Mengurai Variabel Hingga Instrumentasi

Bagian 1
Konsep,
Dimensi dan
Indikator
Obyek selalu mempunyai tingkat
Keabsahan dan kompleksifitas
Yang berbeda.
Bagian ini menjelaskan bagai-

Mana suatu obyek tertentu diukur
Dengan tepat
Mengurai Variabel hingga Instrumentasi 1

Pada saat seorang peneliti melakukan identifikasi masalah (real problem), dan kemudian
menuangkan dalam rumusan masalah, sebenarnya disitu telah tercermin adanya konsep. Terlebih
setelah peneliti melakukan kajian beberapa teori yang relevan hingga kemudian dari rumusan
masalah tersebut dapat dirumuskan hipotesis, maka keberadaan “konsep” yang akan diukur
nilainya menjadi lebih nyata lagi.
Contoh 1.1
Misalnya pimpinan suatu perusahaan merasa telah terjadi penurunan tingkat motivasi kerja
pada diri pegawainya. Dari pengamatan diketahui bahwa salah satu penyebab dari
menurunnya tingkat motivasi kerja pegawai tersebut adalah kurang kondusifnya lingkungan
kerja diperusahaan. Apabila terhadap hal itu kemudian dilakukan suatu penelitian, maka
rumusan maslahnya adalah:
“Apakah lingkungan kerja mempengaruhi motivasi kerja pegawai suatu perusahaan ?”
Contoh 1.2
Idealnya stress kerja perawat Rumah Sakit Pemerintah tidak berbeda dengan stress kerja
perawat Rumah Sakit Swasta, tetapi kenyataanya tidak demikian. Untuk membuktikan apakah
memang telah terjadi perbedaan tingkat stress kerja perawat RS. Pemerintah dengan stress
kerja perawat RS. Swasta, maka penelitian dilakukan, dengan rumusan masalah sebagai
berikut:
“Adakah ada perbedaan stress kerjayang dialami oleh perawat dirumah sakit pemerintah
dengan stress kerja yang dialamioleh perawat rumah sakit swasta?”.
Contoh 1.1 merupakan sebuah contoh mengenai masalah penelitian yang berkaitan dengan
pengaruh atau hubungan, sedangkan contoh 1.2 merupakan sebuah contoh penelitian menjelaskan
mengenai penelitian yang berkaitan dengan perbedaan (komparasi).
Dari kedua contoh tersebut diatas masing-masing telah dengan jelas dapat diketahui kandungan
konsep yang akan diukur. Konsep yang ada dalam kedua rumusan masalah itu adalah “lingkungan
kerja”, “motivasi kerja”dan “stress kerja”.
Kejelasan konsep yang terkandung dalam rumusan masalah akan memudahkan peneliti
untuk merumuskan tujuan, hipotesis dan pengukurannya. Skor atau nilai yang dapat diperoleh dari
setiap konsep itulah yang selanjutnya nanti akan analisis untuk membuktikan hipotesis penelitian.
Definisi Konsep
Konsep (concept) menurut Emori (1980:24) didefinisikan sebagai “an abstraction of
meanings from reality to wich use assign some word or wordsin order to be able to communicate
about it”. Definisi lain mengenai konsep menurut Kerlinger yang dikutip oleh Emory (1980:24)
menyatakan bahwa “A concept expresses an abstraction formed by generalization particular,”
definisi lainnya adalah “Concept are terms that revert the characteristics of events, situations,
groups and individuals that we are studying in the social sciences”.

Secara umum konsep dapat didefinisikan sebagai abstaksi atau ide yang diperoleh dari hasil
rangkuman dan pengorganisasian pengetahuan (pengamatan) atas suatu fakta/realitas yang
dinyatakan dalam kata (term) yang berlaku umum dan bersifat khas. Konsep ini pada umumnya
dibuat atau diciptakan dengan kesadaran penuh oleh para ilmuwan untuk kepentingan yang
khusus. Kekhususan dari konsep ini salah satunya adalah kompleksitas. Dari pengalaman penulis,
banyak peneliti mengalami kesulitan ketika mendefinisikan secara operasional terhadap konsep-
konsep tersebut.
Tingkat keabstrakan konsep akan berpengaruh pada seberapa banyak dimensi dan atau
indicator harus ditemukan agar konsep menjadi terukur. Mengambil contoh sebelumnya, adalah “
lingkungan kerja”. Lingkungankerja disebut kompleks karena terdiri dari beberapa unsur
(properties), misalnya daya terang, sumber penerangan, luas ruangan, kebisingan, sirkulasi udara,
kelembaban, temperature, warna, masih belum lagi yang sifatnya non fisik.
Perkembangan peradapan dan pengalaman manusia, berdampak pada pengertian konsep

yang sering dan umumnya digunakan. Hal ini akan lebih terlihat jika seseorang telah banyak
memahami berbagai budaya atau kebiasaan berbagai wilayah. Dia akan menemukan banyak
konsep (meskipun sebenarnya sama hanya berbeda pada bahasanya saja), dan kenyataanya banyak
digunakan dalam penelitian adalah konsep yang ada pada umumnya atau kebanyakan digunakan.
Namun demikian tidak jarang suatu konsep mempunyai yang khas (unik) dalam kebudayaan
tertentu dan tidak dengan mudah begitu saja diterjemahkan dalam Bahasa yang lain. Salah satu
cara untuk mengatasi hal ini, adalah dengan meminjam istilah (bahasa) lain atau dengan meminjam
istilah dari bidang lain. Misalnya konsep ‘kecepatan”, “akselerasi” dan “ketegangan” adalah istilah
yang sering digunakan oleh ahli ekonomi yang meminjam dari bidang fisika. Dengan
mengembangkan teknologi baru, akan didapat peningkatan efisiensi dalam penjelasannya
(komunikasi), meskipuun seringkali tidak dengan mudah dapat dipahamioleh kebanyakan orang.
Keabstrakan konsep
Konsep dapat menggambarkan tingkat abstraksi yang progresif, yaitu tingkat sejauh mana
suatu konsep mempunyai atau tidak mempunyai rujukan yang obyektif (artinya mempunyai
kecenderungan untuk semakain abstrak atau mempunyai kecenderungan untuk semakin konkrit).
Misalnya “tinggi badan”, “berat badan”,”kecepatan laju kendaraan”, “kapasitas angkut”
merupakan konsep yang cenderung mempunyai rujukan yang konkrit (obyektif). Seseorang
dengan sangat mudah membayangkan apa itu berat badan, tinggi badan, kecepatan laju kendaraan,
kapasitas angkut.
“Keadilan dalam pemberian upah”, “kepribadian pegawai”, “perilaku konsumen”,

“kepemimpinan”, “linkungan kerja”, “pemberdayaan pegawai”, “kompetensi”, “kualitas sumber
daya manusia”, “kualitas pelayanan”, “kualitas produk”, “loyalitas pegawai” merupakan suatu
konsep yang jauh lebih sulit untuk dibayangkan, larena konsep tersebut cenderung mempunyai
tingkat abstraksi dan kompleksitas yang sangat tinggi.

Aplikasi dalam penelitian, tingkat keabstrakan dari konsep dapat digambarkan seperti
berikut ini: seorang peneliti sedang menganalisa ciri-ciri tugas dari seorang sekretaris yang akan
didesain kembali, karena dirasa sudah tidak efektif lagi. Terdapat tiga bagian yang harus diteliti,
yaitu kualitas hasil pengetikan, ketrampilan berbahasa dan perilaku terhadap pekerjaannya. Dari
ketiga bagian tersebut dapat digambarkan kedalam sebuah diagram untuk menunjukan tingkat
keabstrakan dari masing-masing konsep pada setiap bagian tersebut.
Sumber Cooper, 1997:36 dimodifikasi
Gambar 1.1 Tingkat Keabstrakan Konsep
Konsep mempunyai peran yang sangat penting dalam suatu penelitian, sehingga perlu
perhatian dan kehati-hatian dalam penjelasannya. Dari pengamatan penulis, masih banyak
penelitian yang kurang berhati – hati dan kurang perhatian dalam menjelaskan konsep dalam
penelitiannya. Perlu diingat bahwa dalam penelitian, rumusan masalah dibangun berdasarkan
konsep, hipotesis penelitian dibangun berdasarkan konsep, hipotesi penelitian dibangun
berdasarkan konsep, pengukuran data juga berdasarkan konsep. Bahkan untuk kepentingan
penelitian tertentu, seorang penelitian harus menciptakan konsep baru untuk mengktualisasikan
pikiran yang ada dibenak penelitian. Penelitian dituntut untuk mampu merumuskan konsep secara
jelas sehingga orang lain dapat mengerti dan memahami maksud dari ki=onsep yang diajurkan
dalam penelitiannya. Misalnya suatu survei mengenai keadilan upah yang dibayarkan kepada
pegawai, maka pertanyaan –pertanyaan yang di anjurkan oleh peneliti harus mampu menangkap
sikap atau persepsi dari para pegawai (responden), pada hal sikap atau persepsi merupakan sesuatu
yang abstrak dalam komplek. Data yang tepat akan dapat didapatkan, jika memang benar benar
responden mengetahui secara jelas apa yang dimaksudkan penelitian mengenai keadilan dalam
pengupahan tersebut.

Keabstrakan dan kompleksitas dari konsep akan berdampak bagaimana pengukuran
dilakukan. Semakin konkrik suatu konsep semakin jelas dan mudah pengukuran dilakukan.
Semakin konkrit suatu konsep, semakin jelas dan mudah pengukurannya (bahkan semakin
terstandardisasi/baku), namim semkin abstrak dan semkin kompleks suatu konsep, maka konsep
tidak dapat diukur secara langsung. Konsep yang tidak langsung dapat diukur nilainya sehingga
sering disebut dengan beberapa istilah, diantaranya adalah unobserved variable,construct atau
latent variable. Oleh karena itu agar konsep yang abstrak dankompleks dapat diukur, maka
diperlukan penelusuran struktur secara teoritik.
Struktur Konsep
Struktur (hirarki) dari konsep yang abstrak dan kompleks hingga dapat dianalogikan
seperti halnya sebuah struktur organisasi,yaitu “konsep” sebagai posisi yang tertinggi, kemudian
di bawahnya ada “dimensi”atau”properti”dan di bawahnya lagi ada”elemen”atau”indikator” serta
posisi paling bawah adalah “butir” atau”item”. Keterkaitan antara konsep (concept) atau kontrak
(construct), dimensi (dimensions) atau roperti (properties) dan indicator (variable) atau elemen
(elements) dapat dijelaskan sebagai berikut
1. Konsep atau disebut juga dengan kontruk (construct) ditinjau dari hirarkinya merupakan
himpunan dari partikular – partikular yang disebut dimensi. Konsep yang berbeda sangat
mungkin mempunyi jumlah dimensi yang berbeda pula, dan tidak semua konsep harus
mempunyai dimensi. Misalnya konsep mengenai “harga barang”. Harga barang merupakan
obyek atau konsep yang tidak perlu ada dimensinya .berdasarkan hirarkinya, konsep ini
langsung dapat diukur memalui indikator – indikatornya, sehingga konsep ini tidak terlalu
abstrak dan juga tidak terlalu kompleks. Berbeda dengan konsep mengenai “kualitas
pelayanan”. Konsep kualitas pelayanan merupakan sebuah konsep yang abstrak dan
kompleks, karena mempunyai beberapa dimensi, dimana dimensi – dimensi itu nantinya
diukur melalui indikator
2. Dimesi, meri=upakan himpunan dari partikular –partikular yang disebut indikator. Setiap
dimensi dalam satu konsep tidak harus mempunyai jumlah indikator yang sama. Berikut
ini beberapa contoh untuk memperjelas maksud dari dimensi
Contoh 1.3
1. Dimensi – dimensi yang membentk konsep “motivasi berprestasi” diantaranya adalah:

dimensi digerakkan oleh kerja (driven by work) dimensi tidak dapat rilek (unable to
relax), dimensi tidak sabar dengan ketidakefe ktifan (impatience with ineffectiveness),
dimensi mencari tantangan moderat (seek moderate challenge) dan dimensi mencari
umpan balik (seek feedback) (sekarang,2003:179)
2. Dimensi – dimensi yang membentuk konsep “belajar” adalah dimensi pemaham
(understanding), dimensi ingatan (retention) dan dimensi penerapan (application)
(sekarang,2003:183)

3. Dimensi –dimensi yang membentuk konsep “kualitass pelayanan” diantaranya adalah
dimensi ujud (tangible), dimensi keandalan (reliability), dimensi perhatian (empaty) dan
dimensi ketanggapan (responsiveness)
3. Indikator, merupakan himpunan dari partikular – particular yang disebut butir (itam).
Setiap indicator dalam satu dimensi tidak harus mempunyai jumlah butir yang sama. Untuk
memberikan kejelasn pengertian indikator, di bawah ini di sajikan beberapa contoh.
Contoh 1.4
Dari contoh 1.3 kita ambil dimensi “digerakan oleh kerja” menurut sekarang (2003:179)
dimensi ini dapat diukur melalui 3 (tiga) indikator
1. Berkerja sepanjang waktu (constantly working)

2. Enggan untuk tidak bekerja (very reluctant to take time off for anthing)
3. Tekun meskipun gagal (preserving despite setbcks)
4 .Butir pertanyaan atau item merupakan ukuran terkecil dari sebuah konsep, sehingga
butir harus merupakan suatu pernyataan atau fenomena yang terukur (mempunyai nilai).
Butir tidak lain adalah konsep yang konkrit, dengan mudah difahami atau dimenegerti oleh
banyank orang, oleh kerana itu butir juga sering di sebut sebagai observed variables. Sebagai
variable yabg terukur, maka butir atau item ini dirumuskan dalam bentuk pertanyaan
(question) jika instrumen yang digunakan oleh kuesioner, dan hasil jawaban dari sebuah
butir. Setiap indikator, dapat diukur dengan hanya menggunakan satu butir pertanyaan atau
lebih. Jika satu indikator diukur dengan satu butir pertayaan, maka jawaban dari butir
tersebut juga merupakan nilai atau ukuran bagi sebuah indikator. Tetapi jika sebuah
indikator diukur dari beberapa butir pertanyaan, maka jumlah atau rata – rata dari nilai butir
–butir tersebut merupakan nilai dari indikator yang bersangkutan, oleh sebab itu penelitian
harus hati – hati daam memperlakukan nilai dari butir – butir tersebut dalam analisis data.
Strukur (hirarki) dari sebuah knsep mempunyai variasi yang berbeda antara konsep
yang satu dengan konsep yang lainnya. Artinya ada konsep yang mempunyai beberapa
dimensi dan beberapa indikator, tetapi ada pula konsep yang tidak mempunyai dimensi,
tetapi langsung diukur dengan indikatornya. Hal ini menunjukkan bahwa setiap konsep slalu
mempunyai indikator, tetapi belum tentu mempunyai dimensi

KONSEP
DIMENSI DIMENSI
INDIKATOR
INDIKATOR
INDIKATOR
INDIKATOR
INDIKATOR
Butir
Butir
Butir
Butir
Butir
Butir
Butir
rr
Butir
Butir
Butir
Gambar 1.2 strukur (Hierarki) pengukuran konsep secara umum Butir

Pentingnya indicator pada setiap konsep adalah untuk membangun instrument
pengukuran nantinya, sehingga arah pengukuran jelas. Bagi konsepyabg sudah jelas (konkrit)
dapat langsung diukur melalui intrumen yang telah disiapkan.
Visualisasi secara keseluruhan hirarki konsep, yang terdiri konsep dimensi, indikator
Bedasarkan contoh berikut menunjukkan hirarki dari sebuah konsep agar dapat dengan
mudah dilakukan pengukurannya
Contoh 1.5
Usia responden. Usia responden mempunyai hirarki dari konsep langsung ke indikator dan butir,
sehingga usia responden merupakan konsep yang tidak berdimensi. Indikatornya dapat berupa
tanggal, bulan dan tahun kelahiran, atau bulan dan tahun kelahiran saja atau ulang tahun
terakhirnya.

Secara diagramatis konsep usia responden pada Contoh 1.5 dapat dilihat pada
gambar1.3
Usia Konsep (Variabel)
Bulan dan Tahun Indikator

kelahiran
pertanyaan
Butir
Variabel usia dengan satu butir pertanyaan (item) langsung dapat

ditanyakan kepada responden
Gambar 1.3 Strukur (Hirarki) variabel usia responden
Gambar 1.3 tersebut dapat pula disajikan dalam bentuk tabulasi seperti berikut ini:
Tabel 1.1 Struktur (hirarki) konsep usia Responden
Konsep Dimensi Indikator Butir
Usia Bulan dan Tahun kelahiran responden 1 btr
Contoh 1.6
Harga barang. Harga barang yang ditawarkan penjual secara hirarki dapat disusun
berdasrkan tinga indikator , yaitu kemudahan cara melakukan pembayaran (fleksibilitas),
parbandingan antara harga itu sendiri dengan manfaat yang didapatdari barang yang di beli dan
perbandingan harga itu sendiri dengan pendapatan pembeli.

Dengan demikian konsep harga barang dapat dikategorikan sebagai konsep yang tidak
mempunyai dimensi. Sedangkan masing – masing indikator dapat diukur dengan satu atau lebih
pertanyaan. Visualisasi hirarki konsep harga barang dapat dilihat gambar 1.4
Harga barang
Konsep
(variabel)
Cara bayar Manfaat
Indikator
Pendapat
n Harga dibandingkan
dengan pendapatan
pembayaran yang
bandingkan dng.
dapat dilakukan
Manfaat yang
Berbagai cara
pertanyaa
responden
Harga di n
didapat
Gambar 1.4 struktur (hirarki) variabel harga barang
Gambar 1.4 tersebut dapat pula disajikan dalam bentuk tabulasi seperti berikut ini:
Table 1.2 sruktur (Hirarki) konsep harga barang
konsep Dimensi indikator butir
Harga 1. Cara bayar Bulan dan Tahun kelahiran 1 btr

barang responden
2. Manfaat 1 btr
3. Dibandingkan pendapatan 1 btr

Contoh 1.7
kinerja penjualan. Ferdinand (2002:44) menyatakan bahwa penelitian dibidang pemasaran,

konsep “kinerja penjualan” dapat diukur melalui tiga indikator, yakni volume penjualan ,
pertumbuhan pelanggan dan pertumbuhan penjualan.
Dengan demikian konsep kinerja penjualan merupakan konsep yang tidak mempunyai
dimensi, tetapi langsung diukur melalui indikatornya. Apabila dilihat dari indikator- indikator
tesebut, tampak bahwa konsep kinerja penjualn termasuk konsep yang konkrit. Volume penjualan
dapat diketahui dari catatan penjualan selama satu tahun terakhir atau rata – rata dsri beberapa
tahun terakhir. Pertumbuhan pelanggan dapat diketahui dari rata – rata pertumbuhan pelanggan
untuk beberapa tahun terakhir, demikian pula dengan rata – rata volume penjualan dapat dihitung
dari rata – rata pertumbuhan volume penjualan selama beberapa tahun terakhir.
Dengan demikian konsep “kinerja penjualan” dapat digambarkan ke dalam diagram seperti
gambar 1.5
Selain dengan menggunakan diagram seperti pada gambar 1.5. tersebut, hirarki dari konsep
kinerja penjualan dapat pula disajikan dalam bentuk tabulasi seperti pada table 1.3
Kinerja penjualan Konsep (variabel)
Vol. Pertumbuhan Pertumbuhan Indikator

penjualan pelanggan penjualan
Butir Butir Butir Pertanyaan
Gambar 1.5 struktur (Hirarki) variabel kinerja penjualan

Tabel 1.3 struktur (Hirarki) konsep kinerja penjualan
Kinerja 1. Volume penjualan 1 btr
penjualan 2. Pertumbuhan pelanggan 1 btr
3. Perumbuhan penjualan 1 btr
Contoh 1.8
Minat membeli. Penelitian dibidang pemasaran yang melibatkan konsep “minat

membeli” dari konsumen, secara hirarki tidak mempunyai dimensi, sehingga
strukutur langsung menuju ke indikator dan butir.
Berdasrkan contoh di atas, maka konsep minat membeli dapat dikategorikan

konsep yang cukup abstrak, kerena minat membeli adalah perilaku seseorang
sebelum melakukan tindakan pembelian. Derajat minat membeli yang tinggi akan
mendoron pengambilan keputusan segara melakukan pembeli, sebaliknya , derajat
minat membeli yang rendah dapat mendorong seseorang untuk mengurungkan
niat untuk membeli. Dengan demikian konsep minatmembeli kategorikan sebagai
konsep yang cukup abstrak meskipun tidak terlalu kompleks. Hirarki dari konsep
minat membeli secar visual dapat ditunjukkan baik dengan gambar (diagram)
berikut ini

MINAT MEMBELI
Informasi Informasi Cara Meninggalkan

produk harga memiliki produk lain (I)
Pemeliharaa
Tidak berpaling pada barang lain

Manfaat
Manfaat dari harga

Keawetan
Cara bayar
Keputusan membeli
(B)
K : Konsep
I : Indikator
B : Butir/pertanyaan
Gambar 1.6 struktur (Hirarki) variabel Minat Beli
Apabila hirarki minat membeli tersebut dituangkan dalam tabel maka akan tampak
seperti berikut ini
Tabel 1.4 struktur(Hirarki) konsep Minat Membeli Organisasional Berprestasi
Minat 1. Intensitas pencarian informasi 3 btr

Membeli tentang produk
2. Intensitas pencarian informasi 2 btr
tentang harga
3. Kecepatan untuk segara membeli 1 btr
4. Tingkat perhatikan pada barang 1 btr

lainnya

Berbeda dengan contoh-contoh sebelumnya, contoh-contoh berikut ini mempunyai tingkat
abstrakan dan kopleksitas yang lebih tinggi.
Contoh 1.9
Quality of work life (QWL). Secara hirarki, QWL mempunyai 4 (empat) dimensi, yaitu
partisipasi dalam pembuatan keputusan (keterlibatan dalam pembuatan keputusan), kesempatan
untuk mengembangkan diri (berkarier), kebanggan pada pekerjaan (pengakuan atas hasil kerja)
dan tingkat pendidikan (pendidikan formal yang ditamatkan).
Konsep QWL dapat digolongkan kedalam konsep yang abstrak, dan cukup rumit, karena
konsep QWL mencakup berbagai displin ilmu, seperti ilmu psikologi, teknologi industry, teori
organisasi,motivasi, kepempinan dan hubungan industrial (sumarsono, 2004:212)
Tentu saja dapat mengukur derajat baik buruknya QWL, maka konsep tersebut arus
dijabarkan dalam bentuk hirarki seperti tampak pada table berikut:
Table 1.5 Struktur (hirarki) konsep QWL

Dalam teorinya, Mc Clellend mengemukakan bahwa konsep motivasi dalam hubunganya
dengan kebutuhan manusia dapat dikelompokan menjadi tiga, yaitu:
1. Kebutuhan berprestasi (need for achievement),yaitu keinginan untuk melakukan sesuatu lebih
baik dibandingkan sebelumnya yang biasa disebut dengan motivasi berprestasi.
2. Kebutuhan untuk berkuasa (need for power), yaitu kebutuhan yang untuk lebih kuat, lebih
berpengaruh terhadap orang lain (motivasi berkuasa)
3. Kebutuhan afiliasi (need for afilition), yaitu kebutuhan untuk disukai, mengembangkan, atau
memelihara persahabatan dengan orang lain (motivasi bersosial)
Sebagai contoh untuk berkaji lebih lanjut, misalnya kita ambil konsep motivasi berprestasi
(achievement motivation). Konsep ini sangat abstrak dan kompleks, sehingga konsep motivasi
berprestasi secara hirarki dapat disajikan dalam tabel 1.6
Tabel 1.6 struktur (hirarki) konsep motivasi berprestasi
Menurut erzbrerg, bahwa kepuasan kerja mempunyai dua dimensi, yaitu satisfier factors
(motivator) dan dissatisfier (Hygiene factor).

Secara rinci, masing-masing dimensi dan indicator dengan beberapa penyusuain dapat
diuraikan berikut ini:
1. Motivator, dengan indicator:
1.1.Pengakuan
1.2.Tanggung jawab
1.3.Karier meliputi:
a. Peluang
b. Pencapaian
c. Persyaratan
1.4.Pekerjaan itu sendiri, meliputi:
a. Kesesuaian
b. Kebanggan
c. Resiko
2. Hygiene factors, dengan indicator:
2.1.Gaji (upah)
a. Cara pembayaran
b. Cara peritungan
c. Kesesuaian
2.2.Pengawasan
2.3.Kebijakan administrasi
2.4.Kondisi dan kemudahan pekerjaan
2.5.Hubungan interpersonal
Jika konsep kepuasan kerja ini secara hirarki dituangkan dalam tabel 1.7
Beugre (1998:94) menjelaskan bahwa konsep “keadilan organisasional (organitional

justice)” secara hirarki mempunyai empat dimensi, yaitu keadilan distributif, keadilan prosedural,
keadilan interaksional dan keadilan sismetik. Pengukuran dari masing-masing dimensi
berdasarkan persepsi dari setiap pegawai atau karyawan secara langsung terlibat dengan
kepentingan keadilan tersebut. Sementara indicator dan butir yang akan digunakan untuk
pengukuran

Keadilan organisasional tersebut secara keseluruan dapat diikuti pada tabel 1.8
Tabel 1.7 struktur (Hirarki) konsep kepuasan kerja
Tabel 1.8 struktur (Hirarki) konsep keadilan organisasional berprestasi

Pada beberapa situassi, peneliti dapat mengalami kesulitan dalam penggunaan
konsep, salah satu penyebabnya adalah adanya perbedaan karakteristik maupun latar
belakang dari para responden, sehingga untuk konsep yang sama, dipersepsikan berbeda
pengertianya oleh mereka. Hal ini akan mengakibatkan munculnya bias data yang terlalu
tinggi.
-oo0oo-

Bagian 2
Variabel,
Jenis dan
Kedudukanya
Kesalaan menentukan jenis dan
Kedudukan variabel berakibat
Fatal pada analisis
Bagian ini menjelaskan jenis dan

Kedudukan variabel dalam pene-
litian

Kompleksitas dari sebuah konsep akan menunjukan pula tingkat keabstrakanya. Konsep
atau konstruk merupakan sebuah pernyataan atau suatu fonemena yang paling abstrak, sedangkan
dimensi merupakan suatu fenomena yang kurang abstrak dan indicator merupakan salah satu
fenomena yang cenderung lebih kongkrit, sedangkan butir merupakan suatu konsep yang paling
sederhana (konkrit) pengukuranya (sudah tidak dapat di urai kedalam unsur atau partikel-partikel
lagi). Tinggi badan manusia, suhu udara suatu ruangan, kecepatan lari, tingkat inflasi, tingkat suku
bunga deposito dan jumlah penduduk suatu wilayah merupakan konsep yang sangat konkrit dan
pengukuranya tidak perlu diurai. Teradap konsep seperti itu, pengukuranya dapat secara langsung
dilakukan dengan menggunakan instrument (alat ukur) tertentu yang sesuai. Beberapa alat ukur
(instrument)myang sering dan mudah digunakan diantaranya adalah meteran, timbangan,
pencacaan (pengitungan), stopwach, thermometer, argometer dan lain sabainya. Konsep-konsep
yang demikian itu sering disebut juga dengan “variabel” (konsep yang terukur = observed
variables).
Apabila diakaitkan dengan hirarki dari sebuah konsep, indicator merupakan ukuran paling
kecil dari sebuah konsep. Berdasarkan indicator inilah disusun instrument untuk membantu
pengumpulan (pengukuran) data. Pertanyaan yang disusun dalam instrument (kuesioner) untuk
setiap indicator dapat lebih dari satu pertanyaan, meskipun demekian, indicator tetap merupakan
komponen sebuah konsep yang paling kecil.
Harga atau nilai dari setiap konsep sangat tergantung pada nilai yang ada setiap indicator.
Jadi indicator yang pertama kali yang harus mendapatkan nilai. Pada data yang sifatnya kualitif,
penilaian akan dilakukan oleh para responden atau subyek yang diteliti. Sudah barang tentu, nilai
yang diberikan oleh setiap responden pada sebuah indicator akan bervariasi (berbeda-beda) sesuai
dengan pendapat atau karakteristik masing-masing. Oleh karena itulah kemudian indicator yang
mempunyai nilai bervariasi itu kemudian disebut dengan “variabel”. Apabila nilai-nilai dari
indicator akan bentuk sebuah konsep maka variabel dapat didefinisikan sebagai konsep yang
mempunyai variasi dalam nilai (ukuran).
Berdasarkan tingkat pengukuran. Variabel dibedakan menjadi dua, yaitu “observed variable” dan
unobserved variable”. Observed variable (variabel terukur; seperti indicator;) adalah variabel yang
dapat langsung diukur dari subyeknya, sedangkan unobserved variable (variabel tidak terukur;
seperti konsep) adalah variabel yang tidak dapat secara langsung diukur dari subyeknya, tetapi
harus melalui indikatornya. Unobserved variable sering disebut pula sebagai “variabel laten (latent
variable)”.
Oleh karenanya, penggunaan istilah variabel dapat dikenakan kepala konsep (konsep yang
abstrak) maupun indicator (konsep yang konkrit), selanjutnya dalam buku ini istilah konsep,
dimensi, indicator pengguanya akan gantian dengan istilah variabel.

Ditinjau dari jenis dan kedudukanya, variabel dapat dikelompokan menjadi:
1. Variabel bebas (independent variable) dan variabel terikat (dependent variable)

Pada umumnya seorang peneliti sangat kepentingan dengan kedua variable ini (variabel
bebas dan variabel terikat). Seorang peneliti ingin untuk mengetahui apaka lingkungan kerja
(variabel bebas) dapat dipengarui minat beli masyarakat (variabel terikat). Banyak istila yang
digunakan sebagai sinonim untuk variabel bebas dan variabel terikat, seperti disajikan pada tabel
pada gambar 2.1.
Secara definisi, variabel bebas adalah suatu variabel yang variasi nilainya. Pada umumnya
seorang peneliti sangat kepentingan dengan kedua variable ini (variabel bebas dan variabel terikat).
Seorang peneliti ingin untuk mengetaui apaka lingkungan kerja (variabel bebas) dapat dipengarui
minat beli masyarakat (variabel terikat). Banyak istilah yang digunakan sebagai sinonim untuk
variabel bebas dan variabel terikat, seperti disajikan pada tabel pada gambar 2.1.
Secara definisi, variabel bebas adalah suatu variabel yang bervariasi nilainya akan
mempengaruhi nilai variabel yang lain. Variabel terikat adalah suatu variabel yang bervariasi
nilainya dipengaruhi atau dijelaskan oleh variasi nilai variabel yang lain. Dan untuk kepentingan
analisis dta, variabel bebas diberi notasi “X” sedangkan variabel terikat diberi notasi “Y”.
Gambar 2.1 sinonim untuk variabel bebas dan variabel terikat
Contoh 2.1
Seorang peneliti ingin mengetahui seberapa kuat pengaruh atau hubungan antara lingkungan
kerja dengan kepuasan kerja pegawai disuatu instansi.

Dalam penelitian, ini lingkungan kerja sebagai variabel bebas dan kepuasan kerja sebagai
variable terikat. Apabila kedua jenis variabel tersebut digambarkan kedudukannya, akan tampak
seperti pada gambar 2.2.
Gambar 2.2 kedudukan variabel bebas dan variabel terikat
I. Variabel control ( Control Variabel )

variabel control adalah variabel bebas yang dalam pelaksanaan peneliti tidak dimasukkan
sebagai variabel bebas tetapi justru keberadaanya dikendalikan ( Dikontrol). Dengan
mengendalika beberapa variabel tersebut, maka pengaruh variabel bebas terhadap variabel terikat
merupakan pengaruh yang bersihn ( murni ), dan variabel yang dikendalikan tersebut tidak lagi
mencemari variabel terikatnya.
Misalnya pada penelitian mengenai pengaruh lingkungan kerja terhadap kinerja pegawai.
Agar derajat pengaruh antara lingkungan kerja terhadap kinerja pegawai. Agar derajat pengaruh
antara lingkuan kerja terhadap kinerja pegawai murni, maka variabel-variabel lain yabg juga
mempunyai pengaruh terhadap kinerja perlu dikendalikann ( dikontrol ). Pertanyaannya adalah
variabel apa saja yang harus dikontrol oleh peneliti ? peneliti harus cermat dalam memilih variable
control ini, agar analisis data yang dilakukan efisien.
Contoh 2.2
Pada pengujiannya pengaruh lingkungan kerja terhadap kinerjaa pegawai, diketahui bahwa “
usia “ dan “ masa kerja “ merupakan variabel yang perlu dikontrol. Jadi dalam hal ini usia dan
masa kerja pegawai merupakan variabel control.
Pengendalian terhadap variabel control dapat dilakukan dengan dua cara, yaitu :
a) pengendalian dari awal penelitian
cara ini masyarakat kepada peniliti untuk menggunakan subyek penelitian, yaitu pegawai
yang mempunyai usia dan masa kerja yang seragam. Misalnya subyek penelitiannya adalah
semua pegawai yang mempunyai usia sekitar 45 tahun dengan masa kerja sekitar 20 tahun.
b) Pengendalian melalui analisis data
Apabila peniliti sulit mendapatkan usia dan masa kerja yang seragam ( homogeny ), maka
peniliti dapar memasukkan variabel control ke dalan model sebagai variabel bebas ( peniliti
tidak perlu mencari responden dengan usia dan masa kerja yang homogenya ). Ini berarti
pengendalian akan dilakukan pada saat analisi data ini dilakukan. Dengan cara yang kedua,

ini maka secara diagramatis kedudukan variabel control dapat ditunjukan dalan gambar
2.3.
Gambar 2.3 kedudukan variabel control pada uji hubungan
Penggunaan variabel control tidak terbatas hanya pada desain penilitian yang mencari
pengaruh atau huubungan saja. Tetapi juga pada desain penelitian yang mencari perbedaan (
komprasional ).
Misalnya akan diuji perbedaan antara tingkat stress kerja perawat di rumah sakit
pemerintah dengan stress di rumah sakit swasta. Secara teoritik, dapat diduga bahwa perawat di
rumah sakt swasta lebih tinggi tingkat stresnya di banding dengan perawat di rumah sakit
pemerintah. Agar perbedaanya yang ada memang benar-benar karena status rumah sakit, maka
perlu ada variabel yang dikontrol, yaitu variabel yang mempunyai pengaruh terhadap pada stress
kerja, yakni masa kerja.
Pengendalian terhadap variabek control pada uji perbedaan ini dapat dilakukan dengan dua
cara, yaitu:
 Pengendalian dari awal penelitian.
Cara ini mengharuskan peneliti untuk memasang-memasang antara perawat rumah sakit
pemerintah dan rumah sakit swasta yang mempunyai masa kerja yang sama. Jadi pasangan
perawat rumah sakit pemerintah dan swasta akan mempunyai masa kerja yang sama. Pada
praktiknya cara ini sulit ditempuh peneliti, karena demikian besar variasi masa kerja.
 Pengendalian melalui analisi data.
Apabila peneliti sulit untuk mendapatkan pasangan perawat, maka peniliti dapat
memasukkan variabel control ke dalam model, sehingga pengontrolan akan dilakukan alat
analisis yang digunakan.

Gambar 2.4 kedudukan variabel control pada uji perbedaan
Penelitian dilakukan untuk membuktikan bahwa biaya konsumsi dari sebuah keluarga yang tinggal
di desa lebih kecil disbanding konsumsi sebuah keluarga yang tinggal di kota. Perbedaan tingkat
konsumsi akan bias, karena besarnya tingkat konsumsi tidak hanya dipengaruhi wilayah domisili,
tetapi juga oleh: misalnya pendapatan dan jumlah keluarga yang ditanggung. Jadi agar adanya
pernedaan tingkat konsumsi tersebut benar-benar karena wilayah dimana keluarga itu berdomisili,
maka variabel pendapatan dan jumlah keluarga yang ditanggung perlu dikontrol.
Pengendalian terhadap variabel control pada uji perbedaan ini dapat dilakukan dengan dua
cara, yaitu:
 Pengendalian dari awal penilitian.
Cara ini mengharuskan untuk peneliti untuk memasang-memasang antara keluarga yang
berdomisili de disa dan di kota yang mempunyai pendapatan dan jumlah tanggungan
keluarga yang sama. Dengan demikian banyaknya responden yang berdomisili di desa dan
kota harus sama, karena mereka harus berpasang-pasangan sesuai dengan keadaan
pendapatan dan jumlah tanggungan keluarga. Responden dari desa yang berpendapatan
tinggi dengan tanggungan keluarga sedikit dipasangkan dengan responden dari kota yang
berpendapatan tinggi dengan tanggungan keluarga sedikit. Responden dari desa yang
berpendapatan kecil dengan jumlah tanggungan keluarga sedikit di pasangkan dengan
responden dari kota yang berpendapatan kecil dengan jumlah tanggungan sedikit.
Responden dari desa dengan pendapatan banyak dan jumlah tanggungan banyak di
pasangkan dengan responden dari kota berpendapatan banyak dan jumlah tanggungan
keluarga besar. Demikian seterusnya. Pada praktiknya cara ini sulit ditempuh peniliti,
karena terlalu sulit untuk menemukan pasangan keluarga yang berdomisili di desa dan di
kota yang mempunyai pendapatan dan jumlah tanggungan keluarga yang sama.
 Pengendalian melalui analisi data.
Denga cara ini, peneliti tidak perlu memasang-memasangkan antara keluarga yang
berdomisili di desa dengan di kota, tetapu cukup merekam data mengenai biaya untuk
konsumsi, tingkat pendapatan dan jumlah tanggungan keluarga dari responden, baik yang
berdomisili di desa maupun yang berdomisili di kota ( keluarga yang di teliti tidak harus
mempunyai karakteristik pendapatan dan jumlah tanggungan keluarga yang sama).

Banyaknya responden yang berdomisili di desa tidak harus sama dengan banyaknya
responden yang berdomisili di kota ( bukan pasangan ).
II. Variabel moderator ( moderating variabel )

Variabel moderator ( moderating ) adalah variabel yang variasi nilainya mempunyai
pengaruh ketergantungan ( contingent effect ) yang kuat terhadap pengaruh atau hubungan
antara variabel bebas dengan variasi terikat
Seringkali didapati suatu penelitian yang hasilonya menolak hipotesis. Penolakan hipotesis
itu ( hipotesis tidak didukung bukti empitik ) dapat terjadi karena taraf signifikannya terlalu
tunggu ( umumnya > 5% ) atau karena arahnya yang tidak sesuai ( seharusnya pengaruh positif,
ternyata yang terjadi pengaruh negative ). Hal ini dapat terjadi karena peneliti mungkin tidak
memasukkan variabel penting yang mestinya memoderasi pengaruh atau hubungan antara
variabel bebas dengan variabel terikat.
Variabel moderating ini biasanya ditemukan jika peniliti melakukan pengkajian penelitian
terdahulu yang relevan dengan penelitian yang sekarang dilakukan, khususnya yang hasilnya
menolak hipotesis. Meskipun hal ini tidak terlalu mudah ditemukan peneliti, namun upaya
menemukan variabel moderating akan semakin melengkapi model penelitian yang dilakukan.
Kejelasan pengertian variabel moderating ini dapat dijelaskan melalui contoh berikut ini.
Contoh 2.3
Penelitian di lakukan untuk menguji hubungan atau pengaruh tingkat pendidikan formal
pegawai. Semakin tinggi pendidikan formal pegawai akan semakin tinggi pula tingkat
kinerjanya. Meskipun pengaruh ini dapat diyakini kebenarnya, namun pengaruh tersebut
ternyata masih tergantung pada indeks prestasi atau nilai kelulusan mereka. Dengan kata
lain tingkat pendidikan mempunyai pengaruh terhadap kinerja pegawai, khususnya untuk
pegawai nilai kelulusannya tinggi.
Contoh di atas menunjukkan bahwa nilai kelulusan merupakan variabel moderating dari
pengaruh antara pendidikan formal terhadap kinerja pegawai. Model tersebut dapat dilihat pada
gambar 2.5.
Gambar 2.5 kedudukan variabel moderating

Masuknya variabel moderating dalam model, alan mengakibatkan munculnya nilai dari
variabel moderating dan nilai interaksi antara nilai variabel bebas dengan variabel moderating
delam model tersebut. Apabila “ X “ adalah variabel bebas dan “ M “ adalah variabel moderating,
maka variabel interaksinya dapat berupa:
 Perkalian antara nilai variabel X dengan nilai variabel M ( X*M )

 Selisih mutlak dari variabel X dengan variabel M ( X-M )
 Model uji residual ( Ghozali, 2006:171 )
Di tinjau dari alat analisis yang digunakan, maka pengaruh antara pemdidikan formal terhadap
kinerja dapat menggunakan alat analisis regresi, sehingga diperoleh suatu garis regresi dengan
harga slope ( arah garis ) yang bertanda positif ( menunjukkan pengaruh atau hubungan searah
) atau bertanda negative ( menunjukkan pengaruh atau hubungan yang berlawanan arah ).
Dimasukkanya pengaruh moderating, yaitu nilai kelulusan ( indeks prestasi ), akan
mempengaruhi harga dari slope garis regresi semula, ini artinya bahwa harga slope garis
regresi regresi antara variabel bebas ( dalam hal ini adalah pendidikan formal ) terhadap
variabel terikat ( dalam hal ini kinerja pegawai ) merupakan fungsi dari variabel moderating (
nilai kelulusan atau indeks prestasi ). Jadi regresi akan semakin mendatar ( harga slope positif
kecil ) untuk nilai variabel moderating yang lebih kecil dan sebaliknya garis regresi akan
semakin tegak ( harga slope positif besar ) untuk nilai variabel moderating yang lebih besar.
Garis regresi sebelum dan sesudah adanya variabel moderating dapat diikuti pada gambar
2.6.
Gambar 2.6 garis regresi berdasarkan nilai var. moderating

Kasus lain untuk lebih menjelasan kedudukan variabel moderating dapat diikuti pada
contoh berikut ini:
contoh 2.4
penelitian yang ingin menguji peran kecerdasan emosi dalam moderating pengaruh antara
stress kerja terhadap kinerja pegawai.
Secara teoritik benar bahwa semakin tinggi tingkat stress kerja yang dialami pegawai akan
menyebabkan semakin rendahnya tingkat kinerja dari karyawan, namun tidak demikian untuk
karyawan yang tingkat kecerdasan emosionalnya tinggi. Pegawai yang mempunyai tingkat
kecerdasan yang tinggi akan mengatasi stress kerja yang menimpa dirinya, sehingga akan tetap
mampu mepertahankan tingkat kinerja yang tinggi. Sementara pegawai yang tingkat kecerdasan
emosional yang rendah tidak akan mampu menguasai stress kerja yang dapat berakibat
menurunnya kinerja.
Dengan menggunakan diagram, maka pengaruh variabel-variabel dapat diikuti pada
gambar 2.7.
Gambar 2.7 kedudukan variabel moderating
III. Variabel antara ( intervening variabel )

Variabel antara adalah variabel yang menjadi antara adanya pengaruh variabel bebas terhadap
variabel terikat. Dilihat dari posisinya, variabel antara terletak diantara variael bebas dan variable
terikat dalam suatu model. Idealnya efek pengaruh tidak langsung dari variabel bebas ke variabel
terikat melalui variabel antara akan lebih kuat dibanding efek langsung dari variabel bebas ke
variabel terikat.
Untuk memberikan gambaran mengenai kedudukan variabel antara ( intervening ) dalam
model, dapat diikuti contoh berikut.
Contoh 2.5
Penelitian yang ingin menguji pengaruh lingkungan kerja teradap kinerja pegawai melalui
kepuasan kerja.
Dari contoh tersebut tersirat bahwa dengan bervariasi penilaian pegawai dengan
lingkungan kerja tidak begitu saja kinerja pegawai juga bervariasi, tetapi dengan melalui kepuasan
kerja. Pegawai yang menilai lingkungan kerja sudah kondusif, maka mereka akan mempunyai
kepuasan kerja yang tinggi, yang pada akhirnya kinerja akan meningkat.

Jika model ini divisualisasian kedalam gambar akan tampak seperti dalam gambar 2.8
Gambar 2.8 kedudukan variabel antara (inervening)
Variabel bebas (eksogen), variabel antara/variabel teringkat (endogen)
Model diatas sering disebut dengan model jalur, sehingga bebrapa istilah dan hasil yang
perlu dikenali pada model jalur ini diantaranya adala:
a. Variabel lingkungan kerja pada model itu kedudukanya sebagai variabel bebas
(independent variable), yang model jalur disebut juga sebagai variabel eksogen
(exogeneous variables).
b. Variabel kepuasan kerja dalam model itu kedudukanya sebagai variabel antara (intervening
variable) yang juga disebut juga sebagai variabel endogen (endogeneous variables).
Variabel kinerja pegawai pada model itu kedudukanya sebagai variabel terkait (dependent
variable) yang juga disebut dengan variabel endogen (endogeneous variable).
Jadi variabel antara dan variabel terikat keduanya termasuk dalam kelompok variabel
endogen.
c. Apabila variabel lingkunagan kerja diberi notasi “x”, variabel kepuasan kerja diberi notasi
“Y” dan variabel kinerja diberi notasi “Y2”, maka dari efek dari pengaruh antara X dan Y,
disebut dengan pengaruh langsung (direct effect). Efek dari pengaruh antara Y1 teradap
Y2 disebut juga dengan pengaruh langsung (direct effect).
d. Efek pengaruh antara X dan Y2 melalui Y1 disebut pengaruh tidak langsung (indirect
effect).

e. Idealnya, koefesien pengaruh tidak langsung harganya lebi besar dibandingkan dengan
koefesien pengaruh langsung antara X teradap Y2. Apabila terjadi sebaliknya, maka peran
Y1 sebagai variabel antara menjadi kurang berguna lagi, artinya tanpa variabel antara maka
variabel bebas secara langsung dapat mempengaruhi kinerja pegawai.
Model jalur seperti itulah yang menjadi embiro berkembangnya model persamaan
structural (structural equation modeling/SEM).
5. variabel pengganggu (confounding variable)

Variabel pengganggu adalah yang variasinya nilainya dapat mengganggu (mengacaukan)
pengaruh antara variabel bebas teradap variabel terikat. Suatu model pengaruh atau hubungan tidak
pernah dapat terindar dari hadirnya variabel pengganggu, karena model yang dibangun bukanlah
bersifat determenistik (semua variabel mempunyai sifat yang pasti), tetapi bersifat stokatisk (nilai
dari varibel termasuk kedalam kondisi ketidakpastian; mengandung unsure probalitas).
Pada suatu penelitian sudah dapat dipastikan bahwa terlalu sulit bagi seorang peniliti untuk
memasukan semua variabel yang mempengaruhi variabel terikat. Umumnya peneliti hanya
menggunakan beberapa variabel bebas yyang dianggap mempunyai pengaruh terhadap variabel
terikat. Na… variabel yang tidak dimasukan dalam model penelitianya itu sangat mungkin ada
yang kedudukan sebagai variabel control dan bakan mungkin sebagai variabel pengganggu.
Sebuah model penelitian yang diabangun di atas teori yang terdapat, akan mudah
ditemukan mana-mana yang menjadi variabel bebas, variabel terikat variabel control, variabel
moderating, variabel antara dan variabel pengganggu.
Variabel pengganggu sebenarnya adala variabel bebas yang tidak diamsukan kedalam
model, tetapi bukan merupakan variabel utama yang menjadi focus peratian peneliti. Untuk
memudahkan memahami apa yang dimaksud dengan variabel pengganggu, barikut ini diberikan
conto sederana sebagai berikut:
Contoh 2.6
Berdasarkan hasil penelitian yang menunjukan bahwa kinerja pegawai dipengaruhi oleh
lingkungan kerja. Atas dasar asil penelitian itu, untuk meningkatkan kinerja pegawainya,
perusahaan melakukan perbaikan atas lingkungan kerja sesuai yang diarapkan pegawai.
Secara kebetulan pada saat itu perusahaan juga memberikan peningkatan gaji pada para
pegawai tersebut. Jelas bahwa peningkatan gaji merupakan variabel yang tidak masuk dalam
model, dan apabila variabel ini ternyata mempunyai pengaruh yang signifikan teradap kinerja,
maka variabel kenaikan gaji merupakan variabel pengganggu.

Memang kadang peneliti mengalami kesulitan untuk mendeteksi variabel apa saja yang
menjadi variabel pengganggu dalam model yang dibangun dalam penelitianya. Jadi apabila
variabel pengganggu tidak diketaui, maka peneliti dapat mendeteksi variabel pengganggu dengan
cara membentuk kelompok control untuk model penelitianya. Misalnya pada model penelitian
yang menguji pengaru perbaikan lingkungan kerja teradap kinerja pegawai, maka sampel
(responden) penelitian dikelompokan menjadi dua. Kelompok pertama adalah pegawai yang
merasa puas dengan perbaikan lingkungan kerja (sebagai kelompok perlakuan), dan kelompok
keduan adalah pegawai yang merasa tidak puas dengan perbaikan lingkungan kerja (sebagai
kelompok control). Kemudian kedua kelompok itu dilakukan analisis.
Apabila hasil pada kelompok perlakuan menyatakan bahwa ada pengaruh yang signifikan
antara perbaikan lingkungan kerja teradap kinerja pegawai, dan pada kelompok control dinyatakan
pengaruh tidak signifikan, maka disimpulkan tidak ada variabel pengganggu pada model penelitian
tersebut.
Tetapi jika asil pengujian pada kelompok perlakuan maupun kelompok control menunjukan
adanya pengaru yang signifikan, maka disimpulkan ada variabel pengganggu, yang mengacaukan
pengaruh perbaikan lingkungan kerja teradap kinerja pegawai.
Jika ternyata pada model penelitian itu terdapat variabel pengganggu, maka keberadaan
variabel pengganggu tersebut arus diilangkan dari model penelitian dengan cara:
a. Manjadikan variabel pengganggu sebagai variabel bebas dalam model, seingga

memperbanyak variabel bebas dalam model.
b. Menjadikan variabel pengganggu menjadi variabel control. Seperti yang telah diuraikan
sebelumnya, mengendalikan variabel control dapat dilakukan diawal penelitian atau pada
saat analisis data dilakukan.
6. variabel kontinyu dan variabel diskrit
Ditinjau dari jenis data atau bialanganya, variabel dapat dibedakan menjadi dua, yakni variabel
kontinyu (continuous variabel) dan variabel diskrit (dicrete variable), dan pengertian masing-
masing adalah sebagai berikut:
Variabel kontinyu (continuous variable)
Variabel kontinyu adalah yang mempunyai nilai dalam jangkuan yang tak terhingga
kecilnya dan terhingga besarnya. Pada umumnya harga dari variabel kontinyu diperoleh
dari hasil pengukuran. Beberapa contoh berikut ini akan memperjelas pengertian variabel
kontinyu.

Contoh 2.7
1. Berat badan seseorang adalah data hasil pengukuran yang asilnya dapat seberat 60kg,
atau mungkin 60,5 kg atau mungkin 60,27 kg atau mungkin 60,3285 kg.
2. Jarak dua kota diukur dan menghasilkan data 725,34 kilometer atau mungkin 1545,5
mil dan sebagainya.
3. Kenaikan arga suatu barang misalnya sebesar 2,5 persen atau 5,00 persen dan
sebagainya.
Jika X adalah sebuah variabel kontinyu, maka X > 0 dianggap sama dngan X > 0.
a. Variabel diskrit (discrete variable)

Sering kali disebut sebagai variabel kategori, yaitu fariabel yang nilainya selalu dalam
angka bulat (tidak pecan) dan biasanya diperole dari asil pengitungan (mencaca), sehingga
penyajianya dalam bentuk frekuensi.
Contoh 2.8
1. Misalnya jumlah mahasiswa yang lulus dengan pridikat cumloude sebanyak 7 orang
(tidak mungkin 7,25 orang)
2. Seorang mahasiswa membayar SPP 4 kali dalam satu semester (tidak mungkin
membayar SPP 4,5 akli)
3. Pasangan suami istri mempunyai anak sebanyak 3 orang (tidak mungkin sebanyak 3,25
orang)
Jika X adla variabel diskrit, maka X > 0 tidak sama dengan X >0 karena:
X > 0, artinya nilai variabel X adala 1; 2; 3 … dst.
X > 0 artinya nilai variabel X adala 0; 1; 2; 3 …. Dst.
-oo0oo-

Bagian 3
Definisi operasional
Variabel
Objek atau konsep atau variabel
Harus dapat dikur secara
Akurat, agar asil analisis
Mencerminkan keadaan yang
Sesungguhnya
Bagian ini menjelaskan bagai-

Mana mendefenisikan vaiabel
Secara spesifik dan terukur

Langkah penting berikutnya dalam pengukuran variabel adalah mendefinisikan variabel
secara operasional (DOV = Definisi Operasional Variabel). Tujuan dari pendefinisikan variabel
secara operasional adalah untuk memberikan gambaran bagaimana suatu variabel akan diukur, jadi
variabel harus mempunyai pengertian yang sangat spesifik dan terukur. Oleh karena itu
pendefinisian variabel secara operasional tidak dapat dilakukan secara sembarangan atau sesuka
hati peneliti, tetapi harus didasarkan pada apa tujuan penelitian dan dasar teori-teori yang relavan.
Ini semua dilakukan untuk menjamin terpenuhi syarat validitas isi (content validity) dari
instrument (alat ukur) yang akan digunakan dalam pengukuran.
Keputusan bagaimana variabel itu didefinisikan secara operasional agar relavan dengan
tujuan dan kerangka pemikiran penelitian, menjadi otoritas peneliti. Namun demikian tidak berarti
penelitian mempunyai kebebasan untuk membuat definisi semaunya (sesukanya). Setiap variabel
yang akan didefinisikan secara operasional seharusnya mempunyai landasan teori yang mapan
(jelas) seingga pengukuran atau pembuatan indicator hingga butir-butirnya tidak asal pantas saja,
tetapi memang mempunyai landasan yang kokoh. Cara mudah dan sederhana mendefinisakn suatu
variabel adalah dengan menggunakan kamus.
Contoh 3.1
Misalnya variabel “motivasi” atau “motiv” didefinisikan sebagai sebab-sebab yang menjadi
dorongan; tindakan seseorang; dasar pikiran atau pendapat atau sesuatu yang menjadi pokok
(poerwodaminta, 1989:655)
` Definisi semacam itu mungkin saja sudah dapat memberikan pengertian yang cukup
memuaskan bagi orang pada umumnya, tapi belum tentu pada penelitian. Dalam penelitian
diperlukan pengukuran yang cermat (presisi) ole karena itu diperlukan definisi yang lebi ketat.
Ada bebrapa pendekatan sebagai dasar untuk mendefinisikans suatu variabel, seingga satu variabel
akan mempunyai beberapa definisi yang berbeda.eberapa pendekatan yang biasa digunakan untuk
mendefenisikan variabel dalam penelitian diantaranya adalah (truck man dikutip ole
azwar,1998:74)
1. Definisi yang didasarkan pada “proses” yang arus dilakukan agar variabel yang
didefinisikan itu terjadi
Contoh 3.2
1. Kecemasan, adalah suatu keadaan akibat subyek yang didapatkan pada suatu ancaman.
2. Puas, adalah keadaan akibat dari terpenuhinya harapan subyek atas kinerja produk/pelayan
yang dirasakan.
3. Lapar, adalah keadaan subyek yang tidak diperbolekan menelan apapun selama minimal
10 jam.
4. Motivasi kerja, adalah dorongan yang muncul dari dalam diri subyek karena adanya target
yang ingin tercapai.

2. Definisi yang didasarkan pada “sifat” dan “cara kerja variabel” yang didefinisikan,
ditunjukan dalam bentuk perilaku.
Contoh 3.3
1. Cemas, adalah perilaku subyek yang mondar-mandir ditempat kerja dengan denyut
jantung yang lebih keras.
2. Puas, adalah subyek yang dengan sadar dan antusias menyebarkan berbagai hal positif
kepada orang lain terhadap apa yang dialaminya.
3. Lapar, adalah subyek yang dapat melahap (makan) sesuatu hidangan sebanyak 2 piring
dalam waktu kurang dari 3 menit.
4. Motivasi, adalah kesungghuan subyek untuk meraih suatu harapan atau tujuan tertentu.
3. Definisi yang didasarkan pada “criteria” pengukuran yang diterapkan sehingga

nilainya menunjukan reprentasi dari variabel yang didefinisikan.
Contoh 3.4.
1. Lapar, adalah ketidaksetaraan antara tinggi badan dan berat badannya.
2. Puas, adalah kesamaan nilai kinerja suatu hal dengan nilai yang diharapkan.
3. Sejahtera, adalah kecukupan pendapatan seseorang atau keluarga untuk memenuhi kebutuhan
hidup dasarnya secara layak.
Kenyataannya peneliti tidak harus menjelaskan mengenai pendekatan mana yang digunakan
dalam mendefinisikan variable yang akan diukur. Ini artinya defisi untuk berbagai variable boleh
menggunakan pendekatan manapun dan tidak harus sama.adapun pendekatan yang digunakan,
pendefinisian operasional dari sebuah variable benar-benar harus dapat menunjukkan tingkat
kekonkritan dari konsep.
Pendefisian operasional variable harus sampai pada elemen terkecil (Indikator), sehingga
benar-benar bisa didapatkan hasil penukurannya.misalnya seorang dalam penelitiannya
melibatkanvariable bebas, salah satunya adalah “karier”. Apakah karier bagi seorang pegawai
paling atau tidak, maka perlu dilakukan secara tepat adalah:
Contoh 3.5.
Karier adalah jenjang jabatan dalam pekerjaan yang mempunyai nilai, baik bagi diri sendiri
maupun perusahaan. Indicator pengkurannya meliputi (Sekaran,2003):
1. Karier sebagai keputusan yang baik bagi pekerjaan subyek
2. Besarnya kontribusi karier bagi masyarakat
3. Kesesuaian karier dengan kepribadian subyek
4. Ketidakinginan subyek mengubah =/pindah karier
5. Upaya untuk mencapai karier

6. Karier merupakan bagian integral dalam hidup subyek
Contoh 3.6.
Quality of Work Life (QWL) adalah suatu pendekatan untuk mendesain pekerjaan dan
pengembangannya, khususnya dalam melakukkan job enrichment. QWL dapat dijabarkan ke
dalam 4 dimensi yaitu:
1. Partisipasi dalam pembuatan keputusan, yaitu kadar keikutsertaan subyek dalampembuatan
keputusan oleh pimpinan, yang indikatornya meliputi:
a. Kadar masukan/saran (diukur dengan 3 butir pertanyaan)
b. Keterlibatan/keikutsertaan (diukur dengan 3 butir pertanyaan)
c. Keterbukaan informasi (diukur dengan 3 butir pertanyaan)
2. Peluang mengembangkan diri, yaitubanyak sedikitnya peluang subyek untuk dapat

mengembangkan dirinya melalui berbagai cara. Indikatornya meliputi:
a. Besarnya kesempatan mengikuti Diklat (diukur dengan 3 butir pertanyaan)
b. Peluang untuk berinisyatif (diukur dengan 2 butir pertanyan)
c. Kadar kewenangan untuk memecahkan persoalan (diukur dengan 2 butir pertanyaan)
d. Jenjang karier (diukur dengan 2 butir pertanyaan)
3. Kebanggaan terhadap pekerjaan, yaitu kadar besarnya rasa bangga atas pekerjaan yang
sekarang ditekuni. Indicator penukurannya adalah:
a. Tingkat kesukaan terhapdap pekerjaannya (diukur dengan 6 butir pertanyaan)
b. Kecocokan pekerjaan (diukur dengan 3 butir pertanyaan)
4. Pendidikan, adalah tingkat pendidikan formal terakhir yang pernah ditempuh berdasarkan
ijasah terakhir yang dimiliki (diukur dengan 1 butir pertanyaan)
Seorang peneiti telah mendefisikan secara operaasional salah satu variable bebasnya,
yauitu promosi yang dilakukkan oleh perusahaan. Meskipun perusahaan meakukkan promosi
untuk produknya melalui berbagai media, namun peneliti hanya melakukkan pengamatan terhadap
promosi yang dipasang di baliho.
Responden atau subyek ditana adalah orang yang pernah melintaasi jalan dimana baliho
itu dipasang, oleh karena itu promosi dengan media baliho kemudian didefinisikan seperti pada
contoh berikut:
Contoh 3.7.
Promosi dengan baliho adalah informasi suatu produk yang sengaja dipasang/ditayangkan
perusahaan melali papan baliho di suatu lkasi tertentu. Berdasarkan telaah terotik, maka
dikembangkan dimensi dalam promosi media baliho yang meliputi:
X1. Kemenarikan perhatian, yaitu tingkat kemenarikan baliho untuk dilihat dan atau dibaca
oleh seseorang yang melintas diarea tersebut. Indicator adalah:
X1.1. Tahu tidaknya baliho promosi produk tertentu (2 butir pertanyaan)

X1.2. Sumber informasi, yaitu sumber dari mana subyek mengetahui keberadaan baliho (2
butir pertanyaan)
X1.3. Daya Tarik untuk dilihat (1 butir pertanyaan)
X2. Informasi, yaitu kemampuan memberikan informasi pada seseorang. Indicator adalah:
X2.1. Informasi yang ada dalam promosi sangat penting bagi orang (2 butir pertanyaan)
X2.2. Kelengkapan informasi yang dimuat (2 butir pertanyaan)
X2.3. Kejelasan informasi yang dimuat (2 butir pertanyaan)
X3. Disain promosi, yaitu bentuk, model atau artistic bentuk fisik promosi. Indikatornya
adalah:
X3.1 Keunikan disain promosi (2 butir pertanyaan)
X3.2 Kemampuan untuk dapat dinikmati (2 butir pertanyaan)
X3.3. Tingkat keaslian desain (1 butir pertanyaan)
X4. Citra, yaitu kesan atau image yang dapat tertanam dalam hati seseorang. Indikatornya
adalah:
X4.1. Kemampuan memberi keyakinan pada public (2 butir pertanyaan)
X4.2 Kadar kebohongan yang muncul dari promosi (2 butir pertanyaan)
X4.3. Kadar kemampuan sebagai citra hiburan (2 butir pertanyaan)
X4.4 Jingle atau slogannya sebagai citra positif (2 butir pertanyaan)
-oo0oo-

Bagian 4
PRINSIP
PENGUKURAN
VARIABEL
Hasil pengukuran suatu obyek dapat bersifat nominal,ordial,interval dab rasio.
Dari sisi yang lain data dapat bersifat kontinyu dan diskrit
Bagian ini menjelaskan berbagai jenis data berdasarkan pengukurannya

Ada prinsipnya pengukuran (measurement) variable adalah suatu proses kualifikasi
atribut (kualitatif) dari suatu obyek sehingga diperoleh angka (bilangan) dengan menggunakan
aturan tertentu. Pengertian mengenai pengukuran ini memandang pengukuran sebagai proses yang
mencakup tiga bagian (Cooper, 1997:151), yakni:
1. Memlilih peristiwa empiric yang dapat diamati
2. Menggunakan angka-angka atau simbol untuk mewakirli aspek-aspek peristiwa-peristiwa yang
diukur
3. Menerapkan pemetaan untuk menghubungkan pengamatan kepada simbol.
Misalnya seorang peneliti sedang meneliti orang-orang yang mengunjungi pameran
computer di Jogja Expo Centre. Peristiwa empiric yang ingin diketahui atau diteliti adalah “jenis
kelamin” pengunjung dan “preferensi (kesukaan) terhadap computer merk Toyiba”. Simbol atau
aspek yang digunakan untuk mewakili jenis kelamin adalah:
Angka 1, untuk jenis kelamin laki-laki
Angka 2, untuk jenis kelamin wanita
Sedang untuk preferensi (kesukaan) terhadap computer merk Toyiba akan diber skor
sebagai berikut:
Skor 5, untuk yang sangat menyukai,
Skor 4, untuk yang menyukai,
Skor 3, untuk yang ragu-ragu (tidak berkomentar),
Skor 2, untuk yang menyatakan tidak menyukai,
Skor 1, untuk yang sama sekali tidak menyukai,
Mengingat jumlah pengunjung sangat banyak, maka penelitian dilakukan pemetaan
(samping) untuk membatasi responden yang akan diteliti, misalnya dipilih 5 (lima) orang
pengunjung secara acak sebagai responden (sebut saja nama pengunjung terpilih tersebut A, B, C,
D dan E).
Hasil penelitian selengkapnya seperti yang ditunjukkan pada tabel ringkasan berikut ini :
Tabel 4.1 Preferensi terhadap merk komputer
Preferensi terhadap Jenis Kelamin TOTAL
komputer merk Toyiba Laki - Laki Wanita
5. Sangat menyukai 1 1 2
4. Menyukai 1 0 1
3. Ragu - ragu 0 0 0
2. Tidak menyukai 1 1 2
1. Sangat tidak menyukai 0 0 0
TOTAL 3 2 5

Hasil Penelitian di atas dapat divisualisasikan seperti berikut ini :
Gender Preferens
Pengamatan A B C D E A B C D E
Empirik
Aturan
Pemetaan
1 2 1 2 3 4 5
Simbol
Sumber : Modifikasi dari cooper,1997;152
Gambar 4.1 Hakeka Pengukuran Variabel

Jika diperhatiakan baik – baik, contoh diatas tidak semuanya merupakan pengukuran,meskipun
kenyataannya peneliti telah melakukan kuantifikasi dari obyek yang sifatnya kualitatif (memberi
penilaian)
Prinsip Pengukuran Variabel
49
Dengan angka ).pada proses pengelompokkan jenis kelamin lebih cenderung disebut
sebagai kegiatan penghitung saja, yang hasilnya sering disebut dengan frekuensi . konsep atau
variabel demikian itu, disebut dengan variabel diskrit. Sedangkan mengenai preferensi pengunjung
terhadap komputer merk Toyiba merupakan suatu pengukuran yang hasilnya sering disebut
variabel kontinyu.
Sudah dapat dipastikan, untuk dapat melakukan kuantifikasi (baik penghiungan maupun
pengurangan )ter hadap suatu obyek (variabel) diperlukan alat ukur yang disebut dengan instrumen
(instrument). Instrumen penelitian pada dasarnya merupakan alat bantu untuk memudahkan
penelitian mendapatkan ukuran atau angka kuantitatif berdasarkan sikap,perilaku,perasaan dan
sebagainya, mengenai suatu kejadian atau obyek tertentu.
Terhadap variabel atau obyek yang bersifat fisik kuantitatif yang konkrit, misalnya berat
badan balita, suku bunga deposito,pendapatan perkapita,tingkat hunian hotel,omset

penjualan,jumlah uang yang beredar,banyaknya anak dalam satu rumah tangga dan lain sebagainya
yang identik,umunya telah tersedia alat ukur dan dapat diukur secara langsung.untuk obyek yang
bersifat abstrak dan kompleks (harap diingat kembali uraian mengenai konsep ), misalnya persepsi
karyawan mengenai lingkungan kerja,penilaian pegawai mengenai gaji yang diterima,motivasi
kerja, penilaian kerja, harga barang, kualitas produk, kualitas pelayanan, umumnya belum tersedia
alat ukur (instrument).apabila instrumen untuk suatu konsep belum tersedia, maka peneliti bisa
membangun instrumen (alat ukur) baru, tetapi jika telah atau pernah ada, maka peneliti dapat
mengembangkan (melakukan penyesuaian seperlunya) terhadap instrumen yang telah ada tersebut,
atau dapat pula langsung menggunakan begitu saja apa adanya instrumen tersebut (instrument
tersebut harus relevan dan telah teruji)
Instrumen sebagai alat pengukur sering disebut juga dengan istilah “scale” (skala) atau
timbangan. Secara sederhana pengertian instrumen atau skala tersebut dapat diilustrasikan sebuah
timbangan. Untuk mengukur berat suatu benda. Misalnya timbangan dapur untuk mengukur berat
suatu bahan untuk membuat roti seperti yang tampak pada gambar 4.2.
Gambar 4.2. Bentuk Fisik Timbangan
Secara fisik, timbangan mempunyai dua komponen penting, yaitu :
1. Bendanya.
Komponen pertama adalah benda atau alat itu sendiri, yaitu scale (skala atau alat
penimbang atau alat pengukur berat sesuatu sesuai dengan kegunaannya (peruntukannya)
yang secara umum disebut sebagai instrumen.
2. Alat pengukur.
Komponen kedua, adalah alat penunjuk hasil yang ditimbang (diukur), yang dalam hal ini
satuannya adalah gram. Jika timbangan ini digunakan, maka komponen ini akan
menunjukkan angka yang intervalnya dari 0 gram hingga 2000 gram (misalnya). Angka
inilah yang dimaksud dengan ukuran atau nilai atau skor.
Tidak semua skala menghasilkan nilai seperti berat suatu barang seperti itu, tetapi
dapat yang lainnya. Instrumen yang diberi nama “thermometer” adalah alat untuk
mengukur suhu (udara atau badan). Apabila thermometer digunakan untuk mengukur suhu
suatu ruangan, kemudian menunjukkan angka 23°C, maka angka tersebut merupakan skor
yang dapat dihasilkan oleh alat tersebut.

Berkenaan dengan skor yang dihasilkan oleh timbangan, maka apabila seorang menimbang
sesuatu dan skor yang dihasilkan adalah 0 (nol) gram, artinya sesuatu tersebut benar-benar tidak
mempunyai berat. Jadi dalam hal ini angka 0 (nol) menyatakan sebagai “tidak ada” atau “tidak
mempunyai”. Berbeda dengan angka yang dihasilkan oleh thermometer, jika alat ini digunakan
dan ternyata menunjukkan angka 0°C, maka angka ini “tidak dapat dikatakan tidak ada “ atau tidak
mempunyai suhu (karena memang suhunya mencapai titik beku).
Penjelasan di atas menunjukkan bahwa tidak semua alat (skala) akan menghasilkan data
atau ukuran atau nilai yang sama jenisnya. Alat yang satu menghasilkan data dengan angka nol
mutlak sedang alat lain menghasilkan data dengan angka nol yang semu. Secara umum dalam
metodelogi penelitian dikenal ada 4 (empat) jenis data yang dihasilkan dari suatu pengukuran
(skala), yaitu data nominal, data ordinal, data interval, dan data rasio. Alat-alat atau instrumen
pengukuran yang menghasilkan data seperti itu juga diberi nama yang berbeda-beda seperti
berikut:
1. Alat yang menghasilkan data nominal, disebut dengan skala nominal (Nominal scale)
2. Alat yang menghasilkan data ordinal, disebut dengan skala ordinal (Ordinal scale)
3. Alat yang menghasilkan data interval, disebut dengan skala interval (Interval scale)
4. Alat yang menghasilkan data rasio, disebut dengan skala rasio (Rasio scale)
Jadi skala atau instrumen yang akan digunakan oleh peneliti harus mampu menghasilkan jenis data
atau informasi sesuai dengan yang diinginkan oleh peneliti (pengukur), sehingga informasi
tersebut dapat digunakan untuk membedakan antara individu (subyek) yang satu dengan individu
(subyek) lain untuk suatu obyek tertentu.
Masing-masing jenis data yang dapat dihasilkan oleh suatu pengukuran (skala), yaitu data
nominal, data ordinal, data interval dan data rasio, secara berurutan akan diuraikan lebih mendalam
dengan tujuan agar peneliti dengan mudah membedakan masing-masing jenis data tersebut.
1. Skala Pengukur Data Nominal (Nominal Scale)
Skala nominal adalah instrumen yang dapat menghasilkan data yang jenisnya klasifikasi
atau pemilihan. Apabila kemudian data itu diberikan skor atau nilai, maka nilai tersebut bukan
sebagai bukan sebagai numerikal (numerical) tetapi sebagai kategori saja. Nilai tersebut tidak
menunjukkan tinggi-rendah, besar-kecil atau rangking dari obyek (variabel) yang diukur. Angaka
1, 2 dan 3 dalam data nominal bukan sebagai rangking dan bukan sebagai nilai, artinya 1 tidak
lebih kecil dari angka 2 dan angka 3 tidak lebih besar dari angka 2. Jadi angka 1, angka 2 dan
angka 3, hanya sebagai nama atau kode, sehingga tidak dapat diperbandingkan, tetapi dapat
membedakan antara kelompok yang satu dengan kelompok yang lain.
Angka nol (0) pada skala nominal tidak menunjukkan ketiadaan (tidak dapat dikatakan
tidak ada atau tidak mempunyai), oleh sebab itu angka nol pada skala nominal merupakan angka
nol semu.
Contoh berikut ini menunjukkan beberapa skala atau pertanyaan yang menghasilkan data
nominal.

Contoh 4.1.
Peneliti memberikan kode jenis kelamin laki-laki dengan angka 1 dan wanita diberi kode
dengan angka 2, dalam hal ini tidak berarti angka 2 lebih bernilai atau lebih besar dari angka 1
(tidak berarti laki-laki lebih jelek dari wanita). Peneliti boleh saja menggunakan angka nol (0)
untuk laki-laki dan angka 1 untuk wanita. Angka nol tersebut tidak berarti tidak ada laki-laki,
karena angka itu hanya sebagai kode atau tanda saja. Inilah yang dimaksudkan sebagai pengukuran
dengan skala nominal.
Misalnya seorang peneliti ingin mengetahui kewarganegaraan turis manca negara yang
berkunjung kota Jogjakarta. Untuk mengetahui warganegara darimana saja turis mancanegara
tersebut, maka dapat dikembangkan skala pengukuran sebagai berikut:
Contoh 4.2.
Pilih satu diantara beberapa kewarganegaraan berikut berdasarkan Pasport yang Saudara
miliki:
1 = Amerika 4 = Korea
2 = Australia 5 = Jepang
3 = Inggris 6 = India
Skor atau angka 1 hingga6 dari setiap kewarganegaraan tersebut hanya sebagai nama atau
kode, sehingga tidak dapat dikatakan bahwa warga negara yang satu lebih baik dari warga negara
yang lain.
Misalkan peneliti berkeinginan untuk mengetahui pekerjaan dari responden, maka peneliti
dapat mengembangkan skala untuk mengetahui apa saja pekerjaan responden dan berapa frekuensi
banyaknya respondeen pada setiap jenis pekerjaan. Bentuk dari skala tersebut dapat diikuti pada
contoh berikut:

Contoh 4.3.
Sebutkan pekerjaan (mata pencaharian) Saudara hingga saat ini dengan cara memilih salah
satu dari beberapa jenis pekerjaan berikut:
0 = Tidak bekerja
1 = Pegawai Negeri Sipil
2 = Pegawai Swasta
3 = Wiraswasta
Peneliti juga ingin mengetahui nomor rumah yang ditinggali dan nomor telepon dan atau
nomor faksimile. Instrumen yang dapat dikembangkan seperti tampak pada contoh berikut:
Contoh 4.4.
1. Tulis nomor rumah dimana Saudara tinggal:........
2. Tulis nomor telepon/faksimile Saudara:...............
Jika misalnya nomor rumah diisi dengan angka 13 dan nomor telepon diisi dengan angka
8765432, maka angka-angka tersebut tidak menggambarkan performa atau kualitas dari rumah
maupun telepon yang dimiliki responden. Angka tersebut hanya sebagai kode saja, tidak berarti
bahwa rumah yang nomornya 13 akan leih baik dari rumah yang nomornya 5, telepon yang
nomornya 8765432 kualitasnya lebih buruk dari telepon yang nomornya 8899900
Terhadap data nominal, peneliti tidak mempunyai banyak alternatif alat analis. Distibusi
frekuensi dan proporsi merupakan alat yang sering digunakan untuk mengolah data nominal.
2. Skala Pengukur Data Ordinal (Ordinal Scale)

Skala ordinal merupakan suatu instrumen yang menghasilkan nilai atau skor yang
bertingkat atau berjenjang (bergradasi), dengan ciri-ciri sebagai berikut:
a. Mencakup sifat skala nominal
b. Bersifat kontinyu (kontinum)
c. Nilai yang dihasilkan oleh skala ordinal bukan sebagai nilai absolut terhadap suatu obyek,
tetapi sebagai urutan (rangking/jenjang) dari yang paling rendah hingga yang paling tinggi.
d. Interval atau jarak antara rangking/jenjang tidak sama.
e. Jika pada skala ordinal terdapat angka 0 (nol), maka angka tersebut merupakan angka semu
(tidak dapat diartikan sebagai tidak ada).
f. Nilai dari ordinal 4, tidak berarti sama dengan 2x dari nilai 2.
Dibanding dengan data yang berskala Nominal, data yang berskala Ordinal lebih bersifat
numerik, lebih berkualitas, artinya data yang dihasilkan mempunyai jenjang dan dapat
dibandingkan antara subyek yang satu dengan subyek yang lainnya.
Misalnya seseorang diminta untuk meranking (mengurutkan) tiga merk TV, yaitu merk A,
merk B dan merk C, berdasarkan kualitasnya. Hasil perurutan tersebut seperti tampak pada tabel
berikut ini:
Tebel 4.2. Hasil Ranking Kualitas TV
Merk TV Rangking
A 2
B 3
C 1
Tabel di atas menunjukkan bahwa secara berurutan (berjenjang) dari yang paling tinggi
kualitasnya hingga yang paling rendah kualitasnya adalah: TV merk C, TV merk A, TV merk B.
Jelas bahwa jarak jenjang kualitas antara TV merk C dengan TV merk A tidak akan sama dengan
jarak jenjang kualitas antara TV merk A dengan TV merk B. Skor-skor yang diberikan pada setiap
merk TV inilah yang dimaksud dengan data berskala ordinal.
Misalnya seseorang sedang melakukan tugasnya sebagai pencatat waktu dari perlombaan
lari 500 m yang diikuti oleh beberapa peserta. Pencatatan dilakukan dengan menggunakan jam
pengukur (stop watch). Hasil dari perlombaan lari tersebut dapat diikuti pada gambar 4.3.
Juara 1 menempuh waktu 5 menit 10 detik

Gambar 4.3. Hasil Kejuaraan Lomba Lari
Selisih waktu tempuh antar juara pertama dengan juara kedua adalah 10 detik dan selisih
waktu tempuh antara juara kedua dengan juara ketiga adalah 30 detik. Karena selisih waktu tempuh
antara juara tidak sama dan apabila juara pertama diberi skor 3, juara kedua diberi skor 2 dan juara
ketiga diberi skor 1, maka angka yang demikian itu disebut data ordinal.
Berikut ini contoh merumuskan skala untuk mengukur tingkat pendidikan formal
responden yang didasarkan pada ijasah terakhir yang dimiliki:

Contoh 4.5. Tingkat pendidikan formal berdasarkan ijasah yang Saudara miliki:
o Tidak Tamat SD
o SLTA
o SD
o D3
o SLTP
o S1
Apabila masing-masing jenjang pendidikan diberi skor seperti ini: tidak tamat SD diberi skor
0, tamat SD diberi skor 1, tamat SLTP diberi skor 2, tamat SMP diberi skor 3, tamat SLTA diberi
skor 4, tamat D3 diberi skor 5 dan tamat S1 diberi skor 6. Skor yang demikian itu termasuk pada
kelompok data berskala ordinal.
Dalam hal ini skor 0 tidak berarti orang tersebut tidak mempunyai pendidikan (ilmu) sama
sekali, tetapi bahwa orang yang pendidikannya mempunyai skor 4 ilmunya (pengetahuannya) akan
lebih tinggi dibanding orang yang pendidikannya dengan skor 3. Juga tidak berarti bahwa orang
pendidikannya mempunyai skor 4 pengetahuannya akan sama dengan dua kali orang yang skor
pendidikannya dua. Data seperti itu dikelompokkan ke dalam data ordinal.
Penelitian dilakukan dalam rangka mengetahui besarnya pendapatan rata-rata perhari bagi
abnang becak yang mangkal di Malioboro Yogyakarta. Untuk memudahkan pencatatan dan
ksediaan abang becak menjawab dengan jujur, maka peneliti telah mendesain skala pengukuran
seperti tampak pada contoh berikut:
Contoh 4.6.
Rata-rata pendapatan yang Saudara peroleh dalam satu hari sebesar (pilih salah satu):
o < Rp 15.000,-
o Rp 15.000,- - Rp 24.999,99
o Rp 25.000,- - Rp 39.999,99
o > Rp 40.000,-
Contoh di atas dapat dikategorikan dalam peringkat sebagai berikut:
Skor 1, untuk kategori pendapatan sangat rendah
Skor 2, untuk kategori pendapatan rendah
Skor 3, untuk kategori pendapatan tinggi
Skor 4, untuk kategori pendapatan sangat tinggi
Karena setiap kategori mempunyai interval yang tidak sama, maka kategori pendapatan
abang becak tersebut merupakan data berskala ordinal.

Contoh lain adalah nilai hasil penjurian dari lomba binaragawan. Setelah nilai diranking,
diambil tiga juara dengan nilai tertinggi, yaitu sebagai juara pertama, juara kedua dan juara ketiga.
Apabila selisih nilai juara pertama dengan nilai juara kedua berbeda dengan selisih nilai juara
kedua dengan nilai juara ketiga, maka kategorisasi kejuaraan seperti ini dapat dimasukkan ke
dalam data ordinal.
Gambar 4.4. Hasil Kejuaraan Binaraga
Pengukuran dengan skala ordinal banyak digunakan untuk membantu pemeringkatan preferensi
terhadap suatu obyek, seperti produk, peristiwa atau fenomena. Sekali lagi jika nilai atau skor yang
dihasilkan dengan skala Ordinal adalah 0 (nol), maka angka tersebut merupakan angka semu
(bukan angka absolut) sehingga tidak dapat diartikan sebagai tidak ada.
3. Skala Pengukur Data Interval (Interval Scale)

Skala interval pada dasarnya sama dengan skala ordinal, hanya saja skala interval
mempunyai tingkat kekonkritan yang lebih tinggi dibanding data ordinal. Ciri-ciri dari skala
interval mencakup sifat atau ciri-ciri dari skala nominal dan ordinal. Beda utama antara data
berskala ordinal dengan data berskala interval terletak pada jarak pada setiap kategori atau
jenjang. Data berskala ordinal mempunyai jenjang yang jarak atau interval setiap jenjang tidak
sama, sedangkan data berskala interval mempunyai jenjang yang jarak atau interval setiap
jenjang sama.
Skala ordinal dengan data bersekala interval terletak pada jarak pada setiap katagori atau
jenjang.data bersekala ordinal mempunyai jenjang yang jarak interval setiap jenjang tidak
sama,sedangkan data bersekala interval mempunyai jenjang yang jarak atau interval setiap jenjang
sama.
Thermometer pengukur temperature suhu yang sudah baku,merupakan salah satu contoh
cara skala yang menghasilkan data atau nilai atau kontinum bersekala interval(kontinum,artinya
bahwa angka 0 hingga 1berkesinambungan,berbeda dengan data diskrit,yang setelah 0 pasti 1).Jika
suatu sumber menginformasikan bahwa temperature udara pada saat ini menujukkan angka
>30oC,artinya dapat sajah tenperatur itu 30,1oC atau 30,03oCdan lain sebagainya.

Demikian juga terhadap angka nol,jadi apabila thermometer menujukkan angka 0oC,tidak
berarti tidak ada suhu,melainkan menun jukkan suhu pada titik beku.sesuai dengan ciri ciri
interval,apabila suatu saat thermometer menunjukkan suhu suatu ruangan sebesar 30oC,ini berarti
suhu ruang tersebut sama dengan 2 kali 15oC.
Salah satu bentuk fisik instrument pengukura temperature dapat dilihat pada gambar
berikut:
Gambar 4.5 bentuk fisik pengukuran temperature
Perhitungan waktu(saat)merupakan data yang dihasilkan skala interval,hal ini dapat

diberikan contoh sebagai berikut:
Contoh 4.7
Misalnya ada tiga titik waktu,yakni pikul 6 pagi,pukul 8 pagi dan pukul 10 pagi.Jarak atau
selisih antar pukul 6 hingga pukul 8 pagi (=2jam)akan sama dengan jarak selisih waktu antara
pukul 8 pagi hinga pukul 10 pagi (=2 jam).Meskipun demikian,tidak boleh diaartikan bahwa pukul
12 siang.Siangnya (kalau boleh disebut panasnya)sama dengan tiga kali panas pada pukul 4 pagi
data yang demikian ini yang disebut data intervbal.
Pada umumnya peneliti mengalami kesulitan un tuk mendapatkan instrument dengan skala
interval untuk pengukuran variable yang sifatnya sangat abstrak dan kompleks.Secara
empiric,untuk mengukur sikap atau persepsi seseorang,yang diperoleh seringkali data bersekala
ordinal,Karena jarak aau interval dari setiap katagori persepsi akan berbeda.
Namun demkian beberapa instrumen yang telah ada,oleh beberapa oleh para ahli riset telah
dianggap bahwa hasilnya data bersekala interval.Terhadap instruen yang ada tersebut.Peneliti
dapat melakukan penyesuaian asal tidak merubah arti makna dari sifat intervanya.
4. Skala rasio (rasio scale)
Skala rasio meerupakan seluruh skala sebelumnya (nominal,ordinal dan interval)dan

merupan informasi mengenai nilai absolute dari objek yang diukur.Skala rasio dimulai (sebagai
titik origin)dengan nilai 0 sehnga angka 0 pada skala rasio diartikan pada tidak ada.Seakin tinggi

nilai dari data bersekala rasio berarti semakin tinggi nilai data tersebut bagi seseorang.Data yang
bersifat continyu dan dapat pula bersifat dikrit.
Instrumen yang menghasilkan data bersekala rasio sudah banyak tersedia,sehingga dengan
mudah peneliti untuk mengunakannya.Pengukuran terhadap berat,panjang jalan,kecepatan
angin,bereat jenis suatu benda,kadar air suatu benda,diameter sebuah gelas dan banyak lagi.Namun
demikian ada beberapa variable yang instrument atau pemakainya harus dibut oleh peneliti,
instrument yang mengukur usia orang,pengalaman kerja,jumlah keluarga yang menjadi
tanggungan,penghasilan seseorang,merupakan contoh dari beberapa variable yang pengukurannya
dilakukan dengan mengunakan instrument yang disusun sendir oleh peneliti.
Contoh 4.8
Dimisalkan peneliti akan mengukur tinggi badan responden.Jika pengukuran dilakukan

secara observasi,maka in strumen yang tepat untuk pengukuran tinggi badan adalah meteran.Agar
pengukuran tidak salah,maka tinggi badan didefinisikan secaara operasional sebagai jarak antara
ujung kaki hingga ujung kepala seseorang yang berdiri secara tegap.Setelah pengukuran dilakukan
terhadap tinggi badan seseorang menujukkan angka 169 cm.Angka tesebut tentunya dimulai dar
angka nol sebagai titik awal,data tersebut adalah data rasio.
Apabila peneliti tidak berkeinginan melakukan pengukuran secara observasi(seperti pada

contoh diatas)maka peneliti dapat mendesain sendiri instrument untuk kepentingan pengukuran
tinggi badan tersebut,seperti di contoh berikut:
Contoh 4.9
Berapa tinggi badan saudara saat ini?...cm
Adakah jawaban responden terhadap pertanyaan itu adalah 169 cm,maka angka tersebut
merupakan data yang bersifat rasio.
Contoh lain,misalkan peneliti berkeinginan untuk berapa meter rata rata kain yang terjual
dalam satu hari .jika peneliti tidak melakukan observasi,maka peneliti harus membuat instrument
yang dapat memberikan informasi banyak kain yang dapat dijual,seperti conoh dibawah berikut :

Contoh 4.10
Apabila pertanyaan tersebut dijawab dengan 50 meter maka angka tersebut tergolong data
berskala rasio.
Contoh yang lain seseorang sedang kurang sehat,sehingga dia merasa perlu dating ke
rumah sakit untuk memeriksa penyakit yang mengidap ditubuhnya.Salah satu pemeriksaan yang
perlu dilakukan oleh dokter dengan mengukur tekanan darah terlebih dahulu .Dibawah ini salah
satu con toh alat pengukur tekanan darah pada manusia.
Contoh 4.11
Apabila alat pengukur tekanan darah tersebut menunjukkan angka 0 artinya orang tersebut
tidak mempnyai tekakan darah lagi(death).

Ada suatu hal yang harus diketahui oleh peneliti dalam kaitannya enam tipe skala data
tersebut.Khususnya data yang mempunyai jenjang,skala ordinal,interval dan skala rasio.skala
nominal adalah skala yang paling sederhana tidak berjenjajng dan sangat terbaatas alat,sehingga
tidak pernah dilakukan konversi apapun.
Terhadap data skala ordinal,interval dan rasio mrmungkinkan dilakukan konversi,dengan

menurukan kualitas data.Konversi seperti ini sangat merugikan,karena data akan menghikangkan
detilnya.kepada peneliti dianjurkan untuk tidak menurunkan level skalanya.
Meskipun konversi dengan mennurunkan level skalatidak dianjurkan untuk kepentingan

dan wawasan bagi peneliti.pada buku ini tetap dijelaskan bagaimana konversi tersebut dilakukan.
1.data yang berskala rasio memiliki kedudukan atau kualitas yang lebih tinggi disbanding skala
yang lain, oleh karena itu data yang berskala rasio dengan mudah dikonversi menjadi data dkala
ordinal dan interval,tetapi tidakdapat untuk sebaliknya.Artinya data berskala ordinal dan interval
tidakdapat dikonversi menjadi data rasio.sesuai dengan kedudukan dan cirinya,data berskala
ordinal dan interval tidak mungkin dapat dikonverikan menjadi data berskala rasio.
Sebagai contoh,pengukuran mengenai kecepatan lari jarak 100 meter dari 10 orang pelari.Hasil
pengukuran menggunakan Stop Watch dapat dilihat pada table berikut:
Tabel 4.3 Hasil pengukuran lari 100 meter
Tabel diatas menunjukkan bahwa keseluruan data tempuh lari 100 meter merupakan data
rasio,waktu tempuh paling lama adalah 27 detik dan waktu paling cepat 18 detik,sehingga jarak
waktu tercepat dengan waktu terlamaadalah 9 detik.Apabila dari 10 pelari tersebut akan
dikelompokkan berdasarkan 3 katagori kecepatan,yaitu cepat,sedang,pelan,maka interval setiap
katagori adalah: 9/3=3 detik.Waktu tempuh,skor dan frekuensi (banyak pelari)dalam tiap katagori
dapat diikuti pada table berikut:

Tabel 4.4 distribusi kecepata n lari 100 meter (skala in terval)
Tabel diatas telah menunjukkan waktu yang dikonversi menjadi skor yang besekala
interval, dimana skor 1 untuk pelari pelan, skor 2 pelari sedang, skor 3 pelari cepat
Kembali kedata mengenai waktu tempuh lari yang skala rasio jika dihitung rata rata waktu tempuh
lari tersebut adalah 21,5 detik.berdasarkan harga dari rata rat itu,peneliti membuat criteria sebagai
berikut:
a. cepat apa bila waktu tempuh dibawah rata rata yaitu kurang dari 20 detik.
b. pelan apabila waktu temouhnya diatas rata rata yaitu lebih besar dari 22 detik.
c. sedang apa bila waktu tempuhnya diantara cepat dan pelan.
Dengan memberikan score 3 pada criteria cepat,2 pada criteria sedang,1 pada criteria pelan,maka
data tempuh lari yang semula berskala rasio sekarang telah dikonversi menjadi skala
ordinal.informasi selengkapnya dapat dilihat pada table berikut:
Tabel 4.5 distribui kecepatan lari 100 meter (skala ordinal)
3. Data yang memiliki interval memiliki kedudukan atau kualitas lebih tin ggi disbanding
skala ordinal ,karena cirri ciri skala ordinal telah tercangkup dalam data skala interval.Inti
perbedaanya terletak pada interval atau jarak nilai antara katagori.Kondisi ini

menyebabkan data berskala ordinal tidak dapat dikonversi menjadi data interval,yang dapat
adalah sebaliknya.Misal dengan data interval diperoleh hasil pengukuran terhadap
pendapatan abang becak dikawasan Malioboro Yogyakarta sebahgai berikut:
Tabel 4.6 data interval pendapatan abang becak
Data pada table diatas yang berskala interval dapat diturukan kualitasnya menjadi data
ordinal. ,dengan mengubah jarak atau interval pada setiap katagori agar menjadi tidak sama .Hasil
konversi data interval ke data ordinal untuk pendapatan tersebut dapat diikuti pada tabel berikut:
Tabel 4.7 Data ordinal pendapatan abang becak
Penjelasan konvensi skala diatas diperkuat dengan pendapat Arikunto (1998:361)yang

menyatakan bahwa memang data interval dapat diordinakan tetapi tidak berlaku sebaliknya.
Jenis data di tinjau dari skalanya
Untu kepentingan pengelolahan data,khususnya penggunaan alat alat analisis statistika

inferensial,maka dari 4 skala tersebut dapat dikelompokkan menjadi 2 kelompok yaitu kelompok
data “metric” terdiri dari skala interval dan rasio,sedangkan kelompok data “non-metric”terdiri
dari skala nominal dan ordinal.pengelompokan ini berimplikasi pada pemilihan alat analisis.pada
umumnya un tuk data metric menggunakan statistika “parametric”dan untuk data non-metric
menggunakan statistika “non-parametric”(walau tidak selalu demikian ,karena tergantung pada
nomalitas data)
Stastika para metric pada dasarnya merupakan alat analisis yang digunakan untuk
mengelolah data ,jika data tersebut memiliki distribusi yang normal.Salah satu cirri berdistribusi

normal,adalah jika data tersebut memiliki rata rata Z(𝜇𝑧) = 0 dengan standart devisiasi
Z(𝜎z)=1.Sedangkan statistika non parametric merupan alat analisis statistika yang digun akan
untuk mengolah data yang distribusinya tidak harus perlu bersifat nominal.
Tabel 4.6. Data Interval Pendapatan Abang Becak

Pendapatan (Rp) Kategori Skor
10.000 - 19.999,99 Rendah 1
20.000 - 29.999,99 Sedang 2
30.000 - 38.999,99 Tinggi 3
Data mengenai pendapatan Abang Becak pada tabel di atas yang berskala interval dapat
diturunkan kualitasnya menjadi data ordinal dengan merubah jarak atau interval pada setiap
kategori agar menJadi tidak sama. Hasil dari konversi data interval ke data ordinal untuk
pendapatan Abang Becak tersebut dapat diikuti pada tabel berikut:
Tabel 4.7. Data Ordinal Pendapatan Abang Becak
Pendapatan (Rp) Kategori Skor
< 20.000 Rendah 1
20.000 - 35.000 Sedang 2
> 35.000 Tinggi 3
Penjelasan mengenai konversi pada skala tersebut di atas diperkuat dengan pendapat
Arikunto (1998:361) yang menyatakan bahwa .... memang data interval dapat diordinalkan tetapi
tidak berlaku sebaliknya, artinya bahwa data ordinal tidak dapat diintervalkan.
Jenis Data Ditinjau Dari Skalanya

Untuk kepentingan pengolahan data, khususnya penggunaan alat-alat analisis statistika
inferensial, maka dari 4 (empat) skala tersebut dapat dikelompokan ke dalam dua kelompok, yaitu
kelompok data"metrik" terdiri dari skala interval dan rasio, sedangkan kelompok data "non-
metrik” terdiri dari skala nominal dan ordinal. Pengelompokan ini berimplikasi pada pemilihan
alat analisis. Pada umumnya untuk data metrik mengunakan statistika “parametrik" dan untuk
data non metrik mengunakan statistika "non-parametrik” (meskipun tidak selalu demikian,
karena juga tergantung dari normalitas data).
Statistika parametrik pada dasarnya merupakan alat analisis yang digunakan untuk
mengolah data, jika data tersebut mempunyai distribusi yang normal. Salah satu ciri data
berdistribusi normal, adalah jika data tersebut mempunyai rata-rata Z (μz) = 0 dengan standar

deviasi Z (σz) = 1. Sedangkan statistika non-parametrik merupakan alat analisis statistika yang
digunakan untuk mengolah data yang distribusinya tidak perlu harus bersifat normal.
-ooOoo-

Bagian 5
Pengembangan
Penyusunan
Skala
Pelaksanaan pengukuran memerlukan
alat bantu, yaitu instuumen. Instrumen
harus mampu menggali data yang tepat.
Bagian ini menjelaskan bagaimana

menyusun instrumen (skala) yang
paling tepat untuk mengukur obyek

Setiap penelitian selalu melibatkan konsep (konstruk), yang terkadang konsep tersebut
sangat abstrak dan kompleks, apalagi peralatan standar untuk mengukur hal itu tidak atau belum
tersedia. Berbeda dengan konsep atau obyek yang konkrit yang alat pengukunya adalah standar,
sehingga perbedaan antara skor yang sebenarnya dengan skor test akan sangat kecil. Apabila Anda
ingin mengukur panjang sebuah tongkat dan menginginkan ketepatan yang tinggi, maka Anda
akan mengukurnya dengan meteran. Bagaimana dengan pengukuran terhadap sikap atau perilaku,
sementara alat pengukurnya tidak standar, maka Anda pasti akan tidak begitu yakin bahwa hasil
pengukuran (tes) akan sama dengan skor yang sebenarnya. Hal ini akan sama jika Anda mengukur
panjang tongkat dengan jengkal Anda (jarak antara kelingking dan ibujari yang direntangkan).
Penelitian yang berkaitan dengan lingkungan sosial, ekonomi, budaya, politik dan
sejenisnya, akan melibatkan variabel yang sifatnya sangat abstrak dan kompleks, sehingga
pengukuran terhadap sikap dari subyek penelitian membutuhkan pengembangan skala dengan
cermat. Untuk itu diperlukan penjelasan yang lengkap dan mudah difahami mengenai teknik
penyusunan skala untuk mengukur sikap.
Sebelum lebih jauh mempelajari teknik penyusunan skala peng ukuran sikap, maka terlebih
dahulu akan diuraikan tentang pengertian sikap (attitude).
Tidak ada definisi yang baku mengenai sikap (Attitude). Menggunakan defisini dari kamus
bahasa Indonesia, sikap diartikan sebagai per buatan dan sebagainya yang berdasar pendirian
(pendapat atau keya kinan). Scifman dan Kanuk yang dikutip oleh Simamora (2004:152)
menyatakan bahwa sikap adalah ekspresi perasaan (inner feeling) yang mencerminkan apakah
seseorang senang atau tidak senang, cocok atau tidak cocok, setuju atau tidak setuju terhadap suatu
obyek (variabel). Obyek tersebut dapat saja berupa benda hidup atau benda mati.
Arikunto (1998:238) meringkas beberapa pendapat mengenai pengertian sikap dan
menyimpulkan bahwa sikap adalah:
1. Merupakan suatu kecenderungan yang ada pada seseorang untuk bereaksi
2. Belum dapat dikatakan mempunyai arti, jika belum mewujud dalam perilaku seseorang
3. Sesuai dengan isi hati dan keyakinan pemiliknya
4. Menunjukkan arah positif dan negatif dari aspek psikologi. Istilah yang biasa digunakan
adalah dimensi favorabel dan tidak favorabel, yang mudah difahami sebagai sesuatu yang
disenangi atau yang tidak disenangi.
5. Mengandung unsur kognitif, afektif dan psikometrik yang dapat diukur keberadaan serta
kecenderungan arahnya.
Seseorang yang menerima rangsangan (stimulus) dengan segera memproduksi efektif,
termasuk emosi, perasaan, suasana hati dan evaluasi terhadap sikap. Jadi pengukuran terhadap
sikap bukanlah suatu pekerjaan yang mudah. Dengan demikian jika peneliti membangun sebuah
instrumen pengukur sikap, maka yang diperoleh bukan saja Sikap itu sendiri, melainkan juga
informasi mengenai minat (interest).
Minat menurut Shadily (1983:2252) didefinisikan sebagai kecenderungan bertingkah laku
terarah terhadap obyek, kegiatan atau pengalaman tertentu. Pengertian ini mengandung dua arti,
yaitu:

Pertama, minat yang berkaitan dengan pemilihan atau seleksi dan pemberian rangking, yang
dinyatakan dengan kalimat pernyataan. Perhatikan contoh berikut ini:
Contoh 5.1.
Senang - Biasa - Tidak Senang
Sangat menarik - Menarik - Tidak Menarik - Sangat Tidak Menarik
Kedua, minat yang berkaitan dengan kegiatan atau perilaku individu yang jika disusun dalam
kalimat biasanya berbentuk kata kerja.
Contoh 5.2.
Menulis
Membaca
Menguji
Memberi upah,
Marah
Berdasarkan pengertian sikap yang mengandung dua komponen tersebut, maka butir-butir
pertanyaan dalam instrumen pengukur minat cenderung mengarah pada indikator setuju tidak
setuju atau senang tidak senang terhadap sesuatu. Namun banyak juga peneliti yang intrumen
penelitiannya disusun berdasarkan aktifitas responden, yaitu meminta kepada responden untuk
membandingkan mana diantara beberapa aktivitas atau bahkan obyek tertentu yang lebih disukai
dibandingkan dengan aktivitas yang lainnya. Dengan demikian model pengukuran ini mencakup
pengukuran terhadap minat dan sikap sekaligus.
Pengukuran terhadap sikap sangat berkaitan dengan skala yang digunakan seperti yang
telah dijelaskan sebelumnya. Dari empat (4) macam skala yang telah dijelaskan pada uraian
sebelumnya, yaitu skala nominal, skala ordinal, skala interval dan skala rasio, yang ja rang sekali
dan bahkan tidak pernah digunakan untuk mengukur sikap adalah skala rasio. Karena sikap itu
sifatnya sangat abstrak dan bahkan subyektif, maka penyusunan skala untuk mengukur sikap
mencakup skala ordinal dan skala interval.
Mengingat pengukuran terhadap "sikap/perilaku" melibatkan konsep yang abstrak dan kompleks,
maka diperlukan prosedur-pro sedur yang membantu pelaksanaan pengukuran. Prosedur
pengukuran konsep yang sangat abstrak dan kompleks dapat dikonkritkan melalui dimensi-
dimensi yang pengukurannya dilakukan melalui indikator indikator yang relevan. Indikator-
indikator tersebut harus merupakan inspirasi untuk mendesain pertanyaan (butir), karena pada
indikator itulah peneliti akan memberikan nilai atau skor. Meskipun setiap indikator dapat diukur
dengan beberapa butir, namun untuk memudahkan dalam penganalisaan lebih lanjut, sebaiknya
satu indikator diukur dengan satu pertanyaan (butir).
Yang perlu disadari oleh peneliti agar kesalahan dalam mengembangkan teknik
pengukuran sikap dapat dieliminasi adalah bahwa sikap seseorang terdiri dari tiga komponen,
yakni komponen afektif Iyang berkaitan dengan perasaan seseorang terhadap variabel sikap),
komponen kognitif (yang berkaitan dengan keyakinan atau pengetahuan individu mengenai
variabel sikap dan komponen perilaku kemampuan mempengaruhi seseorang untuk melakukan
suatu tindakan tertentu). Untuk itu skala dapat dibedakan menjadi dua kelompok (kategori) utama.

Pertama adalah skala peringkat (rating), yaitu skala yang mempunyai beberapa alternatif respon
yang digunakan untuk mendapatkan sebuah respon (jawaban) yang sesuai dengan Keadaan
variabel yang sedang diukur. Kedua adalah skala rating komparatif (Comparative rating scale),
yaitu skala yang bertujuan untuk mendapatkan informasi mengenai perbandingan antar variabel
yang diukur, artinya variabel mana yang paling disukai (baik) dan secara Berurutan hingga
variabel yang paling tidak disukai (buruk).
Sudah banyak peneliti yang mengembangkan teknik penskalaan untuk mengukur sikap,
baik untuk skala peringkat maupun skala rating homparatif, misalnya untuk instrumen mengukur
tingkat kecerdasan 10) yang disebut WAIS (Wechsler Adult Intelligence Scales), SPM (Standart
Progresive Matrices), WISC (Wechsler Intelligence Scales R Children), Skala Standford-Binet,
CFIT (Culture Fair Intelligence Text) dan lain sebagainya. Instrumen untuk mengungkap
kemampuan Khusus (bakat) misalnya dengan menggunakan FACT (Flanagan Apptidue
Clasification Test), DAT (Differential Aptitude Test), dan lain sebagainya. Untuk keperluan
pengukuran kepribadian telah tersedia instrumen dengan Tes Rörscach, Tes Wartegg, TAT
(Thematic Apperceptions Test), TMAS (Tyler Manyfest Anxiety Scales) dan masih ada beberapa
skala yang lainnya (Azwar, 1998:10
Terhadap variabel-variabel yang sifatnya sangat abstrak (kualitatif) dan belum tersedia
instrumen yang dibakukan, maka peneliti harus mendesain instrumen yang skalanya disesuaikan
dengan rancangan alat analisis ataupun model penelitiannya. Berikut ini akan diuraikan mengenai
teknik penyusunan skala peringkat (rating) dan skala rating komparatif.
Skala Peringkat (Rating)
1. Skala Dokotomi (dichotomous scale).
Skala dikotomi merupakan sebuah instrumen (pertanyaan) untuk mengukur sikap
responden terhadap sesuatu, dimana jawaban atas pertanyaan telah disediakan. Sesuai dengan
namanya, kepada responden atau subyek penelitian disediakan 2 (dua) alternatif jawaban yang
harus dipilih salah satu. Apabila alternatif jawaban yang tersedia lebih dari dua, maka bukan lagi
sebagai skala dikotomi. Pada skala diko tomi, alternatif jawaban yang disediakan pada dasarnya
menggunakan pendekatan logika "benar (true)" dan "salah (false)" atau "ya (yes)" dan "tidak (no)".
Dalam perkembangannya, alternatif jawaban tersebut menjadi diantaranya "bersedia - tidak
bersedia", "laik - tidak laik", "pernah - tidak pernah", dan sebagainya.
Hasil dari skala dikotomi ini, bisa data yang berskala nominal ataupun data yang berskala
ordinal. Beberapa contoh berikut menun jukkan pengembangan skala dikotomi.
Contoh 5.3.
Pendapatan Anda lebih dari Rp 10.000.000,- perbulan?
Benar Salah
Bersediakah Saudara untuk tidak merokok diruang kerja?
Bersedia Tidak bersedia
Apakah Anda berprofesi sebagai seniman?
Ya Bukan
Sudahkah Anda mempunyai NPWP? Sudah
Belum
Anda lebih suka membaca majalah dari pada nonton TV:
Benar
Salah
2. Skala Kategori (category scale).
Skala kategori merupakan suatu instrumen berupa pertanyaan yang umumnya telah disediakan
alternatif jawaban yang dapat dipilih oleh responden. Perbedaan antara skala dikotomi dengan
skala kategori, terletak pada jumlah alternatif jawaban yang disediakan. Apabila skala dikotomi
hanya mempunyai dua alternatif jawaban maka skala kategori mempunyai lebih dari dua alternatif
jawaban yang disediakan. Pilihan atau respon yang diminta dari responden merupakan respon
tunggal, artinya responden hanya dapat memilih satu dari beberapa alternatif jawaban yang
disediakan (sama seperti skala dikotomi). Skala kategori digunakan untuk menghasilkan data
berskala nominal maupun data ordinal. Contoh berikut menjelaskan pengembangan skala kategori
untuk mendapatkan data berskala nominal ataupun skala ordinal.
Contoh 5.4.
 Pekerjaan Saudara saat ini: Pegawai Negeri Sipil
Pegawai Swasta
Wiraswasta
 Pendidikan formal terakhir berdasarkan ijasah:
SD D3
SLTP S1
SLTA S2
Status pernikahan Anda:
Belum/tidak menikah
Menikah
Janda/Duda

Sudah kah anda mempunyai NPWP?
 Sudah
 Belum
Anda lebih suka membaca majalah dari pada nonton TV:
 Benar
 Salah
2. Skala Kategori (category scale)
Skala kategori merupakan suatu instrument berupa pernyataan yang umumnya telah
disediakan alternatif jawaban yang dapat dipilih oleh responden. Perbedaan antara skala dikotomi
dengan skala kategori, terletak pada jumlah alternatif jawaban yang disediakan. Apabila skala
dikotomi hanya mempunyai dua alternatif jawaban maka skala kategori mempunyai lebih dari dua
alternatif jawaban yang disediakan, pilihan atau respon yang diminta dari responden merupakan
respon tunggal, artinya responden hanya dapat memilih satu dari beberapa alternatif jawaban yang
disediakan (sama seperti skala dikotomi). Skala kategori digunakan untuk menghasilkan data
berskala nominal maupun data ordinal. Contoh berikut menjelaskan pengembangan skala kategori
untuk mendapatkan data berskala nominal ataupun skala ordinal.
Contoh 5.4.
Pekerjaan saudara saat ini: - Pegawai Neegeri Sipil
- Pegawai Swasta
- Wiraswasta
Pendidikan formal terakhir berdasarkan ijasah:
- SD - D3
- SLTP - S1
- SLTA - S2
Status pernikahan Anda:
 Belum/tidak menikah
 Menikah
 Janda/Duda
 Biaya rekening listrik rata-rata perbulan:

 < Rp. 250.000,-
 Rp. 250.000,- s/d Rp.1.000.000,-
 >Rp. 1.000.000,-

 Pernahkah anda mendapat teguran dari atasan:
 Sering
 Kadang-kadang saja
 Tidak pernah
3. Skala likert (Likert Scale)

likert disebut pula dengan summated-rating scale. Skala ini merupakan skala yang paling
sering dan paling luas digunakan dalam penlitian, karena skala ini memungkinan peneliti untuk
mengungkap tingkat intensitas sikap/perilaku atau perasaan responden. Untuk mendapatkan
skala seperti yang dimaksudkan Likert, instrument harus didesain sedemikian rupa , umumnya
menggunakan pertanyaan tertutup dengan (5) alternatif jawaban secara berjenjang. Jenjang
jawaban tersebut adalah: “sangat tidak setuju”, “tidak setuju” , “netral” , “setuju”, “sangat
setuju”.
Contoh berikut ini menjelaskan bagaimana skala likert digunakan untuk mengukur
kesetujuan responden atau subyek terhadap suatu pernyataan. Misalnya peneliti ingin
mengetahui bagaimana sikap masyarakat apabila pendidikan seks sudah diberikan sejak dari
SLTA.
Contoh 5.5.
Pendidikan seks sebaiknya diberikan sejak anak masuk sekolah ditngkat SLTA :
 Sangat tidak setuju

 Tidak setuju
 Netral
 Setuju
 Sangat setuju
pada saat ini upah menjadi polemik bagi dunia usaha dan perburuhan. Buruh mengharapkan
mendapat upah yang layak atas tenaga yang dikorbankan kepada perusahaan. Perusahaan merasa
bahwa karyawan belum menunjukkan tingkat produktivitas yang tinggi atau memang perusahaan
tidak mampumemberikan upah yang layak kepada karyawannya lantaran stuasi perek-onomian
yang tidak menentu. Penelitian untuk mengetahui sikap dari pimpinan perusahaan (manajemen)
terhadap besarnya upah karyawannya , dapat disusun skala pengukur sebagai berikut:
Contoh 5.6.
Upah karyawan diperusahaan anda idealnya sudah disesuaikan dengan Keburuhan Hidup
Layak (KLH):
 Sangat tidak setuju

 Tidak setuju

 Netral
 Setuju
 Sangat setuju
Alternatif jawaban tersebut tidak harus demikian (sangat tidak setuju , tidak setuju , netral
, setuju , dan sangat setuju) melainkan dapat disesuaikan dengan obyek yang akan diukur.
Misalnya penelitian dilakukan untuk mengetahui pendapat pegawai terhadap kenyamanan

ruang kerja, maka skala pengukurannya dapat dirumuskan sebagai berikut.
Contoh 5.7.
Tingkat kenyamanan ruang kerja anda:
 Sangat tidak nyaman

 Tidak nyaman
 Netral
 Nyaman
 Sangat nyaman.
Misalnya penelitian dilaukan untuk mengetahui pendapat konsumen terhadap ketelitian Teller
sebuah Bank, mak skala pengukurannya dapat dirumuskan sebagai berikut:
Contoh 5.8.
Tingkat ketelitian Teller pada saat melayani anda:
 Sangat ceroboh
 Ceroboh
 Netral
 Teliti
 Sangat teliti
Penentuan skor disetiap jenjang pada skala Likert tersebut harus diseuaikan dengan
jenis narasi pertanyaannya , yaitu apakah narasi pertanyaannya bersifat negative
(Unfavourable) atau narasi pertanyaannya bersifat (favourable). Berikut ini pemberian
skor untuk setiap jenjang skala Likert baik untuk pertanyaan yang positif maupun
pertanyaan yang negative:

Table 5.1 skor pada skala Likert yang Positif & Negatif
Skor Skor
Alternatif jawaban Pertanyaan Pertanyaan
Positif Negatif
Sangat tidak setuju 1 5
Tidak Setuju 2 4
Netral 3 3
Setuju 4 2
Sangat setuju 5 1
Untuk kepentingan dari tujuan tertentu , sering peneliti dengan sengaja mendesain
pertanyaan negatif (favourable) dan pertanyaan positif (un-favourable). Contoh berikut ini
menunjukkan bagaimana bentuk pertanyaan positif untuk mengukur suatu variable dengan
skala Likert.
Contoh 5.9.
Pertanyaan Sangat Tidak Netral Setuju Sangat
Tidak Setuju (tidak Setuju
Setuju Tahu)
Beban kerja sesuai 1 2 3 4 5
Kemampuan Anda
Pekerjaan Anda sangat 1 2 3 4 5
Menyenangkan
Anda dapat menikmati 1 2 3 4 5
Pekerjaan

Contoh berikut ini menunjukkan bagaimana bentuk pertanyaan negative untuk
mengukur suatu variable dengan skala Likert.
Contoh 5.10.
Pertanyaan Sangat Tidak Netral Setuju Sangat
Tidak Setuju (tidak Setuju
Setuju Tahu)
Beban kerja diluar 1 2 3 4 5
Kemampuan Anda
Pekerjaan Anda sangat 1 2 3 4 5
Membosankan
Anda kesulitan dengan 1 2 3 4 5
Tugas Anda
Perihal banyaknya alternatif pilihan jawaban , telah berkembang sehingga ada

peneliti yang tidak menggunakan lima jenjang tetapi telah ditambah menjadi tujuh atau
lebih , sehinggan skornya dapat dimuali dari 1 hingga 7 atau dari 1 hingga 9. Penambahan
alternatif jawaban itu dimaksudkan untuk mendapatkan skala yang lebih halus. Namun ada
pula yang berpendapat bahwa untuk mengurangi kecenderungan pilihan ditengah (netral),
maka beberapa peneliti sudah memodifikasi alternatif jawaban , yaitu menggunakan
jenjang 4 (jawaban netral dihilangkan).
Kecuali modifikasi pada banyaknya jenjang , pertanyaan positif dan pertanyaan negative
dapat digunakan secara bergantian dalam sebuah angket (instrument). Fiedler telah
mengembangkan skala LPC (least preffered co-worker) dengan pertanyaan negative dan positif
secara bersama-sama digunakan bergantian untuk mengukur derajat orientasi kepemimpinan ,
seperti tampak pada contoh berikut ini (sekaran, 2003:212):

Contoh 5.11.
Menyenangkan :- :- :- :- :- :- :- :- Tidak menyenangkan
8 7 6 5 4 3 2 1
Bersahabat :- :- :- :- :- :- :- :- Tidak bersahabat
8 7 6 5 4 3 2 1
Membantu :- :- :- :- :- :- :- :- Tidak membantu
8 7 6 5 4 3 2 1
Antusias :- :- :- :- :- :- :- :- Tidak antusias
8 7 6 5 4 3 2 1
kooperatif :- :- :- :- :- :- :- :- Tidak kooperatif
8 7 6 5 4 3 2 1
Suportif :- :- :- :- :- :- :- :- memusuhi
8 7 6 5 4 3 2 1
Menarik :- :- :- :- :- :- :- :- membosankan
8 7 6 5 4 3 2 1
dingin :- :- :- :- :- :- :- :- hangat
8 7 6 5 4 3 2 1
suka bertengkar :- :- :- :- :- :- :- :- serasi (harmonis)
8 7 6 5 4 3 2 1
Percaya diri :- :- :- :- :- :- :- :- ragu-ragu
8 7 6 5 4 3 2 1
Efisien :- :- :- :- :- :- :- :- boros
8 7 6 5 4 3 2 1
murung :- :- :- :- :- :- :- :- ceria (riang)
8 7 6 5 4 3 2 1

Terbuka :- :- :- :- :- :- :- :- hati - hati
8 7 6 5 4 3 2 1
Dalam kaitannya dengan hasil skala Likert , menurut pengalaman penulis, sampai saat ini
masih ada perdebatan , apakah skala Likert menghasilkan skala ordinal ataukah skala interval.
Kalau dibaca dari beberapa literature , menyebutkan bahwa Likert telah mengembangkan
pengukuran yang hasilnya dpat dikategorikan kedalam skala interval, namun ada beberap literature
pula yang mengatakan bahwa hasil dari skala Likert dikategorikan kedalam skala ordinal
(alasannya tidak ditemukan kesamaan derajat yang tinggi antara interval disatu jenjang dengan
jenjang lain). Meskipun belum dlakukan pengamatan yang menunjukkan bahwa skal Likert
mempunyai kecondongan untuk bersifat ordinal atau interval, maka dapat saja kedua pendapat
diatas dianggap benar. Oleh karena itu apabila penliti yang menganggap hasil dari skala Likert
adalah data berskala ordinal, maka data tersebut akan masuk dalam kelompok “data non-metrik”.
Untuk mengolah data non-metrik yang tepat disarankan untuk menggunakan alat analisis statistika
“non-parametrik”. Tetapi bagi peneliti yang mengangap hasil dara skala Likert adalah data interval
, maka data tersebut akan masuk dalam kelompok “data metric”. Untuk engolah data metrik yang
tepat disarankan untuk menggunakan alat analisis statistika “parametric”.
4. Skala Rating Grafik (Grapick Rating Scale)
Model ini mempresentasikan respon dari responden dengan menggunakan grafik , yaitu
berupa sebuah garis yang mempuyai nilai berskala interval. Skala berada dalam suatu kontinum
(continuum) diantara dua titik atah harga yang ekstrim. Nilai ekstrem tersebut bias saja ditentukan
antara 1 hingga 10, atau 1 hingga 15 atau bahkan dari.0 higga 100. Kepada responden diminta
untuk menjawab pertanyaan dengan cara memberi satu tanda pada titik – titik (kontinum) dalam
grafik sesuai dengan sikapnya.
Misalnya penelitian dilakukan untuk mengetahui bagaimana persepsi atau sikap karyawan
terhadap system pengawasan kerja yang dilakukan oleh para supervisor mereka masing-masing.
Salah satu pertanyaan untuk karyawan mengenai persepsnya terhadap pengawasan yang dilakukan
oleh penyelia (pengawas) dapat dirancang berdasarkan skala rating grafik seperti berikut ini:

Contoh 5.12.
Contoh lain misalnya suatu Toserba ingin mengetahui sikap konsumen terhadap tata letak
dari barang-barang yang dijual oleh Toserba tersebut.
Dengan menggunakan metode skala rating grafik , skala dalam instrument dikembangkan sebagai
berikut:
Contoh 5.13.
3. Skala Perbedaan Semantik (Semantic Differential Scale)
Skala ini dibuat dengan menggunakan dua kutub (pollar) , dimana diantara dua kutub
tersebut terdapat ruang yang memiliki gradasi skala (interval). Ruang antara dua kutub yang
mempunyai gradasi (interval) nilai itulah yang dimaksud skala semantic. Pada umumnya dua
kutub tersebut menyatakan kata sifat seperti kuat lemah, baik-buruk, cepat-lambat, feminim-
maskulin, dan sebagainya. Hasil dari pengukuran dengan skala perbedaan semantic ini dapat
dikelompokkan sebagai data interval.

Misalnya penelitian untuk meniai tingkat performa seorang karyawan , maka dapat
dikembangkan skala sebagai berikut:
Contoh 5.14.
Penilaian terhadap performa karyawan:
Rajin - - - - - - - - Malas
Pandai - - - - - - - - Bodoh
Cermat - - - - - - - - Ceroboh
Luwes - - - - - - - - Kaku
6. Skala Numerik (Numeric Scale)

Skala numerik tidak banyak berbeda dwngan skala perbedaan semantic, bedanya hanya
pada teknis penyajian bidang semantiknya. Pada skala perbedaan semantik jarak antar dua kutub
diberi titik-titik atau garis, sedang pada skala numerik diganti dengan angka. Skala numerik juga
menghasilkan data interval.
Sebagai contoh, berikut ini disajikan daftar pertanyaan dengan skala numerik untuk menilai
performa seorang karyawan:
Contoh 5.15.
Rajin 7 6 5 4 3 2 1 Malas
Pandai 7 6 5 4 3 2 1 Bodoh
Cermat 7 6 5 4 3 2 1 Ceroboh
Luwes 7 6 5 4 3 2 1 Kaku
7. Skala Stapel (Staple Scale)

Pada umumnya skala yang lain hanya mengukur tingkat intensitas sikap (respon) dari
subyek (responden), sedangkan pada skala staple ini tidak hanya mengukur intensitas saja tetapi
juga menunjukan arah respon tersebut, yaitu negative atau positif. Skala staple akan menghasilkan
data interval.
Sebagai contoh, berikut ini disajikan daftar pertanyaan dengan skala staple untuk menilai
performa seorang karyawan:

Contoh 5.16.
-3 -2 -1 Rajin +1 +2 +3
-3 -2 -1 Pandai +1 +2 +3
-3 -2 -1 Cermat +1 +2 +3
-3 -2 -1 Luwes +1 +2 +3
8. Skala Jumlah Tetap atau Konstan (Fixed or Constan Sum Scale)

Skala ini memang cenderung agak sulit bagi responden pada umumnya, karena responden
harus mendistribusikan nilai keberbagai pertanyaan, yang jumlah niainya nanti harus sebesar 100.
Skala ini akan menghasilkan data yang berskala ordinal.
Sebagai contoh, misalnya peneliti ingin mengetahui derajat pentingnya setiap dimensi dari
kualitas sabun cuci bagi ibu-ibu rumah tangga:
Contoh 5.17.
Berikan nilai pada setiap dimensi kualitas sabun cuci yang setiap hari anda gunakan. Nilai
harus terdistribusi sesuai tingkat pentingnya dan apabila sudah, maka jumlah seluruh nilai
tersebut harus sama dengan 100.
⧇ Keharuman……………………… Nilai :………….

⧇ Daya bersih…………………….. Nilai :………….
⧇ Keamanan di pakai………… Nilai :………….
⧇ Kemudahan pemakaian….. Nilai ;………….
⧇ Praktis…………………………….. Nilai :………….
Jumlah Nilai : 100
Pengalaman penulis bahwa skala seperti ini masih sangat menyulitkan responden. Tidak
sedikit responden yang dihadapkan pada instrument seperti ini tidak mengisi apa yang
sesungguhnya dialami dan dirasakan, tetapi cenderung asal-asalan saja, kemudian pada pertanyaan
(dimensi) terakhir nilainya disesuaikan agar jumlahnya memenuhi 100.
Skala Rating Komparatif (Comparative Rating Scale)

Seperti telah dijelaskan sebelumnya, bahwa skala rating komparatif ini mengharuskan
responden untuk melakukan perbandingan antara variabel yang satu dengan variabel yang lainnya,
sehingga terbentuklah suatu nilai urutan atau rangking dari yang paling baik atau paling yang
diinginkan hingga yang paling buruk atau paling tidak diinginkan.
Terdapat dua jenis skala yang termasuk ke dalam skala rating komparatif, yaitu skala
rangking (ranking scale) dan skala komparasi berpasangan (paired comparison scale).

1. Skala Ranking (Ranking Scale)
Skala rangking ini dibuat dengan maksud untuk menggali informasi mengenai kesukaan
(preferensi) subyek penelitian antara dua atau lebih obyek yang didasarkan pada pembedaan nilai.
Hasil dari skala rangking ini adalah data yang bersifat ordinal.
Misalnya seorang peneliti mempunyai keinginan untuk mengetahui dari 5 merk “note-
book”, yaitu Sonny, Toshiba, Acer, Lenovo dan Dell, mana yang paling banyak disukai oleh
mahasiswa dan merk mana yang paling tidak disukainya. Ini artinya peneliti mengharapkan agar
responden bersedia meranking mulai dari merk yang paling disukai (paling tidak) hingga merk
yang paling tidak disukai (yang buruk). Untuk memudahkan responden dalam melakukan
pengisian ranking, maka merk yang paling diingini (paling baik) diberi ranking 1, merk yang
kurang diingini (kurang baik) dari ranking 2 dan seterusnya hingga merk yang tidak diingini
(paling buruk) diberi ranking 5. Bentuk skala ranking yang dimaksudkan dapat diikuti pada contoh
berikut:
Contoh 5.18.
Merk Note Book Ranking

 Sony …………………..
 Toshiba …………………..
 Acer …………………..
 Lenovo …………………..
 Dell …………………..
Andaikan pertanyaan tersebut telah disebarkan kepada sejumlah tertentu responden, dan
sejumlah tertentu dari kuesioner yang telah diisi telah dekembalikan responden yang selanjutnya
untuk dianalisis. Hasil dari rangkuman analisis jawaban responden seprti tampak pada table
berikut:
Tabel 5.2 Rangkuman Hasil Skala Ranking.
Merk Ranking Total

1 2 3 4 5
Sony 25% 20% 12% 30% 13% 100%
Toshiba 30% 35% 15% 15% 5% 100%
Acer 10% 20% 25% 20% 25% 100%
Lenovo 20% 15% 35% 20% 10% 100%
Dell 15% 10% 13% 15% 47% 100%
Jumlah 100% 100% 100% 100% 100%
Apabila perhatian kita tujukan pada ranking pertama saja, prosentase terbesar (30%)
memilih merk Toshiba. Ini berarti Toshiba paling digemari oleh mahasiswa. Kesimpulan ini dapat
keliru, karena jika ditelusuri lebih mendalam lagi, ternyata 70% responden tidak menyatakan

Toshiba sebagai ranking pertama. Demikian pula sebaliknya. Sebagian terbesar responden (47%)
menyatakan Dell merupakan merk yang paling tidak disukai. Kesimpulan ini juga keliru, karena
ternyata masih ada sebanyak 53% responden yang tidak menyatakan merk Dell merupakan merk
paling buruk.
Itulah salah satu kelemahan dari pendekatan skala ranking, oleh karena itu perlu dilakukan
perbaikan terhadap metode skala ranking. Hasil perbaikan dari skala ranking yang sering
digunakan adalah Skala Perbandingan Berpasangan (Paired Comparison Scale).
2. Skala Perbandingan Berpasangan (Paired Comparison Scale)

Skala ini dimaksudkan untuk menentukan pilihan responden terhadap pasangan obyek,
yaitu pasangan obyek mana diantara beberapa alternative pasangan yang paling disukai. Apabila
dalam penelitian itu ada obyek, maka banyaknya pasangan yang terbentuk adalah:
𝑛−1
𝑛′ =
2
n’ = banyaknya pasangan obyek

Apabila ada 4 obyek, yaitu A, B, C dan D, maka akan terbentuk sebanyak:
4. (4 − 1)
𝑛′ = = 6 pasangan obyek, yang penjabarannya adalah:
2
A atau B; A atau C; A atau D;

B atau C; B atau D; C atau D
Semakin banyak obyek yang dipasang-pasangkan, maka akan semakin banyak pula
pasangan yang terbentuk. Kondisi ini akan memberikan kecenderungan terjadinya kesalahan
responden dalam melakukan perurutan. Jadi semakin sedikit jumlah pasangan maka akan semakin
mudah penggunaan skala perbandingan berpasangan (Paired Comparison Scale) tersebut.
Sebagai missal, ada tiga kandidat yang akan dipilih sebagai Manajer disebuah perusahaan.
Sebut saja nama ketiga kandidat itu adalah Amir, Badrun dan Cholil. Sebanyak 150 orang
karyawan diperusahan tersebut diminta untuk memberikan nilai preferensinya atas pasangan
kandidat manajer. Pasanganyang mungkin untuk menduduki jabatan tersebut adalah Amir atau
Badrun, Amir atau Cholil dan Badrun atau Cholil. Setelah pasangan ditentukan, sekarang
dirumuskan skala perbandingan berpasangan sebagai berikut:

Contoh 5.19.
Berikan tanda √ (cek) pada salah satu pasangan yang menurut Anda paling tepat
Pasangan Pilihan
Amir lebih baik dari Badrun ………….
Amir lebih baik dari Cholil ………….
Badrun lebih baik dari Cholil ………….
Hasil dari pengukuran terhadap 150 orang karyawan memberikan hasil sebagai berikut:
Tabel 5.3 Hasil Pilihan Calon Manajer
Dari Pada Lebih Baik

Amir Badrun Cholil
Amir - 60 105
Badrun 90 - 20
Cholil 45 130 -
Total 135 190 125 450
Jumlah 0,30 0,42 0,28 1,00
relatif
Hasil dari table diatas dapat dijelaskan bahwa 60 responden menyatakan Badrun lebih baik dari
pada Amir, berarti sebaliknya yang menyatakan Amir lebih baik dari pada Badrun sebanyak 90
responden. Selain itu ada 130 responden yang menyatakan Badrun lebih baik dari pada Cholil,
berarti yang menyatakan Cholil lebih baik dari pada Badrun sebanyak 20 responden, demikian
seterusnya untuk angka-angka yang lainnya.
Dengan melihat nilai relatifnya, dapat disimpullkan bahwa responden berkecendurungan

memilih Badrun sebagai Manajer di perusahaan terebut. Ranking berikutnya berturut-turut Amir
kemudian Cholil.
-oo00oo-

Bagian 6
Instrumentasi
Penggalian data primer dapat
Dilakukan dengan observasi,
Wawancara maupum kuesioner.
Sedangkan data sekunder meng-
Gunakan dokumentasi.
Bagian ini menjelaskan berba-

Gai bentuk instrument untuk
Mengukur sikap, khususnya
Kuesioner.

Metode pengumpulan data merupakan langka penting dalam suatu penelitian, karena
terhadap data itulah pengujian atau analisis akan dilakukan. Kualitas data (goodness of data) akan
sangat dipengaruhi oleh siapa nara sumbernya, bagaimana dan dengan cara atau alat apa data itu
dikumpulkan (diukur). Berdasarkan siapa narasumbernya dan bagaimana data dikumpulkan dapat
dibedakan menjadi data primer dan sekunder.
Data primer, adalah data yang diperoleh berdasarkan pengukuran secara langsung oleh
peneliti dari sumbernya (subyek penelitian).
Misalnya seorang peneliti ingin mendapatkan data mengenal rata rata berat badan balita
disuatu wilayah. Apabila peneliti melakukan penimbangan berat badan Balita tersebut secara
langsung satu persatu, maka data yang diperoleh merupakan data primer.
Data Sekunder adalah data yang tela dikumpulkan oleh pihak lain, dan telah
terdokumentasikan, sehingga peniliti tinggal menyalin data tersebut untuk kepentingan
penelitianya. Misalnya seorang peneliti ingin mendapatkan data mengenai rata rata berat badan
balita disuatu wilayah. Apabila peneliti hanya mendatangi posyandu setempat untuk mencatat data
berat data berat badan Balita dari kartu menju seat (KMS) atau dari dokumen catatan yang ada,
maka data yang diperoleh disebut data sekundder(dalam hal ini peneliti tidak melakukan
penimbangan sendiri). Yang paling penting untuk diperatikan dalam pengumpulan data sekunder
adalah dari siapa (lembaga manaka) yang pertama kali melakukan pengukuran data tersebut (siapa
sumber datanya). Sumber data dapat saja terbentuk individu (perseorangan) atau suatu badan
/lembaga pemerintah atau swasta. Tidak semua sumber data dapat dipercaya tingkat kehandalan
data yang dikumpulkan, karena kenyataan ada beberapa sumber data yang memberikan informasi
berbeda untuk hal yang sama, misalnya telah terjadi perbedaan jumlah pengrajin (UKM) disuatu
wilayah yang disampaikan oleh Biro Pusat Statistik (BPS) dengan yang disampaikan ole dinas
perindustrian, Perdangan dan koperasi (Disperindagkop). Ada perbedaan luas lahan persawahan
yang diinformasikan oleh BPS dengan Dinas Pertanian. Ada perbedaan mengenai jumlah
penduduk yang meninggal dunia akibat banjir yang disampaikan oleh Camat setempat dengan oleh
tim SAR. Sumber data manakah yang sebaiknya dipilih, tergantung seberapa banyak peneliti
mempunyai informasi mengenai proses pengumpulan data yang dilakukan oleh setiap sumber data.
Baik data primer maupun data sekunder, seperti telah diuraikan sebelumnya, dalam
pengumpulan atau pengukuranya selalu menggunakan alat pengukur yang lazim disebut dengan
instrument”. Instrument merupakan segala segala macam alat bantu yang digunakan peneliti untuk
memudahkan dalam pengukuran variabel. Untuk mengukur variabel yang bersifat ektrak untuk
banyak tersedia instrument yang standar, seperti barometer, tecomater, thermometer, timbangan,
meteran, gallon dan lain sebagainya, tetapi untuk variabel yang lebih bersifat abstrak dan kompleks
(seperti konsep), masih sangat jarang ditemukan instrumenya, terlebih lagi instrument yang
standar. Apabila suatu penelitian dihadapkan suatu kepuasan suatu konsumen, motifasi
berprestasi, loyalitas, kepemimpinan dan sebaigainya, maka peneliti harus mendisain
(menciptakan) kuesioner atau angket sebagai instrument pengukur konsep konsep tersebut.

Kegiatan dalam merencanakan, mendisain, menyusun dan menguji suatu alat pengukur
disebut dengan “instrumentasi”. Dalam mendisain instrument , perlu melihat terlebih dahulu
mengenai metode yang digunakan dalam pengumpulan data, apaka metode observasi, metode
wawancara, motode kuesioner atau metode dokumentasi. Untuk lebih mendalami instrument apa
yang akan digunakan, maka berikut ini akan dijelaskan berbagai metode yang pada prinsipnya
tujuanya sama, yaitu untuk mengumpulkan data.
Ditinjau dari cara atau metode pengumpulanya, terdapat beberapa metode pengumpulan
data yaitu:
1. Metode observasi
Observasi adalah suatu metode pengukuran data untuk mendapatkan data primer, yaitu
dengan cara melakukan pengamatan langsung secara seksama dan sistematis, dengan
menggunakan alat indta (indra mata, telinga, hidung, tangan dan pikiran). Beberapa prinsip
yang harus dipenui dalam observasi adalah:
a. Data dapat diukur melalui pengamatan (tanpa berinteraksi langsung dengan subjek
penelitian)
b. Peristiwa atau kejadian hanya terjadi pada periode tertentu dan dapat diamati berulang-
ulang
c. Kapan dan bagaimana pengamatan dilakukan
d. Berapa lama pengamatan harus dilakukan
Observasi sering dikacaukan dengan penelitian lapangan (field research). Riset
lapangan atau kanca bukan sebagai kegiatan observasi, karena riset lapangan
merupakan sebuah kegiatan penelitian yang ditinjau dari tempat (lokasi). Observasi
mempunyai beberapa keunggulan dan sekaligus juga mempunyai kelemaan. Menurut
jogianto (2004:93), beberapa keunggulan dan kelemaan observasi meliputi:
a. Keunggulan observasi
1) Untuk data yang berupa catatan dan prosedur-prosedur mekanik, observasi
merupakan cara-satunya yang dapat dilakukan.
2) Data dapat diperoleh secara orisinil pada saat terjadinya, jadi observasi
merupakan pencacatan data secara real time.
3) Observasi dapat mengindari data yang dilupakan atau disering sperti pada
metode pengumpulan data yang lain. Pada metode wawancara, responden harus
menjawab pertanyaan pertanyaan masa lalu yang mungkin sudah lupa
kejadianya atau responden tidak bersedia menjelaskan semua (intisarinya saja).
4) Data diperoleh langsung dari pengaturan alamiah (natural sting) yang belum
diubah atau dibuat oleh peneliti, artinya data itu dicatat apa adanya tanpa ada
rekayasa.
5) Dapat digunakan untuk studi antar waktu

6) Observasi tidak menanyakan/berinteraksi langsung kepada responden,
sehingga tidak membuat responden tertekan atau repot.
b. Kelemahan observasi
1) Proses observasi biasanya memerlukan waktu yang lama dan biayanya mahal
2) Kadang kala kejadianya yang akan diobservasi belum jelas kapan terjadinya
dan dapat terjadi setiap waktu tanpa terduga. Misalnya mengobservasi badai
tornado yang akan terjadi, karena sulit menentukan kapan badai tersebut terjadi.
3) Proses observasi hanya meliat bagaian yang tampak saja, tetapi bagian yang
terlihat seperti persepsi orang tidak dapat diobservasi.
4) Pengamat tidak dapat mengontrol lingkungan terrjadinya seingga tidak dapat
melakukan ekperimen apa yang akan terjadi jika kondisi lingkunganya berbeda.
5) Terbatas pada kejadian yang sedang terjadi pada dan tempat tertentu saja.
Dapat disimpulkan bahwa metode observasi menggunakan instrument yang paling

dominan adalah alat indra manusia, yaitu mata, telinga, hidung, tangan dan pikiran. Ole karena itu
orang yang kurang sempurna dari salah satu indra tersebut, akan sulit mendapatkan data yang
berkualitas. Selain itu meskipun observasi mempunyai banyak keunggulan, namun lebi banyak
penelitian dalam pengumpulan datanya tidak menggunakan metode observasi. Hal ini disebabkan
oleh berbagai kelemahan yang ada pada observasi tersebut.
2. Metode wawancara
Wawancara (interview) merupakan metode untuk mendapatkan data primer dengan cara
komunikasi dua cara. Wawancara dapat dilakukan dengan beberapa teknik, seperti berikut
ini:
a. Wawancara Tidak Terstruktur (Unstructure Interview)
Wawancara dikatakan tidak terstruktur jika pewancara tidak menggunakan panduan
pertanyaan, sehingga tidak ada urutan yang terencana (jelas) atas pelaksanaan
wawancara tersebut. Wawancara tidak terstruktur ini pada umumnya menggunakan
pertanyaan terbuka. Misalnya seorang peneliti ingin mengetaui apa saja kegiatan
Pegawai negeri sipil (PNS) dari suatu instasi setibanya dirumah. Pertanyaan yang
diajukan langsung oleh pewancara kepada responden dapat seperti ini:
Contoh 6.1
“jelaskan secara rinci, apa yang saudara lakukan setibanya dirumah setelah pulang
dari kantor (pekerjaan)
Contoh lain, misalnya peneliti ingin mengetahui bagaimana budaya kerja yang saat ini
berlaku disuatu instasi, maka peneliti akan mewancarai beberapa orang pegawai yang

bekerja dalam institusi tersebut. Pertanyaan yang diajukan langsung oleh pewancara
kepada responden dapat seperti in:
Contoh 6.2
“berikan komentar anda mengenai budaya kerja dikantor dimana anda bekerja saat
ini”
Pertanyaan itu dapat mengundang berbagai macam respon, tergantung dari

karekteristik masing-masing responden. Ada responden yang memberi jawaban secara
panjang lebar, tetapi ada juga yang jawabanya sangat pendek, ada jawaban yang
relavan dan mungkin ada jawaban yang sulit dimengerti maksudnya.
b. Wawancara terstruktur (Structure interview)

Wawancara terstruktur dilakukan secara terencana, runtut dan dari awal sudah
diketahui informasi apa yang akan digali. Dalam wawancara terstruktur ini, pewancara
biasanya tela memiliki sederetan daftar pertanyaan tertulis yang digunakikan sebagai
panduan (guide) agar wawancara dapat berjalan secara runtut. Perkembangan teknologi
menyebabkan wawancara lebih muda untuk dilakukan, sehingga wawancara tidak
perlu dialakukan tatap muka langsung ditempat yang sama. Telepon, terlebih dengan
teknolgi Caller ID dapat membantu responden untuk benar-benar mengetahui siapa
pewancara dan responden dapat mengatur waktu kapan wawancara sebaiknya
dilakukan internet tela membuka seluas-luasnya untuk berkomunikasi sehari dalam 24
jam dan seminggu dalam tuju (7) hari dimanapun komunikasi dilakukan.
Selain diperlakukan panduan tertulis (guide), agar wawancara berjalan dengan lancer,
maka perlu diperatikan beberapa al berikut ini:
a. Pewancara harus menjelaskan kedudukanya dalam penelitian, siapa

penyelengara,apa tujuan dan manfaat penelitian, alas an responden terpili menjadi
sempel, petingnya dan kerahasian data.
b. Pewancara hendaknya bersikap menjadi pendengar yang baik, mengupayakan agar
responden menikmati suasana wawancara, meyakinkan responden mengenai
petingnya penelitian, melakukan klarifikasi atas jawaban responden untuk
mengindari terjadinya kesalaan pencatatan.

Mengutip pertanyaan jogiyanto,(2004:96), bawa kebijakan maupun kelemaan dari
metode wawancara dikelompokan menjadi:
a. Kebaikan Wawancara
1) Dimungkinkan kerja sama yang baik antara responden dengan pewancara
2) Jika ada jawaban yang kurang jelas, dapat dilakukan probing (mengulangi
ucapan jawaban responden ole pewancara) untuk memperjelas jawaban dan
mengurangi jawaban yang bias.
3) Dapat menggunakan alat bantu visual kusus yang dapat membantu penilaian
4) Tingkat kepastian untuk mendapatkan data sangat tinggi
5) Reaksi responden dapat merupakan indicator tertentu
6) Dapat diketahui mana responden yang cerdas dan mana yang tidak
7) Pewancara dapat menyaring responden yang sesuai dengan yang dibutuhkan
8) Letak geografik responden dapat lebi luas dan menyebar (menggunakan
teknologi informasi)
9) Akses yang lebih baik ke responden karena dapat ditelepon berkali-kali jika
belum tersambung.
10) Dapat digunakan computer untuk menelpon dengan nomer telepon yang acak.
b. Kelemahan Wawancara
1) Biaya mahal jika responden tidak dapat mudah diakses
2) Waktunya lama jika responden tidak mempunyai dan tidak dapat menggunakan
teknologi informasi, sehingga wawancara dilakukan secara tatap muka
langsung.
3) Membutukan pewancara yang terlatih.
4) Waktu pengumpulan data lama.
5) Bebarapa responden tidak mau bicara dengan orang yang tidak dikenal
dirumahnya.
6) Beberapa area pemukiman sulit untuk dijangkau.
7) Responden dapat diatur atau dipilih oleh pewancara untuk menjawab sesuai
kehendak pewancara.
Metode wawancara akan mudah dilakukan jika tersedia instrument yang memadai.
Instrument itu sebagian berada pada wawancara, yaitu indra manusia (liat intrumen
observasi), dan sebagian diluar pewancara, diantaranya dala alat perekam suara (voice
recorder), alat perekam gambar (video recorder) baik untuk video atau foto dan alat-alat
lainya yang diperlukan. Seperti alnya metode observasi, karena tuntutan biaya dan
waktu serta kesedian tenaga, maka metode wawancara tidak banyak digunakan dalam
penelitian.

3. Metode kuesioner
Jika metode observasi dan metode wawancara tidak mungkin dilakukan oleh peneliti
karena berbagai alas an, maka metode kuesioner (questionnaires) atau sering disebut
metode angket. Metode kuesioner merupakan alternative yang mungkin dilakukan untuk
mendapatkan data primer. Metode kuesioner adalah suatu cara untuk mengumpulkan data
primer dengan menggunakan seperangkat daftar pertanyaan mengenai fariabel yang diukur
melalui perencanaan yang matang, disusun dan dikemas sedemikian rupa, seingga jawaban
dari semua pertanyaan benar-benar dapat menggambarkan keadaan variabel yang
sebenarnya.
Seperangkat daftar pertanyaan yang tela disusun sesaui dengan kaidah-kaidah

pengukuran yang digunakan dalam metode kuesioner disebut dengan “angket”. Istilah
angket dan kuesioner sering kali digunakan bergantian dan inilah instrument yang
digunakan untuk pengumpulan data primer dalam penelitian yang variabelnya berisi
abstrak (kuantitatif).
Gambar 6.1 Prinsip Dasar Mendesain Angket

Gambar 6.1 dapat dijelaskan lebih lanjut agar mudah untuk dipahami.
a. Prinsip Susunan Kata
1) Isi dan Bahasa
Isi pernyataan tegantung keabstraksian konsep yang akan diukur, maksudnaya apabila
konsep itu sangan abstak dan kompleks sangat subyektif), maka disarankan menggunakan
beberapa pernyataan yang mampu mengungkap dimensi dan indikator dari konsep yang
bersangkutan. Konsep Yng pengukurannya dilakukan seperti itu, sering disebut variabel
yang berdimensi ganda. Motivasi kerja karyawan atau kepuasan kerja pegawai atau kualitas
advertensi suatu produk dan masi banyak lagi merupakan variabal yang abstrak dan
kompleks sehingga pengukurannya diperlukan sampai pada dimensi dan indikator. Berbeda
dengan pengukuran berat badan, panjang jalan, tekana darah seseorang dan lain sebagainya
tidak memerlukan pengukuran hingga dimensi, karna variabel-variabel tersebut sangat
objektif dan terukur. Bahasa yang digunakan dalam pertanyaan disesuaikan dengan tingkat
pendidikan dan pemahaman serta udaya setempat. Satu istilah kadang mempunyai
pengertian yang berbeda-beda pada budaya yang berbada. Gunakan bahaa yang tepat,
sederhana dan mudah dimengerti.
2) Tipe dan Bentuk Pertanyaan
a. Pertanyaan Terbuka
Pertanyaan dalam angket dapat disusun sebagai pertanyaan terbuka (open-ended

question), yaitu petanyaan yang tidak disertai jawaban dari peneliti, artinya responded
diminta untuk menjawab sesuai dengan apa yang dialami atau dirasakan degan
meggunakan bahasa atau kata-kata sendiri. Terhadap pertanyaan tersebut, responden
mepunyai kebebasan untuk menjawab dengan caranya sendiri. Misalnya ingin diketahui
persepsi pegawai terhadap pelaksanaan program jaminan asuransi kecelakaan kerja, maka
pertanyaan dapat disusun sebagai berikut:
Contoh 6.3
Bagaimana pendapat saudara terhadap pelaksanaan program jaminan asransi kerja

yang ada ditempat kerja saudara?
Seaju mana manfaat dari program jaminan suransi lecelakaan kerja bagi pribadi
saudara?
Saran-saran apa saja yang dapat saudara sampaikan keperusahaansehubungan

dengan program jaminan asuransi kecalakaan kerja selama ini?
Keuntunga dari pertanyaan kerja, bahwa data yang terkumpul merupakan gambaran
mengenai persepsi responden yang sebenarnya. Kelemahannya adalah kesulitan yang
akan dialami peneliti ketika harus mengumpulkan jawaban yang sama dari responden
akan sangat heterogen sesuai dengan karakteristik masing-masing responden.
Umumnya apabila ada 100 orang yang berpendapat maka akan ada 100 pendapat.
b. Pertanyaan Tertutup
Pertanyaan tertutup (closed questions) merupakan suatu pertanyaan yang telah disediakna
beberapa pilihan jawaban yang dapat dipilih oleh beberap responden . Misalnya peneliti
ingin mengukur persepsi pegewai terhadap kondisi ruang kerja mereka, maka
pertanyaannya adalah:
Contoh 6.4
Pilih satu jawaban yang paling sesuai dengan keadaan yang saudara rasakan
1. Kebersiahan ruang kerja saudara saat ini:
a. Sangat kotor
b. Kotor
c. Biasa saja
d. Bersih
e. Sangat bersih
2. Kenyamanan ruang kerja saudara:
a.sangat tidak nyaman
b. Tidak nyaman
c. Biasa saja
d. Nyaman
e. Sangat nyaman
3. Kebisingan ruang kerja saudara:
a. sangat bising
b. bising
c. biasa saja
d. tenang

e. sangat tenang
Contoh lain misalnya ingin diketaui apa yang dilakukan PNS setelah pulang dari keja, maka
pertanyaannya adalah:
Contoh 6.5
Yang saudara lakukan sesampainya dirumah setelah pulang kerja adalah (boleh pilih
lebih dari satu jawaban):
a. Membaca novel atau sejenisnya
b. Membaca majalah, koran dan sejenisnya
c. Merawat rumah, kebun dan sejenisnya
d. Nonton televisi
e. Istirahat, tidur
f. Rekreasi, memancing, shoping dan sejenisnya
Pertanyaan-pertanyaan seperti itu ajakn sangat memudahkan peneliti untuk melakukan

pengelompokan data, tetapi bagi responden mumngkin saja alternatif pilihan yang
disediakan tidak sesuai dengan keinginannya.
a. Pertanyaan Positif
Adalah suatu pertanyaan yang narasinya atau kata-katanya disusun dengan kalimat positif, yaitu
kalimat mengarah ke hal-hal yang secara normatif “baik”. Misalnya peneliti ingin mengetahui
kulitas suatu promosi suatu produk, maka pertanyaannya dapat dibuat seperti berikut ini:
Contoh 6.6
SS : Sangat sejutu TS : tidak setuju
S : Setuju STS : sangattidak setuju
N : Netral
Variabel “ promosi”
SS S N TS STS
Informasi lengkap 5 4 3 2 1
Informasi jelas 5 4 3 2 1
Memberi citra positif 5 4 3 2 1
Mengunggah minat beli 5 4 3 2 1

Contoh lain, misalnya peneliti ingin mengetahu kualitas lingkungan kerja bagi pegawai,
pertanyaanya dapat dibuat seperti berikut ini:
Contoh 6.7
SS : Sangat setuju TS : Tidak setuju
S : Setuju STS : Sangat tidak setuju
N : Netral
variabel “lingkungan kerja”.
SS S N TS STS
Sangat rapi 5 4 3 2 1
Bebas dari kebisingan 5 4 3 2 1
Sangat nyaman 5 4 3 2 1
Sejuk 5 4 3 2 1
d. Pertanyaan Negatif
Adalah suatu pertanyaan yang narasinya atau kata-katanya disusun dengan kalimat negatif,
yaitu kalimat yang mengarah ke hal-hal yang secara normatif “jelek” atau “tidak abik” tau
“merugikan”. Apabila contoh pada pertanyaan positif tersebut dirubah menajdi pertanyaan
negatif, maka partanyaan tersebuat narasinya seperti berikut ini.
Contoh 6.8.
SS : Sangat Setuju TS : Tidak Setiuju
S : setuju STS : Sangat tidak setuju
N : Netral
Variabel “Promosi”.
SS S N TS STS
Informasinya Tidak Lengkap 5 4 3 2 1
Informasinya Tidak Jelas 5 4 3 2 1
Nampak Membohongi 5 4 3 2 1
Tidak Membangun Minat Beli 5 4 3 2 1

Contoh 6.9.
SS : Sangat Setuju TS : Tidak Setiuju
S : setuju STS : Sangat tidak setuju
N : Netral
Variabel “ Lingkungan Kerja”
SS S N TS STS
Sangat semrawut 5 4 3 2 1
Sangat Bising 5 4 3 2 1
Sangat tdiak Nyaman 5 4 3 2 1
Udaranya Panans 5 4 3 2 1
3) Hindari Pertanyaan Berikut
 Pertanyaan Ganda
Usahakan untuk tidak menggunakan pertanyaan ganda, karena pertanyaan ini memerlukan
respon ganda dari responden. Misalnya mengukur tentang kualitas pelayanan seorang
costumer service disuatu bank, maka salah satu pertanyaanya adalah:
Contoh 6.10
Pendapat saudara mengenai ketampanan da keramahan customer service disuatu bank yang
pernah melayani saudara.
Pertanyaan diatas sulit untuk dijawab responden, karena kenyataan ketampana dan
keramahan isa bertantangan. Munngkin parasnya cantik teteap tidak ramah, atau
seabliknya, parasnya jelek tetapi sangat ramah.
 Membingungkan (ambigu)
Hindari pula pertanyaan yang tidak jelas makdsudnya atau membingungkan responden
untuk menjawab. Misalnya suatu pertanyaan berikut ini:
Contoh 6.11.
Bagaimana perasaan dan pendapat saudara “disini”
Pertanyaan itu sangat membingungkan, karena yang dimaksud “perasaan atau pendapat
itu” perasaan dan pendapat mengenai apa. Sedang kata “disini “ yang dimaksud peneliti
adalah lokasi atau wilayah yang mana?, hal ini tidak jelas.

 Memerlukan Ingatan
Hindari pertanyaan yang memaksa responden untuk mengingat-ngingat sesuatu yang
pernah dialami. Setiap manusia mempunyai daya ingat dan daya simpan (memori) yang
berbeda-beda. Bagi responden yang ditanyakan terhadap sesuatu yang ditanyakan dalam
kuesioner, maka ada tiga alternatif yang mungkin dilakukan responden, yaitu:
1. Reponden berjuang untuk terus mengingat-ingat

2. Responden meninggalkan (mengabaikan) pertanyaan tersebut
3. Responden menjawab tidak jujur (tidak obyektif) atas pertanyaan tersebut
Misalnya suatu pertanyaan berikut ini:
Contoh 6.12
Sebutkan dalam dua tahun terakhir ini berapa kali saudara membantu teman sekerja
untuk menyalesaika tugasnya?
Tidak terlalu mudah memang untuk mengingat-ingat frekuensi berapa kali pernah
membantu teman sekerja, karena kejadiannya kadang spontan.
 Mengndung Sugesti
Hindari pertanyaan yang jawabannya mengarah kepada apa yang disukai atau tidak disukai
peneliti. Misalnya pertanyaan seperti berikut ini:
Contoh 6.13
1. Anda pasti sependapat, jika pegawai terlebih dahulu menunjukan kinerja yang
tinggi, perusahaan juga bersedia memberi imbalan yang memadai.
2. Anda pasti setuju jika perusahaan tidak mengabulkan tuntutan pegawai, maka
mogok kerja dan demonstrasi merupakan senjata ampuhnya.
Kata-kata anda pasti sependapat dan anda pasti setuju merupakan kata-kata yang
sugestiatau mengarahkan jawban responden untuk meng-iyakan. Dalam situasi ini seolah-
olah peneliti memaksakan responden untuk menjawab pertanyaan itu sesuai dengan
keinginannya.
 Menimbulkan Emosi
Peneliti harus mampu menghindari pertanyaan yang menimbulkan munculnya emosi ngatif
dari reponden. Contoh berikut ini menunjukan kata-katanya dapat menggugah pertanyaan
responden:

Contoh 6.14.
1. Kepada karyawan yang mengancam akan melakukan mogok kerja secara anrkis,
sebaiknya segera dipecat secara tidak hormat.
2. Koruptor yang menyengsarakan rakyat seharusnya dihukum mati saja.
Kata-kata ‘mengancam”, mogok kerja secara anarkis”, “dipecat dengan tidak hormat”, dan
“dihukum mati”merupkan kata-kata yang dapat menggugah emosi seseorang.
 Menyangkal Secara Sosial

Kekhawatiran peneliti terhadap tidak diperolehnya data dari responden atau mungkin
alasan lainya, peneliti sengaja membuat pertanyaan yang secara umum (norma sosil)
adalah baik atau menyenagakan. Misalnya beberapa contoh berikut ini:
Contoh 6.15.
1. menurut saudara, perusahaan seharusnya memperlakuan karyaawan sesuai dengan
kodratnya sebagai manusi (tidak mengeksploitasi).
2. menurut saudara, THR yang diberikan 2 minggu sebelum hari raya akan sangat
bermanfaat bagi karyawan”.
3. buruh akan merasa sejahtera bila pemerintah meningkatkan UMR hingga 50% dari yang
sekarang.
Secara normatif, pertanyaan diatas merupakan pertanyaan yang berisi pernyataan yang
menyengkan seua orang (buruh). Semua buruh akan senang diperlaukan sebagai kodratnya
manusia, semua buruh akan senang jika THR diberikan 2minggu sebelum hari raya dan
semua buruh akan senang jika UMR akan dinaikan hingga 50% dari sekarang.
4) Panjang dan Urutan Pertanyaan

Dari pengalaman yang saya jumpai, pertanyaan yang sederhana dan pendek lebih disukai
oleh responden. Sekarang (2003:242) menyatakan bahwa setiap pertanyaan hendaknya tidak lebih
dari 20 suku kata, tetapi tidak boleh kehilangan makna dari pertanyaan itu. Demikian pula dengan
ururtan pertanyaan, sebaiknya diurutkan dari pertanyaan yang bersifat umum menuju pertanyaan
yang lebih spesifik dan dari pertanyaan yang bersifat sederhana menuju kepertanyaan yang lebih
kompleks (yaitu pertanyaan yang jawabanya membutuhkan pemikiran lebih cermat, meskipun
jawaba telah disediakan peneliti). Apabila dalam angket terdapat satu indikator ditanyak dengan
dua butir pertanyaan, masing-masing adalah pertanyaan negatif dan pertanyaan positif, maka
pertanyaan itu jangan diletakan beruntun.
5) Data Klasifikasi (Informasi Pribadi)

Data klasifikas (informasi pribadi/data demografi) merupakan informasi yang berkaitan
dengan karakteristik responden, diantaranya nama, agama, tingakat pendidikan. Pengalaman ketja,

status perikanan, pengalaman kerja, status pernikahan, jumlah tanggungan pendapatan dan sebagai
lainnya. Merupakan pertanyaan yang bereksiko tinggi untuk tidak di jawab responden .karena itu
penelitian itu harus sudah mempersiapkan teknik penyusunan angket yang tidak menyinggung
perasaan responden (happy ending).namun apa bila menjadi subjeck penelitian adalah perusahaan
(instusi),maka data/informasi,pribadi dapat meliputi,usia perusahaan,status kepemilikan,bentuk
perusahaan,status kepemilikan,bentuk perusahaan,ukuran[erusahaan dan lain sebagainya.
Meletakkan pertanyaan untuk mengungkap informasi pribadi tersebut di atas dapat di letakkan
bagian paling awal atau dibagian paling akhir,pilih ini tergantung dari asumsi peneliti terhadap
responden. Diletakkan di bagian paling awal, asumsinya responden akan menjawab dengan
mempertimbangkan data pribadi yang di tuliskan,sehingga mereka harus menunjukkan tingkat
komitmen yang tinggi untuk mengisi dengan baik. Sedangkan asumsi diletakkan di bagian akhir
responden mungkin akan mengisi secara jujur dan obyektif
c. Prinsip pengukuran
Pertanyaan-pertanyaan dalam angket harus mengacu pada prinsip pengukuran,artinya apa

yang nanti akan di peroleh dari angket harus sudah dapat di tentukan.nkarena itu pertanyaan dalam
angket harus dapat di tentukan.karena itu pertanyaan dalam angket harus mengacu pada tipe atau
jenis data seperti apa yang di perlukan dalam penelitian. Yaitu apakah dapat bersifat
normal,oedinal,interval ataukan data bersifat rasional.instrumen yang menghasilkan data dengan
skala ordinal dan interval benar benar harus mampu menghasilkan data yang lebih baik karena
data itu kuantifikasi dari data kualitatif .untuk,itu instrument perlu di uji validitas dan realibilitas
nya melalui data yang telah di kumpul intrumen tersebut
Validitas berkaitan kasihan atau ketepatan data,sedangkan realibilitas berkaitan dengan

kejengan (konsisten)dari alat ukur jika pengkuran di lakukan berulang ulang pada obyek yang
sama.
C. penampilan fisik kuasioner
Tidak kalah pentingnya memperhatikn kousioner(angket)dari penampilan fisiknya. Angket

yang di desain dengan atraktif rapi bahan (kertas) yang bagus,di ikuti dengan pengantar yang
baik,pendahuluan yang tepat ,instruksi yang mudah di pahami akan memberiakan motifasi.untuk
menghilangkan keraguan dan kecurigaan responden terhadap penelitianperlu di sampaikan
indentitas penelitian serta di jamin kerahasiaan responden.

Contoh 6.16.
“EQ”research centre
Jl.condong akur,tlp.0274123456/fax.0274.654321
Responden yang terhormat
Pembawa angket ini adalah salah satu staf penelitian dari”EQ”reascerh centre,sedangkan
mendapatkan tugas untuk melakukan pengumpulan data berkaintan dengan penelitian mengenai
efektivita promosi suatu produk di stasiun TV swasta.anda telah terpilih menjadi salah satu
responden (dari 2500 responden yang di rencanakan )karena anda adalah orang yang di pandang
dapat memberikan informasi yang tepat dan obyektif mengenai tersebut di atas jawaban anda
semata mata hanya untuk kepentingan perusahaan yang bersangkutan dan saya akan menjamin
kerahasiaan. Untuk memastikan privasi anda maka saya sampaikan nomor telpon saya untuk
memudahkan anda menghubungi saya.
Saya sangat menghargai bantuan anda dalam mempelancarkan proses penelitian ini, oleh karena
itu pada kesempatan ini saya mengucapkan terimakasih atas segala waktu , kerelaan dan kerjasama
anda.
Salam hangat
Direktur:
Zainal
Mustafa EQ
(HP.0000000000)
d. instruksi pengisian angket
Angket harus mempunyai instruksi yang jelas agar dapat membantu memudahkan
responden untuk menjawab secara benar dan obyektif.jika perlu di beri contoh.
Contoh 6.17.
Jawablah pertanyaan berikut secara jujur dan obyektif,kaitkan dengan apa yang anda alami sehari-
hari dalam pengerjaan anda.

Pilihlah satu jawaban yang paling tepat untuk anda.caranya beri tanda ceklis/cocok untuk
alternative jawaban yang anda pilih.
Saya harus bertanggung jawab atas hasil kerja saya:
a. saya tidak setuju

b. tidak setuju
c. netral (tidak tahu)
d. setuju
e. sangat setuju
4. metode dokumentasi
Banyak penelitian yang dalam analisanya menggunakan data sekunder,yaitu data yang
sudah tersedia sehingga penelitian tinggal menyalin saja. Data sekunder dapat dipergunakan
sebagai sarana pendukung memahami dan menjelaskan masalah yang akan diteliti agar lebih
opersional dan memberikan solusi permasalahan yang ada.
Jika demikian maka penelitian sudah seharusnya untuk mengetahui berbagai sember yang
muat data sekunder yang di perlikan. Sumber data sekunder dikelompokkan menjadi dua, yaitu
internal dan eksternal. Yang dimaksud sumber internal adalah institusi dimana itu dilakukan (dari
organisasi itu sendiri). Secara fungsional sumber internal dapat berasal dari divid keungan,divisi
SDM,divisi operasional dan divisi pemasaran. Untuk perusahaan besar, pada umumnya data
dokumentasi dalam perpustakaan perusahaan(khususnya untuk perusahaan yang telah go public).
Sumber data sekunder eksternal adalan lembaga institusi di luar perusahaan atau istitusi
penelitian,misalnya di perusahaan-perusahaan, organisasi organisasi perdagangan, biro pusat
statistic, dan kantor kantor pemerintahan dan istitusi lainnya.
Meskipun data sekunder secara fisik sudah tersedia, namun dalam mencari data tersebut
tidak boleh di lakukan secara sembarangan, perhatikan apakah jenis data sudah sesuai dengan
tujuan penelitian, siapa yang mengumpul data pertamakalinya dan bagaimana memilih sumber
yang tepat jika ada sumber yang berbeda untuk data yang sama. Beberapa tahap strategis pencarian
data sekunder adalah sebagai berikut:
a. Indentifikasi kebutuhan
indentifikasi kebutuhan dapat dilakukan dengan cara membuat pertanyaan pertanyaan
sebagai berikut: apakah penelitian memerlukan data sekunder dalam memecahkan masalah
yang akan di teliti? Jika jawabannya ya selanjutnya jenis tipe data sejunder seperti apa yang
dibutuhkan?
b. Memilih metode pencarian

Metode pencarian data sekunder dapat dilakukan secara manual dari sumber referensi atau
secara terkoputerisasi. Teknologi informasi telah berkembang pesat,sehingga computer

memungkinkan penlitian mencari data sekunder melalui database online,CD-ROM atau
internet.
c. Menyaring dan mengumpulkan data

Langkah berikutnya ialah melakukan penyaringan dan pengumpulan data. Penyaringan di
lakukan untuk mendapatkan data sekunder yang benar benar di butuhkan dan sesuai dengan
penelitian.
d. Evaliasi data
Untuk mendapatkan data terbaik, maka data yang telah tersaring tersebut di evaluasi
kembali dalam kaitannya dengan kualitas dan kecukupan data. Periksa kembali apakah ada
pencatatan atau perekam yang keliru.
Setelah keempat langkah itu dilalui,maka data akan di peroleh dan siap untuk dianalisis
lebih lanjut.
SUPLEMEN KOSIONER
1. Program layan total(complete care)

2. Keadilan distribusi
3. Keadilan prosedur
4. Keadilan interkasional
5. Budaya organisasi yang cocok untuk seorang pegawai
6. Keterlibatan kerja
7. Pertisipasi pegawai
8. Konflik peran dalam pekerjaan
9. Tigkat pentingnya karier
10. Gaya kepemimpinan (LPC)
11. Tingkat kualitas produk
12. Harga produk
13. Iklan berdasarkan penelitian konsumen
14. Kepemimpinan

1. Kuisioner complete care
Perusahaan computer “ZME” menawarkan program pelayanan complete care. Dimana pun
anda berada,manfaat layanan ini, dan itulah sebabnya kami mohon kepada anda untuk
meuangkan sedikit waktu untuk menilain sejauh mana program ini dapat memberikan
kepuasan anda.
Kurang memuaskan cukup memuaskan sangat memuaskan sempurna sangat

sempurna
1 2 3 4
5
1. Bantuan telepon dlm. Menangani masalah anda. Menangani masalah anda: 12345
a. kecepatan dalam member jawaban 12345
b. kompetensi teknis 12345
2. Evektivitas jasa kurir: 12345
a. pengaturan 12345
b. kecepatan pengambilan 12345
c. kecepatan pengiriman 12345
3. Kecepatan dari keseluruhan proses perbaikan 1 2345
4. Pemecah masalah yang menunjukan perbaikan 12345
5. Kondisi perusahaan ketika angda dating 12345
6. Kesan menyeluruh dari evektifitas complete care 12345
7. Keseluruhan dalam menggunakan complete care 12345
pada kesempatan lain
(1 = sangat tidak suka, 3 = biasa saja, 5= sangat suka)
8. Kesukaan beli kembali dari perodak dari ZME 12345
(1 = sangat tidak suka,3 = biasa saja,5 = sangat suka)
a. jasa/perbaikannya memuaskan 12345
b. kinerja produk 12345
komentar /saran:__________________________________________________
agar kami dapat menghubungan anda kembali,tuliskan:

nama: ______________________telepon/HP: ___________________________
kota: _______________________

2. Kuisioner keadilan distributif
Keterangan alterative jawaban:
SS : sangat setuju
S : setuju
N : netral
TS : tidak setuju
STS: sangat tidak setuju
_______________________________________________________________
1. Semua penghargaan yang saya terima cukup adil SS S N TS STS
2. Peningkatan pada diri saya member saya sejumlah SS S N TS STS
nilai yang pantas
3. Gaji saya sesuai dengan kinerja saya SS S N TS STS
4. Gaji saya sesuai dengan tanggung jawab yang saya SS S N TS STS
emban
5. Saya dengan adil dihargai sesuai dengan pendidikan SS S N TS STS
saya
6. Saya dengan adil dihargai sesuai dengan pelatih SS S N TS STS
yang telah saya jalanin
7. Saya dengan adil dihargai sesui dengan pengalaman SS S N TS STS
saya
8. Saya dengan adil dihargai sesuai dengan kerja keras SS S N TS STS
yang saya lakukan
9. Saya dengan adil dihargai untuk kerja yang telah SS S N TS STS
saya lakukan
10. Saya dengan adil dihargai menurut tingkat tekanan SS S N TS STS
dalam pekerjaan saya
3. Kuesioner Keadilan Prosedural
(Beungre,1998)
Keterangan alternative jawaban:
SS : Sangat Satuju
S : Setuju
N : Netral

TS : Tidak Satuju
STS : Sangat Tidak Setuju
1. Prosedutur yang objektif digunakan dalam SS S N TS STS

Mengevaluasi kinerja saya
2. Usulan saya dipertimbangkan dalam SS S N TS STS
Mengevaluasi kinerja saya
3. Suvermisi saya meminta usulan saya se- SS S N TS STS
Belum merekomendasi
4. Evaluasi kinerja saya berdasarkan pada SS S N TS STS
Ketepatan informasi dari saya
5. Usulan saya tentang apa yang dapat saya SS S N TS STS
Lakukan untuk meningkatkan kinerja pe-
Rusahaan ditampung

4. Kuesioner Keadilan Interaksional
(Beungre,1998)
Keterangan alternative jawaban:
SS : Sangat Satuju
S : Setuju
N : Netral
TS : Tidak Satuju
STS : Sangat Tidak Setuju
1. Ketika keputusan mengenai pekerjaan SS S N TS STS

Saya dibuat, penyedia memperlakukan
Saya dengan baik dan perhahatian
2. Saya diperlakukan dengan penuh dan mar- SS S N TS STS
Tabat
3. Ketika keputusan mengenai pekerjaan saya SS S N TS STS
Dibuat, penyelia mengerti akan kebutuhan
Pribadi saya
4. Ketika keputusan mengenai pekerjaan SS S N TS STS
Saya dibuat, penyelia menunjukan perha-
Tian pada hak saya sebagai pekerja.
5. Keputusan mengenai pekerjaan saya, pe- SS S N TS STS
Nyeliamembahas implikasiinya denngan
Saya
6. Penyelia menawarkan pembenaran yang SS S N TS STS
Cukup unntuk keputusan mengenai peker-
Jaan saya
7. Supervise memberikan penjelasan saya ra- SS S N TS STS
Sional ketika membuat keputusan menge-
Nai pekerjaan saya
8. Supervisi menjelaskan dengan jelas sekali SS S N TS STS
Setiap keputusan yang dibuat untuk peker-
Jaan saya

5. Kuesioner Menentukan Budaya Organisasi Yang Cocok Untuk Seorang Pegawai
(Robbins, 1996:309).
Budaya organisasi macam apakah yang paling cocok untuk anda?

Untuk pertanyaan berikut beri tanda ceklis/cocok (√) jawaban yang paling sesuai dengan
pribadi anda.
SS : Sangat Setuju TS : Tidak Setuju
S : Setuju STS : Sangat Tidak Stuju
TP : Tidak Pasti
Khusus untuk 5 dan 6 digunakan skor sebagai berikut:

SS: + 2 S: = TP: 0 TS:-1 STS:-2
Untuk butir pertanyaan lainnya di beri sekor kebalikan dari yang di atas.
Semakin tinggi (positif) skor anda , maka anda semakin nyaman berada pada buaya organisasi
yang formal, mekanistik, berorientasi pada aturan dan terstuktur . skor yang semakin kecil
(negatif) menunjukan dan prefensi budaya yang informal, humanistic, fleksibel, dan inovatif
yang lebih banyak ditemui di perusahaan periklanan , perusahaan teknologi , dan bisnis kecil.

6. Kuesioner Tingkat Keterlibtan Kerja
(Sekaran, 2003:210 diselaraskan.)
Tingkat ketertiban kerja (Job Involvement) pegawai

Berikan tanda ceklist/cocok (√) pada jawaban yang paling sesuai
Dengan apa yang anda rasakan .

7. Kuesioner Partisipasi Pegawai
(Sekaran , 2003:211 diselaraskan.)
Partisipasi dalam pengambilan keputusan yang berkaitan dengan pekerjaan anda.
Berikan tanda ceklis/cocok (√) pada jawaban yag paling sesuai dengan apa yang anda
rasakan .

8. Kuesioner Konflik Peran Dlam Pekerjaan
(Sekaran, 2003:211 diselaraskan)
Konflik peran (Role Conflict) dalam pekerjaan yang di alami oleh

Pegawai.
Berikan tanda Ceklis/cocok(√) pada jawaban yang paling sesuai dengan apa yangdi rasakan
.

9. Kuesioner Tingkat pentingnya Karier
(sekaran, 2003:212 diserasakan)
Instrumen pengukur pentingnya tingkat karir (Career Salience)

Bagi karyawan
Isikan angka : 1. Jika Anda Sangat Tidak Setuju

2. Jika Anda Tidak Setuju
3. Jika Anda Tidak Berpendapat (netral)
4. Jika Anda Setuju
5. Jika Anda Sangat Setuju
Pertanyaan Jawaban
1. Karier saya merupakan pekerjaan yang baik bagi saya………….. ……………………
2. Karier saya memberi kontribusi untuk kesejahteraan masyarakat… ……………………
3. Karier yang saya terjuni cocok dengan kepribadian saya………… ……………………
4. Diklat yang saya jalani tidak sesuai dengan karier saya………….. ……………………
5. Saya tidak ingin merubah karier saya…………………………….. ……………………
6. Semua upaya yang saya curahkan untuk mencapai karier terasa sia-
sia belaka…………………………………………………………. …………………….
7. Karier saya merupakan bagian dari integral dari hidup saya…….. …………………….
10.

11. Kuesioner Gaya Kepemimpinan (LPC)
(Sekaran, 2003:212 dan Robin, 1996:70)
LPC (Least Preffered Cowoker) untuk menilai apakah karyawan

Berorientasi pada hubungan (orang ) atau berorientasi pada tugas
Bayangkan seseorang ketika anda bekerja dengannya kinerja anda menjadi buruk .
mungkin orang itu sekarnag sedang bekerja dengan anda, atau orang itu adalah teman kerja
anda masa lalu.
Orang tersebut tidak harus orang yang anda benci ,tetapi orang yang paling sulit untuk
diajak menyeleaikan pekerjaan.
Jelaskan orang tersebut menurut perasaan anda dengan member ceklis/cocok(√) pada titik
yang anda yakini oaling tepat.
Menyenangkan : - : - : - : - : - : - : - : - : Tidak menyenangkan
:8 7 6 5 4 3 2 1
Bersahabat : : - : - : - : - : - : - : - : - : Tidak menyenangkan
:8 7 6 5 4 3 2 1
Menolak : - : - : - : - : - : - : - : - : Meminta Baik
:8 7 6 5 4 3 2 1
Membantu : - : - : - : - : - : - : - : - : Merepotkan
:8 7 6 5 4 3 2 1
Tidak Antususias : - : - : - : - : - : - : - : - : Antusisas
:8 7 6 5 4 3 2 1
Tegang : - : - : - : - : - : - : - : - : Santai
:8 7 6 5 4 3 2 1
Jauh : - : - : - : - : - : - : - : - : Dekat
:8 7 6 5 4 3 2 1
Dingin : - : - : - : - : - : - : - : - : Hangat
:8 7 6 5 4 3 2 1
Kooperatif : - : - : - : - : - : - : - : - : Tidak Kooperatif
:8 7 6 5 4 3 2 1
Suportif : - : - : - : - : - : - : - : - : Memusuhi
:8 7 6 5 4 3 2 1
Membosankan : - : - : - : - : - : - : - : - : Menarik
:8 7 6 5 4 3 2 1

Suka bertengkar : - : - : - : - : - : - : - : - : Serasi (harmonis)
8 7 6 5 4 3 2 1
Percaya diri : - : - : - : - : - : - : - : - : Ragu-ragu
8 7 6 5 4 3 2 1
Efisien : - : - : - : - : - : - : - : - : Boros
8 7 6 5 4 3 2 1
Murung : - : - : - : - : - : - : - : - : Ceria (riang)
8 7 6 5 4 3 2 1
Terbuka : - : - : - : - : - : - : - : - : Hati-hati
8 7 6 5 4 3 2 1
Jika total skor ≥ 64 (LPC tinggi) maka anda termasuk orang yang berorientasi hubungan. Jika total
skor ≤ 57 (LPC rendah) , maka anda termasuk orang yang berorientasi tugas. Jika total skor 58 s/d,
Anda masih perlu menetapkan diri untuk masuk kategori yang mana.

11. Kuisioner Tingkat Kualitas Produk
Sekaran, 2003:213
Instrumen pengukur tingkat kualitas produk berdasarkan penilaian konsumen.
Berikan tanda ceklis/cocok (√ ) pada jawaban yang paling sesuai dengan apa yang anda
rasakan.

12. Kuesioner Harga Produk
(Sekaran, 2003:214)
Instrumen pengatur harga suatu produk berdasarkan penilaian konsumen.
Berikan tanda ceklist/cocok (√) pada jawaban yang paling sesuai dengan apa yang anda
rasakan.

13. Kuesioner Iklan Berasarkan Penilaian Konsumen
(Sekaran, 2003:214)
Instrumen pengukur iklan suatu produk berdasarkan penilaian konsumen.
Berikan tanda ceklist/cocok (√) pada jawaban yang paling sesuai dengan apa yang anda
rasakan.

14. Kuesioner Kepemimpinan
(Maskat, 1992:52-64)
Instrumen ini dibuat untuk mengukur variable-variabel keteladanan, pelaksanaan tugas,

pengembangan individu dan kekompakkan tim serta efektivitas kepemimpinan.
Berikan tanda ceklist/cocok (√) pada jawaban yang paling sesuai dengan apa yang anda rasakan.
1. Keteladanan
1.1 Dalam satu bulan, pemimpin saudara masuk kerja di kantor selama :
 Lebih dari 23 hari
 Antara 21-23
 Kurang dari 21 hari
1.2 Pemimpin saudara mengikut apel pagi dan siang :

 Selalu
 Kadang-kadang
 Tidak pernah
1.3 Selama jam kerja pemimpin pernah meninggalkan tempat kerja?

 Tidak pernah
 Selalu
 Kadang-kadang
1.4 Selama satu bulan pimpinan minta ijin untuk tidak bekerja :
 Tidak pernah
 Kadang-kadang
 Seringkali
1.5 Saat berdinas, pimpinan berpakaian sesuai dengan ketentuan ?

 Selalu
 Kadang tidak sesuai
 Selalu tidak sesuai
1.6 Penampilan sehari-hari pimpinan saudara :

 Selalu simpati
 Sering kali simpati
 Kadang simpati

1.7 Cara pimpinan memerintah, menerima laporan dengan muka marah:
 Tidak pernah
 Kadang-kadang
 Seringkali
1.8 Pimpinan kelihatan malas dalam bekerja :

 Tidak pernah
 Kadang-kadang
 Seringkali
1.9 Pimpinan kelihatan serius pada saat bertugas :

 Setuju
 Kurang setuju
 Tidak setuju
2. Pelaksanaan Tugas
2.1 Pimpinan bertanggung jawab atas tugas yang tidak dikerjakan oleh anggotanya :
 Selalu
 Seringkali
 Kurang
2.2 Wewenang pimpinan seimbang dengan tanggung jawabnya :

 Seimbang
 Kurang seimbang
 Tidak seimbang
2.3 Penjelasan pimpinan mengenai sasaran organisasi :

 Jelas sekali
 Kurang jelas
 Tidak jelas
2.4 Program kerja yang dibuat pimpinan diinformasikan dengan :

 Jelas sekali
 Kurang jelas
 Tidak jelas

2.5 Anggota mengetahui rencana kerja yang dibuat pimpinan dengan :
 Jelas sekali
 Kurang jelas
 Tidak jelas
2.6 Pimpinan memberi arahan dan memeriksa tugas anggota :

 Mengarahkan dan jelas
 Mengarahkan, tetapi kurang jelas
 Tidak mengarahkan
2.7 Pimpinan menjelaskan siapa bertanggung jawab pada siapa kepada anggota :
 Jelas dan sudah dilaksanakan
 Kurang jelas
 Tidak jelas
2.8 Keberhasilan pimpinan meningkatkan keterampilan anggota :

 Berhasil
 Kurang berhasil
 Gagal
2.9 Pimpinan mampu mengelola waktu kerja, sehingga :

 Sangat efisien
 Cukup efisien
 Kurang efisien
2.10 Kemampuan pimpinan mengandalkan kelompok kerja :

 Sangat baik
 Cukup baik
 Kurang baik
2.11 Pimpinan menerima laporan periodic dan mengevaluasi :

 Selalu dan ada tindak lanjut
 Sering, tapi kurang dilaksanakan
 Kurang dan tidak ada tindak lanjut

2.12 Pimpinan mendelegasikan tugas dan wewenangnya pada anggota, ketika pimpinan tidak
berada di tempat :
 Selalu
 Kadang-kadang
 Tidak pernah
2.13 Pimpinan memeriksa setiap hasil pekerjaan yang telah dilakukan :

 Selalu
 Kadang-kadang
 Tidak pernah
3. Pengembangan Individual
3.1 Pimpinan memperhatikan penetapan tanggung jawab anggotanya :
 Sangat memperhatikan
 Kurang memperhatikan
 Tidak pernah
3.2 pimpinan memberikan target dan cara pencapaiannya :

 Selalu
 Kadang-kadang
 Tidak pernah
3.3 Sarana pencapaian target yang dimiliki organisasi :

 Mempunyai dan sangat mendukung
 Kurang mendukung
 Tidak mendukung
3.4 Penyelenggaraan pelatihan untuk memperlncar tugas :

 Seringkali
 Kadang-kadang
 Tidak pernah
3.5 Pimpinan memberi penghargaan bagi pegawai yang sukses dan memberi kritikan bagi
pegawai yang gagal melaksanakan tugas :
 Selalu
 Kadang-kadang
 Tidak pernah

3.6 Pimpinan memperhatikan keadilan terhadap prestasi pegawai :
 Selalu
 Kadang-kadang
 Tidak pernah
3.7 Pimpinan memberikan otoritas pada pegawai :

 Kadang-kadang
 Seringkali
 Tidak pernah
3.8 Pimpinan mendelegasikan keputusan kepada setiap individu sesuai dengan kewenangannya
:
 Selalu
 Kadang-kadang
 Tidak pernah
3.9 Pimpinan melibatkan pegawai dalam pembuatan keputusan :

 Selalu
 Kadang-Kadang
 Tidak pernah
3.10. Pimpinana berupaya meningkatkan tanggung jawab pegawai atas pekerjaannya :
 Dilaksanakan dengan baik

 Kurang dilaksanakan
 Tidak dilaksanakan
3.11. Pimpinana memeberikan wewenang yang lebiih luas pada pegawai agar tugas dan target
tercapai
 Memberikan
 Kurang memberikan
 Tidak memberikan
3.12. Pimpinana membuat laporan lengkap prestasi pegawai secara teratur
 Selalu
 Kadang-Kadang
 Tidak Pernah

3.13. Kesesuaian Gaji dengan tugasnya :
 Sesuai
 Kurang sesuai
 Tidak sesuai
3.14. Pimpinana memeperhatikan *the right man on the right job *
 Kurang memperihatikan
 Tidak memeperhatikan
3.15. Kemampuan anggota kelompok mendukung pelaksanaan tugas :
 Sangat mendukung
 Kurang mendukung
 Tidak mendukung
3.16. Perhatian pimpinan terhadap kehidupan pribadi pegawai :
 Kurang memeperhatikan
 Tidak pernah memeperhatikan
3.17. Perhatian pimpinana terhadap kehidupan pribadi pegawai
 Kurang memperhatikan
 Tidak pernah memperhatikan
3.18. Pimpinan mengenal pegwai ( nama, jabatan,keluarga ) :
 Mengenal dengan baik

 Kurang mengenal
 Tidak mengenal
3.19. Pimpinan menunjukan sikap simpatik pada pegwai
 Sangat menunjukan
 Kurang menunjukan
 Tidak menunjukan

4. Kekompakan ( Membangun Kelompok )
4.1 Pegawai dilibatkan dalam pembuatan sasaran organisasi
 Selalu
 Kadang-kadang
 Tidak pernah
4.2 Pegawai memahami standar kerja yang diharapkan pimpinan
 Mengerti dengan jelas

 Kurang mengerti
 Tidak mengerti
4.3 Staf setingkat di bawah pimpinan yang dijadikan sebagai suatu kelompok kelihatan
 Sangat utuh dan kuat

 Kurang utuh / kompak
 Tidak utuh / kompak
4.4 Pimpinan mencari kesempatan untuk membangun kelompok ( staf setingkat di bawahnya )
untuk kerja sama :
 Seringkali
 Kadang-kadang
 Tidak pernah
4.5 Pimpinan berupaya mengatasi perpecahan kelompok ( jika ada )
 Selalu
 Kadang –kadang
 Tidak pernah
4.6 Perhatikan terhadap kesejahteraan pegawai
 Seringkali
 Kadang –kadang
 Tidak pernah
4.7 Pimpinan mengadakan prosedur formal untuk menampung keluhan pegawai
 Seringkali
 Kadang-kadang
 Tidak ada

4.8 Respon pimpinan terhadap usul kelompok pegawai
 Sangat positif
 Cukup positif
 Kurang positif
4.9 Pelayanan konsultasi yang menyangkut pekerjaan pegawai
 Seringkali
 Kadang-kadang
 Tidak pernah
4.10 Pimpinana menjelaskan latar belakang dari setiap keputusannya
 Seringkali
 Kadang-kadang
 Tidak pernah
4.11 Pimpinan member persetujuan terhadap kemudahan kelompok –kelompok melaksanakan
tugasnya
 Seringkali
 Kadang-kadang
 Tidak pernah
5. Efektifitas Kepimimpinan
5.1 Semua pegawai sudah mengerti tugasnya
 Sudah
 Kurang mengerti
 Tidak mengerti
5.2 Pegwai melaksanakan tugasnya dengan senang hati
 Melaksanakan dengan gembira

 Kurang gembira
 Tidak gembira ( terrtekan )
5.3 Ada pegawai yang bekerja baik jika ada pimpinan dan bekerja sembarangan jika tidak ad
pimpinan
 Tidak ada
 Ada sebagian / kadang-kadang
 Selalu

5.4 Pegawai bekerja dengan disiplin
 Lebih dari 90% sudah melaksanakan

 60%-89% telah melaksanakan
 < 60% yang melaksanakan
5.5 semangat pegawai dalam mengerjakan tugasnya
 Dengan semangat
 Kurang semangat
 Tidak semangat
5.6 setiap masalah yang muncul dalam organisasi
 Cepat di atasi
 Kurang cepat
 Sangat lambat
5.7 frekuensi munculnya perselisihan /konflik dalam organisasi
 Tidak pernah ada

 Kadang-kadang ada
 Sering ada
5.8 Munculnya *group effot* dalam organisasi
 Ada
 Kadang ada
 Tidak ada
5.9 Pencapaian target tercapai
 Selalu tercapai
 Kadang tercapai
 Tidak pernah tercapai
5.10 Pencapain sasaran organisasi
 Selalu tercapai
 Kadang –kadang tercapai
 Tidak tercapai

6. Pertanyaan Tambahan untuk Pimpinan
6.1 Menurut Pengalaman Anda selama ini , factor apa saja yang dominan mempengaruhi usaha
anda memimpin ?
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
____________________________
6.2 Bagaimana menurut pendapat anda tentang factor keteladanan pelaksanaan tugas ,
kekompakaan kelompok dan pengembangan individu terhadap keberhasilan memimpin ?
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
____________________________

Bagian 7
Mempersiapakan
Hasil Kuesioner
Data hasil pengukuran ( salah satunya dengan angket )
Perlu ditabulasikan untuk persiapan pengolahan
Data lebih lanjut
Bagian ini menjelaskan bagianmana mempersiapkan
Data hasil pengukuran untuk analisis atau
Pengolahan data lebih lanjut

Kegiatan berikutnya yang juga dianggap penting adalah mempersiapkan data hasil
pengukuran melalui angket atau kuesioner. Setelah peneliti menerima kembali atau verifikasi
ulang agar data yang direkam benar-benar memenuhi kriteria kelengkapan atau kecukupan.
Data yang dinyatakan lengkap kemudian ditabulasikan dalam bentuk umum, yakni
dengan menggunakan tabel frekuensi, agar pelaksaan analisi data dengan alatalat statistika, baik
secara parametric maupun non-parametrik dapat dilakukan dengan mudah
Pada pembahasan sebelumnya telah dijelaskan bahwa sebuah konsep (un-observed
variable) yang mempunyai beberapa indicator (butir), nilainya dinyatakan dari skor total atau skor
rata-rata dari skor masing-masing indikator pengukurnya tersebut. Misalnya suatu angket
digunakan sebagai instrument untuk mengukur sebuah konsep (variable), sebut aja variable itu
adlaah “X”. Variabel berdasarkan definisi operasionalnya diukur dengan tiga indicator (butir),
yaitu Xb1, Xb2, Xb3. Pertanyaan yang digunakan adlah pertanyaan tertutup dengan skala Likert
lima jenjang. Kutub ekstrim yang dihasilkan dari pengukuran variabel X adalah :sangat bagus”
dan ”sangat jelek”.
Sebagai missal angket tersebut diedarkan kepada 10 responden untuk mendapatkan
respon mereka. Setelah responden mengisi semua pertanyaan (ada 3 pertanyaan_, maka angket
dikembalikan ke peneliti untuk selanjutnya diverikasi dan ditabulasinya. Hasil dariangket tersebut
secara hipotesis beserta tabulasinya dapat diikuti pada tabel 7.1.
Kolom Xb1, Xb2, Xb3, berisi skor dari responden untuk masing-masing butir. Kolom TX
berisi total skor dari ketiga butir _Xb1, Xb2, Xb3) tersebut, sedangkan MX adalah skor rata-ratanya.
Apakah analisi yang digunakan dalam mengolah data.

Tabel 7.1 Tabel Hasil Pengukuran Variabel X.
Skor
No Responden TX MX
Xb1 Xb2 Xb3
1 4 3 5 12 4.00
2 3 2 5 10 3.33
3 3 2 2 7 2.33
4 2 2 2 6 2.00
5 2 1 2 5 1.67
6 4 2 3 9 3.00
7 1 2 2 5 1.67
8 4 5 4 13 4.33
9 1 2 1 4 1.33
10 2 3 2 7 2.33
Untuk keperluan analisis data secara deskriptif, umumnya peneliti melibatkan semua skor
yang ada, baik dari masing-masing butir maupun total dan rata-ratanya. Dengan mendiskripsikan
skor setiap butir akan diperoleh gambaran detil dari setiap indicator, sedang dari skor total dan
rata-rata akan diperoleh gambaran mengenai sikap (penilaian) responden terhadap variabel X
secara keseluruhan.
Khusus penggunaan alat analisis statistika parametric dituntut untuk dapat memenuhi
berbagai asumsi, salah satu adalah asumsi bahwa data hasil pengukuran variable mempunyai
distribusi yang normal (mempunyai kurva yang simetris). Meskipun skala Likert menghasilkan
data kontinum, namun skor dari skala Likert yang umumnya adalah angkaangka 1, 2, 3, 4, dan 5,
(meskipun dapat diperhalus dengan tujuh tingkat atau Sembilan tingkat). Data semacam ini secara
fisik tampak seperti data disktrik, artinya setelah skor 1, maka skor berikutnya adalah 2 dan setelah
skor 2, maka skor berikutnya harus 3 dan seterusnya. Meskipun sebenarnya tidak demikian, hal
itu terjadi dikarenakan tidak tampaknya batasbatas dua skor yang berdekatan.
Penentuan batas-batas dua skor yang berdekatan bagi data data yang sifatnya kontinyu
sangat diperlukan, agar besarnya interval setiap kategori atau jenjang dari variabel yang diukur
tetap dapat sama. Misalnya pengukuran terhadap nyaman tidak lingkungan kerja pegawai, berapa
interval skor untuk kategori sangat nyaman, nyaman dan seterusnya. Dengan diketahuinya batas-
batas antar skor akan memudahkan peneliti untuk melakukan pengelompokan berdasarkan
kategori yang ada. Terdapat beberapa cara untuk menunjukkan batas-bats dua skor yang
berdekatan, yaitu :

1. Pendekatan Pembulatan Bilangan
Pendekatan ini menggunakan sebagaimana lazimnya pembulatan bilangan. Dengan prinsip

pembulatan bilangan, angka atau skor 1 sebenarnya mempunyai nilai antara 0,50 hingga 1,50;
sedangkan skor 2 mempunyai nilai antara > 1,5 hingga 2,50; skor 3 mempunyai nilai antara > 2,5
hingga 3,50; dan seterusnya. Hal dapat dijelaskan melalui gambar 7.1.
Berdasarkan perhitungan itu, maka kategorisasi dari pengukuran tersebut adalah :

Sangat jelek (1-1,5)
Jelek (> 1,5-2,5)
Netral (> 2,5-3,5)
Bagus (> 3,5-4,5)
Sangat bagus (> 4,5-5,0)
Kelemahan dari cara ini adalah berkurangnya interval pada skor minimumnya dan skor
maksimumnya. Skor minimum = 1 dan skor minimumnya = 5, masing-masing mempunyai interval
sebesar 0,5. Sementara skor yang lain, yaitu skor 2, skor 3 dan skor 4 masing-masing mempunyai
interval sebesar 1. Hal ini dapat dijelaskan bahwa pada kenyataan skala minimum yang digunakan
= 1 dan skala maksimum = 5, sehingga dalam pengukuran tidak akan diperoleh jawaban yang
skornya kurang dari 1 dan lebih besar dari 5.
2. Pendekatan Sturges
Pendekatan ini memperbaiki pendekatan sebelumnya, dimana setiap skor akan mempunyai
interval yang sama. Mengacu pada contoh pengukuran variabel X pada Tabel 7.1. Sebelumnya,
interval setiap skor dicari dengan cara sebagai berikut:
a. Menggunakan Skor Total (TX):
Skor maksimum = 3 x 5 = 15
Skor minimum = 3 x 1 = 3
Range (jarak) =15 – 3 = 12
Interval setiap kategori adalah :
𝒓𝒂𝒏𝒈𝒆 𝟏𝟐
= = 𝟐, 𝟒
𝒌𝒂𝒕𝒆𝒈𝒐𝒓𝒊 𝟓

Jadi skor untuk setiap kategori dapat dilihat pada tabel berikut:
Tabel 7.2 Kategori Berdasarkan Total Skor (TX)
kategori Skor
Sangat jelek 3,0 – 5,4
Jelek >5,4 – 7,8
Netral >7,8 – 10,2
Bagus >10,2 – 12,6
Sangat bagus >12,6 – 15,0
b. Menggunakan Skor Rata-Rata (MX):

Skor maksimum = 5
Skor minimum = 1
Range (jarak) = 5 – 1 = 4
Banyaknya kategori = 5
𝑟𝑎𝑛𝑔𝑒 4
= = 0,8
𝑘𝑎𝑡𝑒𝑔𝑜𝑟𝑖 5
Interval setiap kategori adalah :

Jadi skor untuk kategori dapat dilihat pada tabel berikut :
Tabel 7.3. Kategori Berdasarkan Rata-Rata Skor (MX)
kategori Skor
Sangat jelek 1,0 – 1,8
Jelek >1,8 – 2,6
Netral >2,6 – 3,4
Bagus >3,4 – 4,2
Sangat bagus >4,2 – 5,0
3. Metode Perurutan Interval (Method of Successive Interval)

Cara lain yang dapat dilakuakan oleh peneliti untuk menentukan batas-batas dua skor yang
berdekatan, yaitu dengan menggunakan “Method of Successive Interval” (metode perurutan
interval) disingkat dengan MSI. Untuk menjelaskan bagaiamana langkah konveksi data dengan
MSI, kita gunakan kembali contoh sebelumnya, yaitu data hasil pengukuran dari 10 orang
responden mengenai variable X yang terdiri dari 3 indikator/butir (lihat Tabel 7.1).

Langkah yang perlu ditempuh untuk menerapkan MSI dapat dicermati pada uraian berikut
ini:
a. Membuat frekuensi dari tiap butir jawaban pada masingmasing kategori pertanyaan,
berdasarkan skor asli hasil pengukuran (dari skala Likert). Hasil perhitungan frekuensi pada
setiap butir pertanyaan untuk setiap skor alternatif jawaban dapat diikuti pada tabel berikut:
Tabel 7.4. Ringkasan jawaban Responden Atas Variabel X
Butir Skor Alternatif Jawaban Jumlah

Pertanyaan 1 2 3 4 5 Jawaban
Xb1 2 3 2 3 0 10
Xb2 1 6 2 0 1 10
Xb3 1 5 1 1 2 10
Jumlah
4 14 5 4 3 30
Frekuensi
b. Membuat proporsi pada setiap skor alternatif jawaban dengan cara:
Jumlah frekuensi setiap skor alternatif jawaban

Psaj =
Jumlah seluruh jawaban
Dimana Psaj = proporsi skor setiap alternatif jawaban
Berdasarkan rumus tersebut, maka dapat dihitung proporsi skor setiap alternatif jawaban
sebagai berikut:

Hasil perhitungan pada langkah ke dua itu dapat dimasukkan ke dalam tabel seperti berikut ini:
Tabel 7.5. Hasil Perhitungan Proporsi Setiap Alternatif Jawaban

Xb1 2 3 2 3 0 10
Xb2 1 6 2 0 1 10
Xb3 1 5 1 1 2 10
Jumlah
4 14 5 4 3 30
Frekuensi
Proporsi 0,13 0,47 0,17 0,13 0,10 1,00
c. Menghitung proporsi kumulatif di setiap skor alternatif jawaban tersebut, yang hasilnya dapat
diikuti pada tabel 7.6.
Tabel 7.6. Hasil Perhitungan Proporsi Kumulatif Setiap Alternatif Jawaban

Xb1 2 3 2 3 0 10
Xb2 1 6 2 0 1 10
Xb3 1 5 1 1 2 10
Jumlah
4 14 5 4 3 30
Frekuensi
Proporsi 0,13 0,47 0,17 0,13 0,10 1,00
Proporsi
0,13 O,60 0,77 0,99 1,00
Kumulatif
d. Menentukan nilai Z dari tabel Kurva Normal Standar (Lampiran 1) untuk Proporsi Kumulatif
dari setiap skor alternatif jawaban. Cara menentukan nilai Z adalah:
1) Bentuk Kurva Normal Standar dapat dilihat pada gambar berikut:

Gambar 7.2 Kurva Normal Standar
Dari kurva diatas dapat dijelaskan apabila harga proporsi kumulatif (Pk) < 0,5 maka nilai Z
negative atau < 0, apabila harga proporsi kumulatif (Pk) > 0,5 maka nilai Z positif atau > 0
dan apabila harga proporsi kumulatif (Pk) = 0,5 maka nilai Z = 0
Cara mencari nilai Z tersebut adalah:
LZ = |0,5 – Pk|, kemudian cari nilai Z dari tabel kurva normal standar berdasarkan harga LZ
tersebut (apabila dalam tabel tidak ditemukan harga LZ, maka boleh menggunakan hal yang
mendekati).
2) Dengan cara tersebut di atas, nilai Z pada setiap skor alternatif jawaban kuesioner adalah:
Skor 1 → LZ = |0,5 – 0,13| = 0,37 diperoleh Z = -1,13
Skor 3 → LZ = |0,5 – 0,77| = 0,27 diperoleh Z = -074
Skor 5 → LZ = |0,5 – 1,00| = 0,50 diperoleh Z = ~
Hasil perhitungan nilai Z tersebut dimasukkan ke tabel sebagai berikut:
Tabel 7.7. Hasil Perhitungan Nilai Z Pada Setiap Alternatif Jawaban
Butir Skor Alternatif Jawaban

Pertanyaan 1 2 3 4 5
Xb1 2 3 2 3 0
Xb2 1 6 2 0 1
Xb3 1 5 1 1 2
Jumlah
4 14 5 4 3
Frekuensi
Proporsi 0,13 0,47 0,17 0,13 0,10
Proporsi
0,13 O,60 0,77 0,99 1,00
Kumulatif
Nilai Z -1,13 0,25 0,74 1,28 ~

e. Menentukan nilai tingkat densitas untuk setiap nilai Z dengan bantuan tabel Ordinat Di
Bawah Kuve Normal Standar (Lampiran 2). Berdasarkan nilai Z yang telah diperoleh
sebelumnya (tanda negative diabaikan), kemudian dicari kesesuaian nilai densitasnya di
Tabel Koordinat Kurve Normal Standar tersebut.
Nilai Z = -1,13 (abaikan tanda negative), pada kolom paling kiri dari tabel temukan angka
1,1 kemudian Tarik garis lurus ke kanan hingga kolom angka 3, inilah harga yang dicari,
yaitu 0,2107. Dengan cara yang sama, harga Z = 0,25 diperoleh harga densitas Z = 0,3867,
untuk Z = 0,74 diperoleh harga densitas Z = 0,3034, untuk Z = 1,28 diperoleh harga densitas
Z = 0,1758 dan untuk Z = ~ diperoleh harga densitas Z = 0.
Hasil perhitungan densitas Z tersebut dimasukkan ke dalam tabel seperti berikut ini:
Tabel 7.7. Hasil Perhitungan Nilai Densitas Z Pada Setiap Nilai Z
Butir Skor Alternatif Jawaban

Pertanyaan 1 2 3 4 5
Xb1 2 3 2 3 0
Xb2 1 6 2 0 1
Xb3 1 5 1 1 2
Jumlah Frekuensi 4 14 5 4 3
Proporsi 0,13 0,47 0,17 0,13 0,10
Proporsi Kumulatif 0,13 O,60 0,77 0,99 1,00
Nilai Z -1,13 0,25 0,74 1,28 ~
Tingkat Densitas Z 0,2107 0,3867 0,3034 0,1758 0
f. Menghitung nilai dasar skala, dengan rumus:
i = skor 1, skor 2……..

Dengan rumus tersebut diperoleh ha
g. menentukan skor konversi, dengan cara:

Skor konversi = 1 – nilai dasar negatif terbesar
Nilai dasar negatif terbesar dimiliki oleh skor alternative jawaban 1, yaitu sebesar -
1,6208,sehingga :
Skor konversi = 1 – (-1,6208) = 2,6208

Berdasarkan skor tranformasi tersebut, maka setiap skor alternatif jawaban dikonversi
menjadi :
Skor 1 dikonversi menjadi = - 1,6208 + 2,6208 = 1,0000

Skor 2 dikonversi menjadi = - 0,3745 + 2,6208 = 2,2463
Skor 3 dikonversi menjadi = 0,4900 + 2,6208 = 3,1108
Berdasarkan hasil konversi di atas, maka data seluruh responden

(lihat Tabel 7.1) dapat dikonversi menjadi:

Tabel 7.9. hasil Konversi Keseluruhan Skor (data).
No Skor terkonversi TX MX
Responden Xb₁ Xb₂ Xb₃
1
2
3
4
5
6
7
8
9
10
Berdasarkan data yang telah dikonversi terrsebut dapat dilakukan kategorisasi dengan
menggunakan formula sturges, baik untuk data dari kolom TX maupun data dari kolom
MX yang telah dijelaskan sebelumnya.
-oo0oo-

Bagian 8
Uji Validitas
Instrumen
Instrument sebagai alat pengumpul data harus dapat dipercaya. Artinya
data hasil pengukuran dengan instrument tersebut memang benar
mencerminkan ukuran yang sebenarnya.
Kemampuan instrument menghasilkan ukuran yang sebenarnya disebut

validitas. Bagian ini menjelaskan bagaimana cara menguji validitas
instrument.

Dua hal penting dalam kaitannya dengan pengukuran (measurement), yaitu validitas
(validity) dan reliabilitas (realibility). Kedua hal itu penting karena pengukuran terhadap obyek
penelitian akan dilakukan dengan instrument. Terhadap hasil pengukuran itu nantinya akan
dilakukan penganalisaan, dan untuk menghasilkan kesimpulan yang paling baik, maka data yang
dianalisis juga harus memenuhi persyaratan valid dan reliabel. Data yang dapat memenuhi
persyaratn valid dan reliabel dapat ddiperoleh dengan instrument yang memenuhi persyaratan
valid dan reliabel juga. Oleh kerena itulah peneliti tidak boleh menentukan instrrumen secara
sembarangan.
Instrument adalah alat bantu peneliti dalam kegiatan pengukuran obyek atau variable,
dengan kata lain instrument adalah alat pengukur variabel. Terhadap variable-variabel fisik yang
bersifat kuantitatif seperti kadar air dalam beras, berat badan, tinggi badan, tekanan darah manusia,
banyaknya hemogoblin darah dan lain sebagainya telah tersedia alat pengukur standar, dalam arti
telah memenuhi syarat validitas dan realibilitas tertentu (melalui pengujian kalibrasi) yang
dilakukan oleh lembaga yang mempunyai kewenangan untuk itu. Dengan demikian instrumen (alat
ukur) yang telah memenuhi kriteria valid dan reliabel, apabila secara eksplisit (secara jelas)
instrument tersebut telah lolos dari uji “tera” (kalibrasi) dari lembaga atau institusi yang dapat
diakui.
Observasi atau wawancara langsung dengan responden merupakan cara yang dapat
digunakan untuk menggali data primer. Apabila peneliti dalam pengukuran obyek menggunakan
observasi atau wawancara, maka instrument utama pengukuran obyek atau variabel adalah orang
yang melakukan observasi atau orang yang melakukan wawancara tersebut. Pertanyaan yang harus
dijawab berkenaan dengan persyaratan instrument, apakah orang tersebut cukup valid dan reliabel
sebagai pengumpul data? Apakah orang tersebut cukup mempunyai pancaindera yang sempurna?
Apaakh orang itu mempunyai ketrampilan yang memadai sebagaipengumpul data?. Uji yang dapat
dilakukan untuk menjamin dipenuhinya persyaratan valid dan reliabel bagi instrumen
yang berupa manusia adalah uji klinis (tes kesehatan, tes intelegensia, tes psikologi dan jika perlu
tes kecerdasan emosional; lihat bagian 5 buku ini).
Seperti telah diuraikan pada bahasan sebelumnya, bahwa kedua metode pengumpulan data
itu memerlukan biaya dan tenaga yang banyak serta waktu yang lama. wajar apabila kemudian
kedua cara itu kenyataannya jarang digunakan oleh peneliti, terlebiih jika penelitian harus
melibatkan banyak sekali responden. Alternatif lain untuk mengukur obyek penelitian, (data
primer) dapat dilakukan dengan cara menggunakan instrumen berupa "kuesioner" atau "angket".
pada penelitian sosial, ekonomi dan budaya, nampaknya terlalu terlalu sulit untuk menemukan
kuesioner baku yang telah disiapkan oleh suatu lembaga (ada sedikit sekali seperti yang
telahdisebutkan pada bagian 5), oleh karena itu peneliti harus membuat atau membangun sendiri
instrumen yang diperlukan. kuesioner sebagai alat pengumpul atau pengukur yang menghasilkan
data, juga harus memenuhi persyaratan valid dan reliabel.
Instrumen dinyatakan tidak valid dan tidak reliabel dapat terjadi karena dua sebab, yakni:
1. Kesalahan Instrumen
Apapun namanya, instrumen yang belummendapatkan rekomendasi atau pengesahan atau
validasi, maka instrumen tersebut belum dapat menjamin akan ketepatan atau kebenaran hasil
pengukurannya. timbangan berat badan, timbangan perhiasan, argometer, gelas atau bejana
pengukur volume dan lain sebagainya, yang pada umumnya telah tersedia lembaga untuk menguji
atau mengkalibrasi. sedangkan untuk instrumen yang berupa kuisioner, masih belum ada lembaga
resmi yang bertugas melakukan pengujian, oleh karena itu peneliti perlu melakukan pengujian
sendiri terhadap kuesioner yang akan digunakan dalam penelitian, agar memenuhi syarat validitas
dan realibilitas.
Instrumen yang dibuat dari bahan yang mudah nerubah (sensitif terhadap perubahan).
Misalnya meteran yang terbuat dari karet, tentu saja tidak akan menghasilkan ukuran yang pasti
(yang konsisten), mengukur panjang meja dengan jengkal tangan, merupakan alat ukur yang tidak
konsisten.
Jadi penyimpangan atau ketidaksesuaian dari hasil pengukuran dapat saja terjadi karena
instrumen itu sendiri yang salah, yaitu belum mendapat pengakuan validitas dan realibilitas.
2. Kesalahan Proses Pengukuran
Kesalahan pada proses pengukuran terjadi jika cara atau metode yang digunakan keliru dan
atau instrumen yang digunakan bukan untuk peruntukkannya, artinya instrumen tersebut tidak
cocok atau tidak relevan untuk mengukur obyek tertentu. sebagai misal, suatu perhiasan yang
terbuat dari emas, misalnya cincin, ditimbang beratnya dengan instrumen berat badan, tentu angka
yang ditunjukan oleh timbangan berat badan tersebut tidak akan mencerminkan berat cincin yang
sesungguhnya. instrumen yang demikian dikatakan tidak valid. Yang benar, instrumen untuk
mengukur berat cincin emas tersebut adalah timbangan neraca khusus penimbang perhiasan.
contoh lain, karna keterbatasan sebuah posyandu di sebuah desa, maka untuk keperluan mengukur
berat badan bayi digunakan timbangan besar yang biasa untuk menimbang padi atau barang berat
lainnya. Menimbang berat badan bayi dengan timbangan tersebut sudah dapat diduga hasilnya
pasti tidak akan valid, artinya angka yang ditunjukan oleh timbangan padi itu tidak dapat
menunjukan berat badan bayi yang sebenarnya, sehingga instrumen itu dinyatakan tidak valid
sebagai pengukur berat badan bayi. idealnya menggunakan timbangan kesehatan untuk berat
badan bayi.
Cara atau prosedur yang salah akan mengakibatkan hasil pengukuran yang salah. Misalnya
menimbang berat cincin emas lengkap dengan tempatnya (dus) tanpa mengurangi berat dari tempat
perhiasan tersebut. Menimbang berat badan bayi lengkap dengan pakaian dan selimutnya, tanpa
mengurangi berat pakaian dan selimutnya. Hal ini akan semua dapat mengakibatkan nilai yang
dihasilkan tidak sesuai dengan ukuran sesungguhnya.
Terhadap kuesioner, khususnya kuesioner yang dikembangkan sendiri oleh peneliti,

pengujian terhadap validitas dan realibilitas sangat dianjurkan, bahkan untuk penelitian tertentu
pengujian validitas dan reliabilitas terhadap instrumen merupakan persyaratan mutlak. pentingnya

pengujian tersebut dapat digambarkan ke dalam sebuah diagram berikut:
Gambar 8.1 Pengujian Instrumen

Sebaik apapun kuesioner yang telah disusun oleh peneliti, dan mengingat subyek
penelitiannya adalah pendapat atau sikap orang, maka hendaknya pengujian instrumen perlu
dilakukan. Pengujian instrumen (kuesioner) biasanya dilakukan oleh peneliti sendiri, karena
memang belum ada institusi yang secara legal menangani pengujian instrumen berupa kuesioner.
Kapan pengujian instrumen dilakukan?. Pengujian dapat dilakukan secara sekaligus bersamaan
dengan pengukuran data pada subyek yangsesungguhnya. Konsekuensi dari cara ini adalah apabila
dalam pengujian instrumen tersebut ternyata ada butir yang tidak valid, maka butir tersebut harus
dikeluarkan dari model.
untuk meniadakan atau setidak-tidaknya mengurangi butir yang dibuang karena tidak
valid, dianjurkan kepada peneliti untuk melakukan uji coba (tryout) instrumen sebelum digunakan
untuk mengukur subyek yang sesungguhnya. Dua hal yang seharusnya diperhatikan oleh peneliti
pada saat pelaksanaan uji coba kuesioner, yaitu:
a. Untuk menjamin hasl yang memadai, maka kondisi (karakteristik) subyek yang digunakan
untuk uji coba harus benar-benar mencerminkan kondisi (karakteristik) subyek sesungguhnya
yang menjadi target penelitian.
b. Banyaknya subyek untuk uji coba sekurang-kurangnya adalah 30 responden, untuk
memenuhi rule of thumb kenormalan data.
Pada tahap uji coba ini, apabila ada butir yang dinyatakan tidak valid, maka peneliti harus
melakukan perbaikan terhadap butir yang dianggap tidak valid tersebut (tidak membuang). setelah
perbaikan dilakukan, uji coba diulangi lagi, tetapi bukan pada responden yang pernah diukur. Cari

responden (subyek) lain yang memenuhi persyaratan diatas. Ulangi proses tersebut hingga benar-
benar seluruh butir dinyatakan valid dan reliabel.
Bagaimana operasionalisasi pengujian validitas dan reliabilitas terhadap kuesioner? Untuk
menjelaskan hal ini, ikuti langkah-langkah berikut ini.
Pengujian Validitas Instrumen

Validitas atau kesahihan suatu instrumen adalah ukuran seberapa tepat instrumen itu
mampu menghasilkan data sesuai dengan ukuran yang sesungguhnya yang ingin diukur. Dimuka
telah dicontohkan bahwa timbangan badan akan menghasilkan data yangtidak valid jika yang
ditimbang adalah perhiasan dari emas. Pertanyaan ..."apakah saudara akan mempunyai motivasi
yang tinggi apabila motivasi kerja karyawan tinggi". Juga pertanyaan .... "apakah saudara merasa
nyaman disini?”. Pertanyaan-pertayaan itu jelas tidak valid untuk mengukur tingkat motivasi kerja
bawahan dan kenyamanan lingkungan kerja. Beberapa metode pengujian validitas dapat
digambarkan sebagai berikut :
Panel juri
Validitas isi
(Content)
Muka
Validitas Konkuren
Validitas
Kriteria
Prediktif
Konvergen
Validitas
Konstruk Diskriminan
Gambar8.2 Struktur Uji Validitas Instrumen

1. Validitas isi (Content Validitas)
Validitas isi berkaitan dengan pertanyaan mengenai seberapa lengkap butir-butir yang
digunakan telah memadai atau telah mengungkapkan sebuah konsep. Menguji validitas ini
tidak mudah, karena tidak ada standar yang dapat digunakan untuk menilai, oleh karena itu
uji validitas isi dapat menggunakan dua pendekatan, yakni:
a. Panel juri
Untuk menguji apakah butir-butir yang digunakan untuk mengukur sebuah konsep
tertentu telah memadai atau mampu menggambarkan? Maka butir-butir tersebut
dimintakan evaluasinya kepada sekelompok juri atau penilai yang memang
professional dibidang itu.
b. Validitas Muka (Face Validity)
Dalam hal ini, pengujian validitas hanya dilakukan denganmembaca penampilan dan
bahasa yang digunakan dalam koesioner, oleh karena itu banyak peneliti yang kurang
percaya terhadap validitas muka.
2. Validitas Kriteria (Criterion Related Validity)

Pengujian terhadap validitas kriteria dimaksudkan untuk mengetahui seberapa tinggi
tingkat kesamaan presepsi seseorang dengan kriteria tertentu, sehingga akan memudahkan
peneliti untuk membedakan pendapat antar individu. Pengujian validitas kriteria terdapat
dua pendekatan, yakni:
a. Validitas Konkuren (Concurrent Validity)

Disebut juga dalam validitas serentak. Suatu butir dikatakan valid, apabila butir
tersebut dapat memberikan nilai yang berbeda untuk individu yang memang dinyatakan
berbeda berdasarkann kriteria tertentu. Alat analisis korelasional dapat digunakan
untuk menguji validitas konkuren.
b. Validitas Prediktif (Predictive Validity)
Suatu butir dinyatakan mempunyai validitas prediktif yang tinggi apabila butir tersebut
mampu memberikan nilai yang berbeda untuk individu yang berbeda berdasarkan
kriteria yang diprediksikan untuk masa yang mendatang. Validitas prediktif dapat diuji
dengan alat analisis korelasional.
3. Validitas Konstruk (Construct Validity)

Validitas konstruk merupakan uji kecocokan antara butir-butir dalam koesioner dengan
teori yang mendasari (digunakan untuk mendefinisikan) konsep atau konstruk yang diukur.
Secara umum validitas konstruk dapat diuji dengan analisis factor (factor analysis).

Terdapat dua pendekatan untuk mengetahui bagaimana validitas konstruk menjalankan fungsinya,
yaitu:
a. Validitas konvergen (convergent validity).

Validitas konvergen dipenuhi apabila sebuah konstruk diukur dengan dua instrument yang
berbeda, memberikan skor yang berdeda dan dua skor yang berasal dari dua kuesioner
tersebut mempunyai koefesien korelasi yang tinggi. Jadi alat analisis koresional dapat
diaplikasikan untuk menguji validitas konvergen.
b. Validitas diskriminan (discriminant validity)

Validitas diskriminan dipenuhi apabila dua instrument untuk mengukur dua konstruk yang
diprediksi bahwa keduanya tidak akan berkorelasi, menghasilkan skor-skor yang memang
tidak berkorelasi. Oleh karena itu pengujian validitas diskriminan dapat dilakukan dengan
menggunakan alat analisis korelasional.
Secara teoritik memang terdapat beberapa jenis pengujian validitas, yang pengujiannya cenderung
menggunakan metoda kualitatif maupun kuantitatif. Metode kuantitatif yang sering digunakan
oleh banyak peneliti untuk menguji validitas instrument pengujiannya, adalah analisis
korelasionaluntuk validitas kriteria dan analisis factor untuk validitas konstruk. Masing-masing
alat analisis itu akan dijelaskan pada uraian berikut ini:
1. Pengujian Validitas Kriteria

Validitas kriteria merupakan validitas yang sering digunakan oleh peneliti. Pengujian
validitas kriteria dilakukan dengan cara membandingkan atau mengkorelasikan antara nilai
(skor) hasil pengukuran instrument dengan kriteria atau standar tertentu yang dipercaya
dapat digunakan untuk menilai (mengukur) suatu variable. Kesulitan dapat pengujian
validitas kriteria adalah memilih atau menentukan kriteria mana/seperti apa yang akan
digunakan sebagai pembanding atas hasil suatu pengukuran instrument tertentu. Untuk
mengganti suatu kriteria pada umumnya sulit ditemukan itu, maka dapat diupayakan
dengan menggunakan dasar logika matematika, yakni dengan menggunakan skor total dari
butir-butir dalam instrument

Yang akan diuji validitasnya. Dengan demikian pengujian validitas kriteria dari suatu
instrument dilakukan dengan cara menghitung harga koefisien korelasi sederhana (Pearson
Correlation) antara skor masing-masing butir dengan skor todal dari butir-butir tersebut
kriterianya, rumus yang digunakan adalah:
Ʃ𝑥𝑖𝑦
𝑅𝑥𝑖y =
√(Ʃx 2 )(Ʃy 2 )
Jika:
Xi = skor ke i, dimana i = 1, 2, 3, ……
MX = rata-rata skor pada setiap butir
Y = skor total dari seluruh butir
MY = rata-rata skor total
Maka:
xi = Xi – Mxi
y = Y - MY
Keputusan untuk menilai apakah suatu butir atau indicator tersebut valid ataukah tidak, dilakukan
dengan menggunakan uji t (t.statistik) terhadap koefisien korelasi tersebut, yang rumus
perhitungannya adalah:
Ʃxiy
𝑅𝑥𝑖𝑦 =
√(Ʃ𝑥𝑖 2 )(Ʃy 2 )
Selanjutnya berdasarkan distribusi probabilitas “t” dengan derajat kebebasan (df = degreeof
freedom) = n-2,cari atau temukan harga taraf signifikasi pada harga t.statistik tersebut.
Berdasarkan pedoman aturan umum yang biasa digunakan (rule of thumb), disimpulkan bahwa
butir yang diuji dinyatakan valid apabila taraf signifkasi yang dihasilkan dari uji “t” tersebut ≤
0,05. Ini artinya bahwa skor dari setiap butir mempunyai korelasi atau kesamaan yang tinggi dan
signifikan terhadap skor butir-butir tersebut sebagai kriteria atau standarnya.

2. Pengujian Validitas Konstruk
Alat analisis yang tepat untuk menguji validitas konstruk adalah “analisis factor” (factor
analysis). Hasil dari factor analisis tersebut akan menjelaskan bahwa butir-butir yang ada
dalam sebuah kuesioner benar-benar mengkonfirmasi sebuah variable. Dengan kata lain,
apakah butir-butir tersebut merupakan unidemensionalitas bagi sebuah konstruk.
Hasil dari analisis factor tersebut akan menjelaskan apakah butir-butir (indicator-indikator)
terbesut benar-benar merupakan pembentuk atau mengkonfirmasi sebuah variable
(konstruk/konsep). Perhitungan analisis factor akan menjadi praktis dan sederhana jika digunakan
paket program SPSS. Kesimpulan yang dapat diambil, adalah jika hasil perhitungan menunjukkan
bahwa hanya terdapat 1 (satu) factor saja yang bermakna, yaitu dengan eigenvalue > 1 atau
keragaman kumulatifnya sekitar 75% (Solium, 2005:13), maka indicator indicator tersebut
dikatakan valid unidimensionalitas.
Metode lain untuk menyimpulkan bahwa indicator-indikattor tersebut benar-benar merupakan

pembentuk sebuah variable atau benar-benar mengkonfirmasi sebuah variable, dapat diukur
dengan meggunakan pendekatan Goodness Of fit (GFI). Hair at.al. (1995:686) menyatakan bahwa
instrument dikatakan valid (unidemensional) apabila dipenuhi kriteria berikut ini:
- Standard loading (loading factor) dari setiap butir yang diuji signifikan pada taraf
signifikasi <5%
- Probablitas dari Chi-Square > 0,05%
- Goodness-of-fit Index (GFI) > 0,9
- Adjusted Goodness-of-fit-index (AGFI) >0,9
- Comprative fit index (CFI) >0,9
- Root mean square error of approximation (RMSEA) <0,08.
Perhitungan pada pengujian validitas kriteria dan validitas konstrk yang telah dijelaskan diatas
akan sangat mudah dan praktis apabila dilakukan dengan bantuan paket program SPSS (Statistical
Product And Service Solutions), sedangkan uji validitas unidimensional dengan loading factor
dapat menggunakan paket program AMOS.
SPSS adalah suatu paket program (software) aplikasi untuk mengolah data statistic.SPSS
merupakan program bantu yang sangat popular, karena mudah cara pengoprasiannya dan tidak
memerlukan computer yang ber-konfigurasi khusus. Dari sisi keunggulan SPSS, masih juga
terdapat kekuranganSPSS, yaitu bahwa tidak sebuah kepentingan atau alat analisis dapat dicakup.
Buku ini menggunakan SPSS versi 11.5 dimana pemilihan versi ini tanpa alasan secara spesifik,
artinya pembaca diberi dasarnya semua perintahnya sama, hanya mungkin ada beberapa tambahan.
AMOS adalah suatu paket program pengolah data statistic yang lebih kompleks yang
dikembangkan oleh james Arbuckle. Paket program amos dijalankan bersama-sama dengan paket
program SPSS. Fungsi program SPSS sebagai media inputing dan menyimpan data saja,
sedangkan penyedia paket program AMOS sebagai pengolah datanya. Pada amos dikenal sebagai
mesurment model, yaitu proses pemodelan yang tujuannya untuk menguji sifat unidimensionalitas
dari indicator-indikator yang menjelaskan sifat dari sebuah konsep (Variable laten). Dengan kata
lain perlu dikonfirmasi apakah secara bersama-sama beberapa indicator tersebut cukup kuat
mencerminkan nilai dari sebuah konsep?. Oleh karena itu pengujian ini sering pula disebut dengan
Confirmatory Factor Analysis (CFA).

SUPLEMEN UJI VALIDITAS INSTRUMEN
DENGAN PAKET PROGRAM SPSS & AMOS
1. Input data dengan paket program SPSS

2. Uji validitas instrument dengan paket program SPSS
3. Uji validitas instrument dengan paket program AMOS

1. Input data dengan SPSS
Langkah awal setelah data dikumpulkan dengan menggunakan instrument (khususnya
kuesioner) adalah merekam data tersebut ke computer dengan menggunakan SPSS.
Misalnya sebuah penelitian salah satu variabelnya adalah X1 yang ada devinisi
operasionalnya diukur dengan 4 (empat) indicator. Pengukuran terhadap variable atau
indicator diungkap dengan satu butir pertanyaan. Pertanyaan didalam kuesioner di disain
secara tertutup berdasarkan skala likert dengan 5 jenjang. Kategori sangat rendah dengan
skor 1. Kategori rendah dengan skor 2, kategori netral (sedang) dengan skor 3, kategori
tinggi dengan skor 4 dan kategori sangat tinggi dengan skor 5. Kuesioner yang mengukur
variable X1 tersebut, misalnya telah disebarkan kepada 30 responden dan hasil jawabannya
seperti tampak pada table berikut ini:
Ilustrasi 8.1 Data Hasil Penelitian Dengan Kuesioner Variabel X1
No X11 X12 X13 X14 TX1

1 4 4 3 3 14
2 5 4 4 4 17
3 4 3 4 3 14
4 3 3 2 3 11
5 4 4 3 3 12
6 3 3 3 3 12
7 5 4 5 5 19
8 5 5 4 4 18
9 2 2 2 1 7
10 4 4 3 3 14
11 4 3 3 3 13
12 3 3 4 4 14
13 3 2 2 3 10
14 5 5 4 4 18

No X11 X12 X13 X14 TX1
15 2 3 2 2 9
16 4 4 5 5 18
17 5 4 4 4 17
18 5 4 5 5 19
19 3 3 4 4 14
20 4 3 4 3 14
21 3 3 2 2 10
22 4 4 4 3 15
23 5 4 3 4 16
24 4 4 3 3 14
25 4 5 5 4 18
26 1 1 2 2 6
27 2 2 2 2 8
28 4 4 3 3 14
29 3 3 3 2 11
30 4 3 4 4 15
TX1 = Total skor dari seluruh butir untuk X1
Data hasil pengukuran di atas diasumsikan sebagai data data interval. Berdasarkan penjelasan pada
bagian sebelumnya, untuk pengolahan selanjutnya, data interval dari likert dapat juga dikonversi,
dengan menggunakan method of successive interval (MSI). Oleh karena itu pada bagian ini nanti
akan disajikan pula data hasil konversi dengan MSI.
Membangun file baru
Karena data tersebut (ilustrasi 8.1) belum pernah direkam di SPSS, maka diperlukan wadah atau
file (berkas) baru. Cara membuatnya adalah:

1) Aktifkan SPSS sehingga muncul tampilan menu: Untitled – SPSS Data Editor seperti
tampak pada ilustrasi berikut ini:
Perintah 1,2 dan 3 tersebut sebenarnya tidak perlu dilakukan , karena SPSS sudah pada
menu utama.Hasilperintah tersebut akan kembali seperti semula (ilustrasi8.1). Jadi
perintah ini hanya untuk meyakinkan bahwa kita berda pada SPSS yang baru (belum
terisi data) yang tampilan nya persis sama dengan ketika SPSS dibuka yang pertama
kali.
2) Mendefinisikan variable melalui menu Variabel View. Cara singkat untuk masuk ke
menu Variabel View adalah:

3) Hasil dari proses di atas adalah:
Lembar kerja ini berisi baris dan kolom.

 Baris 1,2,3, …. Dan seterusnya menunjukkan variable ke 1,2,3 dan seterusnya .
 Kolom berisi Name,Type,Width,Decimals,Label, Values ,Missing, Collumns,
Align dan Measure. Kegunaan masing- masing kolom meliputi:
1) Name
Kolom ini berfungsi untuk mengisi nama variable/indikator/butir, yang selalu
ditampilkan dengan huruf kecil (meskipun menulisnyadenga huruf Capital),

namun hasil print-outnya berupa huruf capital. Sesui dengan data yang ada
maka kolom Name di isi dengan x11, x12, x13,x14, dan tx1.
Ketika nama variabel ditulis pada kolom Name , maka semua kolom berikutnya
akan otomatis terisi sesuai default program seperti tampak pada ilustri berikut
ini.
2) Type
Kolom ini berfungsi untuk menentukan tipe data yang akan direkam. Default
dari kolom Type adalah Numeric . Untuk mengganti pilihan yang lain , cara nya
Klik titik titik bagian yang berwarna lebih gelap disebelah kanan tulisan
Numeric,seperti tampak pada ilustrasi berikut.

→ Klik atau tandai bulatan pada Variabel Type yang diinginkabn , kemudian Klik
OK
Catatan: Width dan Decimals Places hanya berfungsi jika pilhan tipenya
Numeric atau comma. Width, adalah kotak untuk mengatur banyaknya angka/
karakter yang direkam . Default kotak ini adalah 8 digit dan dapat disesuaikan
dengan kebutuhan (panjang maksuimum255 digit), caranya tulis angka digit
yang dikehendaki di kolom Width . Decimal Places . adlah kotak untuk
mengatur banyak nya decimal dari data yang direkam . Default kotak ini adalah
2 digit dan dapat disesuaikan dengan kebutuhan ,cara nya tulis angka digit yang
diiinginkan,
3) Label
Kolom Label berfungsi untuk mengisi keterangan nama variabel. Kolom ini
tidak berpengaruh pada hasil analisis maupun pada print-out. Sifatnya hanya
untuk memberi catatan nama-nama yang sebenarnya dari variabel /indikator
atau butir yang data nya direkam .Misalnya butir x11 tersebut adalah pertanyaan
mengenai “makna karier bagi kehidipan” , maka untuk sekedar mengigat isi
dari pertanyaan x11 tersebut dalam label ditulis ”Peran Karier” Hasilnya
adalah:

4) Values
Adalah kolom untuk mengisi data kualitif (string) tetapi ingin ditandai dengan
kode angka . Hal ini dapat dilakukan apabila kolom Type berisi Numeric .
Misalnya dalam kuesioner teradapat pertanyaa mengenai jenis kelamin . Jenis
kelamin ini ingin Di kuantifikasikan , yang mana skor 1 untuk laki-laki dan skor
2 untuk perempuan . Cara mengisi nya adalah:
→ Klik sel di kolom Values , kemudian Klik titik-titik dib again yang berwarna lebih gelap
disebelah kanan tulisan None (sebagai default).

Hasilnya adalah:
→Tulis angka 1 pada kotak Value , kemudian pindahkan kursor ke kotak value label dan
tulis Laki-laki, lalu Klik.
Kotak Add, maka angak 1 yang ada kotak Value dan tulisan Laki-laki ,akan pindah di
kotak besar.
→Ulangi lagi perintah di atas untuk angka 2, yaitu Value tulis angka 2 pada kotak value,
kemudian pindah ke kotak value label dan tulis wanita., lalu klik kotak Add, maka angka 2 yang
ada kotak Value dan tulisan Wanita , akan pindah di kota besar.
Hasil pengisian tersebut adalah:
5) Missing
Untuk menyatakan banyaknya data yang dihilangkan, karena mungkin data
yang direkam tidak lengkap . JIka tidak ada data yang akan dihilangkan , maka
bagian ini dapat diabaikan.
6) Column
Untuk menyediakan lebar kolom yang dibutuhkan . Default nya adalah 8
karakter , dan dapat di sesuaikan (maksimum 255 karakter).

7) Align
Untuk mengatur posisi data di setiap kolom , apakah rata kanan (R) , rata kiri
(L) atau rata tengah (C) . Pada contoh ini kita akan diganti dengan C , caranya:
→ Klik sel kolom Aligne , kemudian ketik C, maka tampilan nya seperti ini:

8) Measures
SPSS menyedikan tiga pilihan skala (measure ) , yakni Scale , Ordinal dan
Nominal . Seperti telah dijelaskan , bahwa Scale disini meliputi data rasio
maupun data interval . Oleh karena itu untuk jika Type data tertulis Numeric,
maka Measure-nya
Scale. Selain itu sesuaikan saja , apakah Nominal atau Ordinal.
Proses pengisian nama variabel hingga pemilihan skala (measures) itu

dilakukan berulang ulang hingga semua variabel atau variabel butir pertanyaan,
yaitu x11 ,x12,x13,x14 dan TX1 terpenuhi.
Jika semua variabel atau butir sudah masukkan dengan benar , maka akan
terlihat tampilan di ilustrasi 8.14.
Tampilan di atas menunjukkan bahwa ada 5 variabel yang akan direkam ,yaitu
x11,x12,x13,x14 dan tx1 yang panjang karakternya disediakan 8 digit tanpa
decimal. Label, Value dan Missing abaikan saja, kemudian untuk lebar kolom
pada saat di cetak sebesar 4 karakter dan angka berada di tengah kolom . Kolom
Measure menunjukkan bahwa data yang akan direkam beerskala interval.
Setelah pengisian karakterisitik setiap variabel selesai dilakukan ,selanjutnya

data masing-masing variabel akan diisikan. Dari posisi Variabel View dipindah
ke posisi data View seperti pada menu utama SPSS. Caranya Klik Data View
yang ada di menu bagian atas. Tampilan dari lembar kerja untuk pengisian data
yang telah disi karakteristik variabel akan tamapak seperti Ilustrasi 8.15.
Ketik semua data hasil penelitian yang sudah didapat ke dalam lembar kerja
tersebut , hingga seluruh data terekam . Tampilan dari sebagian data yang telah
direkam seperti tampak pada Ilustrasi 8.16.

Ilustrasi 8.15. Tampilan Data View (Lembar Kerja) Siap Diisi Data
Ilustrasi 8.16. Tampilan Hasil Rekaman Data

Ilustasi 8.16. Lanjutan
Data yang telah direkam di lembar kerja SPSS perlu disimpan agar dapat digunakan pada
saat dibutuhkan kembali. Penyimpanan data untuk yang pertama kalinya (nama baru) dilakukan
dengan langkah sebagai berikut :
Ilustrasi 8.17. Perintah Penyimpanan Data Baru

 Tentukan drive dan direktori (alamat) yang diinginkan, kemudian tulis nama berkas
(file), misalnya data ini akan disimpan di alamat (folder) My Document dengan nama file
“Data-karir”. Secara otomatis SPSS akan Memberi ektensi pada nama berkas, yaitu .sav,
sehingga nama berkas Selengkapnya menjadi “Data-karir.sav”
Untuk menyimpan data dari sebuah berkas yang pernah disimpan, dilakukan dengan
perintah SAVE sehingga tidak perlu memberi nama baru tetapi Mengikuti nama file (berkas) yang
sudah ada.
Cara Mengaktifkan Berkas (File) Yang Telah Tersimpan.

Data yang pernah disimpan (direkan ) harus dapat diaktifkan kembali.Sebagai contoh akan
diaktifkan kembali berkas atau file yang menyimpan data mengenai variabel X1, diana variabel
X1, dimana variabel X1 ini disimpan di My Document dengan nama berkas Data-karir. Langkah
operasionalnya adalah :
Ilustrasi 8.18. Mengaktifkan Berkas yang Tersimpan

Setelah itu akan keluar tampilan :
Ilustrasi 8.19. Pemilihan Berkas Yang Diaktifkan
Sekarang berkas Data-karir sudah aktif dan siap untuk dilakukan analisis.

Ilustrasi 8.20. Tampilan Data-karir Yang Telah Aktif

2. Uji Validitas Instrumen Dengan SPSS.
Pengujian terhadap validitas instrumen dapat dilakukan dengan dua cara, yakni Validitas
Kriteria dan Validitas Konstruk. Sebaga conotoh pengujian akan diaplikasikan pada variabel X1
yang mempunyai 4 indikator (butir) yang pernah direkam di My Document dengan nama berkas
Data-karir.
a. Uji Validitas Kriteria.
Pada dasarnya uji validitas krteria ini adalah menguji kesamaan (hubungan) antaraskor
setiap butir terhadap kriterianya. Karena tidak ditemukannya kriteria standar, maka
digunakan total skor dari butir-butir tersebut. Ini artinnya Validitas instrumen diuji
melalui koefesion Korelasi Pearson antara skor setiap butir dengan total skor butir-butir
tersebut. Langkahnya adalah :
 Aktifkan berkas Data-karir dengan cara yang telah dijelaskan sebelumnya.
 Gunakan menu Analyze, Correlate, Bivariate.
Ilustrasi 8.21. Tampilan Menu Analyze Correlate

Setelah itu kemudian muncul kotak isian sebagai berikut :
Ilustrasi 8.22. Kotak Pengisian Variabel
Pindahkan atau masukan semua butir yang akan diuji, yaitu x11 hingga tx1 yang ada
dikotak sebelah kiri ke kotak Variables yang ada disebelah kanan. Caranya adalah :
 Klik x11 kemudian tekan tombol Shift (jangan dilepas) lalu klik tx11.
 Klik Tanda Panah Penghubung kedua kotak tersebut. Apabila ada banyak butir
untuk banyak variabel, maka dilakukan satu persatu, misalnya setelah x11 hingga tx1,
kemudian x31 hingga tx3 dan seterusnya. Jika sudah, maka tampilannya dapat dilihat
di Ilustrasi 8.23.
 Aktifkan Pearson dan non-aktifkan Kendall’s tau-b dan Spearman pada menu
Correlation Coefecients. Jika sudah maka kotak di Pearson akan ada tandanya, kotak
Kendall’s tau-b dan Spearman akan kosong.

Ilustrasi 8.23. Varibel Telah Dipindah Di Kotak Kanan
 Jika dikehendaki pengujian dua sisi, pilih Two-tailed dan jika yang dikehendaki uji
satu sisi, pilih One-tailed. Pada umumnya pengujian dilakukan untuk dua sisi.
 Flag significant correlation berfungsi untuk memberi tanda pada harga koefesien
korelasi yang dinyatakan signifikan (butir yang dinyatakan valid). Jika menu ini
dipilih (diaktifkan), maka harga koefesien korelasi yang signifikan pada taraf 5%
akan ditandai satu bintang (*), sedangkan harga koefesien korelasi yang signifikan
pada 1% akan ditandai dengan dua bintang (**). Pada umunya menu ini diaktifkan.
 Klik Options hingga muncul tampilan seperti Ilustrasi 8.12.

Ilustrasi 8.24. Tampilan Menu Options Pada Korelasi Bivariat
 Menu Statistic mempunyai dua pilihan, yaitu Means and standard deviations dan Cross-
product deviations and covariances. Keuda menu itu dapat diabaikan karena hanya
menampilkan ringkasan angka-angka perhitungan nilai rata-rata, standar deviasi dan
kovarians dari data.
 Menu Missing Values digunakan jika ada pasangan data yang hilang. Hal ini terjadi karena
responden kadang lupa menjawab satu atau lebih pertanyaan (indikator), sehingga pada saat
ditabulasikan, terdapat indikator yang tidak ada jawabannya.
Terdapat dua pilihan menu, yaitu :
 Exclude cases pairwase adalah menu untuk memerintahkan progaram agar kasuk yang
tidak mempunyai pasangan tidak dimasukan dalam analisi, sehingga setiap harga koefesien
korelasi akan mempunyai pasangan data (cacah kasus) yang berbeda-beda.
Ilustrasi 8.25. Contoh Rekaman Data Dengan Missing
No x11 x12 x13 Tx1

1 Skor Skor Skor Skor
2 Skor Skor Missing Skor
3 Skor Missing Skor Skor
4 Skor Skor Missing Skor
5 Skor Skor Skor Skor

Tabel diatas menunjukan bahwa responden no.2 dan no.4 tidak menjawab indikator
(pertanyaan) x13, responden no.3 tidak menjawab indikator (pertanyaan) x12.
Berdasarkan data tersebut, maka yang dihitung koefisien korelasinya adalah:
→ x11 dengan tx1 seluruh pasangan data dianalisis
→x21 dengan tx1 ada 4 pasang data yang dianalisis (No.1,2,4 dan,5)
→x31 dengan tx1 ada 3 pasang data yang dianalisis (No.1,3 dan 5)
 >Exclude cases listwise adalah menu memerintahklan program agar kasus salah
satu variabelnya terdapat data yang hilang tidak dimasukkan dalam analisis ,
sehingga harga koefisien korelasi mempunyai pasangan data (cacah kasus) yang
sama. Dengan tetap memnggunakan ilustrasi di atas, yang dianalisis hanya
pasangan data No.1,3, dan 5 daja untuk seluruh variable.
Dari kedua pilihan menu diatas , pada umumnya dalam analisis yang dipilih adalah
Exclude cases pairwise sekaligus sebagai default pada SPSS. Apabila semua pasangan
data tidak ada yang hilang (lengklap), maka menu Missing Values diabaikan saja . Jika
pilihan tersebut telah dilakukan , selanjutnya Klik Continue.
9. Setelah kembali pada menu Bivarite Correlation , kemudian Klik OK, sehingga tampil
Output hasil analisis korelasi Pearson seperti Ilustrasi 8.26.

** Correlation is significant at the 0.01 level (1-tailed).
Interpretasi hasil:
Dari matrik tersebut yang penting dibaca adalah Kolom TX1 atau Baris TX1 dimana
keduanya mempunyai nilai yang sama . criteria dari pengujian , pada dasarnya dapat
menggunakan taraf signifikansi berapapun, namun umumnya menggunakan taraf signifikansi
5% (atau 0,05). Artinya ,jika taraf signifikansi yang dihasilkan oleh koefisien korelasi ≤0,05
maka disimpulkan bahwa butir yang bersangkutan dinyatakan Valid . Sebaiknya jika koefisien
korelasi mempunyai taraf signifikan > 0,05 maka disimpulkan bahwa butir tersebut dinyatakan
Tidak Valid.
Berdasarakan criteria tersebut, hasil pengujian dapat disimpulkan bahwa dengan sampel
percobaan sebanyak 30 (N-30) diperoleh hasil sebgai berikut:
 Koefisien korelasi Pearson antara X11 dengan TX1 sebesar 0,920 dengan taraf
siginifikan 0,000 disimpulkan bahwa butir X11 dinyatakan Valid sebagai variable X1
(pentingnya karier).

 Koefisien korelasi Pearson antara X12 dengan TX! Sebesar 0,862 dengan taraf
signifikansi 0,000 disimpulkan bahwa butir X13 dinyatakan Valid sebagai pengukur
variable X1 (pentingnya karier).
 Koefisien korelasi Pearson antara X14 dengan TX1 sebesar 0,901 dengan taraf
signifikansi 0,000 disimpulkan bahwa butir X14 dinyatakan Valid sebagai pengukur
variable X1 (pentingnya karier).
Jadi hasil analisis tersebut disimpulkan bahwa secara keseluruhan semua butir dapat
dinyatakan Valid (dapat digunakan sebagai instrument pengukur variable pentingnya karier
bagi karyawan).
b. UJi Validitas Konstruk
Sebenarnya tujuan dari pengukian validitas konstruk ini tidak berbeda dengan pengujian
validitas criteria , yaitu apakah butir-butir atau pertanyaa-pertanyaan dalam kuesinonwer yang
telah dibangun benar-benar merupakan satu kesatuan pengukur satu variable atau konsep
(unidemensi) . Apabila melalui pengujian validitas konstruk itu menunjukkan bahwa ternyata
butir-butir yang masukpada kelompok lain dianggap tidak valid .
Alat analisis yang digunakan untuk pengujian validitas konstruk adalah Analisis Faktor yang
perhitungannya dapat menggunakan SPSS. Langkah Uji Validitas Unidemensionalitas dengan
Analisis Faktor adalah:
 Aktifkan berkas Data-karier dengan cara yang telah dijelaskan sebelumnya.

 Klik Analyze, kemudian pilih Data Reduction dan selanjutnya Klik Factor… sehingga
tampak tampilan layar sebagai berikut:
Ilustrasi 8.27. Tampilan Menu Analisis Faktor
Hasil dari pilihan tersebut adalah:

Pindahkan atau masukkan semua variable (tidak termasuk totalnya ) ke kotak Variables,
caranya :
1. Klik x11 kemudian tekan tombol Shift (jangan dilepas ) lalu Klik x14 . Semua variable
yang dimaksud akan berwarna gelap.
2. Klik Tanda Panah Penghubung kedua kotak tersebut. Apa bila ada banyak butir untuk
banayk variable, maka dilakukan satu per satu, misalnya setelah x11 hingga x14,
kemudian x21 hingga x2… dan setelah x21 hingga x2… , kemudian x31 hingga x3
… dan sterusnya. Jika sudah, maka tampilannya adalah:
Sehinggan muncul tampilan seperti ilustrasi 8.30.

 Abaikan menu Statistics, biarkan terisi defaultnya, yaitu initial Solution
o Tandai atau Klik Kotak KMO and Bartlet’s test of sphericity dan Anti-
image berfungsi untuk menunjukkan butirmana saja yang dapat dproses
lebih lanjut .Kriterianya apabila harga Kaiser –MeyerOlkin Measure of
Sampling Adequenci (K-M-O MSA) ≥0,5 maka butir butir tersebut dapat
diproses lebih lanjut . Agar menyaring butir mana yang secara individual
benar-benar dapat diproses lebih lanjut , dapat dideteksi melalui harga MSA
setiap butir pada kolom Anti-Image Correlation ≥0,5 maka butir tersebut
tidak disertakan dalam perhitungan selanjutnya (dinyatakan tidak valid) .
Apabila terrnyata butir yanf mempunyai harga MSA pada kolom Anti-
Image Correlation < 0,5 lebih dari satu butir , maka cara membuangnya satu
persatu dimulai dari butir yang harga MSA pada kolom Anti-Image
Correlation paling kecuil. Ulangi hingga tersisa butir yang benar-benar
mempunyai harga MSA pada kolom Anti-Image Correlation ≥0,5. Hasil
dari pilihan Kaiser-Meyer-Olkin Measure of Sampling Adequeacy (K-M-O
MSA) dan Anti-Image dapat dilihat pada table diilustrasi 8.31.

 Klik Continue sehingga tampilan kembali seperti pada menu Factor Analysis
4 .Pada menu Anlysis Factor (lihat Ilustrasi 8.29) masih terdapat menu-menu yang
lain, yaitu “Extraction” , “Rotation”, “Scores” dan “Options”. Menu-menu ini
abaikan saja , karena tidak diperlukan dalam Uji Validitas Unidemensionalitas , pleh
karena itu Klik OK. Hasil dari proses ini adalah sebagai berikut:
Ilustrasi 8.32. Hasil-hasil Pengujian VAliditas Unidemensaionalita Dengan Analsis

Faktor

 Kaiser-Meyer –Olkin Measure of Sampling Adequacy bernilai 0,734 (nilai itu >
0,5), ini menunjukkan bahwa semua indikator (butir) yang diuji dapat diproses lebih
lanjut.
 Nilai-nilai pada sel pertemuan antara kolom X11 hingga X14 dengan baris Anti-
Image Correlation X11 hingga X14 yang diberi tanda (a), yaitu butir X11 = 0,731;
butir X12 = 0,732; butir X13 = 0,757 dan butir X14 = 0,720. Angka-angka inilah
yang disebut dengan Measure of Sampling Adequacy (MSA). Jadi hasil analaisis
menunjukkan bahwa semua butir yang diuji mempunyai harga MSA > 0,5 maka
butir-butir tersebut dapat diproses lebih lanjut.

Extraction Method: Principal Component Analysis.
→ Tabel Total Variance Explained menunjukkan bahwa :
o Kolom Componen:
Kolomini menunjukkan banayaknya variabel atau konstruk yang dapat
dibangun dari butir-butir yang diuji. Angka 1, artinya butir-butir yang diuji
hanya akan membentuk 1 variabel atau konstruk (unidemensionalitas).
Angka 2 menunjukkan bahwa butir-butir yang diuji akan membentuk 2
variabel atau konstruk (multidemensionalitas), demikian seterusnya. Untuk
mengetahui apakah telah terjadi unidemensionalitas atau multidemensiona
litas, lihat harga pada kolom Initial Eigenvalues pada sub-ko-lom
Total,yang harganya > 1.

 Intial Eigenvalues kolom Total
Pada kolom ini ternyata yang harganya > 1 berada pada kolom Component
1, artinya butir-butir yang diuji secara keseluruhan merupakan pengukur
dari sebuah variabel (unidemensionalitas). Tetapi jika kolom Total yang
mempunyai nilai > 1, misalnya berada pada Component 3, artinya butir-
butir yang diuji akan membentuk atau mengukur 3 variabel
(multidemensionalitas). Hasil perhitungan juga menunjukkan bahwa
kolom Total pada Eigenvalues yang harganya > 1 mempunyai harga
Total pada Etxtraction Sums of Squared Loadings sebesar 3,193. Ini
artinya bahwa butir-butir dalam instrumen pengukur “pentingnya karir”
dinyatakan valid unidimensionalitas. Tabel berikut ini memperkuat hasil
analisis yang menunjukkan besar koefesien korelasi Pearson dan hanya
untuk 1 komponen.
Component Matrix (a)
component
1
X11 .918
X12 .863
X13 .890
X14 .901
A 1 components extracted
3. Uji Validitas Instrumen Dengan AMOS
Pengujian validitas instrumen dengan paket program AMOS pada dasarnya sama dengan
menguji validitas konstruk, yang intinya adalah apakah butir-butir yang dibangun dapat
mengkonfirmasi konsep atau variabel yang dibangun secara unidimensionalitas. Oleh karena itu
pengujian validitas konstruk dengan AMOS sering disebut dengan uji CFA (Confirmatory Factor
Analysis)

Untuk menjelaskan bagaimana CFA dioprasionalkan , diambil contoh data mengenai
“pentingnya karier” yang terdiri dari butir pertanyaan yang telah direkam dengan SPSS dengan
nama (file) Data-karir.sav. Langkah-langkah yang harus di tempuh adalah :
a. Mengaktifkan berkas Data-karir.sav dengan SPSS.
1. Aktifkan program SPSS

2. Klik file ,klik open.., kemudian pilih nama berkas Data-karir jika sudah ketemu klik OK
,sehingga tampak lembar kerja seperti pada ilustrasi berikut :
Ilustrasi 8.33. Data Pentingnya karir dengan SPSS
b. Aktifkan Program AMOS
AMOS telah berkembang cukup pesat, hal ini dapat dilihat dari berkembangnya versi dari AMOS
meskipun cara pengoprasiannya pada dasarnya sama. Pada buku ini akan di tunjukkan bagaimana
mengoprasikan AMOS versi 4 (pembaca boleh menggunakan AMOS versi berapapun) dan untuk
mengaktifkan AMOS langkahnya adalah :

1) Aktifkan program AMOS Grapics dari sistem komputer , sehingga tampak tampil seperti
berikut :
2) Tunggu sebentar sehingga AMOS aktif pada bidang kerja dalam posisi potrait seperti
tampak ilustrasi 4.2. yang tertera dihalaman berikutnya .
Ilustrasi 8.34. Bidang Kerja AMOS Posisi Potrait
Menu View/Set salah satu fungsinya adalah untuk merubah lembar kerja Potrait menjadi
Landscape , agar lebih leluasa bidang kerjanya.

Ilustrasi 8.35. Tampilan Menu View/Set
Sehingga muncul tampilan sebagai berikut
Ilustrasi 8.36. Perintah Merubah Posisi Landscape
Sekarang AMOS sudah aktif pada bidang kerja dalam posisi Landscape.

Ilustrasi 8.37. Bidang Kerja AMOS Posisi Landscape
Tools Box (alat bantu untuk pengilustrasian model) Beberapa Tools AMOS yang
penting untuk kepentingan pengujian validitas dan reliabilitas diantaranya dapat dilihat
pada ilustrasi 3.83.

Ilustrasi.838. Ikon untuk membantu memudahkan pengilustrasian model

c. Peng-Ilustrasian Model Untuk CFA
Lamgkah selanjutnya adalah, mengilustrasikan indikator-indikator dalam model dengan

menggunakan aturan sebagai berikut :
 Konsep dilustrasi dengan Elips

 Indikator dilustrasi dengan segi empat
 Error setiap indikator dilustrasi dengan bulatan
 Hubungkan setiap indikator dengan konsep dengan anak panah yang arahnya dari konsep
ke indikator .
 Pengilustrasian secara langsung pada bidang kerja dapat dilakukan dengan menggunakan
icon-icon Ilustrasi (Tools) yang telah disediakan oleh AMOS ,dengan cara sebagian berikut
:
Ilustrasi8.39. Peng-Ilustrasian Model
1) Klik ilustrasi variabel laten (konsep/konstrak) yang lengkap dengan indikator dan
error term, Kemudian arahkan kursor kebidang kerja yang diinginkan, lalu dengan teknik
“drug” dibuat elip yang sesuai.

2) Masih pada posisi itu, klik beberapa kali sebanyak indikator yang ada (dalam contoh,
Klik 4 kali) sehingga terbentuk ilustrasi seperti tampak pada peraga berikut :
Ilustrasi 8.40. Hasil pengilustrasian model
3) Gabungkan berkas yang akan dianalisis, yaitu Data-karir.sav(dari SPSS) dengan AMOS,
caranya :

❺ Klik Data File
Sehingga muncul tampilan:
Ilustrasi 8.42. Proses Memilih File Data SPSS
❻ Klik File Name
❼ Temukan nama File Data yang akan diaktifkan (yaitu Data-Karir.Sav), kemudian Klik
Nama File Data Tersebut hingga masuk di Kotak File Name.
❽ Klik Open hingga tampilan tampak seperti pada ilustrasi 8.42. kemudian Klik Ok.
d. Memberi nama dan label.

Setiap variable, bail yang laten, indicator maupun error term harus diberi nama dan atau
label. Nama dan label dalam satu variable boleh sama. Nama variable harus sama dengan nama
variable dari data yang direkam, sedangkan label boleh berbeda. Untuk kesederhanaan, dalam
contoh ini nama dan label akan dibuat sama. Sesuai contoh data yang akan dianalisis, maka nama
dan label dari setiap variable adalah sebagai berikut:
 Variabel laten (konsep): nama variable = KARIR
Nama label = KARIR
Indikator pertama hingga keempat masing-masing diberi nama dan label indikator sebagai
berikut:
indikator ke 1: nama = x11

label = x11
label = x12
label = x13
label = x14
 Error term setiap indikator akan diberi nama dan label masing-masing sebagai berikut:
error term ke 1: nama = e1

label = e1

label = e2
label = e3
label = e4
Cara mengisinya sebagai berikut:

 Aktifkan menu Object Properties dengan cara klik dua kali (double klik) pada bidang
ilustrasi yang akan diberi nama dan diberi label (untuk pindah ke bidang lain, Klik Bidang
tersebut). Tampilan yang muncul ketika diklik dua kali adalah sebagai berikut:
Ilustrasi 8.43. Kotak pengisian Label/Nama Semua Variabel (Konsep, indicator dan error
term)
 Font size sebagai pilihan besarnya huruf yang akan digunakan. Defultnya18 dan dapat
dirubah, misalnya gunakan font size 8.
 Font style yang disediakan adalah regular, italic, bolt dan bolt italic.
 Variabel name dan variable label tempat penulisan nama dan label dari variable. Nama
diisi atu-persatu hingga semua variable, indicator maupun error term terisi.
 Jika telah terisi semua, untuk keluar dari menu ini klik Exit (tanda x)
Setelah pengisian nama dan label setiap variable selesai maka hasil pengisian tersebut akan
tampak sebagai berikut:

Ilustrasi 8.44. Model Yang Telah Diberi Nama dan Label
e. Penentuan Tempat Output Hasil Analisis

AMOS memberikan kebebasan kepada peneliti untuk menempatkan output hasil analisis
CFA. Lokasi yang memuat informasi hasil analisis dapat dibuat melalui menu (icon) Title. Yang
perlu ditulis dalam menu Title adalah:
 Judul analisis data

 Harga-harga statistic yang diperlukan, diantaranya seperti ditunjukan dalam table berikut.
Ilustrasi 8.45. Harga Statistik dan Cara Penulisannya
PENULISAN HARGA STATISTIK CUT OF PONT

\cmin Minimum velue of the discreperency Sangat kecil
function C ( Chi Square)
\p Probability or p_value (p) ≥ 0,05
\cfi Comparative Fit Index (CFI) ≥ 0,09
\agfi Adjusted Goodness of Fit Index (AGFI) ≥ 0,09
\gfi Godness of Fit Index (GFI) ≥ 0,09
\rmsea Root Mean Square Error Approximation ≤ 0,08
(RMSEA)
\tli Tucker-Lewis Index (TLI) ≥ 0,09
\df Degree of Freedom ≤2
\cmindf Minimum value of the discreperency ≤ 0,08
function C divided by degree of freedom

❶ Klik Title kemudian Klik dilembar kerja (biasanya di samping model), maka
akan muncul tampilan seperti ini:
Ilustrasi 8.46. Menu Untuk Menulis Judul dan Hasil Analisis
Perataan penulisan:
 Center align = rata tengah dari tulisan Font size = ukuran
huruf
 Left align = rata kiri dari tulisan Bolt = huruf tebal
Italic = huruf miring
 Right align = rata kanan dari tulisan
 Center on page = rata tengah dari
lembar kerja
❷ Penulisan judul maupun hasil analisis yang diinginkan diletakan pada kotak
Caption, dengan urutan penulisan (tergantung keinginan peneliti), misalnya:
 Baris pertama: biasanya di tulis “Godness of Fit Indices”
 Baris kedua; tulis judul analisis, misalnya “Uji Instrumen Variabel Karier”
 Baris ketiga dan seterusnya diisi harga-harga yang diperlukan, yang cara
penulisannya lihat Ilustrasi 8.44.
 Hasil dari pengisian tersebut dapat dilihat pada tampilan berikut:

Ilustrasi 8.47. Tampilan Hasil Pengisian Judul dan Analisis
Jika semua harga tersebut dipenuhi (sesuai dengan cut of point), maka model
dinyatakan cocok, dan selanjutnya memeriksa harga loading factor (λ) dari setiap
butir yang diuji.
f. Mengeksekusi Proses Analisis

Perintah agar AMOS menjalankan fungsinya (memproses data), dilakukan dengan perintah
sebagai berikut:
Ilustrasi 8.48. Perintah Eksekusi Proses Analisis

Sebagai indikasi bahwa computer berhasil mengeksekusi, adalah berubahnya Tool View The
Output Path Diagram, yang mula-mula berwarna buram, lalu menjadi berwarna merah, seperti
tampilan berikut ini:
Ilustrasi 8.49. Tampilan AMOS Selesai Memproses Data
g. Melihat Output (hasil) Analisis Uji Validitas Dengan CFA

Untuk melihat hasil analisis yang dilakukan oleh AMOS, dapat dilakukan dengan berbagai
cara, diantaranya adalah:
Ilustrasi 8.50. Menampilkan Output Hasil Analisis
Tunggu sebentar hingga muncul tampilan seperti Ilustrasi 8.51.

Perhatikan besarnya harga probabilitas, jika harganya >0,05 maka modal dinyatakan fit dan
proses dinyatakan selesai, tetapi jika harga probabilitas ≤ 0,05 maka model belum fit dan perlu
dimodifikasi. Berdasarkan pernyataan tersebut, model pada contoh di atas dinyatakan belum
fit dan perlu dimodifikasi.
Ilustrasi 8.51. Tampilan Hasil Analisis Model
Cara Memodifikasi Model
Ilustrasi 8.52. Perintah Memodifikasi Model

Selanjutnya akan tampak tampilan seperti berikut ini:
Ilustrasi 8.53. Tampilan Table Output Untuk Modifikasi
 Pada kotak dialog, pilih menu Modification Indices.
 Pada dasarnya modifikasi dapat dilakukan pada covariance yang ada dukungan
teoritik dan mempunyai harga MI terbesar. Dari contoh di atas, covariance antara
variabel e12 atau x12 dengan e11 atau x11 mempunyai harga M.I. yang paling
tinggi dibanding yang lain (10,44945). Secara teoritik, covariance dari kedua
variabel tersebut rasional, sehingga modifikasi dapat dilakukan dengan cara sebagai
berikut:
 Pertama, menghilangkan salah satu variabel yang berkovariansi (dengan
harga Modification Index terbesar) tersebut yang Standard Loading
Factor (Loading Factor) –nya terkecil. Dalam contoh ini, Standard
Loading butir x12 sebesar 0,79 dan Standard Loading butir x11 sebesar
0,86 (lihat Ilustrasi 8.50). Maka berdasarkan cara ini, modifikasi dilakukan
dengan mengghilangkan butir x12. Untuk variabel yang mempunyai
indikator sedikit (seperti contoh ini hanya 4 indikator), cara seperti ini
kurang menguntungkan, karena indikatornya akan semakin sedikit.
 Kedua, mengkorelasikan variabel yang berkovariansi tersebut (dengan
harga MI paling besar).
Karena banyaknya indikator sedikit, maka , modifikasi akan dilakukan dengan cara
kedua, yaitu mengkorelasikan (menghubungkan) variabel x11 dengan variabel x12
menggunakan tool anak panah dua mata ( ). Hasil dari modifikasi tampak pada
ilustrasi berikut:

Ilustrasi 8.54 Hasil Modifikasi Model
Dengan memodifikasi model tersebut, ternyata harga probalitasnya telah terkoreksi

menjadi 0,307 yang berarti > 0,05 dan semua harga statistik yang lain telah
memnuhi syarat, sehingga disimpulkan bahwa model telah fit.
 Setlah model dinyatakan fit (cocok) selanjutnya memeriksa harga Standard
Loading dan taraf signifikansi untuk setiap butir yang diuji (jika modifikasi
menggunakan cara pertama, yaitu membuang salah satu butir yang dihilangkan
tidak perlu lagi dibahas). Indikator dikatakan valid jika mempunyai Standard
Loading yang menghasilkan taraf Signifikasi ≤ 0,05. Untuk melihat harga
Standard Loading caranya:
 Klik View/Set, kemudian Klik Table Output
 Cari di kotak dialog untuk pilihan output sub menu Estimate, jika sudah
ketemu Klik Estimate, sehingga muncul tampilan seperti tampak pada
output berikut:
Regression Weights
 KARIER → X14 mempunyai harga P (taraf Signifikansi) = 0,00000

Ilustrasi 8.55 Hasil Pengujian Validitas
-oo0oo-

Bagian 9
Uji Reliabilitas
Instrumen
Suatu instrument meskipun digunakan
berulang-ulang untuk mengukur obyek
yang sama harus menghasilkan ukuran
yang sama (konsisten).
Kemampuan instrument menghasilkan
ukuran yang konsisten tersebut disebut
reliabilita.
Bagian ini menjelaskan bagaimana cara
menguji reliabilitas instrumen.

Realiabilitas adalah ukuran yang menunjukkan seberapa tinggi suatu instumen dapat
diandalkan, artinya realiabilitas menyangkut ketepatan (dalam pengertian konsisten) alat ukur.
Pengertian lain yang mudah dipahami adalah jika suatu set obyek yang sama diukur berkali-kali
dengan alat ukur yang sama, apakah akan diperoleh hasil yang sama? Jika jawabannya adalah
“ya”, maka instrumen yang bersangkutan mempunyai derajat reliabilitas yang tinggi.
Misalnya seseorang mengkur panjang meja dengan menggunakan jengkal tangannya (jarak antara
ujung ibu jari dengan ujung kelingking dari telapak tangan yang rentangkan). Sudah dapat
dipastikan jika pengukuran diulang lagi pasti akan menghasilkan nilai yang berbeda. Instrumen
seperti ini (jengkal tangan) merupakan instrumen yang tidak reliabel.
Macam-macam jenis reliabilitas berdasarkan cara melakukan pengujian:
Terdapat beberapa metode yang digunakan untuk mengukur tingkat reliabilitas instrumen,
namun yang paling sering digunakan untuk mengukur tingkat reliabilitas instrumen, namun yang
paling sering digunakan dalam penelitian adalah metode internal consistency, karena metode ini
mempunyai banyak formula yang dapat digunakan untuk mengukur tingkat reliabilitas instrumen
yaitu:

1. Koefisien Alpha Cronbach yang dihitung berdasarkan varian-varian skor dari setiap butir dan
varians total butir tersebut.
2. Koefisien Alpha Croncbach yang dihitung berdasarkan koefisien korelasi product moment
antar skor setiap butir
3. Reliabilitas Konstrak (construcut reliability)
4. Variance Ectracted
Dua metode yang pertama, yaitu koefiesien alpha cronbach dapat dihitung dengan
menggunakan bantuan paket program SPSS, sedangkan untuk dua metode terakhir, reliabilitas
konstrak (construct reliability) dan Variance Extracted, dapat dihitung dengan menggunkan paket
program AMOS.
Rumus-rumus perhitungan secara manual adalah:
Q Ʃ 𝑆²𝑞𝑖
Cronbach′ s alpha = ( ) (1 − )
𝑄−1 Ʃ 𝑆²𝑥
𝑄. Ṝ𝑥𝑦
Standardized Chronbach′ s alpha −
1 + {(Ṝxy)(Q − 1)
Keterangan :
Q : Banyaknya butir dalam satu variabel
Sqi : Varians skor ssetiap butir
Sx : Varians skor total butir tersebut
Rxy : Mean korelasi antar butir

(Ʃ 𝑠𝑡𝑑. 𝑙𝑜𝑎𝑑𝑖𝑛𝑔)²
Construct Reliability =
(Ʃ std. loading 2 + Ʃɛ₁
Ʃ std. loading²
Variance Extracted =
Ʃ 𝑠𝑡𝑑. 𝑙𝑜𝑎𝑑𝑖𝑛𝑔 + Ʃɛ₁
Keterangan :
Std.loading diperoleh langsung dari output program AMOS
Ɛį : error term dari setiap butir (indikator) yang dihitung dengan rumus:
Ɛį : 1-(Std.Loading)²
Jika koefisien reliabilitas hasil perhitungan menunjukkan angka ≥ 0,6 maka dapat disimpulkan
bahwa instrumen bersangkutan dinyatakan reliabel (Sekarang, 2003:311).
Aplikasi pengujian validalitas dan reabilitas dengan menggunakan software aplikasi SPPS dan
AMOS dapat diikuti pada Suplemen berikut.

SUPLEMEN UJI RELIABILITAS INSTRUMEN DENGAN PAKET PROGRAM SPSS &
AMOS
1. Uji Reliabilitas Instrumen dengan paket Program SPSS
2. Uji Reliabilitas Instrumen dengan paket Program AMOS

1. Menguji Reliabilitas Dengan SPSS
Program SPSS akan sangat membantu untuk menguji reliabilitas instrument dengan
pendekatan Alpha Cronbach, baik yang menggunakan basis harga varians maupun harga koefisien
korelasi. Langkahnya adalah:
❶ Aktifkan berkas Data-karir (seperti yang telah dicontohkan sebelumnya)

Jika telah aktif, ikuti langkah berikut:
Ilustrasi 9.1. Tampilan Menu Utama SPSS
❷ Klik Analyze
❸ Pilih Scale
❹ Klik Reliability
Analysis
Sehingga tampak tampilan layer terlihat pada Ilustrasi 9.2.
❺ Pindahkan atau masukan semua butir yang akan diuji reliabilitasnya (tidak termasuk skor
totalnya) ke kotak Items, caranya:
 Klik butir x11 kemudian tekan tombol Shift (tidak dilepas) dan Klik butir x12 sehingga
kelima variable telah tertandai (diblok).
 Klik tanda panah, sehingga keempat butir pindah kotak Items.
Ilustrasi 9.2. Tampilan Menu Reliability Analysis

❻ Menu Model defaultnya adalah Alpha, ini artinya analisis akan menghasilkan koefisien Alpha
Cronbach. Karena telah sesuai dengan maksud pengujian reliabilitas, maka menu Model
abaikan saja.
❼ Menu List Item Labels adalah perintah pada computer untuk menunjukan nama indicator yang
diuji pada output hasil analisis, menu ini tidak diperlukan, maka abaikan saja.
❽ Menu Statistics… berisi berbagai pilihan seperti tampak pada peraga berikut ini:
Ilustrasi 9.3. Tampilan Menu Statistics…
Hasil dari pilihan itu adalah:
Ilustrasi 9.4. Memasukan Butir ke Kotak Items
❾ Untuk mendapatkan hasil perhitungan, Klik Ok. Hasil dari proses ini adalah sebagai berikut:

Ilustrasi 9.5. Hasil Analisa Reliabilitas
Interpretasi hasil:
 Mean, Std. Dev dan Cases adalah harga setiap butir yang berkaitan dengan rata-rata skor,
standar deviasi dan banyaknya data setiap butir.
 N of Cases = 30 adalah banyaknya data
 Secara keseluruhan diperoleh harga rata-rata skor = 3,4417, skor minimum = 3,2667, skor
maksimum = 3,7000, jarak = 0,4333, rasio antara skor maksimum dan minimum = 1,1327
dan varian = 0,0344
 Koefisien reliabilitas (Reliability Coefficients) untuk 4 butir (items)
 Alpha = 0,9155 (dihitung dari harga varians)
 Standardized item alpha = 0,9155 (dihitung dari harga koefisien korelasi antar butir).
Harga Alpha dan harga Standardized item alpha tidak harus sama dan dianjurkan kepada peneliti
untuk memilih salah satu aja. Harga-harga uji reliabilitas tersebut (Alpha dan Standardized item
alpha) ternyata lebih besar dari 0,06 sehingga dapat disimpulkan bahwa instrument pengukur
pentingnya karier bagi karyawan tersebut dinyatakan Reliabel.
Hasil uji coba (tryout) instrument secara keseluruhan, yaitu validitas dan reliabilitas
disimpulkan bahwa instrument pengukur pentingnya karier karyawan dinyatalan Valid dan
Reliable, sehingga instruktur itu dapat digunakan lebih lanjut.
2. Menguji Reliabilitas Dengan AMOS

Paket program AMOS sangat cocok untuk melakukan pengujian reliabilitas lonstruk
(Construct Reliability) dan Varian yang diekstrak (Variance Extracted). Penjelasan mengenai
pengujian dengan AMOS yang telah dibahas pada bab sebelumnya (lihat Ilustrasi 8.55 pada
halaman 229).

Pada Tabel Ilustrasi 8.55 dapat dilihat harga-harga Standardizet Regression Weight atau
Standard Loading Factor yang diberi notasi λ. Sedangkan harga error (Ɛ) setiap butir dihitung
dengan rumus: Ɛ = 1-λ²
Harga-harga Standard Loading (λ) setiap butir yang dinyatakan signifikan (dengan
probabilitas < 0,05) dan errornya (Ɛ) dapat dilihat pada table perhitungan berikut:
Ilustrasi 9.6. Harga Standard Loading (λ) dan Error
Dari angka dalam table di atas dapat dihitung masing-masing metode pengujian reliabilitas
konstruk maupun dengan varians yang diekstrak sebagai berikut.
a. Uji reliabilitas konstruk (Construct Relaibility)

Harga koefisien reliabilitas konstruk dapat dicari den gan memasukan harga-harga standar
loading (λ) dan error (Ɛ); lihat angka-angka dalam tabel di atas; ke dalam rumus
perhitungan berikut ini:
(Ʃ 𝑠𝑡𝑑. 𝑙𝑜𝑎𝑑𝑖𝑛𝑔)2
Construct Relaibility =
(Ʃ 𝑠𝑡𝑑. 𝑙𝑜𝑎𝑑𝑖𝑛𝑔)2 + ƩƐ𝑖
(3,29764)²
= = 0,89793
(3,29764)2 + 1,23610
Dari hasil perhitungan diketahui bahwa besarnya harga Construct Reliability = 0,89793
yang berarti > 0,6. Jadi dapat disimpulkan bahwa instrumen pengukur variable karier
dinyatakan reliabel.
b. Uji reliabilitas dengan Varian yang di Ekstrak (Varian Extracted)

Harga koefisien reliabilitas Variance Extracted dapat dicari dengan memasukan harga-
harga standar loading (λ) dan error (Ɛ); lihat angka-angka dalam table di atas kedalam
rumus perhitungan berikut ini:
Ʃ 𝑠𝑡𝑑. 𝑙𝑜𝑎𝑑𝑖𝑛𝑔2
𝑉𝑎𝑟𝑖𝑎𝑛 𝐸𝑥𝑡𝑟𝑎𝑐𝑡𝑒𝑑 =
Ʃ 𝑠𝑡𝑑. 𝑙𝑜𝑎𝑑𝑖𝑛𝑔2 + Ʃ𝜀𝑖

2,7639
= = 0,691
2,7639 + 1,23610
Dari hasil perhitungan diketahui bahwa besarnya harga Variance Extracted Reliability =
0,691 yang berarti > 0,6. Jadi dapat disimpulkan bahwa instrumen pengukur variable
karier dinyatakan reliabel.
-oo0oo-

Daftar
Pustaka

Arikunto, Suharsimi, 1988, Manajemen Penelitian, Edisi Baru, Jakarta: PT Rineka Cipta.
Augusty, Ferdinand, 2006, Metode Penelitian Manajemen, Edisi 2, Semarang: Badan Penerbit
Universitas Diponegoro
Azwar, Saifuddin, 1999, Penyusunan Skala Psikologi, Yogyakarta: Pustaka Pelajar
, 1998, Metode Penelitian, Yogyakarta: Pustaka Pelajar
Beugre Constant D., 1998, Managing Fairness In Organization, London: Quorum Books,
Greenwood Publishing Group, Inc.
Boedijoewono, Nugroho, 2001, Pengantar Statistik Ekonomi dan Perusahaan, Jilid 2, Edisi
Revisi, Yogyakarta, UPP AMP YKPN.
Churchill,A,JR.,Gilbert, 2001, Basic Marketing Research, Fouth Edition, Orlando: Harcourt, Inc.
Cooper,Donald R., C.William Emory, 1997, Metode Penelitian Bisnis, Jilid 1, Alih Bahasa: Elen
Gunawan dan Imam Nurmawan, Jakarta: Erlangga
Emory,William,C., 1998, Business Research Methods, Revised Edition, Illinois: Richard D. Irwin,
Inc.
Fitz-enz,Jac, 1984, How to Measure Human Resources Management, New York: McGraw-Hill
Book Company.
Hair,F.JR., Joseph, William C. Black, Barry J. Babin, Rolph E. Anderson, Ronald L. Tatham,
2006, Multivariate Data Analysis, Sixth Edition, New Jersey: Pearson Prentice Hall.
Jogiyanto, H.M., 2004/2005, Metodologi Penelitian Bisnis, Salah Kaprah dan Pengalaman-
Pengalaman, Yogyakarta: BPFE Fakultas Ekonomi, UGM
Klimoski,Schmitt, 1991, Reseach Methods In Human Resources Management, Ohio: South-

Western Publishing Co.
Maskat,H.,Djunaidi, 1992, Pengaruh Keteladanan, Pelaksanaan Tugas, Pengembangan

Individual dan Membangun Kekompakan terhadap Efektivitas Kepemimpinan Di
Kepolisian RI, Bandung: Sanyata Sumanasa Wira SESPIM POLRI
Poerwodarminta,W.J.S., 1989, Kamus Umum Bahasa Indonesia, Jakarta: Balai Pustaka
Robbins,Stephen P., 1996, Perilaku Organisasi, Edisi Bahasa Indonesia, Jilid 2, Jakarta: PT.
Prenhallindo.
Saunders,Mark,Philip,Lewis and Ardian,Thornhill, 2003, Research Methods for Busisness

Student, Third Edition, England: Prentice Hall.
Sadily,Hasan, 1983, Ensiklopedi Indonesia, Seri 4, Jakarta: Ichtiar Baru-Van Hoeve.

Simamora,Bilson, 2004, Panduan Riset Perilaku Konsumen, Jakarta: PT. Gramedia Pustaka
Utama.
Solimun, 2005, Structural Equation Modeliing (SEM), Aplikasi Software Amos, Makalah
disampaikan pada pelatihan Structural Equation Modeling di Program Pascasarjana, Unika
Widya Mandala, Surabaya,Tanggal 2-3 Juli, Malang: Fakultas Mipa & Program
Pascasarjana Universitas Brawijaya.


Mengurai Variabel Hingga Instrumentasi

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Mengurai Variabel Hingga Instrumentasi

Diunggah oleh

Hak Cipta:

Format Tersedia

Bagian 1

Bagian ini menjelaskan bagai-

Mengurai Variabel hingga Instrumentasi 1

Mengurai Variabel hingga Instrumentasi 2

Perkembangan peradapan dan pengalaman manusia, berdampak pada pengertian konsep

“Keadilan dalam pemberian upah”, “kepribadian pegawai”, “perilaku konsumen”,

Mengurai Variabel hingga Instrumentasi 3

Sumber Cooper, 1997:36 dimodifikasi

Gambar 1.1 Tingkat Keabstrakan Konsep

Mengurai Variabel hingga Instrumentasi 4

1. Dimensi – dimensi yang membentk konsep “motivasi berprestasi” diantaranya adalah:

Mengurai Variabel hingga Instrumentasi 5

1. Berkerja sepanjang waktu (constantly working)

Mengurai Variabel hingga Instrumentasi 6

Gambar 1.2 strukur (Hierarki) pengukuran konsep secara umum Butir

Mengurai Variabel hingga Instrumentasi 7

Usia Konsep (Variabel)

Bulan dan Tahun Indikator

Variabel usia dengan satu butir pertanyaan (item) langsung dapat

Gambar 1.3 Strukur (Hirarki) variabel usia responden

Tabel 1.1 Struktur (hirarki) konsep usia Responden

Konsep Dimensi Indikator Butir

Usia Bulan dan Tahun kelahiran responden 1 btr

Mengurai Variabel hingga Instrumentasi 8

Table 1.2 sruktur (Hirarki) konsep harga barang

konsep Dimensi indikator butir

Harga 1. Cara bayar Bulan dan Tahun kelahiran 1 btr

3. Dibandingkan pendapatan 1 btr

Mengurai Variabel hingga Instrumentasi 9

kinerja penjualan. Ferdinand (2002:44) menyatakan bahwa penelitian dibidang pemasaran,

Kinerja penjualan Konsep (variabel)

Vol. Pertumbuhan Pertumbuhan Indikator

Butir Butir Butir Pertanyaan

Gambar 1.5 struktur (Hirarki) variabel kinerja penjualan

Mengurai Variabel hingga Instrumentasi 10

Konsep Dimensi Indikator Butir

Kinerja 1. Volume penjualan 1 btr

penjualan 2. Pertumbuhan pelanggan 1 btr

3. Perumbuhan penjualan 1 btr

Minat membeli. Penelitian dibidang pemasaran yang melibatkan konsep “minat

Berdasrkan contoh di atas, maka konsep minat membeli dapat dikategorikan

Mengurai Variabel hingga Instrumentasi 11

Informasi Informasi Cara Meninggalkan

Tidak berpaling pada barang lain

Manfaat dari harga

Gambar 1.6 struktur (Hirarki) variabel Minat Beli

Tabel 1.4 struktur(Hirarki) konsep Minat Membeli Organisasional Berprestasi

Konsep Dimensi Indikator Butir

Minat 1. Intensitas pencarian informasi 3 btr

4. Tingkat perhatikan pada barang 1 btr

Mengurai Variabel hingga Instrumentasi 12

Table 1.5 Struktur (hirarki) konsep QWL

Mengurai Variabel hingga Instrumentasi 13

Tabel 1.6 struktur (hirarki) konsep motivasi berprestasi

Mengurai Variabel hingga Instrumentasi 14

Beugre (1998:94) menjelaskan bahwa konsep “keadilan organisasional (organitional

Mengurai Variabel hingga Instrumentasi 15

Tabel 1.7 struktur (Hirarki) konsep kepuasan kerja

Tabel 1.8 struktur (Hirarki) konsep keadilan organisasional berprestasi

Mengurai Variabel hingga Instrumentasi 16

Mengurai Variabel hingga Instrumentasi 17

Bagian ini menjelaskan jenis dan

Mengurai Variabel hingga Instrumentasi 18

Mengurai Variabel hingga Instrumentasi 19