The Nature of Measurement (Sifat Pengukuran)

Dalam pemakaian sehari-hari, pengukuran terjadi ketika sebuah indeks yang mapan
memverifikasitinggi, berat, atau ciri khas benda fisik lainnya. Seberapa baik Anda menyukai
sebuah lagu, lukisan, atau kepribadian seorang teman juga merupakan ukuran. Untuk
mengukurnya adalah untuk mengetahuiluas, dimensi, kuantitas, atau kapasitas sesuatu, terutama
dengan perbandingan dengan standar. Kami mengukur secara santai dalam kehidupan sehari-
hari, namun dalam penelitiannyapersyaratan yang ketat.

Pengukuran dalam penelitian terdiri dari penentuan jumlah kejadian empiris, objek atau properti,
atau aktivitas yang sesuai dengan seperangkat peraturan. Definisi ini menyiratkan bahwa
pengukuran adalah proses tiga bagian:

1. Memilih kejadian empiris yang dapat diamati.

2. Mengembangkan seperangkat aturan pemetaan: skema untuk menetapkan jumlah atau
simbol untuk mewakili aspek dari peristiwa yang diukur.
3. Menerapkan aturan pemetaan (s) ke setiap pengamatan kejadian tersebut.

Anda ingat istilah empiris. Periset menggunakan pendekatan empiris untuk mendeskripsikan,
menjelaskan, dan membuat prediksi dengan mengandalkan informasi yang didapat melalui
pengamatan.

Asumsikan Anda mempelajari orang-orang yang menghadiri pameran otomatis tempat prototip
model baru dipamerkan. Anda tertarik untuk mempelajari rasio antara laki-laki dan perempuan di
antara peserta. Anda amati mereka yang memasuki area pertunjukan. Jika seseorang adalah
perempuan, Anda mencatat F; jika laki-laki, M. Simbol lain seperti 0 dan 1 atau # dan% juga
dapat digunakan jika Anda tahu kelompok yang diidentifikasi oleh simbol tersebut. Gambar 11-1
menggunakan contoh ini untuk menggambarkan tiga komponen.

Periset mungkin juga ingin mengukur keinginan styling sebuah mobil konsep baru di acara ini.
Mereka mewawancarai sampel pengunjung dan menetapkan, dengan aturan pemetaan yang
berbeda, pendapat mereka dengan skala berikut:

Apa pendapat anda tentang styling konsep CS?

Sangat diinginkan 5 4 3 2 1 Sangat tidak diinginkan
emua teoretikus pengukuran akan memanggil skala penilaian pada Tampilan 11-1 suatu bentuk
pengukuran, namun beberapa akan menantang apakah mengklasifikasikan pria dan wanita adalah
bentuk pengukuran. Argumen mereka adalah bahwa pengukuran harus melibatkan kuantifikasi -
yaitu, "penugasan nomor ke objek untuk mewakili jumlah atau tingkat properti yang dimiliki
oleh semua benda." 2 Kondisi ini terpenuhi saat mengukur pendapat gaya mobil. Pendekatan
kami mendukung pandangan yang lebih umum bahwa "angka sebagai simbol dalam aturan
pemetaan" dapat mencerminkan konsep kualitatif dan kuantitatif.

Tujuan pengukuran - memang, tujuan "menetapkan jumlah pada kejadian empiris sesuai dengan
seperangkat aturan" - adalah untuk memberikan data kesalahan dan estimasi kualitas tertinggi
untuk menguji hipotesis, estimasi atau prediksi, atau deskripsi. Peneliti menyimpulkan dari
sebuah hipotesis bahwa kondisi tertentu harus ada. Kemudian mereka mengukur untuk kondisi
ini di dunia nyata. Jika ditemukan, data memberi dukungan pada hipotesis; Jika tidak, peneliti
menyimpulkan hipotesisnya salah. Pertanyaan penting pada saat ini adalah, "Apa ukurannya?

Objek pengukuran adalah konsep, simbol yang kita lampirkan pada kumpulan makna yang kita
pegang dan bagikan dengan orang lain. Kami menciptakan konsep tingkat tinggi - konstruksi -
untuk tujuan penjelasan ilmiah khusus yang tidak secara langsung dapat diamati dan untuk
memikirkan dan mengkomunikasikan abstraksi. Konsep dan konstruksi digunakan pada tingkat
teoritis; Variabel digunakan pada tingkat empiris. Variabel menerima angka atau nilai untuk
tujuan pengujian dan pengukuran.
Konsep, konstruksi, dan variabel dapat dideskripsikan secara deskriptif atau operasional. Definisi
operasional mendefinisikan variabel dalam hal kriteria pengukuran dan pengujian specifik. Ini
harus menentukan secara memadai informasi empiris yang dibutuhkan dan bagaimana
pengumpulannya. Selain itu, harus memiliki ruang lingkup atau masalah yang tepat untuk
masalah penelitian yang ada. Kami meninjau persyaratan ini dengan contoh pada Tampilan 11-2.

What Is Measured (Apa yang diukur)

Variabel yang dipelajari dalam penelitian dapat dikelompokkan sebagai objek atau properti.
Objek mencakup konsep pengalaman biasa, seperti barang berwujud seperti furnitur, deterjen
cucian, orang, atau mobil. Objek juga mencakup hal-hal yang tidak konkret, seperti gen, sikap,
dan tekanan kelompok sebaya. Properties adalah karakteristik dari objek. Sifat fisik seseorang
dapat dinyatakan
dalam hal berat, tinggi badan, dan postur tubuh, antara lain. Sifat psikologis meliputi sikap dan
kecerdasan. Sifat sosial meliputi kemampuan kepemimpinan, kelas affi liation, dan status. Sifat-
sifat ini dan banyak lainnya dari individu dapat diukur dalam sebuah penelitian.

Secara literal, peneliti tidak mengukur objek atau sifat. Mereka mengukur indikasi sifat atau
indikasi sifat benda. Mudah untuk mengamati bahwa A lebih tinggi dari B dan C berpartisipasi
lebih dari D dalam proses kelompok. Atau anggap Anda menganalisis anggota tenaga penjualan
dari beberapa ratus orang untuk mengetahui kontribusi pribadi terhadap keberhasilan penjualan.
Properti adalah usia, tahun pengalaman, dan jumlah panggilan yang dilakukan per minggu.
Indikasi dalam kasus ini sangat diterima sehingga kita mempertimbangkan sifat yang harus
diamati secara langsung.

Sebaliknya, tidak mudah untuk mengukur sifat konstruksi seperti "gaya hidup," "kepemimpinan
opini," "struktur saluran distribusi," dan "persuasif." Karena setiap properti tidak dapat diukur
secara langsung, seseorang harus menyimpulkan adanya atau tidaknya dengan mengamati
beberapa indikasi atau pengukuran penunjuk. Ketika Anda mulai membuat kesimpulan seperti
itu, seringkali ada ketidaksepakatan tentang bagaimana mengembangkan definisi operasional
untuk setiap indikasi.
Bukan hanya tantangan untuk mengukur konstruksi semacam itu, namun kualitas studi
bergantung pada ukuran yang dipilih atau dikembangkan dan bagaimana keadaannya. Sifat skala
pengukuran, sumber kesalahan, dan karakteristik pengukuran suara dipertimbangkan selanjutnya.

Measurement Scales(SkalaPengukuran)

Dalam pengukuran, seseorang merancang beberapa peraturan pemetaan dan kemudian

menerjemahkan pengamatan terhadap indikasi properti menggunakan peraturan ini. Untuk
setiapkonsep atau konstruksi, beberapa jenis pengukuran dimungkinkan; Pilihan yang tepat
tergantung padaapa yang Anda kira tentang aturan pemetaan. Masing-masing memiliki asumsi
dasar tentang bagaimana simbol numerik sesuai dengan pengamatandunianyata.

Aturan pemetaan memiliki empat asumsi:

 1. Angka digunakan untuk mengklasifikasikan, mengelompokkan, atau mengurutkan
jawaban. Tidak ada pesanan
2. Nomor dipesan. Satu nomor lebih besar dari, kurang dari atau sama dengan nomor lain.
3. Perbedaan antara nomor yang dipesan. Perbedaan antara sepasang angka lebih besar dari,
kurang dari, atau sama dengan perbedaan antara pasangan nomor lainnya.
4. Seri nomor memiliki asal unik yang ditunjukkan dengan angka nol. Ini adalah titik nol
absolut dan berarti.

Gambar 11-3 Timbangan Pengukuran

Jenis Skala Karakteristik Data Operasi Dasar Empiris Contoh

Nominal Klasifikasi (kategori Penentuan kesetaraan Jenis kelamin

eksklusif dan kolektif Laki-laki
lengkap), tapi tidak ada Perempuan
keteraturan, jarak, atau
asal alami
Urut Klasifikasi kation dan Penentuan nilai lebih besar Kesiihan daging
ketertiban, tapi tidak ada atau lebih kecil (Baik, sedang
jarak atau asal alami baik, sedang
langka, jarang)
Selang Klasifikasi, keteraturan, Penentuan persamaan Suhu dalam
dan jarak, tapi tidak ada interval atau perbedaan derajat
asal usul alami
Perbandingan Klasifikasi, keteraturan, Penentuan persamaan rasio Usia di tahun
jarak, dan asal alami

Kombinasi karakteristik klasifikasi, urutan, jarak, dan asal mula ini memberikan empat
klasifikasi skala pengukuran yang banyak digunakan: (1) rasio nominal, (2) ordinal, (3), dan (4).
Mari kita awasi skala pengukuran ini sebelum kita mendiskusikan rincian teknisnya. Misalkan
profesor Anda meminta sukarelawan siswa untuk mencicipi-menguji enam batang permen.
Siswa tersebut mulai dengan mengevaluasi masing-masing pada skala coklat-tidak cokelat; ini
adalah ukuran nominal. Kemudian murid tersebut memberi peringkat permen dari yang terbaik
sampai yang terburuk; ini adalah ukuran ordinal. Selanjutnya, siswa menggunakan skala 7 poin
yang memiliki jarak yang sama antara titik untuk menilai candy bars dengan memperhatikan
beberapa kriteria selera (mis., Kegentingan); Ini adalah pengukuran interval. Akhirnya, siswa
mempertimbangkan dimensi rasa yang lain dan memberikan 100 poin di antara enam permen; Ini
adalah pengukuran rasio.
Karakteristik skala pengukuran ini dirangkum dalam Tampilan 11-3. Memutuskan jenis skala
yang sesuai untuk kebutuhan penelitian Anda harus dilihat sebagai bagian dari proses penelitian,
seperti ditunjukkan pada Tampilan 11-4.

Nominal Scales(Skala Nominal)

Dalam penelitian bisnis, data nominal banyak digunakan. Dengan skala nominal, Anda
mengumpulkan informasi tentang variabel yang secara alami atau dengan desain dapat
dikelompokkan menjadi dua atau lebih kategori yang saling eksklusif dan kolektif yang
lengkap. Jika data dikumpulkan dari pelanggan simfoni di kompleks Glacier, pelanggan dapat
dikelompokkan menurut apakah mereka menghadiri pertunjukan simfoni sebelumnya atau ini
adalah pertama kalinya mereka. Setiap pelindung akan masuk ke salah satu dari dua kelompok
di dalam variabel kehadiran.

Penghitungan anggota di setiap kelompok adalah satu-satunya operasi aritmatika yang

mungkin dilakukan bila skala nominal digunakan. Jika kita menggunakan simbol numerik
dalam aturan pemetaan untuk mengidentifikasi kategori, angka ini hanya dikenali label dan
tidak memiliki nilai kuantitatif. Misalnya, nomor 13 di plat nomor tidak menyiratkan jumlah
tiket traffi c yang telah diterima pemilik terdaftar, atau jumlah kecelakaan yang telah
melibatkan mobil, atau jumlah jalur negara yang telah dilalui, dan bukan yang tingkat
keterampilan mengemudi pemiliknya; Ini hanya sarana identifikasi seperti yang ditugaskan
pada kendaraan tertentu.

Klasifikasi nominal dapat terdiri dari sejumlah kelompok terpisah jika kelompok tersebut
saling eksklusif dan kolektif. Dengan demikian, seseorang dapat mengklasifikasikan siswa
dalam kursus sesuai dengan preferensi religius yang diungkapkan. Aturan pemetaan Yang
diberikan dalam tabel bukanlah skala nominal yang masuk akal karena kategorinya tidak
saling eksklusif atau kolektif. Aturan pemetaan B memenuhi persyaratan minimum; Ini
mencakup semua agama besar dan menawarkan pilihan "lainnya". Skala nominal adalah yang
paling tidak kuat dari keempat tipe data. Mereka menyarankan tidak ada hubungan pesanan
atau jarak dan tidak memiliki asal aritmatika. Skala limbah informasi apapun sampel elemen
mungkin berbagi tentang berbagai tingkat properti yang diukur.

Karena satu-satunya kation kuantifikasi adalah jumlah kasus dalam setiap kategori
(distribusifrekuensi), peneliti dibatasi pada penggunaan mode sebagai ukuran tendensi sentral.
4 Mode adalah nilai yang paling sering terjadi. Anda dapat menyimpulkan kategori mana
yang memiliki anggota terbanyak, tapi hanya itu saja. Tidak ada ukuran dispersi yang umum
digunakan untuk skala nominal. Dispersi menggambarkanbagaimana skor cluster atau scatter
dalam suatu distribusi. Denganmensimulasikan variabel nominal dengan variabel lain, Anda
bisa mulai melihat pola dalam data.

Meskipun data nominal secara statistik lemah, namun data tersebut masih berguna. Jika tidak
ada skala lain yang bisa digunakan, kita hampir selalu bisa mengklasifikasikan seperangkat
properti menjadi satu set kelas setara. Tindakan nominal sangat berharga dalam pekerjaan
eksplorasi dimana tujuannya adalah untuk mengungkap hubungan daripada melakukan
pengukuran yang tepat. Skala jenis ini juga banyak digunakan dalam survei dan penelitian
lainnya saat data digolongkan olehsubkelompok utama populasi. Klasifikasi seperti
perkawinan respondenstatus, jenis kelamin, orientasi politik, dan keterpaparan terhadap
pengalaman tertentu memberi nsight ke dalam pola data demografis yang penting.

Jason mengunjungi Glacier karena keakrabannya dengan penelitian ekstensif MindWriter

terhadap kepuasan pelanggan. Kunjungannya mengungkapkan kebutuhan Glacier untuk
beberapa data nominal eksploratif pada pelanggan simfoni. Pelanggan dapat dibagi menjadi
beberapa kelompok - berdasarkan apresiasi mereka terhadap konduktor (baik, tidak baik),
terhadap sikap mereka terhadap fasilitas (sesuai, tidak sesuai), mengenai persepsi mereka
tentang program (klise, virtuoso), pada tingkat dukungan simfoni mereka. (dukungan
finansial, tidak ada dukungan finansial) - dan
kemudian dianalisis.
Ordinal Scales (Skala Ordinal)

Skala ordinal mencakup karakteristik skala nominal ditambah indikasi ketertiban. Data ordinal
memerlukan kesesuaian dengan postulat logis, yang menyatakan: Jika a lebih besar dari b dan
b lebih besar dari c, maka a lebih besar dari c. 5 Penggunaan skala ordinal menyiratkan
pernyataan "lebih besar dari" atau "kurang dari" (pernyataan kesetaraan juga dapat diterima)
tanpa menyebutkan seberapa besar atau sedikitnya. Sementara pengukuran ordinal berbicara
tentang pengukuran yang lebih besar dari dan di bawah, deskriptor lain dapat digunakan-
"lebih unggul dari," lebih bahagia daripada, "lebih miskin dari pada," atau "penting daripada".
Seperti tolak ukur karet, skala ordinal dapat Peregangan jumlah bervariasi di tempat yang
berbeda sepanjang panjangnya. Jadi, perbedaan nyata antara peringkat 1 dan 2 pada skala
kepuasan mungkin lebih atau kurang dari perbedaan antara peringkat 2 dan 3. Sebuah
ordinalKonsep dapat diperluas melampaui tiga kasus yang digunakan dalam ilustrasi
sederhana dari a> b> c. Sejumlah kasus dapat digolongkan.

Perpanjangan lain dari konsep ordinal terjadi bila ada lebih dari satu properti yang diminati.
Kita mungkin meminta pengecap untuk menentukan varietas dari minuman ringan
berkarbonasi dengan flavor, warna, karbonasi, dan kombinasi dari karakteristik ini. Kita dapat
mengamankan peringkat gabungan baik dengan meminta responden untuk mendasarkan
peringkatnya pada kombinasi properti atau dengan membangun peringkat kombinasi dari
peringkat individu pada setiap properti.

Contoh data ordinal meliputi skala sikap dan preferensi. (Pada bab berikutnya, kami
memberikan contoh rinci tentang skala sikap). Karena angka yang digunakan dengan skala
ordinal hanya memiliki satu peringkat, ukuran tendensi sentral yang tepat adalah mediannya.
Median adalah titik tengah distribusi. Persentil atau kuartil menunjukkan dispersi.

Analisis korelasi data ordinal terbatas pada berbagai teknik ordinal. Ukuran signifikansi
statistik secara teknis dikonfirmasikan ke badan statistik yang dikenal sebagai metode
nonparametrik, identik dengan statistik bebas distribusi.

Peneliti berbeda tentang apakah tes yang lebih hebat sesuai untuk menganalisis tindakan
ordinal. Karena uji nonparametrik berlimpah, mudah dihitung, memiliki kekuatan statistik
yang baik, 7 dan tidak mengharuskan peneliti menerima asumsi pengujian parametrik, kami
 menyarankan penggunaannya dengan data nominal dan ordinal. Namun, dapat dimengerti
bahwa karena tes parametrik (seperti uji t atau analisis varians) bersifat serbaguna, diterima,
dan dipahami, data tersebut akan digunakan dengan data ordinal ketika peneliti dapat
menunjukkan bahwa data tersebut mendekati asumsi yang diperlukan untuk interval tingkat
analisis.

Interval Scales (Skala interval)

Skala interval memiliki kekuatan data nominal dan ordinal ditambah satu kekuatan tambahan:
Mereka menggabungkan konsep persamaan interval (jarak antara 1 dan 2 sama dengan jarak
antara 2 dan 3). Waktu kalender adalah skala seperti itu. Misalnya, waktu yang telah berlalu
antara pukul 3 dan 6 pagi sama dengan waktu antara pukul 4 dan 7 pagi. Seseorang tidak dapat
mengatakan, bagaimanapun, bahwa pukul 6 pagi dua kali lebih lambat dari pukul 3 pagi,
karena "waktu nol" adalah titik nol yang sewenang-wenang. Skala suhu Celcius dan
Fahrenheitadalah contoh lain dari skala interval klasik. Keduanya memiliki titik nol yang
ditentukan secara sewenang-wenang, bukan asal yang unik.

Peneliti memperlakukan banyak skala perilaku sebagai interval, seperti yang kita gambarkan di
bab berikutnya. Bila skala adalah interval dan datanya relatif simetris dengan satu mode,
berarti Anda menggunakan aritmetika sebagai ukuran kecenderungan sentral. Anda dapat
menghitung waktu rata-rata pesan promosi TV atau nilai sikap rata-rata untuk kelompok usia
yang berbeda dalam studi manfaat asuransi. Deviasi standar adalah ukuran dispersi. Korelasi
momen produk, uji t, uji F, dan uji parametrik lainnya adalah prosedur statistik pilihan untuk
data interval.

Bila distribusi skor yang dihitung dari data interval bersandar dalam satu arah atau yang lain
(miring kanan atau kiri), kita sering menggunakan median sebagai ukuran tendensi sentral dan
kisaran interkuartil sebagai ukuran dispersi. Alasan untuk hal ini dibahas di akhir bab
Lampiran 15a.

Ratio Scales (Skala Rasio)

Rasio skala menggabungkan semua kekuatan dari skala sebelumnya ditambah ketentuan
untuk nol mutlak atau asal. Data rasio mewakili jumlah sebenarnya dari sebuah variabel.
Ukuran dimensi fisik seperti berat, tinggi, jarak, dan luas adalah contoh. Dalam ilmu perilaku,
beberapa situasi memenuhi persyaratan skala rasio - bidang psikofisik yang menawarkan
beberapa pengecualian. Dalam penelitian bisnis, kami menemukan skala rasio di banyak
daerah. Ada nilai uang, jumlah populasi, jarak, tingkat pengembalian, tingkat produktivitas,
dan jumlah waktu (mis., Berlalu dalam hitungan detik sebelum perwakilan layanan pelanggan
menjawab pertanyaan telepon).
Swatch's BeatTime - mengusulkan waktu global standar yang diperkenalkan di Olimpiade
2000 yang mungkin menguntungkan karena lebih banyak dari kita berpartisipasi dalam
obrolan lintas zona waktu (Internet atau lainnya) - adalah skala rasio. Ini menawarkan waktu
standar dengan asal-usulnya pada 0 beats (12 tengah malam di Biel, Swiss, di garis waktu Biel
Meridian yang baru). Sehari terdiri dari 1.000 denyut, dengan "beat" bernilai 1 menit, 26,4
detik.
Dengan proyek Glacier, Jason bisa mengukur usia pelanggan, jumlah tahun yang dia hadiri,
dan berapa kali seleksi dilakukan di festival musim panas Glacier. Langkah-langkah ini semua
menghasilkan data rasio. Untuk tujuan praktis, bagaimanapun, analis akan menggunakan
teknik statistik yang sama seperti data interval.
Semua teknik statistik yang disebutkan sampai saat ini dapat digunakan dengan skala rasio.
Manipulasi lain yang dilakukan dengan bilangan real dapat dilakukan dengan nilai skala rasio.
Dengan demikian, perkalian dan pembagian dapat digunakan dengan skala ini namun tidak
dengan yang lain disebutkan. Sarana geometris dan harmonis adalah ukuran kecenderungan
sentral, dan koefisien variasi juga dapat dihitung untuk menggambarkan variabilitas.
Periset sering menghadapi masalah dalam mengevaluasi variabel yang telah diukur pada skala
yang berbeda. Misalnya, pilihan untuk membeli produk oleh konsumen adalah variabel
nominal, dan biaya adalah variabel rasio. Teknik statistik tertentu mengharuskan tingkat
pengukuran sama. Karena variabel nominal tidak memiliki karakteristik keteraturan, jarak,
atau titik asal, kita
tidak bisa menciptakannya secara artifisial setelah kejadian. Variabel gaji berbasis rasio, di
sisi lain, dapat dikurangi. Menghilangkan biaya produk ke dalam kategori (mis., Tinggi,
sedang, rendah) mempermudah perbandingan. Contoh ini dapat diperluas ke situasi
 pengukuran lainnya-yaitu mengubah atau rescaling variabel melibatkan pengurangan ukuran
dari tingkat yang lebih kuat dan kuat ke tingkat yang lebih rendah. 10 Hilangnya daya
pengukuran dengan keputusan ini berarti statistik bertenaga rendah kemudian digunakan
dalam analisis data, namun asumsi yang lebih sedikit untuk penggunaan yang tepat
diperlukan.
Singkatnya, tingkat pengukuran yang lebih tinggi umumnya menghasilkan lebih banyak
informasi. Karena ketepatan pengukuran pada tingkat yang lebih tinggi, prosedur statistik
yang lebih kuat dan sensitif dapat digunakan. Seperti yang kita lihat dengan contoh permen,
ketika seseorang bergerak dari tingkat pengukuran yang lebih tinggi ke tingkat yang lebih
rendah, selalu ada kehilangan informasi. Akhirnya, saat mengumpulkan informasi di tingkat
yang lebih tinggi, kami selalu dapat mengonversi, mengirim ulang, atau mengurangi data agar
sampai pada tingkat yang lebih rendah.

Sources of Measurement Differences(Sumber Perbedaan Pengukuran)

Studi ideal harus dirancang dan dikendalikan untuk pengukuran variabel yang tepat dan tidak
ambigu. Karena kontrol lengkap tidak dapat dicapai, kesalahan memang terjadi. Banyak
kesalahan yang sistematis (hasil dari bias), sedangkan sisanya acak (terjadi tidak menentu). Satu
otoritas telah menunjukkan beberapa sumber dari mana perbedaan yang diukur dapat terjadi.

Asumsikan Anda melakukan studi ex post facto tentang kewarganegaraan korporat dari produsen
multinasional. Perusahaan ini menghasilkan produk keluarga, pribadi, dan produk perawatan
rumah tangga. Peserta adalah penghuni sebuah kota besar. Studi tersebut menyangkut Pangeran
Corporation, produsen besar dengan kantor pusatnya dan beberapa fasilitas utama yang berada di
kota ini. Tujuan dari penelitian ini adalah untuk mengetahui opini publik tentang pendekatan
perusahaan terhadap kesehatan, kesejahteraan sosial, dan lingkungan. Anda juga ingin
mengetahui asal usul opini negatif yang umumnya dipegang teguh.

Idealnya, variasi skor di antara responden dapat mencerminkan perbedaan pendapat mereka
tentang perusahaan. Sikap terhadap perusahaan sebagai atasan, sebagai organisasi yang sensitif
secara ekologis, atau sebagai warga korporat progresif akan dinyatakan secara akurat. Namun,
empat sumber kesalahan utama dapat mencemari hasilnya: (1) responden, (2) situasi, (3) alat
ukur, dan (4) instrumen pengumpulan data.
Error Sources (Sumber kesalahan)

The Respondent(Termohon)

Perbedaan pendapat yang mempengaruhi pengukuran berasal dari karakteristik

responden yang relatif stabil. Khasnya adalah status karyawan, keanggotaan kelompok
etnis, kelas sosial, dan kedekatan dengan fasilitas manufaktur. Peneliti yang terampil
akan mengantisipasi banyak dimensi ini, menyesuaikan desain untuk menghilangkan,
menetralisir, atau mengatasinya. Namun, peneliti terampil pun mungkin tidak menyadari
dimensi yang kurang jelas. Varietas yang terakhir mungkin merupakan pengalaman
traumatis yang diberikan peserta dengan Prince Corporation, programnya, atau
pegawainya. Responden mungkin enggan mengungkapkan perasaan negatif (atau
positif) yang kuat, dengan sengaja mengungkapkan sikap yang mereka anggap berbeda
dari pendapat orang lain, atau mungkin sedikit pengetahuan tentang Pangeran namun
enggan mengakui ketidaktahuan. Keengganan untuk mengakui ketidaktahuan akan suatu
topik dapat menyebabkan sebuah wawancara yang terdiri dari "dugaan" atau asumsi,
yang, pada gilirannya, menciptakan data yang keliru.

Responden mungkin juga menderita faktor sementara seperti kelelahan, kebosanan,

kegelisahan, kelaparan, ketidaksabaran, atau variasi umum dalam mood atau gangguan
lainnya; ini membatasi kemampuan untuk merespon secara akurat dan lengkap.
Merancang skala pengukuran yang melibatkan peserta selama pengukuran sangat
penting.

Situational Factors(Faktor Situasional)

Setiap kondisi yang menimbulkan ketegangan pada sesi wawancara atau pengukuran
dapat berdampak serius pada hubungan pewawancara-responden. Jika ada orang lain,
orang tersebut dapat mendistorsi tanggapan dengan bergabung, dengan mengalihkan
perhatian, atau hanya berada di sana. Jika responden yakin anonimitas tidak dipastikan,
mereka mungkin enggan mengungkapkan perasaan tertentu. Curbside atau wawancara
mencegat tidak mungkin mendapatkan tanggapan yang rumit, sementara wawancara di
rumah lebih sering dilakukan.

The Measurer(Pengukur)
Pewawancara dapat mendistorsi tanggapan dengan menulis ulang, menguraikan, atau
menyusun kembali pertanyaan. Stereotip dalam penampilan dan tindakan mengenalkan
bias. Suara suara dan dorongan sadar atau tidak sadar dengan senyuman, anggukan,
dansebagainya, dapat mendorong atau mencegah jawaban tertentu. Pemeriksaan
pemrosesan mekanis yang cerobohSalah tanggapan atau kegagalan untuk mencatat
balasan penuh-jelas akan mendistorsi temuan. Pada tahap analisis data, pengkodean
yang salah, tabulasi ceroboh, dan perhitungan statistik yang salah dapat menimbulkan
kesalahan lebih lanjut.

The Instrument( Instrumen)

Instrumen yang rusak dapat menyebabkan distorsi dalam dua cara utama. Pertama, bisa
terlalu membingungkan dan ambigu. Penggunaan kata-kata dan sintaksis yang kompleks
di luar pemahaman peserta sangat khas. Pertanyaan utama, makna ambigu, cacat
mekanis (ruang yang tidak memadai untuk jawaban, kelalaian pilihan respons, dan
pencetakan yang buruk), dan beberapa pertanyaan menyarankan berbagai masalah.
Banyak dari masalah ini adalah akibat langsung dari defisiensi operasional yang tidak
memadai, sehingga menghasilkan skala yang tidak tepat yang dipilih atau
dikembangkan.
Jenis defisiensi instrumen yang lebih sulit dipahami adalah pilihan yang buruk dari alam
semesta konten. Jarang instrumen mengeksplorasi semua masalah yang berpotensi
penting. Studi Prince Corporation dapat memperlakukan citra perusahaan di bidang
ketenagakerjaan dan ekologi namun juga mengabaikan kepemimpinan sipil manajemen
perusahaan, dukungan terhadap program pendidikan lokal, filantropi, atau posisinya
mengenai isu-isu minoritas. Sekalipun masalah umum dipelajari, pertanyaan mungkin
tidak mencakup aspek yang cukup dari masing-masing daerah
perhatian. Meskipun kita bisa mempelajari citra Prince Corporation sebagai pemberi
kerja dalam hal skala gaji dan upah, peluang promosi, dan stabilitas kerja, mungkin
topik seperti kondisi kerja, hubungan manajemen perusahaan dengan pekerja
terorganisir, dan program tunjangan pensiun dan lainnya juga harus dilakukan.
termasuk.
The Characteristics of Good Measurement (Karakteristik Pengukuran Baik)

Apa karakteristik alat ukur yang baik? Jawaban intuitif untuk pertanyaan ini adalah bahwa alat
itu harus menjadi penghitung atau indikator akurat tentang apa yang ingin kita ukur. Selain itu,
harus mudah dan efisien untuk digunakan. Ada tiga kriteria utama untuk mengevaluasi alat ukur:
validitas, reliabilitas, dan kepraktisan.

 Validitas adalah sejauh mana sebuah tes mengukur apa yang sebenarnya ingin kita ukur.
 Kehandalan berkaitan dengan akurasi dan ketepatan prosedur pengukuran.
 Kepraktisan berkaitan dengan berbagai faktor ekonomi, kenyamanan,
dan interpretability.

Pada bagian berikut, kita membahas sifat kualitas ini dan bagaimana periset dapat mencapainya
dalam prosedur pengukurannya.

Validity (Keabsahan)

Banyak bentuk validitas disebutkan dalam literatur penelitian, dan jumlahnya bertambah
saat kita memperluas perhatian untuk pengukuran ilmiah yang lebih banyak. Teks ini
memiliki dua bentuk utama: validitas eksternal dan internal. Validitas eksternal dari
temuan penelitian adalah kemampuan data untuk digeneralisasi di seluruh orang, setting,
dan waktu; Kami mendiskusikan hal ini dengan mengacu pada eksperimen di Bab 9, dan
akan banyak lagi yang akan dibahas dalam Bab 14 tentang pengambilan sampel. 14
Dalam bab ini, kita hanya membahas validitas internal. Validitas internal dibatasi lebih
lanjut dalam diskusi ini dengan kemampuan instrumen penelitian untuk mengukur apa
yang dimaksudkan untuk diukur. Apakah instrumen benar-benar mengukur apa yang
dikatakan oleh perancangnya?

Satu klasifikasi validitas yang diterima secara luas terdiri dari tiga bentuk utama: (1)
validitas isi, (2) validitas kriteria, dan (3) membangun validitas (lihat Lampiran 11-5).

Content Validity (Validitas konten)

Validitas isi alat ukur adalah sejauh mana cakupannya memadai untuk menjawab
pertanyaan investigasi yang membimbing penelitian ini. Jika instrumen tersebut berisi
sampel representatif dari alam semesta materi pokok yang diminati, maka validitas isi itu
bagus. Untuk mengevaluasi keabsahan isi instrumen, seseorang harus terlebih dahulu
menyetujui elemen apa yang merupakan cakupan yang memadai. Dalam penelitian
Prince Corporation, kita harus memutuskan pengetahuan dan sikap apa yang relevan
dengan pengukurancitra publik perusahaan dan kemudian memutuskan bentuk pendapat
mana yang relevan dengan topik ini. Dalam studi Glacier, Jason harus terlebih dahulu
menentukan faktor apa yang mempengaruhi kepuasan pelanggan sebelum menentukan
apakah indeks yang dipublikasikan dapat bernilai. Jika instrumen pengumpulan data
cukup mencakup topik yang telah dikoreksi sebagai dimensi yang relevan, maka
instrumen penelitian memiliki validitas konten yang baik.
Penentuan validitas konten melibatkan penilaian. Pertama, perancang dapat
menentukannya melalui definisi topik yang hati-hati, item yang akan diskalakan, dan
timbangan yang akan digunakan. Proses logis ini sering intuitif dan unik bagi setiap
perancang penelitian.
Cara kedua adalah menggunakan panel orang untuk menilai seberapa baik instrumen
tersebut memenuhi standar. Panel secara independen menilai item uji untuk instrumen
yang penting, berguna namun tidak penting, atau tidak diperlukan. Tanggapan "penting"
pada setiap item dari masing-masing panelis dievaluasi dengan rasio validitas konten, dan
yang memenuhi nilai signifikansi statistik dipertahankan. Dalam penilaian informal dan
proses sistematis ini, "validitas isi terutama berkaitan dengan kesimpulan tentang
konstruksi uji daripada kesimpulan tentang nilai tes.
Penting untuk tidak defi ne konten terlalu sempit. Jika Anda hanya bisa mengamankan
ekspresi pendapat supervisi dalam survei sikap Pangeran Corporation, mungkin tidak ada
liputan konten yang memadai. Penelitian ini harus menyelidiki proses dimana perilaku
tersebut muncul. Bagaimana tanggapan responden terhadap apa yang mereka lakukan,
dan bagaimana intensitas perasaannya? Hal yang sama juga berlaku untuk evaluasi
kualitas dan kepuasan layanan MindWriter. Tidak cukup mengenal seorang pelanggan
adalah dissatisfi ed. Manajer yang bertugas untuk meningkatkan atau memperbaiki
program perlu mengetahui proses, karyawan, suku cadang, dan urutan waktu dalam
program CompleteCare yang telah menyebabkan ketidakpuasan tersebut.
Criterion-Related Validity (Kriteria Terkait Validitas)

Keabsahan terkait kriteria mencerminkan keberhasilan tindakan yang digunakan untuk

prediksi atau estimasi. Anda mungkin ingin memprediksi hasil atau memperkirakan
adanya perspektif perilaku atau waktu saat ini. Skala sikap yang memperkirakan hasil
keputusan pembelian dengan benar memiliki validitas prediktif. Metode observasional
yang mengategorikan keluarga dengan benar oleh kelas pendapatan saat ini memiliki
validitas konkuren. Meskipun contoh-contoh ini tampaknya memiliki kriteria validitas
yang sederhana dan tidak ambigu, ada perbedaan
kesulitan dalam memperkirakan validitas Pertimbangkan masalah estimasi pendapatan
keluarga. Ada pendapatan sejati yang bisa diketahui untuk setiap keluarga, tapi kita bisa
menemukan gambar yang sulit dikenali. Jadi, sementara kriteria secara konseptual jelas,
mungkin tidak tersedia.

Seorang peneliti mungkin ingin mengembangkan tes pra-pengangguran yang akan

memprediksi kesuksesan penjualan. Mungkin ada beberapa kriteria yang mungkin, tidak
ada yang secara individual menceritakan keseluruhan cerita. Total penjualan per tenaga
penjualan mungkin tidak mencerminkan secara memadai potensi pasar wilayah, kondisi
persaingan, atau tingkat ketangkasan yang berbeda dari berbagai produk. Orang
mungkin mengandalkan evaluasi keseluruhan manajer penjualan, tapi bagaimana
caranya
tidak bias dan akurat adalah kesan seperti itu? Peneliti harus memastikan bahwa kriteria
validitas yang digunakan itu sendiri "valid." Setiap ukuran kriteria harus dinilai
berdasarkan empat kualitas: (1) relevansi, (2) bebas dari bias, (3) reliabilitas, dan (4)
ketersediaan.

Sebuah kriteria relevan jika defi ned dan dinilai dalam istilah yang kita menilainya
sebagai ukuran kesuksesan penjual yang tepat. Jika Anda yakin keberhasilan penjualan
cukup diukur dengan volume penjualan dolar yang dicapai per tahun, maka itu adalah
kriteria yang relevan. Jika Anda yakin kesuksesan harus mencakup tingkat penetrasi
akun besar yang tinggi, volume penjualan saja tidak sepenuhnya relevan. Dalam
membuat keputusan ini, Anda harus mengandalkannya
penilaian Anda dalam menentukan kriteria parsial mana yang tepat merupakan indikasi
keberhasilan penjual.

Kebebasan dari bias tercapai ketika kriteria memberi setiap tenaga penjual kesempatan
yang sama untuk mencetak gol dengan baik. Kriteria penjualan akan bias jika tidak
menunjukkan penyesuaian terhadap perbedaan kondisi potensial dan persaingan
teritorial.

Kriteria yang dapat diandalkan stabil atau dapat direproduksi. Kriteria yang tidak
menentu (menggunakan penjualan bulanan, yang sangat bervariasi dari bulan ke bulan)
hampir tidak dapat dianggap sebagai standar yang dapat diandalkan untuk menilai
kinerja pada tes ketenagakerjaan penjualan. Akhirnya, informasi yang ditentukan oleh
kriteria harus tersedia. Jika tidak tersedia, berapa biayanya dan seberapa sulitnya
mengamankan? Jumlah uang dan usaha yang harus dikeluarkan untuk pengembangan
kriteria tergantung pada pentingnya
masalah dimana tes digunakan

Begitu ada nilai tes dan kriteria, mereka harus dibandingkan dengan beberapa cara.
Pendekatan yang biasa dilakukan adalah mengkorelasikannya. Misalnya, Anda mungkin
menghubungkan skor tes 40 tenaga penjualan baru dengan pencapaian penjualan tahun
pertama yang disesuaikan dengan perbedaan antara kondisi penjualan teritorial.

Construct Validity (Membangun validitas)

Dalam upaya untuk mengevaluasi validitas konstruk, kita mempertimbangkan teori dan
alat ukur yang digunakan. Jika kita tertarik untuk mengukur pengaruh kepercayaan pada
tim lintas fungsional, cara "kepercayaan" secara operasional harus sesuai dengan teori
empiris. Jika ukuran kepercayaan yang diketahui tersedia, kami mungkinmenghubungkan
hasil yang diperoleh dengan menggunakan ukuran inidengan yang berasal dari instrumen
baru kami. Pendekatan semacam itu akan memberi kita indikasi awal tentang validitas
konvergen (tingkat di mana skor pada satu skala berkorelasi dengan skor pada skala lain
yang dirancang untuk menilai konstruksi yang sama). Jika Jason mengembangkan indeks
kepuasan pelanggan untuk Glacier dan, jika dibandingkan, hasilnya menunjukkan
indikasi yang sama dengan indeks yang berkembang dan mapan, instrumen Jason akan
memiliki validitas konvergen. Begitu pula jika Jasonmengembangkan sebuah
instrumenuntuk mengukur kepuasan dengan program CompleteCare dan ukuran turunan
dapat disesuaikan dengan ukuran kepuasan pelanggan standar, validitas konvergen akan
ada.
Kembali ke contoh kita sebelumnya, metode lain untuk memvalidasi konstruksi
kepercayaan adalah memisahkannya dari konstruksi lain dalam teori atau teori terkait.
Sejauh kepercayaan dapat dipisahkan dari ikatan, timbal balik, dan empati, kami akan
menyelesaikan langkah pertama menuju validitas diskriminan (sejauh mana skor dalam
skala tidak berkorelasi dengan skor dari skala yang dirancang untuk mengukur konstruksi
yang berbeda).
Kami membahas tiga bentuk validitas secara terpisah, namun saling terkait, baik secara
teoritis maupun operasional. Validitas prediktif penting untuk tes yang dirancang untuk
memprediksi keberhasilan produk. Dalam mengembangkan tes semacam itu, Anda
mungkin akan terlebih dahulu mencatat faktor (konstruk) yang memberikan dasar untuk
prediksi yang berguna. Misalnya, Anda akan memajukan sebuah teori tentang variabel
dalam kesuksesan produk-area untuk validitas konstruk. Akhirnya, dalam
mengembangkan item spesifik untuk dimasukkan dalam uji prediksi keberhasilan, Anda
akan memperhatikan seberapa baik item spesimen menentukan keseluruhan rangkaian
masing-masing konstruk (soal validitas konten). Melihat Gambar 11-6, kita bisa lebih
memahami konsep validitas dan reliabilitas dengan menggunakan busur pemanah dan
target sebagai analogi.

Reliability (Keandalan)

Ukuran dapat diandalkan sampai pada tingkat yang memberi hasil yang konsisten.
Keandalan adalah kontributor validitas yang diperlukan namun bukan merupakan syarat
yang cukup untuk validitas. Hubungan antara reliabilitas dan validitas dapat
diilustrasikan dengan menggunakan skala kamar mandi. Jika skala mengukur berat badan
Anda dengan benar (menggunakan kriteria bersamaan seperti skala yang diketahui
akurat), maka keduanya dapat diandalkan dan valid. Jika secara konsisten mengalahkan
Anda sebesar enam pon, maka skala itu bisa diandalkan tapi tidak valid. Jika ukuran skala
tidak menentu dari waktu ke waktu, maka itu tidak dapat diandalkan dan karena itu tidak
dapat berlaku. Jadi jika pengukuran tidak valid, tidak masalah jika dapat diandalkan -
karena tidak mengukur apa yang perancang perlu diukur untuk menyelesaikan masalah
penelitian. Dalam konteks ini, keandalan tidak dianggap sebagai validitas, namun jauh
lebih mudah untuk dinilai.
Keandalan berkaitan dengan perkiraan tingkat dimana pengukuran bebas dari kesalahan
orunastik acak. Instrumen yang dapat diandalkan dapat digunakan dengan alasan bahwa
faktor transien dan situasional tidak mengganggu. Instrumen yang handal kuat; Mereka
bekerja dengan baik pada waktu yang berbeda dalam kondisi yang berbeda. Perbedaan
waktu dan kondisi ini adalah dasar bagi perspektif yang sering digunakan mengenai
stabilitas keandalan, kesetaraan, dan konsistensi internal (lihat Gambar 11-7).
 Stability (Stabilitas)
Ukuran dikatakan memiliki stabilitas jika Anda dapat memperoleh hasil yang
konsisten dengan pengukuran berulang dari orang yang sama dengan instrumen
yang sama. Prosedur pengamatan stabil jika memberikan pembacaan yang sama
pada orang tertentu bila diulang satu kali atau lebih. Hal ini sering memungkinkan
untuk mengulang pengamatanpada subjek dan membandingkannya untuk
konsistensi. Bila ada banyak waktu di antara pengukuran, ada kemungkinan faktor
situasional berubah, sehingga mempengaruhi pengamatan. Perubahan akan
tampak salah sebagai penurunan keandalan proses pengukuran.
Pengukuran stabilitas dalam situasi survei lebih sulit dan kurang mudah
dieksekusi daripada dalam penelitian observasional. Meski bisa mengamati
tindakan tertentu berulang kali, biasanya Anda hanya bisa resurvey sekali. Ini
mengarah pada pengaturan tes ulang-dengan perbandingan antara dua tes untuk
mengetahui seberapa andal mereka. Beberapa perbedaan yang dapat terjadi dalam
metodologi pengujian ulang dan menyebabkan bias turun dalam stabilitas
meliputi:
 Keterlambatan waktu antara pengukuran - perubahan faktor situasional
(juga masalah dalam penelitian observasi).
  Kurangnya waktu antara pengukuran - membuat responden mengingat
jawaban sebelumnya dan mengulanginya, sehingga menghasilkan
indikator reliabilitas yang bias.
 Ketajaman responden terhadap tujuan tersamarkan studi - mungkin
mengenalkan bias jika responden memegang pendapat terkait dengan
tujuan namun tidak dinilai dengan pertanyaan pengukuran saat ini.
 Kepekaan topik -berapa ketika responden berusaha untuk belajar lebih
banyak tentang topik atau membentuk pendapat baru dan berbeda sebelum
tes ulang.
Saran yang disarankan adalah memperpanjang interval antara tes dan tes ulang
(dari dua minggu sampai satu bulan). Meskipun hal ini dapat membantu, peneliti
harus waspada terhadap kemungkinan faktor luar akan mencemari pengukuran
dan mendistorsi skor stabilitas. Akibatnya, pengukuran stabilitas melalui
pendekatan uji coba menguji ulang aplikasi terbatas. Minat lebih banyak berpusat
pada kesetaraan.
 Equivalence (Persamaan derajatnya)
Perspektif kedua mengenai keandalan mempertimbangkan berapa banyak
kesalahan yang dapat dikenalkan oleh peneliti yang berbeda (dalam pengamatan)
atau sampel item yang berbeda yang dipelajari (dalam pertanyaan atau skala).
Jadi, sementara stabilitas berkaitan dengan fluktuasi pribadi dan situasional dari
satu waktu ke yang lain, kesetaraan berkaitan dengan variasi pada satu titik waktu
antara pengamat dan sampel barang. Cara yang baik untuk menguji ekuivalensi
pengukuran oleh pengamat yang berbeda adalah membandingkan penilaian
mereka terhadap kejadian yang sama. Contoh dari hal ini adalah penilaian pemain
skater Olimpiade oleh majelis hakim.
Dalam studi di mana konsensus antara para ahli atau pemerhati diperlukan,
kesamaan persepsi para hakim terkadang dipertanyakan. Bagaimana panel
pengawas membuat keputusan mengenai kenaikan penghargaan, kemasan produk
baru, atau tren bisnis masa depan? Keandalan antarat dapat digunakan dalam
kasus ini untuk mengkorelasikan pengamatan atau skor hakim dan membuat
indeks seberapa konsisten penilaian mereka. Dalam skating fajar Olimpiade,
 posisi relatif hakim terhadap skaters (ditentukan dengan menetapkan urutan
peringkat untuk masing-masing hakim dan membandingkan setiap perintah hakim
untuk semua skater) adalah alat untuk mengukur kesetaraan.
Minat utama dengan kesetaraan biasanya bukan bagaimana responden berbeda
dari satu item ke item lain, tapi seberapa baik seperangkat item tertentu akan
mengkategorikan individu. Mungkin ada banyak perbedaan dalam tanggapan
antara dua sampel item, namun jika seseorang diklasifikasikan dengan cara yang
sama pada setiap tes, tes tersebut memiliki kesetaraan yang baik.
Satu tes untuk kesetaraan sampel item dengan menggunakan bentuk alternatif atau
paralel dari tes yang sama diberikan kepada orang yang sama secara bersamaan.
Hasil kedua tes tersebut kemudian berkorelasi. Dengan kondisi ini, lamanya
proses pengujian cenderung mempengaruhi respons subyek melalui kelelahan,
dan keandalan bentuk paralel yang disimpulkan akan berkurang. Beberapa ahli
teori pengukuran merekomendasikan selang waktu antara dua tes untuk
mengkompensasi masalah ini. Pendekatan ini, yang disebut bentuk ekuivalen
tertunda, adalah gabungan uji coba ulang dan metode kesetaraan. Seperti dalam
testretest, seseorang akan mengelola bentuk X diikuti oleh bentuk Y ke setengah
peserta ujian dan formulir Y diikuti oleh bentuk X ke setengah lainnya untuk
mencegah efek "pesanan presentasi".
Peneliti hanya dapat memasukkan sejumlah pertanyaan pengukuran dalam
instrumen. Keterbatasan ini menyiratkan bahwa contoh pertanyaan pengukuran
dari domain konten telah dipilih dan sampel lain yang menghasilkan bilangan
serupa perlu ditarik untuk instrumen kedua. Seringkali sulit membuat set kedua
ini. Namun jika kolam pada awalnya cukup besar, barang dapat dipilih secara
acak untuk setiap instrumen. Bahkan dengan prosedur yang lebih canggih yang
digunakan oleh penerbit tes standar, jarang ditemukan sepenuhnya setara dan
saling dipertukarkanpertanyaan.
 Internal Consistency (Konsistensi Internal)
Pendekatan ketiga terhadap reliabilitas hanya menggunakan satu administrasi
instrumen atau pengujian untuk menilai konsistensi internal atau homogenitas di
antara item. Teknik split-half dapat digunakan saat alat ukur memiliki banyak
 pertanyaan atau pernyataan serupa yang dapat ditanggapi oleh peserta. Instrumen
diberikan dan hasilnya dipisahkan oleh item ke angka genap dan ganjil atau secara
acak
bagian yang dipilih Bila kedua bagian tersebut berkorelasi, jika hasil korelasi
tinggi, instrumen dikatakan memiliki reliabilitas tinggi dalam pengertian
konsistensi internal. Korelasi tinggi memberitahu kita ada kesamaan (atau
homogenitas) di antara item. Potensi kesimpulan yang salah tentang konsistensi
internal yang tinggi ada saat tes berisi banyak item - yang mempengaruhi indeks
korelasi.
Rumus koreksi Spearman-Brown digunakan untuk menyesuaikan efek panjang uji
dan untuk memperkirakan reliabilitas keseluruhan tes.

Practicality (Kepraktisan)

Persyaratan ilmiah dari suatu panggilan proyek agar proses pengukuran dapat diandalkan
dan valid, sementara persyaratan operasional mengharuskannya menjadi praktis.
Kepraktisan telah didefinisikan sebagai ekonomi, kenyamanan, dan interpretabilitas.
Meskipun definisi ini mengacu pada pengembangan tes pendidikan dan psikologis, ini
juga berarti untuk pengukuran bisnis.

 Economy (Ekonomi)

Beberapa trade-off biasanya terjadi antara proyek penelitian yang ideal dan budget.
Data tidak bebas, dan panjang instrumen adalah satu area dimana tekanan ekonomi
mendominasi. Lebih banyak item memberi lebih banyak keandalan, namun demi
membatasi waktu wawancara atau observasi (dan karena itu biaya), kami menahan
jumlah pertanyaan pengukuran. Pemilihan metode pengumpulan data juga sering
didikte oleh faktor ekonomi. Meningkatnya biaya wawancara pribadi pertama kali
menyebabkan peningkatan penggunaansurvei telepon dan kemudian naik saat ini
dalam survei Internet. Dalam tes standar, biaya bahan uji saja dapat menjadi biaya
yang sangat signifikan sehingga mendorong penggunaan kembali secara berulang-
 ulang. Tambahkan ke ini kebutuhan untuk skor cepat dan ekonomis, dan kami
melihat mengapa penilaian dan pemindaian komputer menarik.

 Convenience (Kenyamanan)

Alat ukur melewati uji kenyamanan jika mudah dilakukan. Kuesioner atau skala
pengukuran dengan serangkaian petunjuk rinci namun jelas, dengan contoh, lebih
mudah diselesaikan dengan benar daripada yang tidak memiliki fitur ini. Dalam
sebuah penelitian yang dipersiapkan dengan baik, tidak jarang pewawancara
menjadi beberapa kali lebih lama daripada pertanyaan wawancara. Tentu, semakin
kompleks konsep dan konstruksinya, semakin besar kebutuhan akan instruksi yang
jelas dan lengkap. Kita juga bisa membuat instrumen lebih mudah diatur dengan
memperhatikan desain dan tata letaknya. Meski reliabilitas dan validitas
mendominasi pilihan kita dalam desain timbangan di sinidan kemudian di Bab 12,
kesulitan administratif harus memainkan peran tertentu. Waktu penyelesaian yang
cukup lama, instruksi yang rumit, perbedaan peserta yang dirasakan dengan survei,
dan kenikmatan hasil proses mereka juga mempengaruhi desain. Masalah tata letak
mencakup kumpulan materi, reproduksi ilustrasi yang buruk, dan pelepasan barang
dari satu halaman ke halaman berikutnya atau kebutuhan untuk menggulir layar saat
melakukan survei di Web. Baik masalah desain dan tata letak membuat selesainya
instrumen lebih sulit.

 Interpretability (Interpretabilitas)
Aspek kepraktisan ini relevan bila orang-orang selain perancang tes harus
menafsirkan hasilnya. Biasanya, tapi tidak eksklusif, masalah dengan tes standar.
Dalam kasus seperti itu, perancang instrumen pengumpulan data menyediakan
beberapa potongan informasi penting untuk membuat interpretasi menjadi mungkin:
 Pernyataan fungsi yang dirancang untuk mengukur dan prosedur di mana ia
dikembangkan.
 Petunjuk terperinci untuk administrasi.
 Tombol dan instruksi penilaian.
 Norma untuk kelompok referensi yang tepat.
  Bukti tentang keandalan.
 Bukti mengenai interkorelasi subscores.
 Bukti mengenai hubungan tes dengan tindakan lain.
 Panduan untuk penggunaan uji.

Measurement

1. The Nature of Attitudes (Sifat Sikap)

Jason benar-benar memperhatikan pengukuran sikap untuk studi MindWriter. Tapi apa
sikapnya? Ada banyak definisi, tapi seseorang tampaknya menangkap esensinya: Sikap
adalah predisposisi yang dipelajari dan stabil untuk merespons diri sendiri, orang lain,
objek, atau masalah dengan cara yang secara konsisten menguntungkan atau tidak
menguntungkan. Aspek penting dari definisi ini mencakup sifat terpelajar dari sikap, sikap
mereka keabadian relatif, dan hubungannya dengan kejadian dan objek sosial yang
signifikan. Karena sikap adalah predisposisi, nampaknya sikap seseorang yang lebih baik
adalah terhadap produk atau layanan, semakin besar kemungkinan produk atau layanan
itu akan dibeli. Tapi, seperti yang akan kita lihat, itu tidak selalu terjadi.
Mari gunakan Myra sebagai contoh untuk menggambarkan sifat sikap:
 1. Dia yakin bahwa MindWriter memiliki bakat hebat, produk hebat, dan peluang
pertumbuhan yang superior.
2. Dia suka bekerja di MindWriter.
3. Dia mengharapkan untuk tinggal dengan perusahaan dan bekerja keras untuk
mencapai promosi cepat untuk visibilitas dan pengaruh yang lebih besar.
Pernyataan pertama adalah contoh sikap berbasis kognitif. Ini mewakili kenangan, evaluasi,
dankepercayaan Myra tentang sifat-sifat objek. Keyakinan adalah perkiraan (probabilitas)
tentangkebenaran sesuatu. Dalam kasus ini, kemungkinan karakteristik yang dia anggap
sesuai dengan lingkungan kerjanya adalah benar. Pernyataan "Saya pikir pasar seluler akan
berkembang dengan pesat untuk memasukkan radio dan video" juga berasal dari kognisi
dan kepercayaan. Pernyataan kedua di atas adalah secara afektifberbasis sikap Ini mewakili
perasaan, intuisi, nilai, dan emosi Myra terhadap objek. "Saya mencintai orang-orang
Yankee" dan "Saya benci jagung" adalah contoh lain dari sikap emosional. Akhirnya,
peneliti mengenali komponen ketiga, sikap konatif atau berperilaku berdasarkan perilaku.
Pernyataan penutup mencerminkan harapan Myra dan niat tingkah laku terhadap
perusahaan dan perilaku instrumental yang diperlukan untuk mencapai tujuan masa
depannya.

1.1.The Relationship between Attitudesand Behavior (Hubungan antara Sikap dan Perilaku)
Hubungan sikap-perilaku tidak langsung, meski mungkin ada keterkaitan yang erat. Sikap
dan niat perilaku tidak selalu mengarah pada perilaku yang sebenarnya; dan meskipun
sikap dan perilaku diharapkan konsisten satu sama lain, itu tidak selalu terjadi. Selain itu,
perilaku dapatmempengaruhi sikap. Misalnya, pemasar tahu bahwa pengalaman positif
dengan produk atau layanan memperkuat sikap positif atau membuat pertanyaan
pelanggan bersikap negatif.
Inilah salah satu alasan mengapa restoran di mana Anda memiliki pengalaman bersantap
yang buruk dapat memberi Anda kupon untuk makanan gratis pada kunjungan Anda
berikutnya. Mereka tahu pengalaman buruk berkontribusi kuat terhadap pembentukan
sikap negatif.
Peneliti bisnis memperlakukan sikap sebagai konstruksi hipotetis karena kompleksitas
dan fakta bahwa mereka disimpulkan dari data pengukuran, yang sebenarnya tidak
diamati. Kualifikasi ini menyebabkan peneliti berhati-hati mengenai cara aspek tertentu
dari perilaku yang diukur untuk memprediksi perilaku. Beberapa faktor berpengaruh
terhadap penerapan penelitian sikap:
 Sikap spesifik adalah prediktor perilaku yang lebih baik daripada perilaku yang
umum.
 Sikap yang kuat (kekuatan dipengaruhi oleh aksesibilitas atau seberapa baik objek
diingat dan dibawa ke kesadaran, seberapa ekstrem sikap, atau tingkat kepercayaan
di dalamnya) adalah prediktor perilaku yang lebih baik daripada sikap lemah yang
terdiri dari sedikit intensitas atau kepentingan topikal. .
 Pengalaman langsung dengan objek sikap (bila sikap terbentuk, selama paparan
berulang, atau melalui pengingat) menghasilkan perilaku yang lebih andal.
 Sikap berbasis kognitif mempengaruhi perilaku lebih baik daripada sikap berbasis
afektif.
 Sikap berbasis afektif seringkali merupakan prediktor perilaku konsumsi yang lebih
baik.
 Menggunakan beberapa pengukuran sikap atau beberapa penilaian perilaku di
waktu dan lingkungan meningkatkan prediksi.
 Pengaruh kelompok referensi (dukungan interpersonal, desakan kepatuhan, tekanan
teman sebaya) dan kecenderungan individu untuk menyesuaikan diri terhadap
pengaruh ini meningkatkan hubungan perilaku-perilaku.
Periset mengukur dan menganalisa sikap karena sikap menawarkan wawasan tentang
perilaku. Banyak skala pengukuran sikap yang digunakan telah diuji untuk reliabilitas dan
validitas, namun seringkali kita membuat skala unik yang tidak sesuai standar tersebut.
Contohnya adalah instrumen yang mengukur sikaptentang objek wisata, produk, atau
kandidat tertentu, serta keinginan orang untuk berkunjung, membeli, atau memberi
suara. Baik sikap maupun instrumen niat perilaku, sendiri atau bersama-sama, efektif
dalam memprediksi perilaku sebenarnya orang tersebut jika belum dirancang dengan
 hati-hati. Meskipun demikian, para manajer tahu bahwa pengukuran sikap penting
karena sikap mencerminkan pengalaman masa lalu dan membentuk perilaku masa
depan.

1.2.Attitude Scaling (Sikap Scaling)

Penskalaan sikap adalah proses menilai disposisi sikap dengan menggunakan angka yang
mewakili skor seseorang pada rangkaian sikap mulai dari disposisi yang sangat
menguntungkan hingga yang sangat tidak menguntungkan. Scaling adalah "prosedur
untuk penugasan nomor (atau simbol lainnya) ke properti objek untuk memberi
beberapa karakteristik bilangan ke properti yang bersangkutan." 3 Secara prosedural,
kami menetapkan jumlah untuk menunjukkan sifat-sifat benda . Dengan demikian,
seseorang memberi skala pada berbagai tingkat panas dan dingin dan menyebutnya
sebagai termometer. Untuk mengukur suhu udara, Anda tahu bahwa sifat suhu adalah
variasi yang menyebabkan perluasan atau kontraksi merkuri. Tabung gelas dengan
merkuri memberikan indikasi perubahan suhu oleh naik atau turunnya merkuri dalam
tabung. Demikian pula, sikap Anda terhadap universitas Anda dapat diukur pada
berbagai skala yang menangkap indikator dari berbagai dimensi kesadaran, perasaan,
atau niat perilaku Anda terhadap sekolah.

2. Selecting a Measurement Scale (Memilih Skala Pengukuran)

Memilih dan membangun skala pengukuran memerlukan pertimbangan beberapa faktor
yang mempengaruhi keandalan, validitas, dan kepraktisan skala:
 Tujuan penelitian.
 Tipe respon.
 Properti data.
 Jumlah dimensi.
 Seimbang atau tidak seimbang.
 Pilihan paksa atau pilihan sendiri.
 Jumlah titik skala.
  Kesalahan pengatur.
2.1.Research Objectives (Tujuan penelitian)
Tujuan peneliti terlalu banyak untuk daftar (termasuk, namun tidak terbatas pada,
studi tentang sikap, perubahan sikap, persuasi, kesadaran, niat membeli, kognisi dan
tindakan, pembelian aktual dan ulangi). Periset, bagaimanapun, menghadapi dua jenis
tujuan penskalaan umum:
• Untuk mengukur karakteristik peserta yang berpartisipasi dalam penelitian ini.
• Menggunakan peserta sebagai hakim dari objek atau indikasi yang disajikan kepada
mereka.
Asumsikan Anda sedang melakukan penelitian terhadap pelanggan mengenai sikap
mereka terhadap perubahan identitas perusahaan (logo perusahaan dan periferal).
Dengan tujuan studi pertama, skala Anda akan mengukur orientasi pelanggan sebagai
sesuatu yangmenguntungkan atau tidak menguntungkan. Anda bisa menggabungkan
jawaban setiap orang untuk membentuk indikator orientasi keseluruhan. Penekanan
dalam penelitian pertama ini adalah pada mengukur sikapperbedaan antar manusia
Dengan tujuan kedua, Anda mungkin menggunakan data yang sama, namun sekarang
Anda tertarik pada seberapa memuaskan orang dengan pilihan desain yang berbeda.
Setiap peserta diminta untuk memilih objek yang dia sukai atau solusi yang diinginkan.
Peserta menilai objek mana yang memiliki beberapa karakteristik atau solusi
perancangan yang paling dekat dengan tujuan perusahaan.
2.2.Response Types(Tipe respon)
Skala pengukuran jatuh ke dalam satu dari empat jenis umum: peringkat, peringkat,
kategorisasi, dan pemilahan. Skala penilaian digunakan saat peserta mencetak suatu
objek atau indikasi tanpa melakukan perbandingan langsung dengan objek atau sikap
lain. Misalnya, mereka mungkin diminta untuk mengevaluasi gaya sebuah mobil baru
dengan skala nilai 7 poin. Skala penilaian membatasi peserta belajar untuk membuat
perbandingan dan menentukan urutan di antara dua atau lebih properti (atau
indikatornya) atau objeknya. Peserta mungkin diminta memilih salah satu dari sepasang
mobil yang memiliki styling lebih atraktif. Skala pilihan mengharuskan peserta memilih
 satu alternatif daripada yang lain. Mereka juga bisa diminta untuk menentukan urutan
kenyamanan, ergonomi, performa, dan harga untuk kendaraan target. Kategorisasi
meminta peserta untuk menempatkan diri mereka atau indikasi properti dalam
kelompok atau kategori. Meminta peserta pameran mobil untuk mengidentifikasi latar
belakang gender atau etnis mereka atau untuk menunjukkan apakah desain prototipe
tertentu akan menarik perhatian seorang pengemudi muda atau dewasa akan
memerlukan strategi respons kategori. Penyortiran mensyaratkan bahwa peserta
memilah kartu (mewakili konsep atau konstruksi) menjadi tumpukan dengan kriteria
yang ditetapkan oleh peneliti. Kartu mungkin berisi foto atau gambar atau pernyataan
lisan fitur produk seperti berbagai deskriptor kinerja mobil.
2.3.Data Properties (Properti data)
Keputusan tentang pemilihan skala pengukuran sering dilakukan berkenaan dengan data
properti yang dihasilkan oleh setiap skala. Di Bab 11, kami mengatakan bahwa kami
mengklasifikasikan skala dalam meningkatkan ketertiban kekuasaan; sisik adalah
nominal, ordinal, interval, atau rasio. Skala nominal mengklasifikasikan data ke dalam
kategori tanpa menunjukkan ketertiban, jarak, atau asal yang unik. Data ordinal
menunjukkan hubungan lebih dari dan kurang dari tetapi tidak memiliki jarak atau asal
yang unik. Skala interval memiliki keteraturan dan jarak namun tidak unik. Rasio skala
memiliki keempat fitur properti. Asumsi yang mendasari setiap tingkat skala menentukan
bagaimana data skala pengukuran tertentu akan dianalisis secara statistik.
2.4.Number of Dimensions (Jumlah dimensi)
Skala pengukuran bersifat unidimensional atau multidimensional. Dengan skala
unidimensional, seseorang berusaha mengukur hanya satu atribut dari peserta atau
objek. Salah satu ukuran kekuatan bintang seorang aktor adalah kemampuannya untuk
"membawa" sebuah film. Ini adalah dimensi tunggal. Beberapa item dapat digunakan
untuk mengukur dimensi ini dan dengan menggabungkannya menjadi satu ukuran, agen
dapat menempatkan klien sepanjang rangkaian daya bintang tunggal. Skala
multidimensi mengakui bahwa objek mungkin lebih baik digambarkan dengan beberapa
dimensi daripada pada rangkaian kontinum unidimensional. Variabel kekuatan bintang
aktor mungkin lebih baik diungkapkan oleh tiga dimensi berbeda penjualan tiket untuk
 tiga film terakhir, kecepatan menarik sumber daya keuangan, dan buzz media (liputan
media, Tweet, video YouTube) pada tiga film terakhir.
2.5.Balanced or Unbalanced (Seimbang atau tidak seimbang)
Skala penilaian seimbang memiliki jumlah kategori yang sama di atas dan di bawah titik
tengah. Umumnya, skala penilaian harus seimbang, dengan jumlah pilihan respons yang
baik dan tidak menguntungkan. Namun, timbangan dapat diimbangi dengan atau tanpa
pilihan ketidakpedulian atau titik tengah. Skala seimbang bisa berbentuk "sangat baik-
baik-rata-rata-miskin-sangat miskin." Skala penilaian yang tidak seimbang memiliki
jumlah pilihan tanggapan yang tidak menguntungkan dan tidak menguntungkan. Contoh
skala tidak seimbang yang hanya memiliki satu istilah deskriptif yang tidak
menguntungkan dan empat istilah yang menguntungkan adalah "orang miskin-adil-baik-
sangat baik-sangat baik." Perancang skala mengharapkan bahwa peringkat rata-rata akan
mendekati "baik" dan akan ada Distribusi jawaban yang simetris di sekitar titik itu,
namun skala tersebut tidak memungkinkan peserta yang kurang mampu mengekspresikan
intensitas sikap mereka.
Penggunaan skala rating yang tidak seimbang dapat dibenarkan dalam studi di mana
peneliti mengetahui terlebih dahulu bahwa hampir semua nilai peserta akan condong ke
satu arah atau yang lain. Ratapan cenderung memberi nilai pada benda sikap yang lebih
tinggi jika benda itu sangat familiar dan jika mereka egois. 4 Pelanggan setia merek juga
diharapkan dapat merespons dengan baik. Bila peneliti tahu bahwa satu sisi skala tidak
mungkin digunakan, mereka berusaha mencapai presisi di sisi yang paling sering akan
mendapat perhatian peserta. Skala timbangan yang tidak seimbang juga dipertimbangkan
saat para peserta diketahui sebagai "penilai mudah" atau "penilai keras." Skala yang tidak
seimbang dapat membantu mengkompensasi kesalahan keringanan yang dibuat oleh para
penilai semacam itu.
2.6.Forced or Unforced Choices (Pilihan paksa atau pilihan sendiri)
Skala penilaian pilihan sendiri memberi kesempatan kepada para peserta untuk
mengungkapkan pendapat saat mereka tidak dapat memilih di antara alternatif yang
ditawarkan. Skala penilaian pilihan paksa mengharuskan peserta memilih salah satu
alternatif yang ditawarkan. Periset sering mengecualikan pilihan respons "tidak ada
pendapat," "ragu-ragu," "tidak tahu," "tidak pasti," atau "netral" ketika mereka tahu
 sebagian besarPeserta memiliki sikap terhadap topik. Masuk akal dalam situasi ini untuk
membatasi peserta sehingga mereka fokus pada alternatif dengan hati-hati dan jangan
sesekali memilih posisi tengah. Namun, ketika banyak peserta jelas-jelas ragu-ragu dan
skala tidak memungkinkan mereka untuk mengungkapkan ketidakpastian mereka, hasil
bias skala pilihan paksa. Periset menemukan bias seperti itu jika persentase yang lebih
besarpeserta mengekspresikan sikap daripada melakukannya pada penelitian
sebelumnya mengenai isu yang sama. Beberapa bias ini disebabkan oleh peserta
memberikan tanggapan yang tidak berarti atau bereaksi terhadap pertanyaan yang tidak
mereka sukai (lihat Bab 13). Hal ini mempengaruhi ukuran statistik mean dan median,
yang beralih ke titik tengah skala,sehingga sulit untuk membedakan perbedaan sikap
sepanjanginstrumen. 5 Memahami jawaban netral merupakan tantangan bagi peneliti.
Dalam sebuah studi kepuasan pelanggan yang memusatkan perhatian pada keseluruhan
pertanyaan kepuasan dengan perusahaan di industri elektronika, skala unforced
digunakan. Hasil studi menunjukkan bahwa 75 persen peserta "netral"kelompok dapat
dikonversi menjadi loyalis merek jika perusahaan unggul (mendapat peringkat yang
sangat menguntungkan) hanya pada 2 dari 26 pertanyaan skala lainnya dalam penelitian
ini. 6 Jadi, peserta dalam kelompok netral tidak benar-benar netral, dan skala pilihan
paksa akan mengungkapkan informasi yang diinginkan.
2.7.Number of Scale Points (Jumlah titik skala)
Berapakah jumlah poin yang ideal untuk skala penilaian? Akademisi dan praktisi sering
memiliki reaksi dogmatis terhadap pertanyaan ini, namun jawabannya lebih praktis:
Skala harus sesuai untuk tujuannya. Untuk skala yang akan berguna, harus sesuai
dengan stimulus yang disajikan dan ekstrak informasi yang proporsional dengan
kompleksitas objek sikap, konsep, atau konstruksi. Sebuah produk yang membutuhkan
sedikit usaha atau pemikiranuntuk membeli, biasanya dibeli, atau mendapat manfaat
yang cepat pudar (produk dengan tingkat keterlibatan rendah) dapat diukur secara
umum dengan skala sederhana. Skala 3 poin (lebih baik dari rata-rata rata-rata-lebih
buruk dari rata-rata) mungkin cukup untuk deodoran, burger cepat saji, pembungkus
kado, atau makanan ringan. Ada sedikit dukungan untuk memilih skala dengan 5 atau
 lebih poin dalam contoh ini. Tetapi bila produk itu rumit, memainkan peran penting
dalam kehidupan konsumen, dan mahal (mis., Layanan keuangan, barang mewah,
mobil, dan produk dengan keterlibatan tinggi lainnya), skala dengan 5 sampai 11 poin
harus dipertimbangkan.
Seperti yang kami catat di Bab 11, karakteristik keandalan dan validitas adalah faktor
penting yang mempengaruhi keputusan pengukuran. Pertama, seiring bertambahnya
jumlah poin, keandalan pengukuran meningkat. 7 Kedua, dalam beberapa penelitian,
timbangan dengan 11 poin dapat menghasilkan hasil yang lebih valid dari skala 3-, 5-,
atau 7 poin. 8 Ketiga, beberapa konstruksi memerlukan sensitivitas pengukuran yang
lebih besar dan kesempatan untuk mengekstrak varians lebih banyak, yang diberi poin
skala tambahan. Keempat, sejumlah besar titik skala diperlukan untuk menghasilkan
akurasi saat menggunakan skala dimensi tunggal versus skala multi dimensi. 9 Akhirnya,
dalam pengukuran lintas budaya, praktik budaya dapat menyesuaikan peserta dengan
metrik standar - skala 10 poin di Italia, misalnya. Gambaran 12-2 membahas skala yang
dibahas dalam bab ini bersama dengan karakteristik tipe skala yang dijelaskan pada Bab
11.
2.8.Rater Errors (Kesalahan pengatur)
Nilai skala penilaian bergantung pada asumsi bahwa seseorang dapat dan akan
membuat penilaian yang baik. Sebelum menerima peringkat peserta, kita harus
mempertimbangkan kecenderungan mereka untuk membuat kesalahan pada
kecenderungan sentral dan efek halo. 10 Beberapa penilai enggan memberikan
penilaian ekstrem, dan fakta ini menyumbang kesalahan kecenderungan sentral. Peserta
mungkin juga "penilai mudah" atau "penilai keras," membuat apa yang disebut
kesalahan kelonggaran. Kesalahan ini paling sering terjadi saat penilai tidak mengetahui
objek atau properti yang diberi nilai. Untuk mengatasi kecenderungan ini, peneliti
dapat:
 Sesuaikan kekuatan kata sifat deskriptif.
 Letakkan frasa deskriptif menengah terpisah.
  Berikan perbedaan makna yang lebih kecil antara langkah-langkah di dekat ujung
skala daripada di antara langkah-langkah di dekat pusat.
 Gunakan lebih banyak poin dalam skala.
Efek halo adalah bias sistematis yang diperkenalkan oleh pendengar dengan membawa
kesan umum dari subjek dari satu penilaian ke nilai yang lain. Seorang instruktur
mengharapkan siswa yang melakukan dengan baik pada pertanyaan pertama tentang
pemeriksaan untuk dilakukan dengan baik pada tahap kedua. Anda menyimpulkan
sebuah laporan itu bagus karena Anda menyukai wujudnya, atau Anda yakin seseorang
cerdas karena Anda setuju dengan dia. Halo sangat sulit untuk dihindari saat properti
yang sedang dipelajari tidak terdistribusi dengan jelas, tidak mudah diamati, tidak sering
dibahas, melibatkan reaksi dengan orang lain, atau merupakan sifat moral yang tinggi.
11 Cara menangkal efek halo termasuk membuat peserta menilai satu sifat sekaligus,
mengungkapkan satu ciri per halaman (seperti dalam survei di Internet, di mana peserta
tidak dapat kembali mengubah jawabannya), atau secara berkala membalikkan istilah
yang merupakan jangkar titik akhir dari skala, jadi atribut positif tidak selalu pada akhir
yang sama dari setiap skala.

3. Rating Scales(Skala Penilaian)

Di Bab 11, kami mengatakan bahwa pertanyaan adalah stimulus yang banyak digunakan
untuk mengukur konsep dan konstruksi. Misalnya, seorang peneliti mengajukan pertanyaan
tentang sikap peserta terhadap rasa minuman ringan. Tanggapannya adalah "haus
pendinginan," asam, "" ceria, "rasa jeruk," dan "sirup." Jawaban ini saja tidak memberikan
cara untuk membedakan tingkat favorability dan dengan demikian akanmenjadi nilai
terbatas bagi peneliti. Namun, dengan skala yang dibangun dengan baik, peneliti dapat
mengembangkan rasa untuk merek sasaran. Kami menggunakan skala penilaian untuk
menilai sifat objek tanpa mengacu pada objek serupa lainnya. Peringkat ini mungkin dalam
bentuk seperti "tidak suka sama sekali," "menyetujui-acuh tak acuh - tidak setuju," atau
kodifikasi klasifikasi lainnya menggunakan lebih banyak kategori.
Contoh skala penilaian yang kami diskusikan dalam bagian ini ditunjukkan pada Tampilan
12-2. Karena pameran ini memperkuat ikhtisar yang disajikan dalam bagian ini, kami akan
sering menujukan Anda ke pameran.
3.1.Simple Attitude Scales (Sikap Sikap Sederhana)
Skala kategori sederhana (disebut juga skala dikotomis) menawarkan dua pilihan
respons yang saling eksklusif. Dalam Tampilan 12-3 mereka "ya" dan "tidak", tapi
mereka bisa dengan mudah "penting" dan "tidak penting," "setuju" dan "tidak setuju,"
atau kumpulan kategori diskrit lainnya jika pertanyaannya berbeda. Strategi respons ini
sangat berguna untuk pertanyaan demografis atau jika respons dikotomis memadai.
Bila ada beberapa pilihan untuk pemateri namun hanya satu jawaban yang dicari, skala
pilihan ganda, respons tunggal sesuai. Contoh kami memiliki lima opsi. Alternatif utama
harus mencakup 90 persen dari jangkauan, dengan kategori "lainnya" yang melengkapi
daftar peserta. Bila tidak ada kemungkinan untuk respons "lain" atau ketegaran kategori
tidak penting, respons "lainnya" mungkin diabaikan. Baik skala pilihan ganda, skala
tunggal dan skala kategori sederhana menghasilkan data nominal.
variasi, skala multiple-choice, multiple-response (juga disebut checklist), memungkinkan
penilai untuk memilih satu atau beberapa alternatif. Dalam contoh pada Tampilan 12-3,
kita mengukur tujuh item dengan satu pertanyaan, dan mungkin saja ketujuh sumber
untuk desain rumah dikonsultasikan. Gambaran kumulatif dari skala ini dapat
diuntungkan bila gambaran lengkap tentang pilihan peserta diinginkan, namun mungkin
juga menimbulkan masalah dalam pelaporan ketika sponsor penelitian memperkirakan
jumlah tanggapan mencapai 100 persen. Skala ini menghasilkan data nominal.
Skala sikap sederhana mudah dikembangkan, tidak mahal, dan bisa didesain sangat
spesifik. Mereka memberikan informasi yang berguna dan memadai jika dikembangkan
dengan terampil. Ada juga kelemahan. Pendekatan desain bersifat subjektif. Wawasan
peneliti dan kemampuan menawarkan satu-satunya jaminan bahwa item yang dipilih
adalah sampel representatif dari alam semesta sikap tentang objek sikap. Kami tidak
memiliki bukti bahwa setiap orang akan melihat semua item dengan kerangka referensi
yang sama seperti yang dimiliki orang lain. Meskipun timbangan seperti itu sering
 digunakan, telah ada upaya besar untuk mengembangkan teknik konstruksi yang
mengatasi beberapa defisitnya.

3.2.Likert Scales (Skala likert)

Skala Likert, yang dikembangkan oleh Rensis Likert (dilafalkan Lick-ert), adalah variasi
skala penjumlahan yang paling sering digunakan. Skala penilaian yang dirangkum terdiri
dari pernyataan yang mengekspresikan sikap menguntungkan atau tidak baik terhadap
objek yang diminati. Peserta diminta untuk menyetujui atau tidak setuju dengan setiap
pernyataan. Setiap respon diberi skor numerik untuk mencerminkan tingkat
favorableness sikap, dan skor dapat dijumlahkan untuk mengukur keseluruhan sikap
peserta. Penjumlahan tidak perlu dan dalam beberapa kasus mungkin benar-benar
menyesatkan, karena kehati-hatian kita di bawah ini jelas terlihat.
Pada Tampilan 12-3, peserta memilih satu dari lima tingkat kesepakatan. Ini adalah skala
likert tradisional karena memenuhi peraturan Likert untuk konstruksi dan pengujian.
Angka tersebut menunjukkan nilai yang akan diberikan pada setiap jawaban yang
mungkin, dengan satu kesan superioritas Internet yang paling tidak menguntungkan dan
yang paling menguntungkan. Skala likert juga menggunakan 7 dan 9 titik skala. Secara
teknis, ini dikenal sebagai Likerttype
Karena konstruksinya seringkali kurang ketat. Namun, keunggulan timbangan 7- dan 9
poin merupakan pendekatan yang lebih baik dari kurva respons normal dan ekstraksi
variabilitas yang lebih banyak diantara responden. Nilai untuk setiap pilihan biasanya
tidak tercetak pada instrumen, namun diperlihatkan pada Tampilan 12-4 untuk
menggambarkan sistem penilaian.
Skala Likert memiliki banyak keuntungan yang menyebabkan popularitasnya. Mudah
dan cepat untuk dibangun. Peneliti yang teliti berhati-hati agar setiap item memenuhi
tes empiris untuk membedakan kemampuan antara sikap baik dan tidak baik. Skala
likert mungkin lebih dapat diandalkan dan memberikan volume data yang lebih besar
daripada banyak timbangan lainnya. Skala menghasilkan data interval.
Awalnya, menciptakan skala Likert melibatkan prosedur yang dikenal sebagai analisis
item. Pada tahap pertama, sejumlah besar pernyataan dikumpulkan yang memenuhi
dua kriteria: (1) Setiap pernyataan relevan dengan sikap yang diteliti; (2) masing-masing
diyakini mencerminkan posisi yang menguntungkan atau tidak menguntungkan pada
sikap itu. Orang yang sama dengan mereka yang akan belajar diminta untuk membaca
setiap pernyataan dan untuk menyatakan tingkat kesepakatan mereka dengannya,
dengan menggunakan skala 5 poin. Nilai skala 1 menunjukkan sikap yang sangat tidak
baik (sangat tidak setuju). Intensitas lainnya adalah 2 (tidak setuju), 3 (tidak setuju atau
tidak setuju), 4 (setuju), dan 5 (sangat setuju), sikap yang sangat menguntungkan (lihat
Gambar 12-3). Untuk memastikan hasil yang konsisten, nilai numerik yang ditugaskan
dibalik jika pernyataan tersebut ditulis secara negatif (1 selalu sangat tidak
menguntungkan dan 5 selalu sangat menguntungkan). Tanggapan masing-masing orang
kemudian ditambahkan untuk mendapatkan skor total. Langkah selanjutnya adalah
mengumpulkan nilai total ini dan memilih beberapa bagian yang mewakili nilai total
tertinggi dan terendah (umumnya defi ned sebagai top dan bottom 10 sampai 25 persen
dari distribusi). Kelompok tengah (50 sampai 80 persen peserta) dikecualikan dari
analisis selanjutnya.
Dua kelompok ekstrem mewakili orang dengan sikap yang paling menguntungkan dan
paling tidak menguntungkan terhadap sikap yang sedang dipelajari. Yang ekstrem ini
adalah dua kelompok kriteria dimana item individual dievaluasi. Analisis item menilai
setiap item berdasarkan seberapa baik hal itu mendiskriminasikan antara orang-orang
yang nilai totalnya tinggi dan mereka yang skor totalnya rendah. Ini melibatkan
penghitungan nilai rata-rata untuk setiap item skala di antara pencetak skor rendah dan
pencetak skor tinggi. Skor rata-rata untuk skor tinggi dan kelompok dengan skor rendah
kemudian diuji untuk signifikansi statistik dengan menghitung nilai t. (Dalam
mengevaluasi pola tanggapan kelompok tinggi dan rendah dengan pernyataan "Fitur
kamera digital saya sangat menarik," kami menjamin hasil yang ditunjukkan pada
Tampilan 12-4.) Setelah menemukan nilai t untuk setiap pernyataan, mereka diurutkan
berdasarkan urutan , dan pernyataan dengan nilai t tertinggi dipilih. 20 sampai 25 item
 yang memiliki nilai t tertinggi (perbedaan yang signifikan secara statistik antara nilai
rata-rata) dipilih untuk dimasukkan dalam skala akhir. Periset telah menemukan bahwa
sejumlah besar item untuk setiap objek perilaku meningkatkan keandalan skala. Sebagai
indikator perkiraan kekuatan diskriminasi sebuah pernyataan, satu otoritas juga
menyarankan hanya menggunakan pernyataan yang nilai talnya 1,75 atau lebih, asalkan
ada 25 atau lebih subjek dalam setiap kelompok.
Meskipun analisis item sangat membantu dalam menyaring pernyataan sikap yang tidak
membeda-bedakan dengan baik, prosedur penjumlahan menyebabkan masalah bagi
peneliti. Contoh berikut pada iklan banner situs web menunjukkan bahwa nilai
penjumlahan yang sama dapat berarti hal yang berbeda:
a) Iklan banner ini memberikan informasi yang relevan yang saya harapkan.
b) Saya akan bookmark situs ini untuk digunakan di masa depan.
c) Iklan banner ini menjengkelkan.
d) Saya akan mengklik link yang lebih dalam untuk menemukan rincian lebih lanjut.
Jika skala 5 poin digunakan, skor maksimum yang menguntungkan adalah 20 (dengan
asumsi 5 ditugaskan pada respons yang sangat setuju dan pertanyaan 3, sebuah negasi,
adalah skor terbalik). Sekitar setengah dari pernyataan tersebut dituliskan dengan baik
dan separuh lainnya tidak berkepentingan untuk melindungi efek halo. Masalah
penjumlahan muncul karena pola yang berbeda disembunyikan dengan skor total yang
sama. Seorang peserta dapat menemukan iklan situs web yang relevan, layak untuk
dikembalikan, dan agak menyenangkan namun tidak menginginkan informasi yang lebih
dalam, sementara yang lain dapat menemukan iklan yang mengganggu namun memiliki
sikap yang baik terhadap tiga pertanyaan lainnya, sehingga menghasilkan skor total yang
sama.
3.3.Semantic Differential Scales (Skala Diferensial Semantik)
Skala semantik diferensial (SD) mengukur makna psikologis dari objek sikap dengan
menggunakan kata sifat bipolar. Periset menggunakan skala ini untuk penelitian seperti
citra merek dan kelembagaan. Metode ini terdiri dari serangkaian skala penilaian
bipolar, biasanya dengan 7 poin, dimana satu atau lebih peserta menilai satu atau lebih
konsep pada setiap item skala. Skala SD didasarkan pada proposisi bahwa objek dapat
memiliki beberapa dimensi makna konotatif. Makna tersebut berada di ruang properti
multidimensi, yang disebut ruang semantik. Arti konotatif adalah makna yang
disarankan atau tersirat, selain makna eksplisit suatu objek. Misalnya, tembakan
menderu dalam penggantian bisa berkonotasi tentang makna romantis dan eksplisit
untuk membakar bahan yang mudah terbakar di dalam tungku batu bata. Salah satu
restoran yang mencoba menarik pengunjung pada Selasa malam yang lambat
menawarkan menu Selasa yang spesial dan menyebutnya "masakan rumahan." Yankee
pot roast, stew, dan chicken pot pie, meski bukan masakannya yang biasa, membawa
makna konotatif dari makanan yang menenangkan dan dibawa. pelanggan ke restoran,
membuat Selasa salah satu malam tersibuk dalam seminggu. Pengiklan, tenaga
penjualan, dan produk dan paket
Perancang sudah lama tahu bahwa mereka harus menggunakan kata, bentuk, asosiasi,
dan gambar untuk mengaktifkan makna konotatif seseorang.
Osgood dan rekan-rekannya mengembangkan metode diferensial semantik untuk
mengukur makna psikologis suatu objek kepada individu. Mereka menghasilkan daftar
dari 288 pasangan bipolar adjective, yang diturunkan menjadi 76 pasang dan dibentuk
menjadi skala penilaian untuk penelitian sikap. Analisis mereka memungkinkan mereka
untuk menyimpulkan bahwa ruang semantis bersifat multidimensi daripada
unidimensional. Tiga faktor paling berkontribusi terhadap penilaian yang berarti oleh
peserta: (1) evaluasi, (2) potensi, dan (3) aktivitas. Konsep-konsep ini dari studi
thesaurus historis (Exhibit 12-5) menggambarkan penerapan teknik yang luas kepada
orang-orang, konsep abstrak, kejadian, institusi,dan benda fisik.
Periset telah mengikuti pendekatan yang agak berbeda dengan skala SD daripada
pendukung studi asli. Mereka telah mengembangkan kata sifat atau ungkapan mereka
sendiri dan telah berfokus pada dimensi evaluatif lebih sering (yang mungkin bisa
membantu menjelaskan popularitas skala likert). Manfaat positifnya adalah bahwa
timbangan yang diciptakan telah disesuaikan dengan pertanyaan manajemen spesifik.
Satu studi mengeksplorasi citra toko ritel menggunakan 35 pasang kata atau frase yang
digolongkan menjadi delapan kelompok. Pasangan kata ini dibuat khusus untuk
 penelitian ini. Kutipan dari skala ini disajikan pada Tampilan 12-6. Kategori item skala
lainnya adalah "karakteristik umum dariperusahaan "," karakteristik fisik toko, "" harga
yang dibebankan oleh toko, "" personil toko, "" iklan oleh toko, "dan" teman dan toko
Anda. "Karena pasangan berskala sangat terkait dengan karakteristik Dari toko dan
penggunaannya, seseorang dapat mengembangkan profi les berbagai toko.
Perbedaan semantik memiliki beberapa keunggulan. Ini adalah cara yang efisien dan
mudah untuk mengamankan sikap dari sampel yang besar. Sikap ini dapat diukur dalam
arah dan intensitas. Jumlah keseluruhan tanggapan memberikan gambaran menyeluruh
tentang makna suatu objek dan ukuran orang yang melakukan penilaian. Ini adalah
teknik standar yang mudah diulang tapi lolos dari banyak masalahRespons distorsi
ditemukan dengan metode yang lebih langsung. Ini menghasilkan data interval.
Petunjuk dasar untuk membangun skala SD dapat dilihat pada Tampilan 12-7.
Pada Tampilan 12-8, kita melihat skala yang digunakan oleh panel pemimpin
perusahaan yang mengevaluasi kandidat untuk posisi tingkat tinggi di asosiasi lobi
industri mereka. Pemilihan konsep didorong oleh karakteristik yang mereka percaya
kandidat harus memiliki untuk sukses dalam memajukan agenda mereka. Ada tiga
kandidat.
Berdasarkan persyaratan panel, kami memilih 10 timbangan untuk mencetak kandidat.
Huruf-huruf di sepanjang sisi kiri, yang menunjukkan dimensi sikap yang relevan, akan
diabaikan dari skala aktual, seperti juga nilai numerik yang ditunjukkan. Perhatikan
bahwa skala evaluasi, potensi, dan aktivitas dicampur. Untuk menganalisis hasilnya,
himpunan nilai evaluasi (E) dirata-ratakan, seperti dimensi potensi (P) dan aktivitas (A).
Data diplot dalam "diagram ular" pada Tampilan 12-9. Disini pasang kata sifat disusun
kembali jadideskriptor evaluasi, potensi, dan aktivitas dikelompokkan bersama, dengan
faktor ideal yang dipantulkandi sisi kiri skala.
3.4.Numerical/Multiple Rating ListScales(Numerik / Daftar Skala Peringkat Multiple)
Skala numerik memiliki interval yang sama yang memisahkan titik skala numeriknya,
seperti ditunjukkan pada Tampilan 12-3. Jangkar verbal berfungsi sebagai label untuk
poin ekstrem. Skala numerik seringkali memiliki timbangan 5 poin namun mungkin
 memiliki 7 atau 10 poin. Peserta menulis angka dari skala di samping setiap item. Jika
banyak pertanyaan tentang kinerja suatu produk disertakan dalam contoh, skala akan
memberibaik ukuran mutlak kepentingan dan ukuran relatif (ranking) dari berbagai item
yang dinilai. Skala linieritas, kesederhanaan, dan produksi data ordinal atau interval
membuatnya populer bagi para manajer dan periset. Saat mengevaluasi konsep produk
baru, maksud pembelian sering diukur dengan skala numerik 5- sampai 7 poin, dengan
jangkar "defi nitely akan membeli" dan "defi nitely tidak akan membeli."
Skala daftar peringkat ganda (Exhibit 12-3) mirip dengan skala numerik namun berbeda
dalam dua cara: (1) Ia menerima respons yang dilingkari dari penilai, dan (2) tata letak
memfasilitasi visualisasi hasilnya. Keuntungannya adalah bahwa peta mental evaluasi
peserta terbukti baik bagi penilai maupun peneliti. Skala ini menghasilkan data interval.

3.5.Stapel Scales (SkalaTangkai)

Skala Stapel digunakan sebagai alternatif perbedaan semantik, terutama bila sulit
menemukan kata sifat bipolar yang sesuai dengan pertanyaan investigasi. Pada contoh
pada Tampilan 12-3 ada tiga atribut citra perusahaan. Skala terdiri dari kata (atau frase)
yang mengidentifikasi dimensi gambar dan satu set dari 10 kategori respon untuk
masing-masing dari ketiga atribut tersebut.
Sedikit kategori respon kadang-kadang digunakan. Peserta memilih nomor plus untuk
karakteristik yang menggambarkan objek sikap. Semakin akurat gambarannya, semakin
besar angka positifnya. Begitu pula dengan deskripsi yang kurang akurat, semakin besar
angka negatif yang dipilih. Peringkat berkisar antara 15 sampai 25, dengan peserta
memilih nomor yang menggambarkan toko dengan sangat akuratsecara tidak akurat.
Seperti skala Likert, SD, dan numerik, sisik Stapel biasanya menghasilkan data interval.
3.6.Constant-Sum Scales (Skala Konstan-Sum)
Skala yang membantu peneliti menemukan proporsi adalah skala jumlah konstan.
Dengan skala jumlah konstan, peserta mengalokasikan poin ke lebih dari satu atribut
atau indikasi properti, sehingga jumlah total konstan, biasanya 100 atau 10. Dalam
 contoh Exhibit 12-3, dua kategori disajikan yang harus berjumlah hingga 100 Dalam
contoh restoran, peserta membagikan 100 poin di antara empat kategori:
Anda memiliki 100 poin untuk didistribusikan di antara karakteristik berikut dari
Steakhouse Dallas. Tunjukkan pentingnya masing-masing atribut:
______ Kualitas makanan
______ Suasana
______ layanan
______ Harga
100 TOTAL
Sampai dengan 10 kategori dapat digunakan, namun ketepatan dan kesabaran peserta
didik bila rangsangan terlalu banyak proporsional dan dijumlahkan. Kemampuan peserta
untuk menambahkan juga dikenai pajak dalam beberapa situasi; Dengan demikian, ini
bukan strategi respons yang bisa digunakan secara efektif dengan anak-anak atau orang
yang tidak berpendidikan. Keuntungan dari skala ini adalah kompatibilitasnya dengan
persen (100 persen) dan fakta bahwa alternatif yang dianggap sama bisa begitu bernilai-
tidak seperti kebanyakan timbangan berskala. Skala digunakan untuk mencatat sikap,
perilaku, dan perilaku. Skala jumlah konstan menghasilkan data interval.
3.7.Graphic Rating Scales (Skala Penilaian Grafis)
Skala penilaian grafis pada awalnya diciptakan untuk memungkinkan peneliti
membedakan perbedaannya. Secara teoritis, sejumlah penilaian mungkin dilakukan jika
peserta cukup canggih untuk membedakan dan merekamnya. Mereka diinstruksikan
untuk menandai respons mereka setiap saat sepanjang sebuah kontinum. Biasanya, skor
adalah ukuran panjang (milimeter) dari kedua titik akhir. Hasilnya diperlakukan sebagai
data interval. Kesulitannya adalah dalam pengkodean dan analisis. Skala ini
membutuhkan lebih banyak waktu daripada skala dengan kategori yang telah
ditentukan.
Skala penilaian grafis lainnya (lihat Gambar 12-3) menggunakan gambar, ikon, atau
visual lainnya untuk berkomunikasi dengan penilai dan mewakili beragam tipe data.
 Skala grafis sering digunakan dengan anak-anak, yang kosa katanya lebih terbatas
mencegah penggunaan timbangan berlabuh dengan kata-kata.

4. Ranking Scales (SkalaPeringkat)

Dalam skala peringkat, peserta secara langsung membandingkan dua atau lebih objek dan
membuat pilihan di antara mereka. Seringkali, peserta diminta memilih salah satu sebagai
"terbaik" atau "paling disukai." Bila hanya ada dua pilihan, pendekatan ini memuaskan,
namun sering kali menghasilkan hubungan bila ada lebih dari dua pilihan. Sebagai contoh,
asumsikan peserta diminta memilih yang paling disukai di antara tiga atau lebih model
produk. Sebagai tanggapan, 40 persen memilih model A, 30 persen memilih model B, dan
30 persen memilih model C. Mana model yang disukai? Itu
Analis akan mengambil risiko untuk menyarankan bahwa A lebih disukai. Mungkin
interpretasi itu benar, namun 60 persen peserta memilih beberapa model selain A. Mungkin
semua pemilih B dan C akan menempatkan A terakhir, lebih memilih B atau C ke A.
Ambiguitas ini dapat dihindari dengan menggunakan beberapa teknik yang dijelaskan. di
bagian ini.
Dengan menggunakan skala perbandingan berpasangan, peserta dapat mengungkapkan
sikap secara jelas dengan memilih di antara dua objek. Khas perbandingan berpasangan
akan menjadi contoh preferensi mobil sport dalam Exhibit 12-10. Jumlah penilaian yang
diperlukan dalam perbandingan berpasangan adalah [(n) (n -1) / 2], di mana n adalah
jumlah rangsangan atau objek yang akan dinilai. Ketika empat mobil dievaluasi, peserta
mengevaluasi enam perbandingan berpasangan [(4) (3) / 2 = 6].
Dalam contoh lain kita bisa membandingkan proposal desain kemasan yang
dipertimbangkan oleh manajer merek (lihat Gambar 12-11). Umumnya, ada lebih dari dua
rangsangan untuk dinilai, sehingga berpotensi menjadi tugas yang membosankan bagi
peserta. Jika 15 saran untuk proposal desain tersedia, 105 perbandingan berpasangan akan
dibuat.
Mengurangi jumlah perbandingan per peserta tanpa mengurangi jumlah objek bisa
meringankan beban ini. Anda dapat menyajikan setiap peserta dengan hanya sampel
rangsangan. Dengan cara ini, setiap pasangan benda harus dibandingkan dengan jumlah
waktu yang sama. Prosedur lain adalah memilih beberapa benda yang diyakini mencakup
rentang daya tarik pada interval yang sama. Semua rangsangan lainnya kemudian
dibandingkan dengan beberapa benda standar ini. Jika 36 mobil dinilai, empat dapat dipilih
sebagai standar dan yang lainnya dibagi menjadi empat kelompok dengan masing masing
delapan. Dalam masing-masing kelompok, kedelapan dibandingkan satu sama lain.
Kemudian 32 secara individual dibandingkan dengan masing-masing dari empat mobil
standar. Hal ini mengurangi jumlah perbandingan dari 630 menjadi 240.
Perbandingan berpasangan menjalankan risiko bahwa peserta akan ban ke titik bahwa
mereka memberikan jawaban yang dianggap buruk atau menolak untuk melanjutkan.
Pendapat berbeda mengenai batas atas, namun lima atau enam rangsangan tidak masuk
akal bila peserta memiliki pertanyaan lain untuk dijawab. Jika pengumpulan data hanya
terdiri dari perbandingan berpasangan, sebanyak 10 rangsangan masuk akal. Perbandingan
berpasangan menyediakan data ordinal.
Skala peringkat yang dipaksakan, yang ditunjukkan pada Tampilan 12-10, mencantumkan
atribut yang diberi peringkat relatif satu sama lain. Metode ini lebih cepat daripada
perbandingan berpasangan dan biasanya lebih mudah dan lebih memotivasi peserta.
Dengan lima item, dibutuhkan 10 perbandingan berpasangan untuk menyelesaikan tugas,
dan peringkat paksa sederhana dari lima lebih mudah. Selain itu, peringkat tidak memiliki
masalah transitivitas di mana A lebih disukai daripada B, dan B ke C, namun C lebih disukai
daripada A-meskipun hal itu juga memaksa unidimensionalitas palsu.
Kelemahan peringkat paksa adalah banyaknya rangsangan yang bisa ditangani dengan
metode ini. Lima objek dapat digolongkan dengan mudah, namun peserta dapat tumbuh
dengan ceroboh di peringkat 10 atau lebih item. Selain itu, urutan peringkat menghasilkan
data ordinal karena jarak antara preferensi tidak diketahui.
Seringkali manajer tertarik untuk melakukan benchmarking. Ini memerlukan standar
dimana program, proses, merek, promosi penjualan lainnya, atau orang lain dapat
dibandingkan. Skala komparatif sangat ideal untuk perbandingan seperti itu jika peserta
terbiasa dengan standar tersebut. Dalam contoh Exhibiting 12-10, standarnya adalah
 pengering rambut peserta sebelumnya. Pengering baru sedang dinilai relatif terhadapnya.
Ketentuan untuk membandingkan pengering lainnya dengan standar tidak ditunjukkan
dalam contoh namun tetap tersedia bagi peneliti.
Beberapa peneliti merawat data yang dihasilkan oleh timbangan komparatif sebagai data
interval sejak penilaianRefleksikan interval antara standar dan apa yang dibandingkan. Kami
akan memperlakukan pangkat atau posisidari item sebagai data ordinal kecuali linearitas
dari variabel yang dipertanyakan dapat didukung.

5. Sorting (Penyortiran)
Q-macam memerlukan pemilahan setumpuk kartu ke tumpukan yang mewakili titik-titik
sepanjang kontinum. Peserta-atau hakim-kelompok kartu berdasarkan tanggapannya
terhadap konsep yang tertulis di kartu. Peneliti menggunakan Q-sort menyelesaikan tiga
masalah khusus: pemilihan item, pilihan terstruktur atau tidak terstruktur dalam pemilahan,
dan analisis data. Prosedur Q-sort dasar melibatkan pemilihan satu set verbalpernyataan,
ungkapan, kata tunggal, atau foto yang terkait dengan konsep yang sedang dipelajari. Untuk
stabilitas statistik, jumlah kartu tidak boleh kurang dari 60; dan untuk kenyamanan, tidak
lebih dari 120. Setelah kartu dibuat, mereka dikocok, dan peserta diinstruksikan untuk
menyortir kartu menjadi satu set tumpukan (biasanya 7 sampai 11), masing-masing
tumpukan mewakili sebuah titik pada penghakiman. kontinum Tumpukan paling kiri
mewakili pernyataan konsep, yang "paling berharga," "menguntungkan," "menyenangkan,"
dan sebagainya. Tumpukan paling kanan berisi kartu yang paling tidak menguntungkan.
Peneliti meminta peserta untuk mengisi tumpukan tengah atau netral dengan kartu-kartu
yang menjadi pertimbangan peserta. Dalam kasus terstruktur, distribusikartu yang diizinkan
di setiap tumpukan sudah ditentukan sebelumnya. Dengan jenis yang tidak terstruktur,
hanya jumlah tumpukan yang akan ditentukan. Meskipun distribusi kartu dalam bentuk
yang paling terstruktur menyerupai distribusi normal, ada beberapa kontroversi mengenai
analisis data sebagai data rangking (data ordinal) versus data interval.
Tujuan pemilahan adalah untuk mendapatkan representasi konseptual sikap penyortir
terhadap objek sikap dan untuk membandingkan hubungan antar manusia. Peringkat relatif
 konsep memungkinkan periset untuk mendapatkan kelompok individu yang memiliki
preferensi serupa. Oleh para peneliti berbagai petunjuk, teknik ini dapat digunakan untuk
menggambarkan produk, layanan, niat perilaku, dansejumlah aplikasi lainnya. Pada contoh
di bawah ini, peserta diminta untuk melengkapi kartu terstruktur yang berisi nama majalah.
Nilai skala dan jumlah kartu di setiap tumpukan telah ditentukan sebelumnya, walaupun
distribusi dalam kasus ini mewakili distribusi statistik normal.

6. Cumulative Scales (Skala kumulatif)

Skor total pada skala kumulatif memiliki arti yang sama. Dengan nilai total seseorang,
adalah mungkin untuk memperkirakan barang mana yang dijawab secara positif dan
negatif. Skala perintis tipe ini adalah skalogram. Analisis skalogram adalah prosedur untuk
menentukan apakah seperangkat item membentuk skala unidimensional. 18 Skala tidak
berubah jika respons masuk ke dalam pola di mana pengesahan item mencerminkan posisi
ekstrem sehingga mendukung semua item yang kurang ekstrem.
Asumsikan kita mensurvei pendapat mengenai gaya baru sepatu lari. Kami telah
mengembangkan skala preferensi dari empat item:
a) Airsole itu tampan.
b) Saya akan bersikeras Airsole waktu berikutnya karena sangat tampan.
c) Munculnya Airsole dapat diterima oleh saya.
d) Saya lebih memilih gaya Airsole untuk gaya lainnya.
Peserta menunjukkan apakah mereka setuju atau tidak setuju. Jika item ini membentuk
skala unidimensional, pola respons akan mendekati konfigurasi ideal yang ditunjukkan pada
Tampilan 12-14. Butir 2 adalah posisi paling ekstrem dari empat pernyataan sikap. Peserta
yang setuju dengan butir 2 akan setuju dengan keempat item tersebut. Item diurutkan
dalam skalogram kiri ke kanan dari paling ke paling tidak ekstrim. Jika masing-
masingKesepakatan menghasilkan skor 1, skor 4 menunjukkan semua pernyataan disepakati
dan merupakan sikap yang paling menguntungkan. Orang dengan skor 3 harus tidak setuju
dengan butir 2 tapi setuju dengan yang lainnya, dan seterusnya. Menurut teori skalogram,
 pola ini menegaskan bahwa alam semesta konten (sikap terhadap kemunculan sepatu lari
ini) terukur.
Skalogram dan prosedur serupa untuk menemukan struktur dasar berguna untuk menilai
sikap dan perilaku yang sangat terstruktur, seperti jarak sosial, hierarki organisasi, dan
tahap produk evolusioner. Skalogram ini sering digunakan hari ini, namun tetap memiliki
potensi untuk aplikasi tertentu.

Memahami Skala-Skala Pengukuran

Posted on Juli 1, 2008 by Junaidi

28 Votes

Pengukuran dapat didefinisikan sebagai suatu proses sistimatik dalam menilai dan membedakan
sesuatu obyek yang diukur. Pengukuran tersebut diatur menurut kaidah-kaidah tertentu. Kaidah-
kaidah yang berbeda menghendaki skala serta pengukuran yang berbeda pula.

Dalam mengolah dan menganalisis data, kita sangat berkepentingan dengan sifat dasar skala
pengukuran yang digunakan. Operasi-operasi matematik serta pilihan peralatan statistik yang
digunakan dalam pengolahan data, pada dasarnya memiliki persyaratan tertentu dalam hal skala
pengukuran datanya. Ketidaksesuaian antara skala pengukuran dengan operasi matematik
/peralatan statistik yang digunakan akan menghasilkan kesimpulan yang bias dan tidak
tepat/relevan.

Oleh karenanya, dalam tulisan kali ini, menyambung dua tulisan sebelumnya (Transformasi Data
Ordinal ke Interval dengan Excel dan Transformasi Data Ordinal ke Interval dengan Minitab),
kita akan mencoba memahami skala-skala pengukuran yang ada serta perbedaan-perbedaannya.

Ada empat tipe pengukuran atau skala pengukuran yang digunakan dalam statistika, yakni:
nominal, ordinal, interval, dan rasio.

1. Nominal

Skala Nominal merupakan skala yang paling lemah/rendah di antara skala pengukuran yang ada.
Skala nominal hanya bisa membedakan benda atau peristiwa yang satu dengan yang lainnya
berdasarkan nama (predikat). Skala pengukuran nominal digunakan untuk mengklasifikasi
obyek, individual atau kelompok dalam bentuk kategori.

Pemberian angka atau simbol pada skala nomial tidak memiliki maksud kuantitatif hanya
menunjukkan ada atau tidak adanya atribut atau karakteristik pada objek yang diukur. Misalnya,
jenis kelamin diberi kode 1 untuk laki-laki dan kode 2 untuk perempuan. Angka ini hanya
berfungsi sebagai label

kategori, tanpa memiliki nilai instrinsik dan tidak memiliki arti apa pun. Kita tidak bisa
mengatakan perempuan dua kali dari laki-laki. Kita bisa saja mengkode laki-laki menjadi 2 dan
perempuan dengan kode 1, atau bilangan apapun asal kodenya berbeda antara laki-laki dan
perempuan. Misalnya lagi untuk agama, kita bisa mengkode 1=Islam, 2=Kristen, 3=Hindu,
4=Budha dstnya. Kita bisa menukar angka-angka tersebut, selama suatu karakteristik memiliki
angka yang berbeda dengan karakteristik lainnya.
Karena tidak memiliki nilai instrinsik, maka angka-angka (kode-kode) yang kita berikan tersebut
tidak memiliki sifat sebagaimana bilangan pada umumnya. Oleh karenanya, pada variabel
dengan skala nominal tidak dapat diterapkan operasi matematika standar (aritmatik) seperti
pengurangan, penjumlahan, perkalian, dan lainnya. Peralatan statistik yang sesuai dengan skala
nominal adalah peralatan statistik yang berbasiskan (berdasarkan) jumlah dan proporsi seperti
modus, distribusi frekuensi, Chi Square dan beberapa peralatan statistik non-parametrik lainnya.

2. Ordinal

Skala Ordinal ini lebih tinggi daripada skala nominal, dan sering juga disebut dengan skala
peringkat. Hal ini karena dalam skala ordinal, lambang-lambang bilangan hasil pengukuran
selain menunjukkan pembedaan juga menunjukkan urutan atau tingkatan obyek yang diukur
menurut karakteristik tertentu.

Misalnya tingkat kepuasan seseorang terhadap produk. Bisa kita beri angka dengan 5=sangat
puas, 4=puas, 3=kurang puas, 2=tidak puas dan 1=sangat tidak puas. Atau misalnya dalam suatu
lomba, pemenangnya diberi peringkat 1,2,3 dstnya.

Dalam skala ordinal, tidak seperti skala nominal, ketika kita ingin mengganti angka-angkanya,
harus dilakukan secara berurut dari besar ke kecil atau dari kecil ke besar. Jadi, tidak boleh kita
buat 1=sangat puas, 2=tidak puas, 3=puas dstnya. Yang boleh adalah 1=sangat puas, 2=puas,
3=kurang puas dstnya.

Selain itu, yang perlu diperhatikan dari karakteristik skala ordinal adalah meskipun nilainya
sudah memiliki batas yang jelas tetapi belum memiliki jarak (selisih). Kita tidak tahu berapa
jarak kepuasan dari tidak puas ke kurang puas. Dengan kata lain juga, walaupun sangat puas kita
beri angka 5 dan sangat tidak puas kita beri angka 1, kita tidak bisa mengatakan bahwa kepuasan
yang sangat puas lima kali lebih tinggi dibandingkan yang sangat tidak puas.

Sebagaimana halnya pada skala nominal, pada skala ordinal kita juga tidak dapat menerapkan
operasi matematika standar (aritmatik) seperti pengurangan, penjumlahan, perkalian, dan
lainnya. Peralatan statistik yang sesuai dengan skala ordinal juga adalah peralatan statistik yang
berbasiskan (berdasarkan) jumlah dan proporsi seperti modus, distribusi frekuensi, Chi Square
dan beberapa peralatan statistik non-parametrik lainnya.

3. Interval

Skala interval mempunyai karakteristik seperti yang dimiliki oleh skala nominal dan ordinal
dengan ditambah karakteristik lain, yaitu berupa adanya interval yang tetap. Dengan demikian,
skala interval sudah memiliki nilai intrinsik, sudah memiliki jarak, tetapi jarak tersebut belum
merupakan kelipatan. Pengertian “jarak belum merupakan kelipatan” ini kadang-kadang
diartikan bahwa skala interval tidak memiliki nilai nol mutlak.

Misalnya pada pengukuran suhu. Kalau ada tiga daerah dengan suhu daerah A = 10oC, daerah B
= 15oC dan daerah C=20oC. Kita bisa mengatakan bahwa selisih suhu daerah B, 5 oC lebih panas
dibandingkan daerah A, dan selisih suhu daerah C dengan daerah B adalah 5 oC. (Ini
 menunjukkan pengukuran interval sudah memiliki jarak yang tetap). Tetapi, kita tidak bisa
mengatakan bahwa suhu daerah C dua kali lebih panas dibandingkan daerah A (artinya tidak bisa
jadi kelipatan). Kenapa ? Karena dengan pengukuran yang lain, misalnya dengan Fahrenheit, di
daerah A suhunya adalah 50oF, di daerah B = 59oF dan daerah C=68oF. Artinya, dengan
pengukuran Fahrenheit, daerah C tidak dua kali lebih panas dibandingkan daerah A, dan ini
terjadi karena dalam derajat Fahrenheit titik nolnya pada 32, sedangkan dalam derajat Celcius
titik nolnya pada 0. (Bagi yang menginginkan cara mengkonversi Celcius ke Fahrenheit atau
sebaliknya, lihat tulisan mengenai Konversi Sistem-Sistem Pengukuran dengan Excel)

Contoh lainnya, misalnya dua orang murid, si A mendapat nilai 70 sedangkan si B mendapat
nilai 35. Kita tidak bisa mengatakan si A dua kali lebih pintar dibandingkan si B. (Kenapa ?)

Skala interval ini sudah benar-benar angka dan, kita sudah dapat menerapkan semua operasi
matematika serta peralatan statistik kecuali yang berdasarkan pada rasio seperti koefisien variasi.

4. Skala rasio

Skala rasio adalah skala data dengan kualitas paling tinggi. Pada skala rasio, terdapat semua
karakteristik skala nominal,ordinal dan skala interval ditambah dengan sifat adanya nilai nol
yang bersifat mutlak. Nilai nol mutlak ini artinya adalah nilai dasar yang tidak bisa diubah
meskipun menggunakan skala yang lain. Oleh karenanya, pada skala ratio, pengukuran sudah
mempunyai nilai perbandingan/rasio.

Pengukuran-pengukuran dalam skala rasio yang sering digunakan adalah pengukuran tinggi dan
berat. Misalnya berat benda A adalah 30 kg, sedangkan benda B adalah 60 kg. Maka dapat
dikatakan bahwa benda B dua kali lebih berat dibandingkan benda A.

KESALAHAN DALAM PENGUKURAN

Kesalahan dalam pengukuran adalah perbedaan antara nilai sebenarnya dari suatu
pekerjaan pengukuran yang di lakukan oleh seseorang pengamat. Dalam pengukuran besara fisis
menggunakan alat ukur atau instrumen tidak akan mungkin didapat suatu nilai yang benar tepat,
namun selalu mempunyai ketidakpastian yang disebabkan oleh kesalahan- kesalahn dalam
pengukuran.

 Macam – Macam Kesalahan Dalam Pengukuran

Menurut Miller & Miller (2001) tipe kesalahan dalam pengukuran analitik dapat dibagi menjadi
tiga, yaitu:

1. Kesalahan serius (Gross error)

 Tipe kesalahan ini sangat fatal, sehingga konsekuensinya pengukuran harus diulangi. Contoh
dari kesalahan ini adalah kontaminasi reagent yang digunakan, peralatan yang memang rusak
total, sampel yang terbuang, dan lain lain. Indikasi dari kesalahan ini cukup jelas dari gambaran
data yang sangat menyimpang, data tidak dapat memberikan pola hasil yang jelas, tingkat
reprodusibilitas yang sangat rendah dan lain lain.

2. Kesalahan acak (Random error )

Golongan kesalahan ini merupakan bentuk kesalahan yang menyebabkan hasil dari suatu
perulangan menjadi relatif berbeda satu sama lain, dimana hasil secara individual berada di
sekitar harga rata-rata. Kesalahan ini memberi efek pada tingkat akurasi dan kemampuan dapat
terulang (reprodusibilitas). Kesalahan ini bersifat wajar dan tidak dapat dihindari, hanya bisa
direduksi dengan kehati-hatian dan konsentrasi.

3. Kesalahan sistematik (Systematic error)

Kesalaahn sistematik merupakan jenis kesalahan yang menyebabkan semua hasil data salah
dengan suatu kemiripan. Hal ini dapat diatasi dengan:
a. Standarisasi prosedur
b. Standarisasi bahan

Secara umum, faktor yang menjadi sumber kesalahan dalam pengukuran sehingga menimbulkan
variasi hasil, antara lain adalah:
1. Perbedaan yang terdapat pada obyek yang diukur.
Hal ini dapat diatasi dengan:
a. Obyek yang akan dianalisis diperlakukan sedemikian rupa sehingga diperoleh ukuran kualitas
yang homogen
b. Mengggunakan tekhnik sampling dengan baik dan benar
2. Perbedaan situasi pada saat pengukuran Perbedaan ini dapat diatasi dengan cara mengenali
persamaan dan perbedaan suatu obyek yang terdapat pada situasi yang sama. Dengan demikian
sifat-sifat dari obyek dapat diprediksikan.
3. Perbedaan alat dan instrumentasi yang digunakan Cara yang digunakan untuk mengatasinya
adalah dengan menggunakan alat pengatur yang terkontrol dan telah terkalibrasi.
4. Perbedaan penyelenggaraan/administrasi Kendala ini diatasi dengan menyelesaikan
permasalahannon-teknis dengan baik sehingga keadaan peneliti selalu siap untuk sehingga
melakukan kerja.
5. Perbedaan pembacaan hasil pengukuran Kesalahan ini dapat diatasi dengan selalu berupaya
untuk mengenali alat atau instrumentasi yang akan digunakan terlebih dahulu.

 JENIS- JENIS SUMBER KESALAHAN PENGUKURAN

Di beberpa referensi ada yang menyebutkan 3 sumber yaitu manusia, alat dan lingkungan.
Namun disini akan di bagi hanya 2 yang meliputi sumber sistematis dan sumber acak
1. Kesalahan Sistematis (systematics errors) atau alat dan manusia ( pengamat )
 Merupakan kesalahan yang disebabkan oleh peralatan atau instrumen serat keslahan yang dibuat
oleh si pengamat.
a) Kesalahan alat
 Kesalahan nol (zero error) akibat tidak berhimpitnya titik nol jarum penunjuk.
 Kelelahan (fatigue) alat karena misalnya pegas yang dipakai telah lembek.
 Gesekan antar bagian yang bergerak.
 Kesalahan kalibrasi yaitu ketidak-tepatan pemberian skala ketika pertama kali alat dibuat.
Bisa dihindari dengan membandingkan alat tersebut dengan alat baku (standar).
 Pemakaian alat pada kondisi berbeda dengan saat dikalibrasi, yaitu pada kondisi suhu,
tekanan atau kelembaban yang berbeda. Itulah sebabnya perlu dicatat nilai variable atau kondisi
lingkungan saat eksperimen dilakukan, misalnya suhu dan tekanan udara di laboratorium.
b) Kesalahan pengamat
 Kesalahan parallax yaitu kesalahan akibat posisi mata saat pembacaan skala tidak tepat tegak
lurus diatas jarum.
 Kesalahan interpolasi yaitu salah membaca kedudukan jarum diantara dua garis skala
terdekat.
 Penguasaan prosedur dan ketangkasan penggunaan alat. Beberapa peralatan membutuhkan
prosedur yang rumit, misalnya osiloskop, yang membutuhkan ketrampilan pemakaian yang
cukup.
 Sikap pengamat, misalnya kelelahan maupun keseriusan pengamat.
Sumber kesalahan ini dapat dihindari dengan sikap pengamatan yang baik, memahami sumber
kesalahan dan berlatih sesering mungkin

2. Kesalahan acak ( Kondisi Lingkungan )

Merupakan suatu kesalahan yang disebabkan oleh kondisi lingkungan yang tidak menentu
sehingga mengganggu kerja alat ukur. Sumber kesalahan ini berasal dari luar sistem dan tidak
dapat di kuasai sepenuhnya, yaitu antara lain:

a) Gerak brown molekul udara yang dapat mempengaruhi penunjukkan alat-alat halus seperti
galvanometer.
b) Fluktuasi tegangan listrik yang tak teratur yang dapat mempengaruhi hasil pengukuran dengan
alat-alat ukur listrik.
c) Landasan (meja, lantai, atau dudukan lain) alat yang bergetar akibat lalu lintas atau sumber
lain.
d) Noise atau bising pada rangkaian elektronika.
e) Latar belakang radiasi kosmos pada pengukuran dengan pencacah radioaktif.

Faktor Kesalahan Dalam Pengukuran dan Contoh-Contohnya.

 Kesalahan Pengukuran Adalah : Terjadinya Penyimpangan nilai yang diukur dari nilai yang
dianggap benar atau nilai standart. Faktor-Faktor yang menyebabkan terjadinya Kesalahan
Pengukuran adalah sebagai berikut :

1. Kesalahan Pengukuran Karena Alat Ukur.

A. Kesalahan Komponen Alat Ukur
Kerusakan pada alat jelas sangat berpengaruh pada pembacaan alat ukur.Misalnya,
pada neraca pegas. Jika pegas yang digunakan sudah lama dan aus, maka akan
berpengaruh pada pengurangan konstanta pegas. Hal ini menjadikan jarum atau skala
penunjuk tidak tepat pada angka nol yang membuat skala berikutnya bergeser.
B. Kesalahan Titik Nol
Kesalahan titik nol terjadi karena titik nol skala pada alat yang digunakan tidak tepat
berhimpit dengan jarum penunjuk atau jarum penunjuk yang tidak bisa kembali tepat
pada skala nol. Akibatnya, hasil pengukuran dapat mengalami penambahan atau
pengurangan sesuai dengan selisih dari skala nol semestinya.Kesalahan titik nol dapat
diatasi dengan melakukan koreksi pada penulisan hasil pengukuran.Kesalahan ini dapat
terjadi dikarenakan alat sering digunakan dan tidak pernah dikalibrasi.

Gambar. Contoh kesalahan titik nol pada alat ukur

C. Kesalahan Kalibrasi
Kesalahan kalibrasi terjadi karena pemberian nilai skala pada saat pembuatan atau
kalibrasi (standarisasi) tidak tepat.Hal ini mengakibatkan pembacaan hasil pengukuran
menjadi lebih besar atau lebih kecil dari nilai sebenarnya.Kesalahan ini dapat diatasi
dengan mengkalibrasi ulang alat menggunakan alat yang telah terstandarisasi.
2. Kesalahan pengukuan karena benda ukur.

A. Deformasi Benda Ukur Karena Tekanan Alat Ukur

Setiap benda elastis akan mengalami deformasi ( perubahan bentuk ) apabila ada
beban yang beraksi padanya. Beban ini dapat disebabkan tekanan kontak dari sensor
alat ukur ( sewaktu mengukur ) ataupun berat benda ukur sendiri ( sewaktu diletakan
diantara tumpuan ).Untukmelakuakan pengukuran maka sensor mekanis akan
memberikan suatu tekanan tertentu pada permukaan obyek ukur. Beberapa alat ukur
misalnya mikrometer dapat menyebebkan suatu deformasi pada permukaan dari
obyek ukur yang relatip lunak ( aluminium ) atau pun lentur pada diameter silinder
dengan dindidng tyang relatip tipis.Oleh karena itu pada mikrometer selalu
diperlengkapi suatu alat yang disebut dengan pembatas momenputar yang berfungsi
untuk menjaga tekanan pengukuran sekecil mungkin dan konstan.

B. Kesalahan karena Peletakan benda Kerja.(Terjadinya Lendutan)

Peletakan benda kerja yang kuat tetapi panjang dan diletakkan pada tumpuan, akan
mengalami lendutan karena berat beban sendiri. Untuk mengatasi hal itu biasanya jarak
tumpuan ditentukan sedemikian rupa sehingga diperoleh kedua ujungnya tetap sejajar.
Jarak tumpuan yang terbaik adalah 0.577 kali panjang batang dan juga yang jaraknya
0.544 kali panjang batang .Besarnya lenturan tergantung dari jarak kedua tumpuan
C. Kesalahan Karena Permukaan Benda Kerja yang Tidak Rata dan Kotor.
 Permukaan benda kerja yang kotor karena terkena grease , debu dll dapat
mempegaruhi hasil pengukuran karena walupun sedikit saja menempel pada
permukaan yang akan diukur, nilai dari pengukuran pasti akan bertambah
dikarenakan grease maupun kotoran tadi juga ikut terukur (Permukaan alat ukur
tidak pas menempel pada benda yang akan diukur.Oleh Karena itu sebelum
melakukan pengukuran kita harus membersihkan permukaan benda kerja.
 Saat ingin mengukur apabila permukaan benda kerja tidak rata hal ini juga akan
mempegaruhi hasil pengukuran karena kita tidak bisa mempaskan / menempelkan
permukaan alat ukur kepermukaan benda kerja dengan benar tepat, hal ini lah
yang membuat terjadinya penyimpangan pengukuran.Jadi Sebelum melakukan
pengukuran kita harus meratakan permukaan benda yang akan diukur.
3. Pengukuran Karena Faktor ManusiaKesalahan
A. Kesalahan Karena Posisi Pembacaan
Kurang terampilnya seseorang dalam membaca skala ukur dari alat ukur yang sedang
digunakan akan mengakibatkan banyak terjadi penyimpangan hasil pengukuran.
Kebanyakan yang terjadi karena kesalahan posisi waktu membaca skala ukur.Kesalahan
ini sering disebut, dengan istilah paralaks.Paralaks sering kali terjadi pada si pengukur
 yang kurang memperhatikan bagaimana seharusnya dia melihat skala ukur pada waktu
alat ukur sedang digunakan. Gambar. Parallaks
B. Kesalahan Karena Kondisi Manusia
Kondisi badan yang kurang sehat dapat mempengaruhi proses pengukuran yang
akibatnya hasil pengukuran juga kurang tepat. Contoh yang sederhana, misalnya
pengukur diameter poros dengan jangka sorong.Bila kondisi badan kurang sehat,
sewaktu mengukur mungkin badan sedikit gemetar, maka posisis alat ukur terhadap
benda ukur sedikit mengalami perubahan.Akibatnya, kalau tidak terkontrol tentu hasil
pengukurannya juga ada penyimpangan.Atau mungkin juga penglihatan yang sudah
kurang jelas walau pakai kaca mata sehingga hasil pembacaan skala ukur juga tidak
tepat.Jadi, kondisi yang sehat memang diperlukan sekali untuk melakukan pengukuran,
apalagi untuk pengukuran dengan ketelitian tinggi.
C. Kesalahan Karena salah membaca sekala Ketelitian
Kurang memahami pembagian divisi dari skala ukur dan kurang mengerti membaca
skala ukur yang ketelitiannya lebih kecildaripada yang biasanya digunakannya juga akan
berpengaruh terhadap ketelitian hasil pengukurannya.
D. Kesalahan Karena Tidak Terbiasa atau Tidak Mampu Menggunakan Alat Ukur.
Kesalahan ini bisa saja terjadi contohnya apabila orang sudah terbisa memakai jangka
sorong yang manual belum tentu dia juga bisa membaca jangka analog.Apabila hal ini
terjadi maka bisa dipastikan kesalahan pengukuran pasti terjadi karena ketidak
mampuan seseorang mengunakan alat ukur
4. Kesalahan Pengukuran Karena Faktor Lingkungan
A. Kondisi Ruangan yang Kotor dan Berdebu
Kondisi ruangan tempat meyimpan alat ukur dan melakukan pengukuran harus bersih
agartidak menggangu jalannya proses pengukuran. bisa saja karena ruanganan yang
kotor dan berdebu , debu-debu tersebut dan kotoran dapat menempel pada muka
sensor alat ukur yang menyebabkan hasil penngukuran tidak akurat.Atau debu tersebut
dapat menempel juga di Permukaan benda kerja.
B. Kondisi Ruangan yang Gelap
 Kondisi Ruangan tempat dilakukan pengukuran haruslah memiliki penerangan yang
cukup karena ruangan yang kurang terang atau remang-remang dapat mengganggu
dalam membaca skala ukur yang hal ini juga bisa menimbulkan penyimpangan hasil
pengukuran.Akan tetapi, untuk penerangan ini ruang pengukuran sebaiknya tidak
banyak diberi lampu penerangan. Sebab terlalu banyak lampu yang digunakan tentu
akanakan mengakibatkan suhu ruangan menjadi lebih panas.
C. Kondisi Temperatur Ruangan yang Panas.
Menurut standar internasional bahwa suhu atau temperatur ruangan pengukur yang
terbaik adalah 20°C apabila temperatur ruangan pengukur sudah mencapai 20°C, lalu
ditambah lampu-lampu penerang yang terlalu banyak, maka temperatur ruangan akan
berubah. Seperti kita ketahui bahwa benda padat akan berubah dimensi dan ukurannya
bila terjadi perubahan panas. Oleh karena itu, pengaruh dari temperatur lingkungan
tempat pengukuran harus diperhatikan. Hal ini dilakukan agar tidak terjadinya pemuaian
benda kerja yang menyebabkan perubahan ukuran benda yang akan diukur.
D. Pengukuran dengan adanya getaran yang tinggi.
Melakukan pengukuran di lingkungan yang memiliki getaran yang tinggi dapat juga
mempegaruhi hasil pengukuran contohnya saat kita melakukan pengukuran
menggunakan dial indikator dalam proses alignment tidak boleh ada getaran-getaran
karena dapat menggangu jarum penunjuk hasil pengukuran dial indikator.Hal ini
disebabkan karena Dial indikator sangat sensitif terhadap getaran.
5. Kesalahan Karena Metode Pengukuranan yang digunakan
A. Kesalahan Karena Posisi Penempatan Permukaan pengukuran yang salah.
1) Saat pengukuran inside diameter menggunakanVernier Caliper semua permukaan
internal jaws harus benar-benar menyentuh permukaan benda kerja yang akan diukur
agar hasil pengukuran benar dan tepat.
2) Saat Pengukuran Outside diameter menggunakan Vernier Caliper semua permukaan
Eksternaljaws harus benar-benar menyentuh permukaan benda kerja yang akan diukur
agar hasil pengukuran benar dan tepat.
Gambar.Perbandingan pengukuran Inside diameterGambar.Perbandingan pengukuran Inside
diameter
B. Kesalahan Karena Ketidaktepatan Pemilihan Alat Ukur Dengan Benda yang akan diukur.
 Misalnya benda yang akan diukur diameter Shaft dengan ketelitian 0,001 mm dan alat
ukur yang digunakan adalah vernier caliper dengan ketelitian 0,1 milimeter. Tentu saja
hasil pengukurannya tidak mendapatkan dimensi ukuran sampai 0,001 mm. Oleh sebab
itu maka untuk mendapatkan hasil dengan ketelitian sampai 0.001 mm maka sebaiknya
menggunakan outside micrometer sehingga hasilnya bisa Akurat. Gambar.Pengukuran
Inside Micrometer

C. Kesalahan Karena Penggunaan Dan Cara Mengukur Yang Salah.

Contohnya saat kita menggunkan micrometer kita tidak boleh asal-asalan dalam
penggunaanya karena posisi pemegangan dan posisi penaruhan alat sangat berpegaruh
dalam hasil perhitungan.Teknik Pengunaan Micrometer yang benar
 Kalibrasi terlebih dahulu apakah saat poros tetap dan poros geser bertemu, kedua
skala baik skala utama maupun skala putar menunjukan angkan nol.
 pastikan pengunci poros geser dalam keadaan terbuka agar poros geser dapat
digerakan. (Perhatikan cara memegang mikrometer sekrup seperti terlihat pada
gambar di samping!)
 Setelah itu, putar pemutar supaya rahang poros geser bergerak mundur. Ambil
benda yang hendak diukur ketebalannya dan letakan di antara poros geser dan
poros tetap.
 Putar pemutar supaya poros geser menjepit benda.
 Setelah terjepit sempurna, putar pengunci agar poros gerak tidak berubah lagi.
Setelah itu, kita dapat membaca skala hasil pengukuran alat ini.