Disusun Oleh:
Kelompok 3
Frekuensi
Frekuensi hanya mengacu pada berapa kali berbagai subkategori
fenomena tertentu terjadi, dari mana persentase dan persentase kumulatif
kemunculannya dapat dihitung dengan mudah.
Dari frekuensi yang diperoleh untuk variabel lain diketahui bahwa 79,9%
responden adalah laki-laki dan 20,1% perempuan; sekitar 62% bekerja pada shift
pertama, 20% pada shift kedua, dan 18% pada shift ketiga. Sekitar 16%
responden bekerja paruh waktu dan 84% penuh waktu. Sekitar 8% memiliki
kurang dari ijazah sekolah menengah atas, 39% ijazah sekolah menengah atas,
32% gelar sarjana, 20% gelar master, dan 1% memiliki gelar doktor. Dengan
demikian, kita memiliki profil karyawan dalam organisasi ini, yang berguna untuk
mendeskripsikan sampel di bagian "metode" pada laporan tertulis.
Bagan batang dan bagan lingkaran
Excelsior Enterprises: diagram batang
Distribusi frekuensi, diagram batang, histogram, dan diagram lingkaran memberikan
banyak informasi dasar tentang data. Pengukuran tendensi sentral dan dispersi akan
membantu untuk lebih memahami data tersebut.
FREQUENCIES
From the menus, choose: Analyze - Descriptive Statistics – Frequencies [Pilih
variabel yang relevan]. Kemudian pilih yang dibutuhkan: Statistics . . . - Charts . . .
Format [for the order in which the results are to be displayed].
Ukuran tendensi sentral dan dispersi
Ukuran tendensi sentral
Mean, atau rata-rata, adalah ukuran tendensi sentral yang menawarkan gambaran
umum dari data. Misalnya, departemen produksi mungkin menyimpan catatan
terperinci tentang berapa banyak unit produk yang diproduksi setiap hari. Namun,
untuk memperkirakan persediaan bahan baku, yang mungkin ingin diketahui
manajer adalah berapa banyak unit per bulan, rata-rata, yang telah diproduksi
departemen selama enam bulan terakhir. Ukuran tendensi sentral ini bermaksud
menawarkan kepada manajer mengenai gagasan yang baik tentang jumlah bahan
yang perlu disimpan.
Median adalah item utama dalam kelompok pengamatan ketika mereka disusun
dalam urutan naik atau turun.
Pengukuran dispersi
Dua kumpulan data mungkin memiliki mean yang sama, tetapi dispersinya bisa
berbeda. Misalnya, jika Perusahaan A menjual masing-masing 30, 40, dan 50 unit
produk selama bulan April, Mei, dan Juni, dan Perusahaan B menjual 10, 40, dan 70
unit selama periode yang sama, rata-rata unit yang terjual per bulan oleh kedua
perusahaan sama yaitu 40 unit, tetapi variabilitas atau dispersi di perusahaan
terakhir lebih besar. Tiga pengukuran dispersi yang dihubungkan dengan mean
adalah range, varians, dan standar deviasi.
Range mengacu pada nilai ekstrim dalam serangkaian pengamatan. Kisarannya
adalah antara 30 dan 50 untuk Perusahaan A (dispersi 20 unit), sedangkan
kisarannya antara 10 dan 70 unit (dispersi 60 unit) untuk Perusahaan B. Ukuran
dispersi lain yang lebih berguna adalah varians.
(10−40)2 +(40−40)2+(70−40)2
Variance for Company B= =600
3
Deviasi standar, yang merupakan ukuran dispersi lain untuk data skala interval dan
rasio, menawarkan indeks penyebaran distribusi atau variabilitas dalam data. Ini
adalah ukuran dispersi yang sangat umum digunakan, dan merupakan akar kuadrat
dari varians. Dalam kasus dua perusahaan di atas, standar deviasi untuk
Perusahaan A dan B masing-masing adalah √66.7 dan √600 atau 8.167 dan 24.495.
Ukuran lain dari penyebaran Jika median adalah ukuran tendensi sentral,
persentil, desil, dan kuartil menjadi bermakna. Sama seperti median membagi total
bidang pengamatan menjadi dua bagian yang sama, kuartil membaginya menjadi
empat bagian yang sama, desil menjadi sepuluh, dan persentil menjadi 100 bagian
yang sama.
Ukuran dispersi untuk median, rentang interkuartil, terdiri dari 50% pengamatan
tengah (yaitu, pengamatan tidak termasuk kuartil 25% bawah dan atas). Kisaran
interkuartil sangat berguna ketika perbandingan dibuat di antara beberapa
kelompok. Misalnya, perusahaan telepon dapat membandingkan biaya jarak jauh
pelanggan di beberapa daerah dengan mengambil sampel tagihan pelanggan dari
masing-masing kota untuk dibandingkan. Dengan memplot kuartil pertama dan
ketiga serta membandingkan median dan sebaran, mereka dapat mengetahui di
mana tagihan cenderung paling tinggi, sejauh mana pelanggan bervariasi dalam
frekuensi penggunaan panggilan jarak jauh, dan seterusnya. Ini dilakukan dengan
membuat plot kotak dan kumis untuk setiap area. Plot kotak dan kumis adalah
perangkat grafik yang menggambarkan tendensi sentral, persentil, dan variabilitas.
Sebuah kotak digambar, memanjang dari kuartil pertama ke kuartil ketiga, dan garis-
garis ditarik dari kedua sisi kotak ke skor ekstrim, seperti yang ditunjukkan pada
Gambar 14.6 (a) dan Gambar 14.6 (b) memiliki median yang diwakili oleh sebuah
titik di dalam setiap kotak.
dimana X 2 adalah statistik chi-square; Oi adalah frekuensi yang diamati dari sel ke-i;
dan Ei adalah frekuensi yang diharapkan. Jadi, dalam menguji perbedaan dalam
hubungan di antara variabel berskala nominal, statistik X 2 (chi-square) berguna.
Hipotesis nol akan ditetapkan untuk menyatakan bahwa tidak ada hubungan yang
signifikan antara dua variabel dan hipotesis alternatif akan menyatakan bahwa ada
hubungan yang signifikan.
Statistik X 2 juga dapat digunakan untuk beberapa level dari dua variabel nominal.
Misalnya, seseorang mungkin tertarik untuk mengetahui apakah empat kelompok
karyawan (produksi, penjualan, pemasaran, dan personel R&D) bereaksi terhadap
kebijakan dalam empat cara berbeda (yaitu, tanpa minat sama sekali, dengan minat
ringan, minat sedang, dan minat yang intens). Di sini, nilai X 2 untuk uji independensi
dihasilkan dengan melakukan tabulasi silang data dalam 16 sel yaitu,
mengklasifikasikan data dalam empat kelompok karyawan dan empat kategori
minat. Derajat kebebasan di sini adalah 9: [(4-1)X(4-1)]. Selain tes X 2 , tes lain,
seperti uji probabilitas pasti Fisher dan uji Cochran Q digunakan untuk menentukan
hubungan antara dua variabel berskala nominal.
Korelasi
Matriks korelasi Pearson akan menunjukkan arah, kekuatan, dan signifikansi
hubungan bivariat di antara semua variabel yang diukur pada tingkat interval atau
rasio. Korelasi diperoleh dengan menilai variasi dalam satu variabel karena variabel
lain juga bervariasi. Gambar 14.7 (b) menunjukkan pola yang dapat dilihat tentang
bagaimana kedua faktor tersebut bervariasi secara bersamaan (tren penyebarannya
adalah dari garis lurus ke bawah), sedangkan Gambar 14.7 (a) tidak. Melihat
diagram sebar pada Gambar 14.7 (b), terlihat ada korelasi negatif langsung antara
harga dan penjualan produk ini. Artinya, seiring dengan kenaikan harga, penjualan
produk turun secara konsisten. Gambar 14.7 (a) menunjukkan tidak ada pola yang
dapat ditafsirkan untuk produk lain.
Koefisien korelasi yang menunjukkan kekuatan dan arah hubungan dapat dihitung
dengan menerapkan rumus yang mempertimbangkan dua kumpulan angka, volume
penjualan yang berbeda dengan harga yang berbeda. Secara teoritis, mungkin ada
korelasi positif sempurna antara dua variabel, yang diwakili oleh 1,0 (plus 1), atau
korelasi negatif sempurna yang akan menjadi −1,0 (minus 1). Namun, tidak satu pun
dari ini akan ditemukan dalam kenyataan saat menilai korelasi antara dua variabel
yang diharapkan berbeda satu sama lain. Meskipun korelasinya dapat berkisar
antara −1.0 dan +1.0, kita perlu mengetahui apakah ada korelasi yang ditemukan
antara dua variabel signifikan atau tidak (yaitu, jika itu terjadi semata-mata secara
kebetulan atau jika ada probabilitas tinggi untuk keberadaan sebenarnya).
Koefisien korelasi Pearson sesuai untuk variabel skala interval dan rasio, dan
Peringkat Spearman atau koefisien Kendall sesuai ketika variabel diukur pada skala
ordinal.
Keabsahan
Validitas faktorial dapat ditetapkan dengan mengirimkan data untuk analisis
faktor. Hasil analisis faktor (teknik multivariat) akan memastikan muncul atau
tidaknya dimensi-dimensi yang diteorikan. Ukuran dikembangkan dengan terlebih
dahulu menggambarkan dimensi untuk mengoperasionalkan konsep. Analisis faktor
mengungkapkan apakah dimensi benar-benar dipengaruhi oleh item dalam ukuran,
seperti yang diteorikan. Validitas terkait kriteria dapat ditetapkan dengan menguji
kekuatan ukuran untuk membedakan individu yang diketahui berbeda. Validitas
konvergen dapat dibentuk ketika ada tingkat korelasi yang tinggi antara dua sumber
berbeda yang menanggapi ukuran yang sama (misalnya, baik supervisor dan
bawahan menanggapi serupa dengan ukuran sistem penghargaan yang dirasakan
yang diberikan kepada mereka). Validitas diskriminan dapat ditetapkan ketika dua
konsep yang sangat berbeda tidak berkorelasi satu sama lain (misalnya, keberanian
dan kejujuran; kepemimpinan dan motivasi; sikap dan perilaku). Validitas konvergen
dan diskriminan dapat ditetapkan melalui matriks multimetode multitrait, yang
pembahasan lengkapnya berada di luar cakupan buku ini. Mahasiswa yang tertarik
untuk mengetahui lebih jauh tentang analisis faktor dan matrik multimetode dapat
mengacu pada buku-buku pada mata pelajaran tersebut. Jika ukuran yang divalidasi
dengan baik digunakan, tentu saja tidak perlu menetapkan validitasnya lagi untuk
setiap studi. Namun, keandalan item dapat diuji.
Tabel 14.5 memberikan akun yang lebih rinci tentang niat karyawan untuk
keluar. Tabel ini menunjukkan bahwa sekelompok besar karyawan secara serius
mempertimbangkan untuk keluar dari Excelsior Enterprises! Menguji hipotesis kami
akan meningkatkan pemahaman kami tentang mengapa karyawan
mempertimbangkan untuk keluar dari Excelsior Enterprises dan akan memberi kami
alat yang berguna untuk mengurangi niat karyawan untuk meninggalkan
perusahaan.
Matriks korelasi Pearson yang diperoleh untuk lima variabel berskala interval
ditunjukkan pada Tabel 14.6. Dari hasil tersebut, kita melihat bahwa niat untuk pergi,
seperti yang diharapkan, secara signifikan berkorelasi negatif dengan kepuasan
kerja, kesetaraan yang dirasakan, dan pengayaan pekerjaan. Artinya, niat untuk
pergi rendah jika kepuasan kerja dan perlakuan yang adil dialami, dan pekerjaan itu
diperkaya. Namun, ketika individu mengalami kelelahan (kelelahan fisik dan
emosional), niat mereka untuk pergi tidak meningkat (hubungan ini tidak signifikan;
kita akan membahas lebih banyak tentang hal ini di bab berikutnya). Kepuasan kerja
berkorelasi positif dengan ekuitas yang dirasakan dan pekerjaan yang diperkaya dan
berkorelasi negatif dengan kelelahan dan ITL. Korelasi ini semuanya dalam arah
yang diharapkan. Penting untuk dicatat bahwa korelasi antara variabel independen
tidak melebihi 0,272 untuk sampel ini. Ini adalah temuan penting, karena jika korelasi
antara variabel independen sangat tinggi (katakanlah, 0,75 ke atas), kita mungkin
mengalami masalah kolinearitas dalam analisis regresi kita. Setelah kita
memperoleh statistik deskriptif untuk variabel dalam penelitian, kita dapat menguji
hipotesis.