tidak puas dengan hasil yang ditunjukkan oleh
variabel bebas dan variabel terikat yang dianalisis, maka perlu
dilakukan analisis lanjutan dengan memperhitungkan variabel-variabel
yang lain (variabel-variabel penjelas) yang dapat lebih menjelaskan
realitas yang sesungguhnya. Analisis lanjutan ini disebut dengan
analisis penjelas (elaboration). Sedangkan variabel yang perlu
diperhitungkan dalam analisis ini antara lain adalah variabel kontrol
dan variabel ekstrane.
Control Variable, adalah variabel yang dikendalikan pengaruhnya
terhadap variabel terikat. Pengendalian ini dilakukan dengan
menggunakan nilai yang sama (dijadikan konstanta).
Contoh: Jika meneliti tentang Nilai yang Dicapai Mahasiswa dalam
Perkuliahan Statistika (VT) yang diduga dipengaruhi oleh
IQ-nya (VB), maka variabel lain yang juga diduga
berpengaruh terhadap Nilai dimaksud seperti Minat
dikendalikan (VK), yaitu dengan menggunakan satu nilainya
saja seperti mahasiswa yang memiliki minat belajar
Statistika yang Tinggi.
Control variable ini sering ditemukan pada penelitian di bidang
eksakta, terutama pada penelitian eksperimental. Pada bidang sosial,

pengontrolan variabel lebih sulit dilakukan terutama pada penelitian


observasional.
Catatan: Pengontrolan variabel yang berpengaruh terhadap VT selain
dapat dilakukan dengan cara membuat variabel menjadi
konstanta (secara metodologis), juga dapat dilakukan
dengan
pengontrolan
secara
statistis/matematis.
Pengontrolan secara statistis dapat dilihat secara eksplisit
pada analisis-analisis parsial.
Extraneous Variable, adalah variabel yang diabaikan pengaruhnya
terhadap variabel terikat, karena pengaruhnya dianggap tidak
signifikan.
Contoh: Jika meneliti tentang Nilai yang Dicapai Mahasiswa dalam
Perkuliahan Statistika (VT) yang diduga dipengaruhi oleh
IQ-nya (VB), maka variabel lain yang juga diduga
berpengaruh terhadap nilai dimaksud namun dianggap
pengaruhnya kecil (negligible) sehingga tak berarti
(nonsignificant) seperti Penggunaan Ruangan ber-AC,
diabaikan.
4. Antara dan Moderator
Variabel-variabel lain yang juga dapat memberikan kontribusi dalam
analisis penjelas adalah sebagai berikut:
Intervening Variable, adalah variabel yang menjadi perantara efek
dari VB ke VT. Dengan demikian VB secara langsung memberikan efek
terhadap VI, kemudian VI memberikan efek terhadap VT yang di
dalamnya termasuk efek (tak langsung) dari VB.
Jika digambarkan modelnya akan menjadi:

Contoh: Pada penelitian tentang Pengaruh IQ terhadap Nilai yang


Dicapai
Mahasiswa
dalam
Perkuliahan
Statistika,
sebenarnya pengaruh dari IQ (VB) tidaklah langsung
terhadap Nilai yang Dicapai Mahasiswa dalam Perkuliahan
Statistika (VT), tetapi melalui suatu variabel lain yaitu
Proses Belajar Statistika (VI).
Moderator Variable, yaitu variabel yang memberikan dampak
terhadap pengaruh VB kepada VT.
Jika digambarkan modelnya akan menjadi:

Contoh: Pada penelitian tentang Efek Motivasi terhadap Proses Belajar


Mahasiswa di Kelas pada Mata Kuliah Statistika, peneliti
menduga bahwa motivasi yang diukur sebelum perkuliahan
dilaksanakan berdampak positif terhadap proses belajar
yang diamati secara langsung. Namun hasil penelitian
ternyata tidak sesuai dengan dugaan tersebut. Bisa saja
dampaknya tidak signifikan atau bahkan dampaknya negatif.
Peneliti kemudian menduga bahwa hal ini terjadi karena
pengaruh dari Cara Mengajar Dosen yang membuat
mahasiswa yang motivasinya tinggi tetapi proses belajarnya
di kelas tidak baik atau sebaliknya. Jika kemudian Cara
Mengajar Dosen ikut dilibatkan dalam penelitian, maka ia
berkedudukan sebagai VM.
Dampak VM terhadap pengaruh VB kepada VT selain dijelaskan melalui
prosesnya sebagaimana yang telah dipaparkan di atas, juga dapat
dijelaskan melalui pengaruhnya terhadap VB sekaligus terhadap VT,
sehingga modelnya digambarkan sebagai berikut:

Contoh: Dari contoh penelitian tentang Efek Motivasi terhadap Proses


Belajar Mahasiswa di Kelas pada Mata Kuliah Statistika,
sebenarnya dapat dipandang bahwa Cara Mengajar Dosen
memberikan
dampak
terhadap
Motivasi
Belajar
mahasiswa sekaligus terhadap Proses Belajar mereka.
Catatan:

Jika melihat kedudukannya dalam model, maka VM


sebenarnya adalah VB. Tetapi karena VM dimunculkan untuk
menjelaskan pengaruh VB terhadap VT, maka kedudukan

VM dalam analisis dianggap sebagai VB Kedua (Secondary


Independent Variable).
Jika bukan dalam analisis penjelas maka model kedua yang
menggambarkan
kedudukan
VM,
dapat
membuat
kedudukan VB berubah menjadi VI dengan model sebagai
berikut:

(klik gambar untuk memperjelas tulisan)


5. Komponen, Pengganggu, dan Penekan
Beberapa variabel lain yang juga dapat memberikan kontribusi dalam
analisis penjelas adalah sebagai berikut:
Component Variable, adalah bagian dari suatu variabel yang apabila
diperlakukan sebagai variabel tersendiri akan dapat memberikan hasil
penelitian yang lebih baik.
Contoh: Tes IQ (VB) diduga memiliki pengaruh yang signifikan
terhadap hasil belajar dalam mata kuliah Statistika (VT).
Mungkin akan lebih baik jika setiap bagian dari Tes IQ
dianalisis sebagai VB yang terpisah yaitu: Tes Verbal
(VB1), Tes Spasial (VB2), Tes Logikal (VB3), dan Tes
Numerikal (VB4) sehingga dapat diketahui komponen Tes
IQ mana yang berpengaruh atau tak berpengaruh
signifikan serta yang mana yang pengaruhnya paling
signifikan terhadap hasil belajar dalam mata kuliah
Statistika (VT). Mungkin juga akan lebih baik lagi jika hasil
belajar Statistika dianalisis komponennya secara terpisah
(dianggap sebagai variabel-variaabel tersendiri) juga.
Distractor Variable, yaitu variabel yang dapat mengungkapkan
bahwa kesimpulan yang benar dari suatu analisis adalah kebalikan dari
apa yang disimpulkan pada desain sebelumnya.
Contoh: Suatu hasil penelitian menunjukkan bahwa pelanggan suatu
bank ternyata lebih banyak dari masyarakat yang
berdomisili jauh dibandingkan yang dekat dengan bank
dimaksud.
Hasil penelitian ini tentu mengherankan. Namun jika
dilakukan analisis dengan melibatkan perbandingan jarak
rumah populasi dengan lokasi bank saingan terdekat yang
diklasifikasikan atas lebih dekat atau lebih jauh,
ternyata memberikan hasil bahwa sebaliknya yaitu

seseorang dalam memilih bank ternyata memilih yang


jaraknya lebih dekat dengan rumahnya.
Dengan demikian Perbandingan Jarak dengan Bank
Kompetitor lebih layak dijadikan VB dibandingkan
menggunakan Jarak Rumah Populasi dengan Bank
Tertentu.
Supressor Variable, yaitu variabel yang menekan pengaruh suatu
variabel terhadap variabel yang lain.
Contoh: Diduga bahwa Reaksi terhadap Perubahan Harga (VT) dari
kelompok masyarakat berpenghasilan (VB) rendah lebih
signifikan dibanding kelompok masyarakat berpenghasilan
tinggi. Namun hasil pengujian menunjukkan tidak ada
perbedaan yang signifikan.
Ketika kemudian masyarakat yang diteliti dibedakan juga
atas dasar tingkat pendidikan, terlihat bahwa tingkat
pendidikan rendah dan tinggi berbeda secara signifikan
dalam hal reaksi terhadap perubahan harga. Peneliti
mungkin terjebak dalam pemikiran bahwa Tingkat
Penghasilan sudah bukan merupakan variabel yang
signifikan lagi untuk melihat Reaksi Masyarakat terhadap
Perubahan Harga. Hasil analisis memperlihatkan variabel
Tingkat Pendidikan-lah yang berpengaruh.
Namun jika variabel Tingkat Pendidikan dibuat konstan
(dijadikan VK), maka akan dapat dilihat bahwa tingkat
penghasilan memberi pengaruh yang signifikan. Hal ini
menjelaskan bahwa pengaruh Tingkat Penghasilan telah
ditekan oleh Tingkat Pendidikan.
6. Eksogen dan Endogen
Exogeneous Variable, adalah variabel yang dianggap memiliki
pengaruh terhadap variabel yang lain, namun tidak dipengaruhi oleh
variabel lain dalam model.
Endogeneous Variable, adalah variabel yang dianggap dipengaruhi
oleh variabel lain dalam model.
Contoh Model:
Variabel Eksogen ----------------Variabel Endogen

(klik gambar untuk memperjelas tulisan)


Dari model di atas dapat dilihat bahwa:
a. Cara Mengajar Dosen adalah VB, Motivasi Belajar Mahasiswa
adalah VI, dan Proses Belajar Mahasiswa adalah VT.
b. Cara Mengajar Dosen karena tidak dipengaruhi oleh variabel yang
lain adalah Vex.
c. Motivasi Belajar Mahasiswa adalah VEn, karena dipengaruhi oleh
variabel Cara Mengajar Dosen. Proses Belajar Mahasiswa juga
Ven karena dipengaruhi oleh Motivasi Belajar Mahasiswa.
7. Teramati dan Laten
Observed Variable, adalah variabel yang dapat diamati secara
langsung.
Latent Variable, adalah variabel yang tidak dapat diamati secara
langsung namun harus dikonstruk sedemikian rupa dari berbagai
indikator.
Catatan: Indikator yang digunakan untuk mengukur VL adalah Variabel
Teramati (VTm) atau Observed Variable/Manifest Variable.
VTm sering muncul dalam penelitian-penelitian eksakta.
Dalam penelitian sosial humaniora (behavioristic), variabel yang
digunakan seringkali berupa variabel yang tidak dapat diamati secara
langsung, namun harus dikonstruk sedemikian rupa.
Variabel Warna Kulit, adalah variabel yang dapat diamati secara
langsung baik dengan teknik observasi, angket, maupun yang lainnya.
Tetapi variabel Motivasi tidaklah dapat diamati secara langsung,
karena secara konseptual motivasi adalah proses neuro-psikologis
dalam diri seseorang. Oleh karena itu variabel seperti motivasi harus
diukur dengan cara:
a. Mengamati akibatnya reflective indicators
b. Mengamati faktor (penyebabnya) formative indicators
c. Mengamati bagian-bagiannya correlative indicators.
Contoh konstruk variabel laten dengan indikator reflektif:

(klik gambar untuk memperjelas tulisan)


Contoh konstruk variabel laten dengan indikator formatif:

(klik gambar untuk memperjelas tulisan)


Contoh konstruk variabel laten dengan indikator korelatif:

(klik gambar untuk memperjelas tulisan)


Model-model di atas menggunakan one level factor yang dianalisis
dengan first order factor analysis. Tetapi jika model kedua dan ketiga
digabungkan, maka akan didapatkan two level factor yang mencakup
gabungan indikator-indikator formatif dan korelatif. Untuk menganalisis
model two level factor digunakan second order factor analysis.
Catatan: Analisis faktor dengan indikator korelatif dan resiprokal
(hubungan simetrik) antara lain dapat menggunakan program
SPSS, Lisrel, EQS yang berbasisikan rumus korelasi. Dalam
analisis multivariat, analisis faktor seperti ini diklasifikasikan

sebagai analisis multivariat yang bersifat interdependensi dan


merupakan teknik parametrik.
Analisis faktor dengan indikator formatif antara lain dapat
menggunakan program-program berbasisikan metode Partial
Least Square seperti Smart PLS, Visual PLS, PLS-GUI, PLS
Graph yang berbasiskan rumus multipel regresi. Dalam
Second-Order Multivariate Analysis, analisis seperti ini
termasuk dalam kategori dependensi dan masuk dalam
kategori nonparametrik.
Analisis faktor dengan indikator reflektif seharusnya
berbasiskan rumus multivariate regression, namun penulis
belum menemukan program yang khusus untuk ini.
Karenanya dalam praktek, yang digunakan adalah analisis
berbasiskan korelasi.

II. Pengukuran Reflektif dan Formatif


Model Pengukuran reflektif berangkat dari asumsi bahwa variabel laten
mempengaruhi indikator. Indikator yang bersifat reflektif ini hanya
menggambarkan sampel dari semua kemungkinan indikator yang ada
di dalam variabel laten. Dengan demikian, indikator pembentuk
variabel laten ini berkorelasi tinggi, setiap indikator bisa saling
mengganti dan penghilangan salah satu indikator tidak mempengaruhi
variabel laten. Di dalam analisis jalur, model pengukuran reflektif ini
ditandai dengan anak panah yang mengarah dari variabel laten ke
indikator.
Sedangkan model pengukuran formatif berangkat dari asumsi bahwa
indikator mempengaruhi variabel laten. Setiap indikator menangkap
aspek yang spesifik terhadap variabel laten. Maka setiap indikator
tidak dapat saling mengganti dan penghilangan salah satu indikator
akan mempengaruhi variabel laten. Contoh dari pengukuran formatif
ini adalah pengukuran variabel laten tingkat stres. Variabel laten stres
ini bisa diukur dengan variabel indikator kehilangan pekerjaan,

perceraian, dan kecelakaan. Ketiga indikator ini tidak bisa saling


mengganti. Di dalam analisis jalur, model pengukuran formatif
ditunjukkan dengan anak panah mengarah dari indikator ke variabel
laten.
Chin (1998) memberikan contoh yang baik dalam membedakan
indikator reflektif dan formatif ini. Banyaknya bir, anggur, dan
minuman keras yang dikonsumsi merupakan indikator formatif dari
variabel laten 'mabuk'. Sementara itu indikator reflektif yang potensial
dari variabel laten 'mabuk' adalah kadar alkohol dalam darah,
kemampuan mengemudi, MRI brain scan, dan kemampuan melakukan
kalkulasi. Jika memang benar-benar reflektif, maka perbaikan kadar
alkohol dalam darah juga akan menandakan perbaikan dalam aktivitas
MRI dan indikator-indikator yang lain, karena mereka berasal dari
konsep atau fenomena yang sama. Sebaliknya, pada indikator formatif,
peningkatan konsumsi bir tidak menandakan peningkatan serupa
dalam mengkonsumsi anggur atau minuman keras. Jadi meskipun bisa
terjadi, indikator-indikator formatif tidak perlu berkorelasi atau
mempunyai konsistensi internal yang tinggi seperti Cronbach's Alpha.

Dalam menyusun kerangka teori menurut Prof. Noeng Muhadjir, dalam


makalahnya yang berjudul Proses Mengkonstruksi Teori dan Hipotesis, bagian
teori harus menampilkan bagian yang bulat yang disajikan secara holistik, tetapi
juga bukan sekedar penyajian konsep yang terpilah dan terpecah-pecah, sehingga
konsep tersebut akan lebih menarik untuk dikaji. Tata fikir yang ditawarkan dalam
penyusunan kerangka teori menggunakan logika reflektif, yaitu logika yang
mondar-mandir antara proses berfikir induktif dan proses berfikir deduktif, dan
tidak dipermasalahkan dari mana harus dimulai. Alat berfikir bukan hanya sekedar
mendasarkan pada generalisasi dari rerata keberagaman individul dan rerata
frekuensi kejadian, tetapi juga konteks, esensi, indikasi pragmatik, fungsional,
atau yang lainnya. Oleh karena itu suatu teori tampil sebagai abstraksi,
simplifikasi atau idealitas dari fenomena, mungkin merupakan eksplanasi dan
mungkin pula merupakan penafsiran atas empiri. Pada dasarnya teori mengandung
beberapa hal antara lain: asumsi, postulat, tesis, hipotesis, proposisi dan sejumlah
konsep. Dalam teori juga terdapat idealisasi tentang tata hidup kemasyarakatan
atau tata hidup alam semesta. Validasi suatu teori diuji atas kemampuannya
memberikan evidensi empirik. A. FUNGSI TEORI
8. Sesuai dengan definisi Kerlinger (1973), bahwa teori adalah seperangkat
konstruk (konsep), definisi, dan proporsi [1]yang menyajikan gejala-gejala
sistematis, merinci hubungan antar variable-variabel, dengan tujuan meramalkan

dan menerangkan gejala tersebut, maka teori memiliki fungsi antara lain: 1.
Menyediakan kerangka konsepsi penelitian, dan memberikan pertimbangan
perlunya penyelidikan 2. Melalui teori kita dapat membuat pertanyaan yang
terinci untuk penyidikan. 3. Menunjukkan hubungan antar variable yang diteliti. 4.
Kajian pustaka meliputi pengidentifikasian secara sistematis, penemuan, dan
analisis dokumen-dokumen yang memuat informasi yang berkaitan dengan
masalah penelitian. Ada beberapa hal yang perlu diperhatikan oleh peneliti dalam
menyusun kerangka/ landasan teori, antara lain: 1. Kerangka teori sebaiknya
menggunakan acuan yang berhubungan dengan permasalahan yang diteliti dan
acuan-acuan yang berupa hasil penelitian terdahulu (bisa disajikan di Bab II atau
dibuat sub-bab tersendiri). 2. Cara penulisan dari subbab ke subbab yang lain
harus tetap mempunyai keterkaitan yang jelas dengan memperhatikan aturan
penulisan pustaka. 3. Untuk memperoleh hasil penelitian yang baik, studi pustaka
harus memenuhi prinsip kemutakhiran dan keterkaitannya dengan permasalahan
yang ada. Apabila menggunakan literatur dengan beberapa edisi, maka yang
digunakan adalah buku dengan edisi terbaru, jika referensi tidak terbit lagi,
referensi tersebut adalah terbitan terakhir. Dan bagi yang menggunakan Jurnal
sebagai referensi pembatasan tahun terbitan tidak berlaku 4. Semakin banyak
sumber bacaan, maka kualitas penelitian yang akan dilakukan semakin baik,
terutama sumber bacaan yang terdiri dari teks book atau sumber lain misalnya
jurnal, artikel dari majalah, Koran, internet dan lain-lain 5. Pedoman kerangka
teori di atas berlaku untuk semua jenis penelitian 6. Teori bukan merupakan
pendapat pribadi (kecuali pendapat tersebut sudah ditulis di BUKU) 7. Pada akhir
kerangka teori bagi penelitian korelasional disajikan model teori, model konsep
(apabila diperlukan) dan model hipotesis pada subbab tersendiri, sedangkan
penelitian studi kasus cukup menyusun Model teori dan beri keterangan. Model
teori dimaksud merupakan kerangka pemikiran penulis dalam penelitian yang
sedang
9. dilakukan. Kerangka itu dapat berupa kerangka dari ahli yang sudah ada,
maupun kerangka yang berdasarkan teori-teori pendukung yang ada. Dari
kerangka teori yang sudah disajikan dalam sebuah skema, harus dijabarkan jika
dianggap perlu memberikan batasan-batasan, maka asumsi-asumsi harus
dicantumkan. Contoh: Judul : Hubungan antara Tingkat Kecemasan dengan
Perubahan Siklus Menstruasi pada Siswa SMA Masehi Kudus RM : Apakah ada
hubungan antara tingkat kecemasan dengan perubahan siklus menstruasi pada
siswa SMA Masehi kudus ? Ha : Ada Hubungan antara tingkat kecemasan
perubahan siklus menstruasi pada siswa SMA Masehi Kudus Bagaimana cara
membangun atau membuat konstruksi landasan teori? 1. Kita harus memahami
variabel-variabel dalam penelitian. 2. Kita harus mampu menjabarkan variabelvariabel tersebut dalam bentuk konsep yang mendukung terhadap rumusan
masalah yang disusun 3. Kita harus mampu menjabarkan variabel-variabel
tersebut dalam konsep yang sesuai dengan Hipotesa penelitian. Misal : Variabel
penelitian terdiri dari variabel Tingkat kecemasan (X) dan perubahan siklus
menstruasi (Y) Jadi kontruksi Landasan teori dalam penelitian tersebut, sebagai
berikut: Tingkat Kecemasan : 1. Pengertian kecemasan 2. Faktor-faktor yang

mempengaruhi kecemasan 3. Kualifikasi kecemasan dll yang berkaitan dengan


kecemasan Perubahan Siklus Menstruasi : 1. Pengertian siklus menstruasi
10. 2. Macam-macam perubahan siklus menstruasi 3. Faktor penyabab
terjadinya perubahan siklus menstruasi dll yang berkaitan dengan perubahan
siklus menstruasi SAMPLE DAN POPULASI Populasi adalah wilayah
generalisasi berupa subjek atau objek yang diteliti untuk dipelajari dan diambil
kesimpulan. Sedangkan sampel adalah sebagian dari populasi yang diteliti.
Dengan kata lain, sampel merupakan sebagian atau bertindak sebagai perwakilan
dari populasi sehingga hasil penelitian yang berhasil diperoleh dari sampel dapat
digeneralisasikan pada populasi. Penarikan sampel diperlukan jika populasi yang
diambil sangat besar, dan peneliti memiliki keterbatasan untuk menjangkau
seluruh populasi maka peneliti perlu mendefinisikan populasi target dan populasi
terjangkau baru kemudian menentukan jumlah sampel dan teknik sampling yang
digunakan. B. Ukuran Sampel Untuk menentukan sampel dari populasi digunakan
perhitungan maupun acuan tabel yang dikembangkan para ahli. Secara umum,
untuk penelitian korelasional jumlah sampel minimal untuk memperoleh hasil
yang baik adalah 30, sedangkan dalam penelitian eksperimen jumlah sampel
minimum 15 dari masing-masing kelompok dan untuk penelitian survey jumlah
sampel minimum adalah 100. Roscoe (1975) yang dikutip Uma Sekaran (2006)
memberikan acuan umum untuk menentukan ukuran sampel : 1. Ukuran sampel
lebih dari 30 dan kurang dari 500 adalah tepat untuk kebanyakan penelitian 2. Jika
sampel dipecah ke dalam subsampel (pria/wanita, junior/senior, dan sebagainya),
ukuran sampel minimum 30 untuk tiap kategori adalah tepat 3. Dalam penelitian
mutivariate (termasuk analisis regresi berganda), ukuran sampel sebaiknya 10x
lebih besar dari jumlah variabel dalam penelitian 4. Untuk penelitian
eksperimental sederhana dengan kontrol eskperimen yang ketat, penelitian yang
sukses adalah mungkin dengan ukuran sampel kecil antara 10 sampai dengan 20
Besaran atau ukuran sampel ini sampel sangat tergantung dari besaran tingkat
ketelitian atau kesalahan yang diinginkan peneliti. Namun, dalam hal tingkat
kesalahan, pada penelitian sosial maksimal tingkat kesalahannya adalah 5%
(0,05). Makin besar tingkat kesalahan maka makin kecil jumlah sampel. Namun
yang perlu diperhatikan adalah semakin besar jumlah sampel (semakin mendekati
populasi) maka semakin kecil peluang kesalahan generalisasi dan sebaliknya,
semakin kecil jumlah sampel (menjauhi jumlah populasi) maka semakin besar
peluang kesalahan generalisasi.

ANDASAN TEORI Salah satu unsur terpenting dalam penelitian yang


memiliki peran sangat besar dalam pelaksanaan penelitian adalah teori. Karena
teori dengan unsur ilmiah inilah yang akan mencoba menerangkan fenomenafenomena sosial yang menjadi pusat perhatian peneliti ( Masri Singarimbun &
Sofyan Efendi, 1989:37). Menurut Kerlinger (1973:9), teori adalah serangkaian

asumsi, konsep, konstrak, definisi dan proposisi untuk menerangkan fenomena


sosial secara sistematis dengan cara merumuskan hubungan antar variabel.
Berdasar pengertian tersebut, definisi teori mengandung tiga hal. Pertama, teori
adalah serangkaian proposisi antar konsep-konsep yang saling berhubungan.
Kedua, teori merangkan secara sistematis atau fenomena sosial dengan sosial
dengan cara menentukan hubungan antar konsep. Ketiga, teori menerangkan
fenomena-fenomena tertentu dengan cara menentukan konsep mana yang
berhubungan dengan konsep lainnya dan bagaimana bentuk hubungannya. Dalam
menyusun kerangka teori menurut Prof. Noeng Muhadjir, dalam makalahnya yang
berjudul Proses Mengkonstruksi Teori dan Hipotesis, bagian teori harus
menampilkan bagian yang bulat yang disajikan secara holistik, tetapi juga bukan
sekedar penyajian konsep yang terpilah dan terpecah-pecah, sehingga konsep
tersebut akan lebih menarik untuk dikaji. Tata fikir yang ditawarkan dalam
penyusunan kerangka teori menggunakan logika reflektif, yaitu logika yang
mondar-mandir antara proses berfikir induktif dan proses berfikir deduktif, dan
tidak dipermasalahkan dari mana harus dimulai. Alat berfikir bukan hanya sekedar
mendasarkan pada generalisasi dari rerata keberagaman individul dan rerata
frekuensi kejadian, tetapi juga konteks, esensi, indikasi pragmatik, fungsional,
atau yang lainnya. Oleh karena itu suatu teori tampil sebagai abstraksi,
simplifikasi atau idealitas dari fenomena, mungkin merupakan eksplanasi dan
mungkin pula merupakan penafsiran atas empiri. Pada dasarnya teori mengandung
beberapa hal antara lain: asumsi, postulat, tesis, hipotesis, proposisi dan sejumlah
konsep. Dalam teori juga terdapat idealisasi tentang tata hidup kemasyarakatan
atau tata hidup alam semesta. Validasi suatu teori diuji atas kemampuannya
memberikan evidensi empirik. A. FUNGSI TEORI
8. Sesuai dengan definisi Kerlinger (1973), bahwa teori adalah seperangkat
konstruk (konsep), definisi, dan proporsi [1]yang menyajikan gejala-gejala
sistematis, merinci hubungan antar variable-variabel, dengan tujuan meramalkan
dan menerangkan gejala tersebut, maka teori memiliki fungsi antara lain: 1.
Menyediakan kerangka konsepsi penelitian, dan memberikan pertimbangan
perlunya penyelidikan 2. Melalui teori kita dapat membuat pertanyaan yang
terinci untuk penyidikan. 3. Menunjukkan hubungan antar variable yang diteliti. 4.
Kajian pustaka meliputi pengidentifikasian secara sistematis, penemuan, dan
analisis dokumen-dokumen yang memuat informasi yang berkaitan dengan
masalah penelitian. Ada beberapa hal yang perlu diperhatikan oleh peneliti dalam
menyusun kerangka/ landasan teori, antara lain: 1. Kerangka teori sebaiknya
menggunakan acuan yang berhubungan dengan permasalahan yang diteliti dan
acuan-acuan yang berupa hasil penelitian terdahulu (bisa disajikan di Bab II atau
dibuat sub-bab tersendiri). 2. Cara penulisan dari subbab ke subbab yang lain
harus tetap mempunyai keterkaitan yang jelas dengan memperhatikan aturan
penulisan pustaka. 3. Untuk memperoleh hasil penelitian yang baik, studi pustaka
harus memenuhi prinsip kemutakhiran dan keterkaitannya dengan permasalahan
yang ada. Apabila menggunakan literatur dengan beberapa edisi, maka yang
digunakan adalah buku dengan edisi terbaru, jika referensi tidak terbit lagi,
referensi tersebut adalah terbitan terakhir. Dan bagi yang menggunakan Jurnal
sebagai referensi pembatasan tahun terbitan tidak berlaku 4. Semakin banyak

sumber bacaan, maka kualitas penelitian yang akan dilakukan semakin baik,
terutama sumber bacaan yang terdiri dari teks book atau sumber lain misalnya
jurnal, artikel dari majalah, Koran, internet dan lain-lain 5. Pedoman kerangka
teori di atas berlaku untuk semua jenis penelitian 6. Teori bukan merupakan
pendapat pribadi (kecuali pendapat tersebut sudah ditulis di BUKU) 7. Pada akhir
kerangka teori bagi penelitian korelasional disajikan model teori, model konsep
(apabila diperlukan) dan model hipotesis pada subbab tersendiri, sedangkan
penelitian studi kasus cukup menyusun Model teori dan beri keterangan. Model
teori dimaksud merupakan kerangka pemikiran penulis dalam penelitian yang
sedang
9. dilakukan. Kerangka itu dapat berupa kerangka dari ahli yang sudah ada,
maupun kerangka yang berdasarkan teori-teori pendukung yang ada. Dari
kerangka teori yang sudah disajikan dalam sebuah skema, harus dijabarkan jika
dianggap perlu memberikan batasan-batasan, maka asumsi-asumsi harus
dicantumkan. Contoh: Judul : Hubungan antara Tingkat Kecemasan dengan
Perubahan Siklus Menstruasi pada Siswa SMA Masehi Kudus RM : Apakah ada
hubungan antara tingkat kecemasan dengan perubahan siklus menstruasi pada
siswa SMA Masehi kudus ? Ha : Ada Hubungan antara tingkat kecemasan
perubahan siklus menstruasi pada siswa SMA Masehi Kudus Bagaimana cara
membangun atau membuat konstruksi landasan teori? 1. Kita harus memahami
variabel-variabel dalam penelitian. 2. Kita harus mampu menjabarkan variabelvariabel tersebut dalam bentuk konsep yang mendukung terhadap rumusan
masalah yang disusun 3. Kita harus mampu menjabarkan variabel-variabel
tersebut dalam konsep yang sesuai dengan Hipotesa penelitian. Misal : Variabel
penelitian terdiri dari variabel Tingkat kecemasan (X) dan perubahan siklus
menstruasi (Y) Jadi kontruksi Landasan teori dalam penelitian tersebut, sebagai
berikut: Tingkat Kecemasan : 1. Pengertian kecemasan 2. Faktor-faktor yang
mempengaruhi kecemasan 3. Kualifikasi kecemasan dll yang berkaitan dengan
kecemasan Perubahan Siklus Menstruasi : 1. Pengertian siklus menstruasi
10. 2. Macam-macam perubahan siklus menstruasi 3. Faktor penyabab
terjadinya perubahan siklus menstruasi dll yang berkaitan dengan perubahan
siklus menstruasi SAMPLE DAN POPULASI Populasi adalah wilayah
generalisasi berupa subjek atau objek yang diteliti untuk dipelajari dan diambil
kesimpulan. Sedangkan sampel adalah sebagian dari populasi yang diteliti.
Dengan kata lain, sampel merupakan sebagian atau bertindak sebagai perwakilan
dari populasi sehingga hasil penelitian yang berhasil diperoleh dari sampel dapat
digeneralisasikan pada populasi. Penarikan sampel diperlukan jika populasi yang
diambil sangat besar, dan peneliti memiliki keterbatasan untuk menjangkau
seluruh populasi maka peneliti perlu mendefinisikan populasi target dan populasi
terjangkau baru kemudian menentukan jumlah sampel dan teknik sampling yang
digunakan. B. Ukuran Sampel Untuk menentukan sampel dari populasi digunakan
perhitungan maupun acuan tabel yang dikembangkan para ahli. Secara umum,
untuk penelitian korelasional jumlah sampel minimal untuk memperoleh hasil
yang baik adalah 30, sedangkan dalam penelitian eksperimen jumlah sampel
minimum 15 dari masing-masing kelompok dan untuk penelitian survey jumlah

sampel minimum adalah 100. Roscoe (1975) yang dikutip Uma Sekaran (2006)
memberikan acuan umum untuk menentukan ukuran sampel : 1. Ukuran sampel
lebih dari 30 dan kurang dari 500 adalah tepat untuk kebanyakan penelitian 2. Jika
sampel dipecah ke dalam subsampel (pria/wanita, junior/senior, dan sebagainya),
ukuran sampel minimum 30 untuk tiap kategori adalah tepat 3. Dalam penelitian
mutivariate (termasuk analisis regresi berganda), ukuran sampel sebaiknya 10x
lebih besar dari jumlah variabel dalam penelitian 4. Untuk penelitian
eksperimental sederhana dengan kontrol eskperimen yang ketat, penelitian yang
sukses adalah mungkin dengan ukuran sampel kecil antara 10 sampai dengan 20
Besaran atau ukuran sampel ini sampel sangat tergantung dari besaran tingkat
ketelitian atau kesalahan yang diinginkan peneliti. Namun, dalam hal tingkat
kesalahan, pada penelitian sosial maksimal tingkat kesalahannya adalah 5%
(0,05). Makin besar tingkat kesalahan maka makin kecil jumlah sampel.

September 22, 2012


Meneliti
7 Komentar

Beberapa kesalahan analisis data dalam penelitian positivis

Analisis data kuantitatif dalam penelitian positivis yang melibatkan kuesioner


terkadang terlihat sepele. Ada buku dan manual yang bisa diikuti, dan yada
semuanya terlihat sempurna. Ada tabel dan angka yang bisa disalin-dan-ditempel
dalam laporan atau artikel. Benarkan demikian? Belum tentu.
Ada banyak kesalahan yang saya jumpai ketika membaca beragam dokumen
ilmiah, baik itu skripsi atau tesis mahasiswa maupun artikel. Berdasar pengalaman
yang terbatas ini, saya mengidentifikasi beberapa kesalahan yang sering terjadi
dalam analisis data kuantitatif dari kuesioner. Kesalahan juga kadang terkait
dengan formulasi pertanyaan dalam kuesioner.
Pertama adalah kesalahan dalam memilih tingkat pengukuran (level of
measurement): nomimal, ordinal, interval, atau ratio. Dalam SPSS, misalnya,
hanya dikenal tiga jenis data: categorical, ordinal, dan scale. yang terakhir
digunakan untuk mengakomodasi data interval dan ratio.
Contoh data nominal adalah jender. Hanya ada dua(?) kemungkinan: pria dan
wanita. Contoh lain adalah golongan darah. Contoh data ordinal adalah jenjang
pendidikan; mulai sekolah dasar dampai dengan universitas. Kita bisa
mengurutkan data ini; dengan menyimpulkan, misalnya pendidikan si A lebih
tinggi dibandingkan dengan pendidikan si A. Contoh data interval adalah suhu
(dalam Celcius, bukan dalam Kelvin) atau penghasilan. Kita bisa
membandingkan nilai internal, misalnya dengan mengatakan penghasilan si A
dua kali penghasilan penghasilan si B. Contoh data ratio adalah suhu tetapi dalam
derajat Kelvin atau Fahrenheit, di mana nilai 0 (nol) di sana berbeda dengan 0
(nol) dalam sistem Celcius. Dalam sistem Celcius (data interval), kita bisa
menyimpulkan bahwa 100 derajat adalah dua kali lebih panas dibandingkan 50
derajat. Tidak demikian halnya dengan 100 dan 50 derajat Kelvin, karena acuan
nilai derajat Kelvin atau Fahrenheit tidak dimulai dengan 0 (nol).
Apa akibat pemilihan tingkat pengukuran ini? Ini terkait kesalahan kedua,
kesalahan dalam memilih teknik statistik deskriptif. Tidak teknik analisis statistik
dapat diaplikasikan untuk semua data. Sebagai contoh, kita tidak bisa menghitung
rata-rata data nominal dan ordinal seperti contoh di atas. Anda tetap ingin tetap
menghitung rata-rata? Untuk data nomimal tidak ada peluang, tetapi untuk data
ordinal *kadang* masih ada peluang. Sebagai contoh, untuk jenjang pendidikan,
kita bisa mengkonversinya dengan berapa lama dibangku pendidikan (schooling
years) dalam bentuk interval karena kita tahu lama pendidikan setiap
jenjang. Bagaimana jika yang kita buat dalam bentuk ordinal adalah tingkat
penghasilan (misal a. <1 juta; b. 1-2 juta; dst)? Kita tidak bisa
mengkonversikannya dalam bentuk internal, dan akibatnya kita tidak bisa
menghitung rata-rata. Apa solusinya? Dalam kuesioner, tanyakan besar

penghasilan, tetapi biarkan responden yang mengisinya tanpa kita memberikan


pilihan. Lebih sulit bagi responden? Mungkin. Lebih tidak pasti? Bisa jadi. Tetapi
bukankah dengan data ordinal, responden juga melakukan perkiraan.
Ketiga, masih terkait dengan kesalahan kedua, yaitu kesalahan dalam memilih
teknik statistik untuk analisis multivariate. Sebagai contoh, kita tidak bisa
menggunakan regresi biasa ketika variabel dependennya dalam bentuk nominal
(misal untuk kasus adopsi: ya dan tidak yang diwakili oleh angka 0 dan 1).
Kadang saya temukan penelitian yang hantam kromo dalam menggunakan
regresi berganda (multiple regression). Begitu juga halnya untuk analisis korelasi.
Analisisi korelasi Pearson, misalnya didesain untuk data interval. Chi kuadrat
digunakan untuk data nominal atau ordinal. Bagaimana kalau yang satu interval
dan satunya lagi nominal? Komparasi rata-rata dengan uji t mungkin alternatifnya.
Keempat, seringkali peneliti tidak menguji reliabilitas dan validitas intrumen
penelitian yang digunakan untuk mendapatkan data dari responden. Validitas
pengukuran terkait dengan ketepatan alat untuk mengukur yang kita ingin ukur.
Sebagai contoh, kilometer adalah alat ukur yang valid untuk menghitung jarak di
Jakarta, dan bukan waktu. Pertanyaan yang memberikan jawaban yang valid
adalah berapa kilometer jarak antara Monas dan Grogol dan bukan berapa jam
jarak antara Monas dan Grogol. Reliabilitas tekait dengan konsitensi hasil
pengukuran. Jika kita gunakan penggaris dari besi atau plastik untuk mengukur
panjang meja, kita akan menghasilkan panjang yang sama meski kita lakukan
berulang kali. Penggaris ini adalah alat ukur yang reliabel. Bagaimana kalau
penggarisnya dari bahwa yang lentur seperti karet? Hasil yang berbeda bisa kita
dapatkan. Penggaris karet bukan alat ukur yang valid. Contoh lain adalah soal
untuk ujian TOEFL. Jika seseorang mengikuti tes TOEFL dua kali dalam sebulan
(meski nampaknya tidak boleh), bisa jadi nilai yang didapatkan berbeda. Jika ini
kasusnya, kita bisa mengatakan bahwa ujian TOEFL adalah alat ukur kemampuan
bahasa Inggris yang valid, tetapi reliabilitasnya bisa didiskusikan.
Dalam penelitian positivis, pastikan kita melakukan uji ini, jika dalam instrumen
kita mengukur sebuah konstruk yang terdiri dari beberapa item/pertanyaan untuk
mengukurnya. Uji reliablitas bisa dilakukan dengan menghitung Cronbachs alpha
untuk setiap konstruk. Namun, sebelumnya lakukan uji validitas; misalnya dengan
factor analysis baik itu confirmatory (jika intrument pernah digunakan atau
dikembangkan dengan asumsi teoretikal tertentu, dan jumlah kontruk yang
diharapkan sudah diketahu) atau explanatory (untuk instrumen baru). Namun
tunggu sebentar. Tidak semua kontruk bisa duji relibalitasnya dengan nilai
Cronbachs alpha.
Ini kesalahan yang kelima. Cronbachs alpha hanya diaplikasikan jika konstruk
bersifat reflektif dalam item yang digunakan untuk mengukurnya. Contoh

konstruk adalah ease of use dalam Technology Acceptance Model (TAM).


Konstruk ease of use dioperasionalkan dengan beberapa item yang
menggambarkannya, seperti terkait dengan tiadanya usaha yang keras dan
kecilnya pengetahuan yang dibutuhkan. Lain halnya jika konstruk yang diukur
adalah status sosial yang terdiri dari beragam item, misalnya pendidikan,
penghasilan, jabatan, dan lain-lain. Konstruk terakhir bersifat formatif, dan nilai
kumulatif semua item membentuk sebuah indeks. Dalam kasus ini, Cronbachs
alpha tidak bisa diaplikasikan.
Untuk melakukan uji ini, jika kita menggunakan SPSS, beragam uji harus
dilakukan terpisah. Tetapi jika kita gunakan analisis SEM atau PLS, dengan
software yang tepat (misalnya SmartPLS), semua analisis, mulai dari uji
reliabilitas dan validitas, sampai dengan regresi dapat dilakukan sekaligus.
Masih banyak kesalahan lain yang sering saya jumpai. Lima kesalahan di atas,
menurut saya sangat mendasar, dan bisa dengan mudah dihindari dengan sedikit
peduli dengan filosofi di balik setiap konsep dalam statistik yang ada.

Melakukan survei

Survei menggunakan kuesioner sebagai instrumen adalah salah satu metode


pengumpulan data paling populer dalam penelitian positivis. Penelitian positivis
biasanya melibatkan proposisi formal, variabel yang dapat dikuantifikasi, dan
pengujian hipotesis (Orlikowski dan Baroudi, 1991). Metode ini terlihat
sederhana, dan karenanya sering disepelekan. Kenyataanya tidak demikian.
Berdasar pengalaman sedikit saya dalam membaca dan mereview artikel jurnal
atau konferensi, saya menemukan beragam isu yang bisa didiskusikan. Setiap isu
ini hanya akan didiskusikan dengan singkat dan disertai dengan ilustrasi praktik.
Pertama, penelitian positivis biasanya mengembangkan model penelitian yang
menggambarkan hubungan antarvariabel. Penelitian seringkali membangun model
dengan memasukkan variabel dari beragam sumber (e.g., teori, model, konsep,
dan lain-lain). Masalah yang sering saya temukan adalah lemahnya argumen yang
digunakan ketika membangun model. Variabel yang biasanya direpresentasikan
dalam bentuk kotak dalam model seringkali berasal dari sumber lain yang
mempunyai asumsi berbeda-beda ketika dikembangkan. Proses ini menurut saya
mirip dengan masalah menggabungkan beragam lensa teorietis ke dalam sebuah

penelitian (Okhuysen dan Bonardi, 2011). Ada berbagai pertimbangan yang perlu
diperhatikan. Di antaranya adalah kedekatan lensa yang akan digunakan,
termasuk asumsi dasar yang digunakan ketika lensa tersebut dikembangkan .
Sebagai contoh, memasukkan variabel yang didasari oleh teori yang
mengandaikan bahwa manusia selalu rasional, dan lainnya yang didasari oleh
teori yang mengasumsikan bahwa manusia tidak selalu rasional, memerlukan
argumen yang kuat.
Kedua, setiap variabel yang digunakan seharusnya didefinisikan dengan jelas.
Definisi ini akan mempengaruhi dalam tahap operasionalisasinya ke dalam itemitem yang mengukurnya. Kadang saya menemukan antara definisi operasional dan
item-item yang dikembangkan tidak klop. Bisa jadi, masalah ini mungkin
karena praktik membuat montase dari beragam sumber tanpa
mempertimbangkan isu pertama di atas. Item-item tersebut dapat bersumber dari
konsep atau teori yang ada atau dari proses wawancara atau observasi di
lapangan.
Dalam konteks ini, pertimbangkan dengan baik tingkat pengukuran setiap (level
of measurement) variabel (nominal, ordinal, interval atau rasio) dan jika
digunakan, juga poin dalam skala Likert (biasanya ganjil, seperti 5 dan 7). Yang
terakhir ini, sesuaikan dengan derajat variasi jawaban yang Anda harapkan.
Kesalahan fatal lain yang perlu dihindari adalah, jika penelitian Anda ingin
menguji hubungan antarvariable, jangan sekali-kali menanyakan hubungan
variabel ini di dalam kuesiober kepada responden. Ukur setiap variabel secara
terpisah. Kesalahan dapat menentukan tingkat pengukuran akan mempengaruhi
fleksibitas dalam analisis data. Sebagai contoh, regresi ganda tidak bisa digunakan
jika variabel dependen diukur secara dikotomis (nominal). Uji korelasi Spearman,
misal lain, tidak bisa digunakan untuk data nominal, dan seterusnya.
Ketiga, uji instrumen seringkali tidak dilakukan secara memadai. Seharusnya,
sebelum kuesioner didistribusikan secara massal harus sudah diuji dengan baik.
Pengujian dilakukan untuk mengukur validitas dan reliabilitas instrumen.
Instrumen kemudian dapat diperbaiki dengan beragam tindaklanjut: penambahan,
penghapusan, dan/atau pengubahan item. Mengapa pengujian ini penting sebelum
survei massal? Tidak seperti penelitian interpretif yang memungkinkan kita
kembali ke lapangan setiap saat untuk menambah data, penelitian positivis
adalah proses sekali jalan. Ketika kuesioner yang disebarkan salah, maka data
yang didapatkan pun menajdi bermasalah. Memang ketika misalnya, ada
tambahan item yang ditanyakan, bisa dilakukan penyebaran ulang, tetapi apakah
ini dapat menjamin kalau akan didapatkan respon yang sama? Jika distribusi
kuesioner dibuat dalam dua atau lebih bahasa, ada baiknya dilakukan uji potensi
bias dari respons yang didapat.

Keempat, jika populasi responden diketahui dengan daftar yang jelas, maka Anda
patut bersyukur. Namun di lapangan, seringkali tidak demikian halnya. Ini terkait
dengan penelitian sampel dan metode sampling. Apapun metode sampling yang
dipilih, pastikan Anda mempunyai argumen mengapa metode ini dianggap tepat
untuk penelitian Anda. Jumlah sampel yang didapat seringkali juga tidak
sebanyak yang diharapkan karena response rate yang rendah. Untuk ini, metode
analisis statistik juga perlu dipilih dengan tepat.
Kelima, di lapangan seringkali dibutuhkan strategi untuk memperbaiki response
rate. Beragam strategi dapat digunakan, termasuk dengan surat, sebar-dankumpul, wawancara langsung, wawancara telpon, atau online. Pilihan strategi
biasanya tergantung dengan responden yang disasar dan sebarannya.
Sebagai penutup, rumus sederhana untuk setiap isu di atas adalah: untuk setiap
pilihan yang dibuat, berikan argumen yang kuat. Dengan pemikiran demikian,
kesalahan atau stres ketika melakukan penelitian dapat diminimalkan.

Kontribusi teoretis
Apa kontribusi teoretis penelitian ini? Pertanyaan ini adalah salah satu favorit,
tetapi sekaligus yang paling mematikan, bagi saya ketika melakukan penelitian.
Setiap penelitian atau artikel publikasi yang ditulis seharusnya menyiapkan
jawaban atas pertanyaan ini. Secara lugas, Mintzberg (2005:361) menyatakan, If
there is no generalizing beyond the data, no theory. No theory, no insight. And if
no insight, why do research?. Nah lho, benar-benar mematikan kan? Tentu saja,
perlu dicatat di depan, tidak semua disiplin mempunyai tradisi seperti ini. Selain
itu, perlu juga dicermati konsep generalisasi dalam beragam tradisi penelitian,
seperti antara positivis dan interpretif, yang mempunyai pendekatan berbeda.
Merumuskan kontribusi teoretis bukan perkara mudah. Tidak ada satu pun definisi
yang disepakati bersama (Corley & Gioia, 2011). Beragam konseptualisasi
kontribusi teoretis bisa kita temukan dalam literatur. Namun sebelum
mendiskusikan lebih lanjut, ada baiknya kita rujuk kembali apa itu teori? Ada
banyak definisi, salah satunya yang sederhana adalah theory is a statement of
concepts and their interrelationships that shows how and/or why a phenomenon

occurs (Corley & Gioia, 2011:12). Menurut Whetten (1989), teori mempunyai
empat komponen yang saling terkait. Secara ringkas, teori harus menjawab tiga
pertanyaan pokok: apa (what), bagaimana (how), mengapa (why), dan pertanyaan
pendukung: siapa (who), kapan (when), dan di mana (where). Tidak semua teori
mempunyai proposisi (Whetten, 1989).
Maaf, sebelum melanjutkan, teori jangan dimaknai secara peyoratif seperti yang
dipahami banyak orang awam: teori dianggap tidak bermanfaatn dan hanya
omong kosong. Teori dapat dikelompokkan ke dalam beragam kelompok dengan
pendekatan yang berbeda. Berdasar fungsinya teori dapat dikelompok ke dalam
teori untuk (a) menganalisis, (b) menjelaskan, (c) memprediksi, (d) menjelaskan
dan memprediksi, dan (e) desain dan aksi (Gregor, 2006). Ulasan singkat
kategorisasi ini dapat dilirik di sini. Teori juga dapat dikelompokkan berdasar
cakupan fenomena yang dapat dijelaskan. Kita bisa temukan macrolevel theories
seperti new institutional theory, resource dependence theory, contingency theory,
agency theory, dan transaction cost theory; meso theories seperti social capital,
organizational identity, dan organizational learning; dan microlevel theories
seperti equity theory, procedural justice theory, dan prospect theory (Corley &
Gioia, 2011).
Kembali ke kontribusi teoretis. Jangan disalahpahami bahwa kontribusi teoretis
tidak berhubungan dengan kemanfaatan teori dalam praktik. Dalam konteks,
Corley dan Gioia (2011) menawarkan framework untuk memahami kontribusi
teoretis. Ada dua dimensi yang dapat dilihat: orisinalitas (originality) dan
kemanfaatan (utility). Orisinalitas bisa bersifat revelatory (alias menghadirkan
pengetahuan yang sebelumnya menjadi misteri) atau incremental (bertahap;
tambahan tilikan baru). Kemanfaatan bisa bersifat ilmiah (scientific) dan praktis
(practical).
Jika kita dapat menghadirkan teori baru, akan sangat jelas kontribusi kita. Namun,
menghasilkan teori baru bukan hal mudah. Lagi pula, tidak semua penelitian yang
kita lakukan ditujukan untuk mendapatkan hadiah Nobel.
Dalam bahasanya
Corley dan Gioia (2011), kontribusi seperti terkait dengan tingkat orisinalisitas
yang revelatory. Namun, orisinalistas dapat maujud dalam tingkatan yang lebih
rendah yang bersifat bertahap.
Terdapat beragam konseptualisasi kontribusi teoritis di literatur. Ridder et al.
(2009) menyebut perbaikan konstruk dan hubungan antarkonstruk, pengembangan
dan konfirmasi proposisi, dan penggabungan konstruk baru dalam hubungan
antarkontsruk yang sudah ada. Termasuk dalam perbaikan konstruk, menurut saya,
adalah konseptualisasi konstruk yang lebih baik. Lebih baik di sini, bisa berarti
lebih detil dan lebih jelas alias menghilangkan ambiguitas. Hal ini terkait dengan
kemanfaatan teoretis yang memungkinkan konsep atau konstruk
dioperasionalisasikan dan diuji dalam penelitian. Kemanfaatan praktis, di sisi lain,

menghadirkan teori yang langsung dapat diaplikasikan dalam praktik. Konstribusi


seperti ini seperti menghadirkan resep untuk sebuah tindakan.
Singkatkan, kontribusi teoretis harus membantu kita memahami fenomena yang
diteliti dan/atau dapat membantu kita dalam memperbaiki praktik. Ada yang tidak
setuju? J
Referensi
Mintzberg, H. 2005. Developing theory about the development of theory, dalam
K. G. Smith & M. A. Hitt (ed.), Great Minds in Management: The Process of
Theory Development. Oxford: Oxford University Press, pp. 355-372.
Corley, K. G., & Gioia, D. A. (2011). Building theory about theory building: what
constitutes a theoretical contribution?. Academy of Management Review, 36(1),
12-32.
Ridder, H-G., Hoon, C., & McCandless, A. (2009). The theoretical contribution of
case study research to the field of strategy and management, dalam D. D. Bergh &
D. J. Ketchen (ed.) Research Methodology in Strategy and Management, Vol. 5,
Emerald Group Publishing Limited, pp. 137-175.
Whetten, D. A. (1989). What constitutes a theoretical contribution?. Academy of
Management Review, 14(4), 490-495.
Gregor, S. (2006). The nature of theory in information systems. MIS Quarterly,
30(3), 611-642.
Yogyakarta, 30 Maret 2013
Tentang iklan-iklan ini

Share this:

Twitter

Facebook

Terkait
Memahami peran teori dalam penelitiandalam "Meneliti"
Menulis penelitian kualitatifDengan 34 komentar

Sepuluh jurus menulis artikel ilmiah yang membosankan (bagian 1)dalam


"Menulis"