CARA MUDAH MEMAHAMI VARIABEL-VARIABEL DALAM KONTEKS

PENELITIAN*

Oleh Anton Budhi Nugroho, SE, MM, MES, CSA, CEA, CCAE, CEMB.
(0822 849 42665)

Kepala Divisi Riset (olah data statistik ekonometrika)

Dalam konteks penelitian sudah pasti diawali dengan adanya judul.

Judul penelitian menggambarkan arah, alur, dan konsep berpikir penelitian
yang dilakukan oleh peneliti. Judul penelitian juga dapat mencerminkan
variabel-variabel yang digunakan untuk dianalisis. Variabel-variabel
penelitian tersebut tentunya digunakan berdasarkan keinginan peneliti
untuk mengetahui hubungan atau pengaruh dari variabel satu sama lain.
Penggunaan variabel penelitian tidak bisa sembarangan, terdapat prasyarat
yang harus dipenuhi oleh peneliti dalam menggunakannya, yaitu:
Variabel tersebut pernah dilakukan pengujian oleh peneliti
sebelumnya
Secara logika dan nalar berpikir, variabel yang bersangkutan layak
untuk digunakan untuk memberikan gambaran empiris ilmiah mengenai
sesuatu hal
Terdapatnya kajian teoritis yang pasti mengenai keberadaan variabel
yang bersangkutan
Variabel yang bersangkutan memang menarik digunakan dalam
penelitian untuk dijadikan objek pembahasan.

Secara umum variabel ada dua macam, yaitu variabel independen

dan variabel dependen. Variabel independen merupakan variabel bebas
yang memberikan dampak atau pengaruh pada dependen. Sedangkan
variabel dependen merupakan variabel terikat yang dapat dilihat hubungan
atau pengaruhnya dari variabel independen.

Secara mudah, variabel independen disimbolkan dengan X, dan

variabel dependen disimbolkan dengan Y. Bisa diambil contoh melalui
judul penelitian berikut: Faktor-Faktor Penentu Kinerja Pegawai di Dinas
X. Dari judul ini terdapat dua variabel utama, yaitu variabel independen
(X) dan variabel dependen (Y). Variabel independen (X) adalah faktor-faktor
penentu kinerja, yang meliputi budaya organisasi, kepuasan kerja,
motivasi, fasilitas kerja, konflik dan stres kerja, gaya kepemimpinan dan
sebagainya. Sedangkan variabel dependen (Y) adalah variabel kinerja
pegawai tersebut. Contoh ini adalah dalam konteks hubungan satu arah,
yaitu dari X terhadap Y.

Namun demikian beda halnya apabila variabel-variabel yang

digunakan adalah saling mempengaruhi, dalam konteks ini dinamankan
hubungan dua arah. Hubungan dua arah menunjukan bahwa variabel yang
bersangkutan bersifat sebagai independen, namun disisi lain juga bersifat
sebagai dependen. Dapat diambil contoh hubungan dua arah dari variabel
inflasi (X1) dengan variabel suku bunga (X2). Dari hal ini dapat dilihat

1
bahwa variabel inflasi sebagai independen yang berdampak pada penerapan
suku bunga sebagai pengendali inflasi, namun disisi lain suku bunga juga
berdampak pada terjadinya inflasi. Hubungan dua arah dari variabel-
variabel penelitian ini dinamakan Kausalitas. Secara teoritis juga terdapat
referensi kuat yang menyatakan hubungan kausalitas dari variabel
penelitian.

Dari dua contoh di atas, dapat ditarik sebuah gambaran bahwa

penggunaan variabel penelitian disusun berdasarkan tujuan yang ingin
dicapai, yaitu apakah untuk melihat hubungan dari satu arah saja atau
dua arah. Berdasarkan dua contoh ini, mungkin pembaca bertanya mana
yang lebih penting??? Tidak ada yang lebih penting, sebab dua-duanya
sama-sama penting dan sesuai dengan apa yang ingin dikaji oleh peneliti.
Peneliti memiliki kebebasan dalam menentukan hubungan satu arah atau
dua arah, asalkan:
Sesuai dengan judul penelitian
Memberikan arah dan tujuan yang jelas sebagai sebuah objek
penelitian
Memiliki kerangka konsep dan alur berpikir yang jelas untuk
dilakukannya penelitian
Didukung oleh dasar teoritis yang kuat mengenai hubungan arah
variabel
Yang tidak kalah pentingnya adalah menarik untuk dikaji dalam
penelitian

Dalam konteks penelitian, kita juga sering mendengar yang namanya

variabel terdistribusi normal. Artinya, data-data dalam variabel yang
bersangkutan memiliki penyebaran data yang luas, tidak berpusat pada
data variabel tertentu, dan tidak menumpuk pada angka tertentu. Suatu
variabel penelitian dianggap baik apabila secara data memiliki penyebaran
yang luas. Apakah ini merupakan kriteria mutlak?? Ya jelas ini merupakan
kriteria mutlak, namun kriteria ini disandarkan pada kriteria statistik yang
mensyaratkan normalnya data variabel. Contohnya adalah sebagai berikut:

Variabel pendapatan
(dalam ribuan)
1500
2750
1000
750
3000
2150
550
1850
4350
5000
3350
900
2000

2
 Dari contoh variabel di atas, secara kasat mata data data variabel
pendapatan masyarakat (dalam ribuan) memiliki penyebaran yang merata,
dan tidak berpusat pada angka tertentu. Menurut pandangan penulis,
variabel yang bersangkutan memiliki data yang berdistribusi normal. Jika
diujikan secara statistik pun dapat dipastikan akan menghasilkan output
yang memenuhi kriteria normalitas.

Apa dampaknya jika tidak memiliki penyebaran yang luas?? Tentunya

akan berdampak pada analisis lanjutan. Jika alat analisis yang digunakan
adalah korelasi, regresi, ANOVA satu arah, ANOVA dua arah atau
Multivariate dimana mensyaratkan normalitas data variabel, tentunya tidak
dapat dianalisis ke tingkat lanjut berdasarkan model tersebut apabila
variabel yang bersangkutan memiliki data yang tidak terdistribusi normal.
Kemudian apakah esensinya??

Esensinya adalah sangat penting suatu variabel memiliki data yang

normal untuk jenis-jenis analisis tertentu. Bagaimana jika variabel
penelitian kita secara riil memang datanya tidak terdistribusi normal??
Peneliti yang melakukan penelitian hendaknya memilih opsi model analisis
lain yang tidak membutuhkan prasyarat normalitas. Dan itu pun perlu
didukung dengan referensi yang kuat.

Di samping itu, terdapat juga variabel yang dinamakan moderasi.

Variabel moderasi merupakan variabel perantara atau penguat atau
pendukung dari suatu variabel independen terhadap dependen. Variabel
moderasi mengisyaratkan bahwa variabel independen yang mempengaruhi
dependen tidak serta merta berdampak begitu saja terhadap dependen.
Variabel independen ini harus melalui variabel perantara untuk dapat
memberikan pengaruhnya terhadap dependen. Ilustrasinya dapat dilihat
pada gambar berikut ini:

Variabel Variabel
Independen dependen (Y)
(X)

Variabel
Moderasi

Berdasarkan bagan di atas dapat diambil contoh sebagai berikut:

variabel kualitas produk dan kualitas pelayanan yang mempengaruhi
loyalitas. Kedua variabel ini (kualitas produk dan kualitas pelayanan) tidak
secara langsung berdampak pada loyalitas, melainkan harus melalui
perantara kepuasan konsumen sebagai moderasinya. Secara teoritis

3
memang demikian adanya. Variabel-variabel penelitian yang mengandung
moderasi akan membutuhkan analisis khusus untuk membahasnya, dan
bukan korelasi, bukan regresi berganda pada umumnya, maupun Anova
satu arah dan Anova dua arah, dan juga bukan kausalitas.

Untuk analisis moderasi, biasanya yang digunakan adalah MRA

(moderator regresion analysis). Dalam MRA diperlukan adanya interaksi
atau persinggungan atau penggabungan data variabel. Secara teknis MRA,
hasil regresi yang diperoleh mencapai 3 regresi (dalam contoh kasus di
atas). Apabila variabel independen dan moderasinya banyak, maka dapat
dipastikan akan lebih dari 3 regresi yang harus dilakukan pengujian oleh
peneliti.

Berdasarkan gambaran ringkas di atas, penulis sebagai bagian dari

LKBI khususnya yang membidangi penelitian, olah data statistik dan
ekonometrika, serta konsultan statistik ekonometrika memberikan
kesempatan terbuka kepada para konsumen yang ingin mendalami
penelitian melalui konsultasi. Konsultasi yang penulis berikan tentunya
holistik dan aplikatif dalam rangka memudahkan konsumen untuk
memahaminya. Program statistik dan ekonometrika utama yang peneliti
sangat kuasai dan senangi adalah SPSS dan EVIEWS. 2 Program ini
merupakan program yang sangat Powerfull dalam melakukan analisis
variabel, meskipun memiliki 1 kelemahan, yaitu ketidakmampuan dalam
melakukan analisa SEM secara bersamaan (serempak-seketika). Untuk
lebih jelasnya dapat menghubungi kantor LKBI Yogyakarta, Kompleks
Kantor Taman Kuliner Blok K-52 Condong Catur. Konsumen dapat
menghubungi nomer-nomer contact yang terdapat di spanduk kantor,
maupun nomer contact yang ada di situs blog LKBI.