Metodologi Penelitian

HARRY SUHARMAN

UNIVERSITAS PADJADJARAN
BANDUNG
 RESEARCH

RE – SEARCH –
(Kembali) (Mencari)

Penyelidikan yang dilakukan secara

hati-hati, teratur dan terus-menerus
untuk memecahkan suatu masalah
 PENELITIAN
 Suatu penyelidikan yang sistematis untuk
meningkatkan sejumlah pengetahuan.
 Suatu usaha yang sistematis dan
terorganisasi untuk menyelidiki masalah
tertentu yang memerlukan jawaban.
 Tujuan melakukan penelitian
 Untuk memperoleh
pengetahuan yang dapat
menjawab pertanyaan atau
memecahkan masalah.
 Untuk mengembangkan
pengetahuan (tujuan jangka
panjang)
 Untuk memecahkan
masalah (tujuan jangka
pendek)
 Mengapa melakukan penelitian
 Refleksi dari proaktif manusia untuk
meningkatkan pengetahuannnya
tentang sesuatu.
What
 Dorongan dari keinginan reaktif
are
manusia untuk menjawab pertanyaan
assets ?
atau memecahkan masalah dalam
kehidupan.
 KARAKTERISTIK
PENELITIAN

Tujuan Metode
Penelitian Penelitian Hubungan
Penelitian
& Ilmu

Pengembangan
Pengetahuan

Pemecahan
Masalah
 Metode-Metode penelitian
 Penyelidikan
secara sistematis
memerlukan metode-metode.
Metodologi penelitian berisi
pengetahuan yang mengkaji mengenai
metode yang digunakan dalam
penelitian.
 Cara Kerja Untuk
METODE memahami Objek
PENELITIAN Penelitian

Ilmu yang
METODOLOGI mempelajari cara
PENELITIAN untuk memahami
objek penelitian
 Untuk menilai kualitas penelitian
yang baik ada beberapa kriteria:
1. Memiliki tujuan yang jelas, berdasarkan pada permasalahan
tepat.
2. Menggunakan landasan teori yang tepat dan metode penelitian
yang cermat dan teliti.
3. Mengembangkan hipotesis yang dapat diuji.
4. Dapat didukung (diulang) dengan menggunakan riset-riset
yang lain, sehingga dapat diuji tingkat validitas dan
reliabilitasnya .
5. Memiliki tingkat ketepatan dan kepercayaan yang tinggi
6. Bersifat obyektif, artinya kesimpulan yang ditarik harus benar-
benar berdasarkan data yang diperoleh dilapangan
7. Dapat digeneralisasikan, artinya hasil penelitian dapat
diterapkan pada lingkup yang lebih luas
 Style of Thinking

Authority and Postulate Self-Evident

Tradition Truth

Sumber
Common Science
Sense Pengetahuan

Case Studies Personal

Myth and Experience
Superstition

10
 “Style of Thinking”
Rasionalisme
• Postulational

Empirisisme
• Self-Evident Truth • Scientific Method
Idealisme

• Method of Authority

• Literary (Case Study)

• Untested Opinion

Eksistensialisme

11
Rasionalisme – Eksistensialisme dan Empirisisme
- Idealisme

1. Empirisisme: Observasi dan proposisi berdasar pada

pengalaman dengan menggunakan metoda inductive logic,
termasuk matematik dan statistik. Empirisis berusaha
mendiskripsi, menjelaskan, dan memprediksi informasi faktual
yang diperoleh melalui observasi

2. Rasionalisme: Sumber utama pengetahuan adalah penalaran

(reasoning dan judgment). Pengetahuan dideduksi dari
kebenaran dan hukum alam. Karena hukum alam mengatur
semesta secara logik.

12
Beberapa Contoh Gaya Berpikir atau Methods of
Knowing

1. Untested Opinion, Intuition/A Priori Method:

Angka 13 adalah angka sial
Laut Selatan dikuasai Ratu Selatan

2. Self-Evident Truth atau Method of Tenacity:

Semua mahluk hidup akan mati
Semua benda di Bumi akan jatuh ke bawah
3. Method of Authority:
Rahasia Perusahaan Sukses di Amerika (Peters and
Waterman, 1982)
13
Beberapa Contoh Gaya Berpikir atau Methods of
Knowing (lanjutan)
4. Literary Style:
Studi kasus pada sebuah perusahaan
Teori Motivasi Abraham Maslow

5. Postulational Style:
Simulasi difusi inovasi
Maksimisasi profit; MR = MC

6. Scientific Method

14
 Science

Science

Metoda Ilmiah Norma Komunitas

Prosedur yang ketat untuk
Ilmiah
menghasilkan penelitian Seperangkat norma dan
yang berkualitas nilai profesional yang
diinternalisasi oleh
peneliti.
 Science

1. Pengetahuan (body of knowledge) yang

terklasifikasi dan tersistematisasi
2. Terorganisasi berdasar satu atau lebih teori
sentral dan sejumlah prinsip umum
3. Biasanya diekspresi secara kuantitatif
4. Pengetahuan yang memungkinkan untuk
memprediksi dan, dalam beberapa situasi,
untuk mengendalikan kejadian di masa
datang
 Metoda Ilmiah
1. Penilaian terhadap pengetahuan yang relevan
2. Pembentukan konsep dan spesifikasi hipotesis
3. Pengumpulan data
4. Pengorganisasian dan analisis data dengan cara yang
relevan
5. Evaluasi dan pembelajaran dari temuan/hasil riset
6. Penyebaran informasi riset
7. Memberikan penjelasan
8. Membuat prediksi
9. Melakukan aktifitas pengendalian yang diperlukan
 Norma Komunitas Ilmiah

1. Universalism: Penelitian dinilai semata-mata

atas dasar sumbangannya terhadap ilmu
pengetahuan; tanpa melihat pihak yang
melakukan penelitian dan tempat penelitian
dilakukan
2. Organized Skepticism: Ilmuwan harus selalu
bersikap kritis dan berhati-hati dalam
menerima ide baru
3. Disinterestedness: Ilmuwan harus netral dan
terbuka terhadap hal-hal baru.
 Norma Komunitas Ilmiah (lanjutan)

4. Communalism: Pengetahuan ilmiah harus

disebarluaskan dan dimiliki bersama. Temuan
ilmiah merupakan milik publik yang dapat
digunakan oleh semua orang. Proses riset
harus dipaparkan secara rinci
5. Honesty: Merupakan norma budaya yang
utama bagi seorang peneliti dan ilmuwan.
Ketidak jujuran merupakan tabu besar.
 Research Paradigm
Radical Change

Radical Radical
Humanist Structuralist
Subjective

Objective
Interpretivist Functionalist

Regulation
 Scientific Research

Scientific Research

Paradigma Paradigma
Kualitatif Kuantitatif

Riset Riset
Kualitatif Kuantitatif

Mixed Methods
 Paradigma Kualitatif dan Kuantitatif
Paradigma Kualitatif Paradigma Kuantitatif
Metoda kualitatif Metoda kuantitatif
Memahami perilaku manusia dari sudut Mencari fakta atau penyebab fenomena
pandang si aktor sosial secara obyektif
Pendekatan fenomenologi Pendekatan logical-positivism
Uncontrolled, naturalistic Obtrusive, controlled measurement
observational measurement
Subyektif, insider perspective, tidak Obyektif, outsider perspective, menjaga
menjaga jarak dengan data jarak dengan data
Grounded, discovery oriented, Ungrounded, verification oriented,
exploratory, expansionist, descriptive, confirmatory, reductionist, inferential,
inductive hypothetico-deductive
Orientasi proses Orientasi hasil
Validitas sangat penting, nyata, kaya, Reliabilitas sangat penting, hard data,
dan mendalam data mudah direplikasi
Holistik, sintesa Partikularistik, analisis
 Riset Kualitatif dan Kuantitatif
Riset Kualitatif Riset Kuantitatif
Mengungkap makna ketika peneliti Menguji hipotesis yang mengawali
menyatu dengan data proses penelitian
Konsep berupa tema, gambaran, dan Konsep berupa variabel-variabel yang
taksonomi (klasifikasi/kategorisasi) unik

Instrumen dikembangkan secara ad hoc, Instrumen dikembangkan secara

spesifik pada setting dan peneliti
Data dalam bentuk kata-kata atau kesan Data dalam bentuk angka dari
yang bersumber dari dokumen,
observasi, dan transkrip
Teori dapat bersifat kausal atau
nonkausal dan induktif
Prosedur riset sangat khas dan
replikasi sangat jarang dilakukan
Analisis dilakukan untuk
mengekstraksi tema dari temuan-
temuan riset
sistematik dan terstandar sebelum
pengumpulan data
pengukuran dengan presisi tinggi
Teori pada umumnya bersifat kausal dan
deduktif
Prosedur riset terstandar dan replikasi
perlu dilakukan
Analisis menggunakan statistik, tabel,
atau diagram dan dikaitkan dengan
hipotesis
 Kriteria bagi Terwujudnya Scientific Knowledge

Riset Kualitatif Riset Kuantitatif

Credibility: konstruksi realitas yang memenuhi

Validitas Internal
syarat dan dapat dipercaya

Transferability: dapat diterapkan pada konteks

Validitas Eksternal
lain yang memiliki kesamaan

Dependability: stabilitas interpretasi Reliabilitas

Confirmability: konstruksi interpretasi peneliti

dapat ditelusuri kembali melalui catatan Obyektifitas
prosedur penelitian
 Differences among Three Approaches to Research

Interpretive Critical Social

Positivism
Social Science Science

1. Reason for To discover natural laws To smash myths and

To understand and describe
so people can predict and empower people to change
research meaningful social action
control events society radically

2. Nature of Stable preexisting patterns Fluid definitions of a Conflict filled and

or order that can be situation created by human governed by hidden
social reality discovered interaction underlying structure

Creative, adaptive people

3. Nature of Self-interested and rational Social beings who create
with unrealized potential,
individuals who are mening and who constantly
human beings trapped by illusion and
shaped by external forces make sense of their worlds
exploitation

4. Role of False beliefs that hide

Clearly distinct from and Powerful everyday theories
power and objective
common sense less valid than science used by ordinary people
conditions
 Differences among Three Approaches to Research

Interpretive Critical Social

Positivism
Social Science Science
A logical deductive system A critique that reveals true
5. Theory A description of how a
of interconnected conditions and helps
group’s meaning system is
looks like definitions, axioms, and people see the way to a
generated and sustained
laws better world

6. An explanation Resonates and feels right to

Is logically connected to Supplies people with tools
those who are being
that is true laws and based on facts needed to change the world
studied

7. Good Is based on precise

Is embedded in the context Is informed by a theory
observations that others
evidence of fluid social interactions that unveils illusions
can repeat

Values are an integral part All science must begin with

8. Place for Science is value free, and
of social life; no group’s a value position; some
values have no place except
values values are wrong; only posistions are right; some
when choosing a topic
different are wrong
 Suatu alat untuk
HAKEKAT menjelaskan,
ILMU mengendalikan atau
meramalkan suatu
kejadian

PROSES Suatu Refleksi yang

BERPIKIR teratur dan hati-
hati
Lahir karena manusia mempunyai rasa sangsi
(ingin tahu) akan sesuatu yang timbul menjadi
masalah khusus
 URUTAN PROSES BERPIKIR
1.Timbul rasa sulit dan dirumuskan
menjadi masalah.
2.Timbul kemungkinan alternatif cara
pemecahan masalah
3.Merumuskan cara pemecahan masalah
secara rasional (disertai implikasi dan
pengumpulan fakta).
4. Menguatkan bukti atau fakta.
5.Merumuskan Kesimpulan
 URUTAN BERPIKIR ILMIAH

Sifat Berpikir
Manusia
Ikhtiar Kebenaran
Nalar

Cara kerja untuk memahami

METODE suatu objek sesuai dengan
ILMIAH syarat-syarat yang dituntut
(SCIENTIFIC oleh Ilmu (berdasarkan proses
berpikir ilmiah). Atau
METHOD)
Prosedur tertentu yang
digunakan untuk memperoleh
pengetahuan ilmiah
Dua Kriteria utama pengetahuan
Ilmiah
 Ada konsistensi dengan pengetahuan
berikutnya.
 Ada kesesuaian antara pengetahuan
yang dikembangkan dengan fakta di
lapangan.
 Proses Penelitian

Observasi Identifikasi
Masalah
Perbaikan teori
Implementasi teori
Kerangka
Teori
RANCANG
Interpretasi
data BANGUN
Hipotesis
ILMU
Analisis
Data Konstruk,
Konsep,
Pengumpulan Desain Definisi
Data Penelitian Operasional
 KLASIFIKASI
PENELITIAN

Tujuan: Tingkat Sifat dan

1. Dasar Metode: Explanasi: Jenis data:
1. Survey 1. Deskriptif 1. Kuantitatif
2. Terapan 2. Kualitatif
2. Ex post facto 2. Komparatif
3. Experiment 3. Asosiatif 3. Gabungan
4. Naturalistik
5. Kebijakan
6. Tindakan
7. Evaluasi
8. Sejarah
9. Studi kasus
 TUJUAN
1. Penelitian dasar/ murni
(Basic, Pure, Fundamental)
a. Penelitian deduktif, bertujuan menguji teori
b. Penelitian induktif, bertujuan
mengembangkan/ menemukan teori terdiri:
-evaluasi tindakan utk kept bisnis mis:
efektivitas program.
-pengembangan, mis pengembangan produk
-tindakan, mengembangkan/ menemukan
cara-cara baru mis, metode pemasaran
 TUJUAN
2. Penelitian Terapan (Applied)
Diarahkan untuk mendapatkan informasi
untuk digunakan dalam pemecahan
masalah.
Meliputi penelitian:
-evaluasi tindakan utk kept bisnis mis:
efektivitas program.
-pengembangan, mis pengembangan produk
-tindakan, mengembangkan/ menemukan
cara-cara baru mis, metode pemasaran
 METODE
1. Survey, melakukan observasi langsung populasi besar
dan kecil utk generalisasi atas pengamatana.
2. Ex post facto, meneliti peristiwa yg telah terjadi untuk
mengetahui faktor penyebab peristiwa itu mis: faktor
dominan kualitas pelayanan transportasi udara
3. Experiment, objek penelitian dikontrol sedemikian
rupa sehingga dapat menyimpulkan suatu alternatif
pemecahan masalah
 METODE
4. Naturalistik, penelitian terhadap suatu objek dan
peneliti merupakan instrument kunci.
5. Kebijakan, analisis terhadap masalah sosial mendasar
misal; tentang jenis minuman yg digemari anak muda
di diskotik.
6. Sejarah, penelitian terhadap masalah-masalah masa lalu
bertujuan merekontruksi fenomena masa lalu dan
mengantisipasi masa yang akan datang
7. Studi Kasus, karakteristik masalah berkaitan dengan
latar belakang dan kondisi saat ini dari subjek.
 TINGKAT EKSPLANASI
1. Penelitian Deskriptif, untuk mengetahui suatu
keadaan variabel, tanpa memperbandingkan mis,
mengetahui kinerja PT.X thn ?
2. Penelitian Komparatif, bersifat membandingkan, mis
perbedaan kinerja sebelum dan sesudah go publik.
3. Penelitian Asosiatif, bertujuan mengetahui hub antar
variabel, misal prediksi laba 1 tahun kedepan.
 SIFAT DAN JENIS DATA
1. Kuantitatif, menekankan pada pengujian teori
melalui angka-angka dan melakukan analisis
data dengan prosedur statistik.
2. Kualitatif, menekankan pemahaman mengenai
masalah sosial berdasarkan pengamatan yang
realitas, kompleks dan rinci.
Masalah/Pertanyaan Penelitian

Telaah Hipotesis
Teori

PENGUJIAN FAKTA
–Pemilihan Data
- Pengumpulan Data Hasil
- Analisis Data

KESIMPULAN
 Sumber masalah
 Pertanyaan pertama yang diajukan oleh kebanyakan
peneliti adalah
 "Bagaimana saya dapat menemukan suatu persoalan
penelitian?"
 Meskipun tidak ada kaidah yang pasti untuk menemukan
suatu persoalan, ada beberapa saran yang telah terbukti
bermanfaat. Tiga sumber persoalan penelitian yang penting
adalah:
 pengalaman,
 deduksi dari teori, dan
 literatur yang ada kaitan-nya.
 Pengalaman
Salah satu di antara sumber-sumber yang paling berguna:
 pengalaman mereka sendiri.
 Pendekatan ilmiah terhadap praktek-praktek kehidupan
 menetapkan bahwa keputusan tentang bagaimana melakukan sesuatu hendaknya
didasarkan pada bukti-bukti empiris, bukan pada firasat, kesan, perasaan, atau
dogma..
 keputusan yang harus diambil mengenai praktek-praktek yang telah menjadi rutin di
dalam perpustakaan.
 keputusan yang da-lam beberapa hal didasarkan terutama pada tradisi atau otoritas
yang kurang atau bahkan tidak didukung oleh penelitian ilmiah.
 Mengapa tidak mengevaluasi beberapa dari praktek-praktek ini,
 misalnya program pendidikan pemakai ?
 Apakah ada evaluasi lain yang mungkin lebih valid bagi tujuan yang ingin dicapai
daripada evaluasi yang sekarang ini dipakai?
 Pengalaman sehari-hari memberikan persoalan-perso-alan yang berharga untuk
diselidiki,
 sebagian besar gagasan penelitian berasal
 dari pengalaman-pengalaman pribadi.
 Studi seperti itu kebanyakan akan merupakan jenis penelitian yang mengarah pada
pemecahan persoalan yang dihadapi secara langsung.
 persoalan semacam itu lebih cocok dan lebih berarti bagi peneliti pemula daripada
persoalan yang diperoleh melalui proses deduksi logis dari suatu teori.
 studi semacam ini sering dapat dibenarkan berdasarkan sumbangannya kepada
praktek-praktek informasi dan perpustakaan.
 Deduksi Dari Teori
 Deduksi yang dapat ditarik dari :
 berbagai teori ilmu perpustakaan dan informasi sudah dikenal oleh
peneliti merupakan sumber permasalahan yang baik.
 Teori menyangkut prinsip-prinsip umum, yang kelayakannya dapat
diterapkan pada persoalan-persoalan informasi dan perpustakaan masih
belum terbukti, sebelum prinsip tersebut dikukuhkan secara empiris.
 Hanya melalui penelitianlah orang dapat menentukan apakah generalisasi-
generalisasi yang terdapat dalam teori dapat diterjemahkan menjadi saran-
saran khusus bagi prak-tek perpustakaan dam informasi.
 peneliti dapat membuat hipotesis yang menyatakan hasil penelitian yang
diharapkan dalam suatu situasi praktis tertentu. Artinya, peneliti menanyakan
"Hubungan antar variabel yang bagaimana yang akan diamati jika teori
tersebut benar-benar merangkum keadaan itu?"
 Kemudian ia melakukan penyelidikan sistematis guna memastikan apakah data
empiris mendukung hipotesis itu, yang sekaligus juga mendukung teorinya.
 Literatur Yang Berkaitan.
 Sumber permasalahan lain yang berharga ialah literatur dalam
bidang yang menarik perhatian peneliti.
 laporan-laporan penelitian yang sudah dilakukan,
 contoh-contoh permasalah-an penelitian serta cara bagaimana
penelitian tersebut dilaksanakan.
 saran-saran tentang penelitian selanjutnya yang diperlukan
guna meneruskan pekerjaan yang telah dilaporkan itu.
 prosedur yang dipakai dalam penelitian terdahulu itu dapat
disesuaikan guna memecahkan persoalan-perso-alan lain.
Atau,
 apakah studi yang serupa juga dapat dilakukan di lapangan,
bidang persoalan, atau dengan kelompok subyek yang
berbeda.
 Salah satu ciri penting penelitian ilmiah ialah:
 bahwa penelitian tersebut harus dapat ditiru atau diulang (replicable),
 sehingga hasil-hasilnya dapat dibuktikan.
 Replikasi suatu studi, dengan atau tanpa variasi, mungkin dapat menjadi
kegiatan yang berfaedah dan berharga bagi peneliti pemula.
 Pengulangan suatu studi dapat meningkatkan luasnya jangkauan
generalisasi hasil penelitian sebelumnya serta memberikan bukti tambahan
tentang validitas hasil tersebut.
 Dalam banyak eksperimen pendidikan, kita tidak dapat memilih
subyek secara acak, melainkan harus menggunakan kelompok-
kelompok kelas sebagaimana adanya. Sudah barang tentu hal ini akan
membatasi jangkauan generalisasi hasil-hasil penelitian tersebut. Akan
tetapi, dengan diulanginya eksperimen-eksperimen pada waktu dan
tempat yang berlainan, dengan hasil yang menguatkan hubungan-
hubungan yang diharapkan itu pada setiap penyelidikan, maka
kepercayaan terhadap validitas ilmiah hasil-hasil tersebut pun akan
meningkat.
 Pengulangan belaka atas studi-studi yang lain bukanlah merupakan
penelitkn yang paling menarik. Akan tetapi, untuk masalah-masalah
perpustakaan dan informasi, sering terasa perlunya penegasan dan
perluasan hasil-hasil penyelidikan.
Sumber Non perpustakaan dan
informasi
 Pengalaman dan pengamatan di alam bebas ini, di
samping kegiatan profesional kita, dapat menjadi
sumber bagi masalah penelitian yang berguna.
 Teori atau prosedur yang ditemukan di bidang lain
mungkin dapat disesuaikan untuk diterapkan di bidang
pendidikan.
 Sering gerakan-gerakan di luar profesi kita dapat
membawa kita ke arah jalan penelitian yang baru.
 Persoalan Peneliti
 apakah studi tersebut akan menghasilkan pengetahuan mengenai hubungan
baru ataukah akan mengulang hasil penelitian yang sudah ada sebelumnya.
 persoalan tersebut kurang mempunyai implikasi teoritis yang nyata,
 masalah tersebut, paling tidak, harus mempunyai beberapa implikasi praktis.
 hendak-nya dapat menjawab pertanyaan "Lalu mau apa?" dalam hubungannya
studi mereka itu.
 Apakah pemecahan persoalan itu akan berpengaruh terhadap praktek
perpustakan dan informasi?
 Apakah para pustakawan lainnya akan tertarik pada hasil-hasil penelitian itu?
 Apakah hasil-hasil penelitian itu akan berguna bagi pengambilan keputusan di
bidang perpustakan dan informasi?
 Apakah hasil-hasil penelitian itu akan dapat digeneralisasikan secara luas?
 Kegagalan memilih permasalahan
 Jika pertanyaan-pertanyaan ini tidak dapat dijawab
dengan jelas dan positif, maka permasalahan tersebut
sebaiknya ditinggalkan saja.
 banyak permasalahan dengan implikasi teoritis maupun
praktis yang memerlukan pemecahan,
 Harus diusahakan untuk dapat memperkirakan
kemungkinan informasi yang akan dihasilkan oleh studi
tersebut bagi teori dan praktek.
 Hindarilah permasalahan yang jelas-jelas remeh, yakni
masalah yang pemecahannya tidak banyak gunanya bagi
para praktisi perpustakan dan informasi.
 Argumen dalam Penelitian

• Deduction: penarikan kesimpulan yang

dianggap konklusif
• Induction: pengambilan kesimpulan dari satu
atau beberapa fakta
 Elemen Teori
 Konsep dan Konstruk
 Definisi: teoretikal dan operasional
 Variabel:
 Laten dan Terobservasi

 Independent, dependent, mediating (intervening),

moderating, extraneous
 Proposisi dan Hipotesis
 Teori
 Model: pengukuran dan struktural
 KERANGKA KONSEPTUAL
Kerangka Konseptual mengelaborasi tentang:
1. Hubungan antar variabel
2. Teori yang mendasari hubungan tersebut
3. Sifat dan arah dari hubungan tersebut
Kerangka Konseptual terkait dengan:
1. Variabel harus diidentifikasi dan diberi lambang
2. Penjelasan mengenai mengapa dua atau lebih variabel saling
berhubungan, dengan merujuk pada logika teori yang mendasarinya
3. Sifat dan arah hubungan (positif / negatif) sebaiknya di dapat dijelaskan
4. Seharusnya dijelaskan secara tajam harapan apa yang ingin dicapai
terkait dengan hubungan antar variabel tersebut
5. Sebaiknya disajikan dalam bentuk diagram skematik, sehingga dapat
dilihat dan mudah dipahami
Contoh KERANGKA KONSEPTUAL

Fee Audit (X1)

Motivasi (Y1)
Kualitas Audit
(Y2)

Kompetensi
(X2)
 VARIABEL PENELITIAN
Variabel adalah karakteristik, atribut atau sifat dari obyek,
yang akan diamati atau diukur, memiliki nilai, dan nilainya
bervariasi antara obyek satu dg lainnya.
Tidak semua karakteristik dari obyek merupakan variabel
penelitian, tetapi hanya yang relevan dengan permasalahan
atau hipotesis penelitian.
Diidentifikasi & diklasifkasikan
JENIS VARIABEL: Kedudukannya di dalam rumusan masalah

Intervening
Antecedent (Mediating)

Moderating

Independen Dependen

INTRANEOUS
EXTRANEOUS
Concomitant Confounding Control
Variabel dependen adalah variabel yang tercakup dalam
hipotesis penelitian, keragamannya dipengaruhi oleh variabel
lain
Variabel independen adalah variabel yang yang tercakup dalam
hipotesis penelitian dan berpengaruh atau mempengaruhi variabel
tergantung
Variabel intervening adalah variabel yang bersifat menjadi
perantara dari hubungan variabel bebas ke variabel tergantung.
Variabel Moderating adalah variabel yang bersifat memperkuat
atau memperlemah pengaruh variabel bebas terhadap variabel
tergantung
Variabel anteseden adalah variabel yang mempengaruhi variabel
independen
Variabel pembaur (confounding variables) adalah suatu variabel
yang tercakup dalam hipotesis penelitian, akan tetapi muncul dalam
penelitian dan berpengaruh terhadap variabel tergantung dan pengaruh
tersebut mencampuri atau berbaur dengan variabel bebas
Variabel kendali (control variables) adalah variabel pembaur yang
dapat dikendalikan pada saat riset design. Pengendalian dapat
dilakukan dengan cara eksklusi (mengeluarkan obyek yang tidak
memenuhi kriteria) dan inklusi (menjadikan obyek yang memenuhi
kriteria untuk diikutkan dalam sampel penelitian) atau dengan
blocking, yaitu membagi obyek penelitian menjadi kelompok-
kelompok yang relatif homogen.
Variabel penyerta (concomitant variables) adalah suatu variabel
pembaur (cofounding) yang tidak dapat dikendalikan saat riset design.
Variabel ini tidak dapat dikendalikan, sehingga tetap menyertai
(terikut) dalam proses penelitian, dengan konsekuensi harus diamati
dan pengaruh baurnya harus dieliminir atau dihilanggkan pada saat
analisis data.
 Klasifikasi Desain Penelitian
 Exploratory study: ditujukan untuk
mengembangkan hipotesis atau
mengidentifikasi masalah

 Formal or confirmatory study: ditujukan

untuk menguji hipotesis atau menjawab
masalah/research questions
 HIPOTESIS PENELITIAN
• Berasal dari kata HIPO dan THESIS, yang umumnya diartikan
sebagai pernyataan yang masih lemah
• HIPOTESIS adalah Kesimpulan sementara yang kebenarannya
harus dibuktikan
• Asal Hipotesis : Permasalahan atau tujuan penelitian dan
kerangka teori hasil tinjauan terhadap pustaka
• Isi Hipotesis : hubungan antar konsep (mayor) atau variabel
(minor) yang secara logika dapat diduga
• Rumusan Hipotesis : Kalimat pernyataan yang bersifat testable

Ada yang dirumuskan secara eksplisit dan ada yang tidak

Bilamana secara eksplisit, perumusannya mengikuti pedoman
penulisan yang berlaku
Letaknya di dalam sistematika tulisan ilmiah sesuai dengan pedoman
penulisan yang berlaku
 KLASIFIKASI HIPOTESIS :
 Komparatif
 Asosiatif (Korelasional) :
o Nonkausalitas (simetri)
o Kausalitas (asimetri & resiprokal)

JENIS HUBUNGAN
Simetri: terdapat hubungan antar variabel dan bersifat tidak ada yang
saling mempengaruhi (nonkausalitas)
Asimetri: hubungan antar variabel yang terjadi bersifat yang satu
mempengaruhi (independen) dan lainnya dipengaruhi
(dependen) (kausalitas)
Resiprok: hubungan antar variabel yang terjadi bersifat saling
mempengaruhi (kusalitas bolak-balik)
Contoh Hipotesis (nondirectional)
1. Pusat pengendalian internal berpengaruh signifikan terhadap
kepercayaan menjalankan tugas
2. Pusat pengendalian eksternal berpengaruh signifikan terhadap
kepercayaan menjalankan tugas
3. Pusat pengendalian internal berpengaruh signifikan terhadap kinerja
karyawan
4. Pusat pengendalian external berpengaruh signifikan terhadap kinerja
karyawan
5. Kepercayaan menjalankan tugas berpengaruh signifikan terhadap
kinerja karyawan

Hipotesis directional: sudah secara tegas menunjukkan arah hubungan;

atau di dalam statistika disebut dengan hipotesis satu sisi (one tail)
 PENGUKURAN VARIABEL

Pengukuran : suatu proses kuantifikasi variabel / atribut

(kualitatif) dari suatu materi atau obyek sehingga diperoleh
angka (bilangan) menggunakan aturan tertentu.
ATURAN:
Definisi operasional
Pemilihan skala pengukuran

Definisi Operasional Variabel (DOV), didasarkan pada teori yang

sudah ada atau penelitian sebelumnya.

Definisi Operasional Variabel (DOV) menghasilkan: Dimensi, indikator,

dan item
Definisi Operasional Variabel:
KONSEP, VARIABEL DAN DIMENSI

KONSEP

VARIABEL

DIMENSI

INDIKATOR

ITEM
 MODEL SKALA
PENGUKURAN
 RANKING (comparative)
 RATING (noncomparative):
 Kontinyu
 Itemize:
 Semantik Diferensial
 Likert (summated ratings)
 PROSES PENGUKURAN
VARIABEL
1. Buat Definisi Operasional Variabel (DOV)
2. Identifikasi Dimensi (partikular) dari variabel sesuai DOV
(optional)
3. Identifikasi Indikator (partikular) dari setiap dimensi atau variabel
4. Identifikasi Item dari masing-masing indikator
5. Sistem respon yang ingin diukur : affective domain (perasaan / sikap
terhadap sesuatu), conative domain (tendensi untuk bertingkah
laku) atau cognitive domain (tahu atau tidak tahu).
6. Pilih model skala pengukuran yang akan digunakan :skala
semantik diferensial, Likert atau skala kontinyu
 PROSES PENGUKURAN
VARIABEL
7. Susun item (pertanyaan) boleh negatif (unfavorable) atau
positif (favorable), tidak direkomendasikan ada item
netral
8. Tetapkan banyaknya respon pada setiap item : 3, 5, 7, 9
atau 11, yang banyak digunakan adalah 5
9. Tetapkan skor (bukan skala) pada setiap respon :
1 = sangat tidak setuju, 2 = setuju, 3 = biasa, 4 =
setuju , 5 = sangat setuju
10. Asumsi : harus ada contimum
11. Banyaknya respon jawaban setiap item lebih baik sama
12. Skor yang telah diperoleh diubah menjadi skala (MSI
dari Thurston atau Likert Scale)
13. Uji coba instrumen: uji validitas dan reliabilitas
 Desain Pengukuran

1. Skala Likert
2. Skala Guttman
3. Skala Semantic Deferensial
4. Skala Rating
 Skala Likert
 Skala Likert’s digunakan untuk mengukur sikap,
pendapat dan persepsi seseorang tentang fenomena
sosial.
 Contoh:
Pelayanan rumah sakit ini sudah sesuai dengan apa yang
saudara harapkan.
a. Sangat setuju skor 5
b. Setuju skor 4
c. Tidak ada pendapat skor 3
d. Tidak setuju skor 2
e. Sangat tidak setuju skor 1
 Skala Gudman
 Skala Guttman akan memberikan respon yang
tegas, yang terdiri dari dua alternatif.
 Misalnya :
Ya Tidak
Baik Buruk
Pernah Belum Pernah
Punya Tidak Punya
 Skala Semantik Diferensial
 Skala ini digunakan untuk mengukur sikap tidak dalam bentuk pilihan ganda atau
checklist, tetapi tersusun dari sebuah garis kontinuem dimana nilai yang sangat
negatif terletak disebelah kiri sedangkan nilai yang sangat positif terletak disebelah
kanan .
 Contoh:
Bagimana tanggapan saudara terhadap pelayanan dirumah
sakit ini ?

1. 5.
Sangat Buruk Sangat Baik
 Skala Rating
 Dalam skala rating data yang diperoleh adalah data kuantitatif
kemudian peneliti baru mentranformasikan data kuantitatif tersebut
menjadi data kualitatif.

 Contoh:
Kenyaman ruang loby Bank CBA:
5 4 3 2 1

Kebersihan ruang parkir Bank CBA:

5 4 3 2 1
 DESAIN SKALA
Skala dalam penelitian ada empat tingkatan:
1. Skala Nominal

2. Skala Ordinal

3. Skala Interval

4. Skala Rasio
 Tipe Data
Order Interval Origin
Nominal none none none

Ordinal yes unequal none

Interval yes equal or none

unequal
Ratio yes equal zero
 Skala Nominal
 Skala nominal adalah skala yang hanya
digunakan untuk memberikan kategori saja
 Contoh:
Wanita 1
Laki-laki 2
 Skala Ordinal
 Adalah skala pengukuran yang sudah dapat digunakan untuk
menyatakan peringkat antar tingkatan, akan tetapi jarak atau
interval antar tingkatan belum jelas.
 Contoh:
Berilah peringkat supermarket berdasarkan kualitas pelayanannya
!
Sri Ratu……………………… 1
Moro ………………………… 3
Matahari ………………….. 5
Rita I ………………………. 2
Rita II ……………………… 4
Super Ekonomi …………. 6
 Skala Interval
 Adalah skala pengukuran yang sudah dapat digunakan untuk
menyatakan peringkat antar tingkatan, dan jarak atau interval antar
tingkatan sudah jelas, namun belum memiliki nilai 0 (nol) yang
mutlak.

 Contoh:
1. Skala Pada Termometer
2. Skala Pada Jam
3. Skala Pada Tanggal
 Skala Rasio
 Adalah skala pengukuran yang sudah dapat digunakan untuk
menyatakan peringkat antar tingkatan, dan jarak atau interval
antar tingkatan sudah jelas, dan memiliki nilai 0 (nol) yang
mutlak .
 Contoh:
1. Berat Badan

2. Pendapatan

3. Hasil Penjualan
 Unit Analisis
(tingkat agregasi data)
 Individu
 Dyads, triads
 Group
 Organisasi
 Industri
 Kultur
 Level Analisis

 Individu
 Organisasi
 METODE SAMPLING
Mengapa melakukan penarikan sampel?
 Bilamana populasi (relatif) besar
 Satu kasus susah digunakan sebagai basis generalisasi karena
banyaknya variasi dalam suatu populasi. Contoh: persepsi tiga orang
buta yang memegang gajah.
 Bilamana penelitian terhadap populasi membutuhkan biaya yang
besar, dengan sampel dapat mengurangi biaya;
 Bilamana penelitian terhadap populasi membutuhkan waktu yang
lama; dengan sampel waktu penelitian dapat dipercepat;
 Bilamana penelitian terhadap populasi membutuhkan tenaga yang
banyak; dengan sampel tenaga yang terlibat lebih sedikit;
 Pada intinya penarikan sampel dilakukan untuk menjamin fisibilitas
 Istilah di dalam Metode Sampling
 Elements (satuan terkecil) adalah unit (bisa berupa individu,
kelompok, organisasi) dimana data akan diukur (diteliti).
Secara umum, unit ini merupakan unit analisis yang
disesuaikan dengan tujuan survey atau penelitian.
 Sampling unit (unit sampel) adalah suatu satuan (terdiri dari
satu atau lebih elements) dan digunakan sebagai dasar penarikan
sampel.
 Populasi adalah keseluruhan unit sampel pada batasan
tertentu (universe), dimana karakteristiknya akan diteliti atau
diperkirakan.
 Sampling frame (kerangka sampel) adalah daftar dari unit
sampel yang berada dalam populasi yang akan dipakai sebagai
dasar penarikan sampel.
 Unit observasi adalah unit yang dipergunakan sebagai sumber
data, umumnya di dalam penelitian kuantitatif dinamakan
responden dan di dalam penelitian kualitatif disebut informan.
 POPULASI

Representatif Fisibilitas

SAMPEL
 Probability sampling

Pada penelitian kuantitatif:

 Sampel: large, repesentative, precise, control for
extraneous variables, random selection.
 Metode sampling: probability sampling

 Probability sampling: setiap anggota populasi

berpeluang (tidak = 0) terpilih sebagai sampel.
 Simple random sampling (1)
 Digunakan bilamana populasinya homogen.
 Tersedia kerangka sampel (sampling frame)
 Setiap anggota populasi mempunyai
kesempatan sama untuk terpilih. Misalnya
mengambil secara acak dari suatu daftar.
 Penarikan sampel tanpa batas: dengan
pengembalian
 Penarikan sampel terbatas: tanpa
pengembalian
 Simple random sampling (2)
KEBAIKAN:
 Cara penarikan sampel mudah dilakukan,
dengan cara lotre atau menggunakan
bilangan acak (random)
 Penduga nilai tengah (rata-rata) sampel tidak
bias
 Metode pendugaan sederhana dan mudah
 Simple random sampling (3)
KEKURANGAN:
 Sampel yang terpilih bisa berjauhan satau dengan yang
lain, shingga diperlukan biaya dan waktu tambahan
 Diperlukan kerangka sampel
 Sampel yang terpilih dimungkinkan tidak mewakili
populasi sesungguhnya
PENGGUNAAN:
 Jika populasi tidak terhampar secara luas berdasarkan
geografis
 Jika populasi agak homogen terkait dengan variabel yang
diteliti.
 Sistematic random sampling (1)
 Sampel diambil setiap selang tertentu (k=N/n), di
mana pada selang pertama dilakukan pemilihan
secara random
 Dapat digunakan pada populasi yang berkaitan
dengan dimensi waktu, misal pasien yang datang ke
rumah sakit, pengunjung supermaket, penghuni
hotel, dll. Pada kondisi ini penentuan besarnya k
didasarkan pada fisibilitas pengambilan sampelnya
 Juga dapat digunakan pada populasi yang tersedia
kerangka sampel.
 Sistematic random sampling (2)
KEBAIKAN:
 Penarikan sampel mudah, terutama pada populasi
yang berkait dengan waktu (pasien, orang yang
belanja, penghuni hotel, dll)
 Sampel yang terpilih terhampar pada seluruh
populasi
 Bisa lebih teliti daripada simple random sampling
 Sistematic random sampling (3)
KELEMAHAN:
 Bilamana populasi mempunyai sifat berulang (musiman
atau siklus), maka ketelitiannya akan rendah
 Kerangka sampel diperlukan
PENGGUNAAN:
 Jika anggota populasi terletak secara teracak
 Jika kerangka sampel tersedia
 Jika populasi berkait dengan dimensi waktu, sehingga
bersifat infinite dan tidak tersedia kerangka sampel secara
lengkap, namun urutan anggota populasi dapat
diidentifikasi.
 Stratified random sampling (1)
 Populasi dibagi menjadi dua segmen atau lebih yang
mutually exclusive yang disebut strata (lapisan),
berdasarkan kategori-kategori dari satu atau lebih variabel
yang relevan, baru kemudian dilakukan simple random
sampling atau sistematic random sampling pada setiap
strata.
 Masing-masing lapisan kondisinya homogen (seragam) dan
antar lapisan heterogen
 Strata atau lapisan ini bisa berupa tingkatan (misal
pendidikan SD, SLTP, SLTA dan PT) ataupun bukan
tingkatan (misal petani, pedagang, pegawai)
 Stratified random sampling (2)
KEBAIKAN:
 Pembuatan lapisan terhadap populasi memberikan
jamninan terhadap sampel yang representatif dan teliti
 Pelaksanaanya mudah dan menyenangkan

KEKURANGAN:
 Kerangka sampel masing-masing lapisan diperlukan atau
harus tersedia urutan dari populasi
 Biaya (transportasi) besar jika populasi terhampar pada
wilayah yang luas
 Stratified random sampling (3)
PENGGUNAAN:
 Jika populasi heterogen dan dapat dibuat lapisan,
dimana masing-masing lapisan homogen
 Populasi tidak terhampar secara luas
 Jika persoalan penarikan sampel berbeda pada
setiap lapisan
 Cluster sampling (1)
 Simple random sampling dan stratified random
sampling berasumsi ada sampling frame, yaitu daftar
lengkap dari anggota populasi. Kalau tidak ada? 
Cluster sampling bisa digunakan.
 Populasi dibagi-bagi menjadi sekelompok (gerombol)
yang disebut clusters, biasanya berdasarkan
pembagian alami seperti lokasi, golongan
sosioekonomi, dsb.
 masing-masing gerombol dapat menggambarkan
keadaan populasi
 Cluster sampling (2)
 Jika cluster berupa wilayah (area), ada yang menyebut
area sampling
 Berbeda dengan stratified: stratified mengambil sampel
dari tiap strata, cluster sampling tidak mengambil sampel
dari tiap cluster, tetapi memilih cluster sebagai sampel.
 Jika semua anggota cluster menjadi sampel  single-
stage cluster sampling. Jika suatu cluster terdiri dari
clusters lagi dan sampel diambil dari clusters di
bawahnya  multistage cluster sampling.
 Primary sampling units  secondary sampling units dst.
 Cluster sampling (3)
 Kurang akurat dibandingkan dengan simple random
sampling atau stratified random sampling untuk jumlah n
yang sama.
 Akurasi dapat ditingkatkan dengan mengambil sampel dari
cluster-cluster lain.

KEBAIKAN:
 Tidak diperlukan kerangka sampel yang berkait dengan
elements, tetapi diperlukan kerangka sampel yang berkait
dengan cluster (misal RT, RW, Desa, Kecamatan,
Kabupaten/Kota, Provinsi)
 Biaya pendaftaran anggota populasi dapat berkurang
 Biaya transportasi berkurang
 Cluster sampling (4)
 Kurang akurat dibandingkan dengan simple random sampling
atau stratified random sampling untuk jumlah n yang sama.
 Akurasi dapat ditingkatkan dengan mengambil sampel dari
cluster-cluster lain.
KEKURANGAN:
 Cara analisis data sukar
 Biaya analisis data bertambah

PENGGUNAAN:
 Populasi dapat membentuk cluster, umunya terkait dengan
wilayah administratif atau geografis
 Populasi dibagi menjadi cluster, bila anggota populasi berbeda-
beda sifatnya sesuai dengan yang diselidiki.
 Multi-stage sampling (1)
 Penarikan sampel bertahap, pemilihan sampel dilakukan dua
tahap atau lebih.
 Mula-mula populasi dibagi atas unit sampel (umunya berupa
cluster) untuk pemilihan tahap pertama
 kemudian satuan- satuan terpilih pada tahap pertama dibagi lagi
atas satuan (unit sample) untuk pemilihan tahap kedua, dan
seterusnya sampai dengan beberapa tahap penarikan sampel
dan kemudian dihentikan.
 Simple random samping atau Cluster Sampling juga bisa
diterapkan pada setiap tahap,
 Bahkan nonprobablity sampling khususnya yang tidak pada
tahap akhir. Perlu diketahui bahwa untuk setiap tahap bisa
menggunakan teknik sampling yang sama, dan juga bisa
berbeda
 Multi-stage sampling (2)
KEBAIKAN:
 (1) Biaya transportasi rendah
 (2) Pelaksanaannya mudah

KEKURANGAN:
 Bila unit-unit tahap pertama (sebelumnya) tidak berukuran
sama, maka penggunaannya sukar
 Penarikan sampel ini memerlukan banyak perencanaan yang
harus dilakukan sebelumnya.
PENGGUNAAN:
 Jika populasi meliputi wilayah yang luas
 Jika daftar populasi yang terkait dengan elements tidak tersedia
secara lengkap dan teliti, dan yang tersedia gugusan (unit)
yang lebih besar.
 Sample size (1)
DESKRIPSI MEAN
Z2  2
- Besar populasi tidak diketahui: n
d2

N Z2  2
- Besar populasi (N) diketahui: n
N d 2  Z2 2
N
Atau formula Slovin: n
1 N e 2

dalam hal ini:

Z = nilai normal baku pada  5 % = 1,96.
2 = ragam populasi, dapat diperoleh dari penelitian sebelumnya, penelitian pendahuluan
d = simpangan mean sampel terhadap mean populasi, yang masih ditolerir secara teoritis.
e = persentase kelonggaran ketidak telitian karena kesalahan pengambilan sampel yang
masih dapat ditolerir, bisa 1 %, 5 % atau10%.
 Sample size (1)
DESKRIPSI PROPORSI
Z2 pq
- Besar populasi tidak diketahui: n
d2

N Z2 pq
n
- Besar populasi (N) diketahui: N d 2  Z2 pq

dalam hal ini:

Z = nilai normal baku pada tertentu, 5 atau 1 %.
p = proporsi kasus yang diselidiki, atau dipilih proporsi dengan n maksimum yaitu 0,5
Q =1-p
d = simpangan mean sampel terhadap proporsi populasi, yang masih ditolerir secara
teoritis.
 Sample size (4)
Beberapa hal yang berkaitan dengan penentuan besar sampel:
(a). Apabila karakteristik (variabel) yang diamati lebih dari satu, maka:
Kumpulkan semua variabel yang berkenaan dengan survey
Adakan prediksi tentang besar sampel berdasarkan masing-
masing variabel dan untuk seluruh variabel.
Besar sampelyang disarankan untuk dipilih adalah yang paling
kecil.

(b). Apabila tidak ada informasi sama sekali mengenai populasi, maka
besar sampel dapat ditentukan secara proporsional terhadap populasi,
misalnya 2, 5, 10, atau 50 % dari besar populasi (N).

(c). Pada kasus-kasus tertentu, untuk fisibilitas pelaksanaan penelitian,

besar sampel dapat ditentukan secara quota (berdasarkan
pertimbangan tertentu).
Tabel 2.1 Table For Determining Sample Size From a Given Population
N S N S N S N S N S
10 10 100 80 280 162 800 260 2800 338
15 14 110 86 290 165 850 265 3000 341
20 19 120 92 300 169 900 269 3500 246
25 24 130 97 320 175 950 274 4000 351
30 28 140 103 340 181 1000 278 4500 351
35 32 150 108 360 186 1100 285 5000 357
40 36 160 113 380 181 1200 291 6000 361
45 40 180 118 400 196 1300 297 7000 364
50 44 190 123 420 201 1400 302 8000 367
55 48 200 127 440 205 1500 306 9000 368
60 52 210 132 460 210 1600 310 10000 373
65 56 220 136 480 214 1700 313 15000 375
70 59 230 140 500 217 1800 317 20000 377
75 63 240 144 550 225 1900 320 30000 379
80 66 250 148 600 234 2000 322 40000 380
85 70 260 152 650 242 2200 327 50000 381
90 73 270 155 700 248 2400 331 75000 382
95 76 270 159 750 256 2600 335 100000 384
Table 2.2a Sample size for ±3%, ±5%, ±7% and ±10% Precision Levels Where Confidence Level is 95% and P=.5.
Size of Sample Size (n) for Precision (e) of:
Population ±3% ±5% ±7% ±10%
500 a 222 145 83
600 a 240 152 86
700 a 255 158 88
800 a 267 163 89
900 a 277 166 90
1,000 a 286 169 91
2,000 714 333 185 95
3,000 811 353 191 97
4,000 870 364 194 98
5,000 909 370 196 98
6,000 938 375 197 98
7,000 959 378 198 99
8,000 976 381 199 99
9,000 989 383 200 99
10,000 1,000 385 200 99
15,000 1,034 390 201 99
20,000 1,053 392 204 100
25,000 1,064 394 204 100
50,000 1,087 397 204 100
100,000 1,099 398 204 100
>100,000 1,111 400 204 100
Namun demikian, metode nonprobability sampling juga bisa diterapkan
pada penelitian kuantitatif

 Dalam banyak kasus, cara sampling ini lebih tepat

atau praktis:
 Situasi di mana jumlah kasus yang bisa diteliti terlalu
sedikit, misalnya karena biaya terlalu besar untuk
menyelidiki banyak kasus (misalnya unit analisa kota,
negara, atau yang besar-besar lainnya), sementara
probability sampling kurang reliabel untuk jumlah kasus
yang terlalu sedikit.
 Peneliti hanya bisa bekerja dengan kasus yang ada saja
 Penelitian pendahuluan, di mana tujuannya baru
mengumpulkan informasi mengenai gejala (tujuan
eksploratif), cukuplah menggunakan
nonprobability sampling, belum diperlukan
generalisasi statistik yang akurat.
 Kalau populasinya sendiri jumlah anggotanya kecil
(misalnya di bawah 100).
 Convenience sampling (1)
 Nama lain: incidental, accidental, haphazard, fortuitous
sampling
 Peneliti memilih sejumlah kasus yang conveniently
(dengan baik sekali), readily (dengan mudah) atau
available (tersedia).
 Metode ini cepat, mudah, dan murah.
 Kalau penelitian permasalahan baru, sebagai tahap awal
dan generalisasi bukan masalah, metode ini bisa
diterapkan.
 Convenience sampling (2)
 Tapi karena sampel yang cuma “sedapatnya”,
tidak bisa ditentukan hasil penelitian ini bisa
diterapkannya ke mana, kecuali ke sampel itu
sendiri (tidak menjamin representatif).
 Purposive sampling (1)
 Sampel dipilih dengan ”pertimbangan” sesuai dengan
tujuan (purpose) penelitian
 Peneliti menggunakan expert judgement untuk memilih
sampel yang “representatif” atau “tipikal” dari populasi.
 Pertama, identifikasi sumber-sumber variasi yang penting
dari populasi. Berikutnya memilih sampel sesuai sumber-
sumber variasi tersebut.
 Teknik purposive sampling, biasanya untuk prediksi
hasil pemilihan “presiden”, adalah memilih propinsi
tertentu yang telah bertahun-tahun memprediksikan
hasil penghitungan suara nasional secara tepat.
 Purposive sampling (2)
 Misalnya kalau di propinsi A partai X menang maka
diprediksikan dengan sangat yakin (keyakinan sebesar korelasi
historisnya) bahwa secara nasional partai X bakal menang.
 Tetap kurang bisa diterima dibandingkan probability sampling
jika diperlukan generalisasi yang tepat dan akurat. Tetapi kalau
berbagai hal membatasi, ya boleh lah.
 Secara umum lebih “kuat” dibandingkan convenience
sampling tapi sangat tergantung expert judgement-nya peneliti.
 Kelemahan utama: “informed selection” seperti itu
memerlukan pengetahuan yang cukup mengenai populasi.
 Quota sampling (1)
 Quota sampling adalah sejenis purposive sampling
yang ada kemiripan dengan proportionate stratified
random sampling:
 Populasi dibagi-bagi menjadi strata yang relevan seperti
usia, jenis kelamin, lokasi, dsb.
 Proporsi tiap strata diperkirakan atau ditentukan
berdasarkan data eksternal kemudian total sampel
dibagi-bagi sesuai proporsi ke tiap strata (kuota).
 Untuk memenuhi jumlah sampel untuk tiap strata,
peneliti menggunakan expert judgement-nya.
 Quota sampling (2)
 Misalnya populasi 55% pria 45% wanita. Sampel 100 orang
berarti 55 pria dan 45 wanita. Pemilihan sampelnya sendiri
tergantung penilaian peneliti.
 Bedanya dengan stratified random sampling, sampel
diambil secara acak sedangkan dalam quota sampling,
sampelnya dipilih berdasarkan pendapat subjektif peneliti
pokoknya kuotanya terpenuhi (bisa convenience sampling
pada setiap strata).
 Total sampel juga a convenience sample tapi ada kemiripan
dengan populasi dalam karakteristik-karakteristik penting
tertentu (karena pembuatan stratanya).
 Quota sampling (3)
 Bias peneliti sangat mempengaruhi: pemilihan teman
sebagai sampel, milih lokasi yang nyaman, dan
sebagainya.
 Keuntungan:
 tidak perlu membuat sampling frame
 kalau perlu konfirmasi tinggal cari lagi yang baru
asal kuota terpenuhi, tidak perlu menghubungi
responden yang telah diwawancarai.
 Cepat, mudah dan murah.
 Other Sampling Designs
 Referral sampling:
 Network sampling: responden diminta mengidentifikasi
anggota2 dari target populasi yang ada hubungan dengan
dirinya
 Snowball sampling: chain referral, responden diminta
memberikan nama dan kontak kepada anggota lain dari
target populasi. Pertama dipilih sampel inisial, umumnya
dilakukan secara accidental (random). Asumsinya sesama
anggota saling mengenal. Misalnya: hackers.
 Metode/
Teknik Pengumpulan Data
 Metode/Teknik yang digunakan dalam
pengumpulan data disertai alasannya perlu
dijelaskan. Data yang terkumpul dari
setiap variabel harus jelas skala
pengukurannya, sehingga dapat
membantu penditeksian kecocokan skala
data dengan teknik analisis.
 Analisis Data
 Teknik dan prosedur analisis data yang digunakan
peneliti beserta alasannya perlu dijelaskan. Analisis
data dilakukan sesuai dengan kebutuhan penelitian
dan metode penelitian, apakah memerlukan
normalitas data, linieritas data, deskripsi data, dan
sejenisnya sebelum melakukan analisis ( Chi
Kuadrat, Korelasi, Regresi, dsb).
 Analisis data dapat dilakukan secara manual maupun
komputer dengan program-program statistik yang
telah diakui, baik skala nasional maupun
internasional.
 UJI VALIDITAS DAN
RELIABILITAS INSTRUMEN
 UJI COBA INSTRUMEN
 Kondisi uji coba harus menjamin diperolehnya data yang benar-
benar mencerminkan keadaan sebenarnya
 Dilakukan sekurang-kurangnya terhadap 30 responden
 ANALISIS HASIL UJI COBA
 Uji validitas :
 Face validity : Koreksi dari ahli
 Unidimensionalitas: GFI > 0.90 (LISREL atau AMOS)
 Unidimensionalitas: An. Faktor Konfirmatori sig. 1 faktor (SPSS)
 Kriteria: r > 0.3 ; korelasi skor indikator dengan skor total (SPSS)
 Uji Reliabilitas :
 Internal consistency : Alpha Cronbach,   0.60 (SPSS)
 Construct Reliabity : ρη (SEM, LISREL, AMOS)
 Analisis korelasi

 Analisis korelasi dapat digunakan untuk mengetahui

tingkat keeratan hubungan antar variabel, tidak ada
yang mempengaruhi (independen) & tidak ada yang
dipengaruhi (dependen)
 Dapat juga diterapkan pada independen  dependen

Sikap Sikap
penolakan acuh
 Analisis regresi
 Regresi: upaya mempelajari hubungan antar variabel, dan tidak pernah
mempermasalahkan mengapa hubungan tersebut ada (atau tidak ada) dan juga
apakah hubungan antara Y dengan X dikarenakan oleh X-nya itu sendiri atau
faktor-faktor lain.
 Bilamana variabel yang terlibat lebih dari dua (banyak variabel), di dalam
analisis regresi juga tidak pernah dipermasalahkan struktur hubungannya,
dimana semua variabel bebas dianggap berpengaruh langsung terhadap
variabel tergantung.
SIKAP
PENOLAKAN

T INGKAT
DENDA KEPAT UHAN

PERILAKU
PENOLAKAN
 Analisis dengan Path

Kepuasan

P. Karir

KINERJA
Terima Kasih
ANALISIS JALUR
( PATH ANALYSIS )
 ILUSTRASI 1

SIKAP
PENOLAKAN

T INGKAT
DENDA KEPAT UHAN

PERILAKU
PENOLAKAN
 Analisis korelasi

 Analisis korelasi dapat digunakan untuk mengetahui

tingkat keeratan hubungan antar variabel, tidak ada
yang mempengaruhi (independen) & tidak ada yang
dipengaruhi (dependen)
 Dapat juga diterapkan pada independen  dependen

Sikap Sikap
penolakan acuh
 Analisis regresi
 Regresi: upaya mempelajari hubungan antar variabel, dan tidak pernah
mempermasalahkan mengapa hubungan tersebut ada (atau tidak ada) dan juga
apakah hubungan antara Y dengan X dikarenakan oleh X-nya itu sendiri atau
faktor-faktor lain.
 Bilamana variabel yang terlibat lebih dari dua (banyak variabel), di dalam
analisis regresi juga tidak pernah dipermasalahkan struktur hubungannya,
dimana semua variabel bebas dianggap berpengaruh langsung terhadap
variabel tergantung.
SIKAP
PENOLAKAN

T INGKAT
DENDA KEPAT UHAN

PERILAKU
PENOLAKAN
 ILUSTRASI 2
 Suatu penelitian berbentuk survey (observasional) bertujuan
ingin menguji model pengaruh beberapa variabel terhadap
variabel kinerja karyawan (telah dibahas pada analisis faktor)

 Sistem hubungan sbb:

Kepuasan

Motivasi Kinerja

Loyalitas
LANGKAH-LANGKAH ANALISIS
PATH (1)
 PERTAMA (PERANCANGAN MODEL)
 Merancang model berdasarkan konsep dan teori.
Misal, secara teoritis :
 Variabel Motivasi berpengaruh terhadap Kepuasan dan
Loyalitas.
 Loyalitas dipengaruhi oleh Kepuasan.
 Variabel Kepuasan dan Loyalitas berpengaruh terhadap
Kinerja.
 Berdasarkan hubung-hubungan antar variabel secara
teoritis tersebut, dapat dibuat model HIPOTETIK
LANGKAH-LANGKAH ANALISIS
PATH (1)
KONSTRUKSI DIAGRAM JALUR
LANGKAH-LANGKAH ANALISIS
PATH (1)
KONVERSI DIAGRAM JALUR KE PERSAMAAN

 Model tersebut juga dapat dinyatakan

dalam bentuk persamaan, sehingga
membentuk sistem persamaan / sistem
persamaan simultan / model struktural.
(1) Kepuasan = 0 + 1 Motivasi + 1
(2) Loyalitas = 0 + 1 Motivasi + 2 Kepuasan +
2
(3) Kinerja = 0 + 1 Kepuasan + 2 Loyalitas +
3
 LANGKAH-LANGKAH ANALISIS
PATH (1)
 Atau bilamana sudah dibakukan :
(1) ZKepuasan = 0 + 1 ZMotivasi + 1
(2) ZLoyalitas = 0 + 1 ZMotivasi + 2 ZKepuasan + 2
(3) ZKinerja = 0 + 1 ZKepuasan + 2 ZLoyalitas + 3

 Mengingat model tersebut dikembangkan untuk

menjawab permasalahan penelitian dan berbasis teori
dan konsep, maka dinamakan model hipotetik.
LANGKAH-LANGKAH ANALISIS
PATH (2)
 KEDUA (ASUMSI)
 Asumsi yang melandasi analisis path adalah :
 Di dalam model analisis path, hubungan antar variabel adalah linier dan aditif
 Hanya model rekursif dapat dipertimbangkan, yaitu hanya sistem aliran
causal ke satu arah. Sedangkan pada model yang mengandung causal bolak-
balik tidak dapat dilakukan analisis path.
 Data variabel endogen minimal dalam skala interval
 Observed variables diukur tanpa kesalahan (instrumen
pengukuran valid dan reliabel).
 Model yang dianalisis dispesifikasikan (diidentifikasi) dengan
benar berdasarkan teori-teori dan konsep-konsep yang relevan.
 LANGKAH-LANGKAH
ANALISIS PATH (3)
KETIGA
Pendugaan Parameter (Perhitungan Koefisien Jalur)
 Metode perhitungan koefisien jalur terdapat tiga cara:
 Pendekatan matriks korelasi; bila model tidak berjenjang (p
= Rx-1 Ry)
 Koefisien regresi dilanjutkan dengan suatu perhitungan
matematik { pi = bi (Sxi / Sy)}
 Koefisien regresi standardize
 Pada tulisan ini dipilih metode yang terakhir, yaitu regresi
standardize, hal ini mengingat metode ini yang dipandang paling
sederhana.
 Di samping itu, perhitungan goodness of fit berupa Koefisien
Determinasi Total dapat dilakukan secara sederhana, dan
pelaksanaan Theory Triming dapat dilakukan dengan mudah.
LANGKAH-LANGKAH ANALISIS
PATH (3)
 KETIGA
 Pendugaan parameter: Koefisien regresi standardize
 Untuk anak panah bolak-balik , koefisiennya merupakan
koefisien korelasi, r dihitung seperti biasanya)
 Untuk anak panah satu arah  digunakan perhitungan regresi
data standardize, secara parsiil pada masing-masing persamaan.
 Metode yang digunakan adalah OLS, yaitu metode kuadrat
terkecil biasa. Hal ini dapat dilakukan mengingat modelnya
rekursif.
 PENGARUH LANGSUNG DAN
TIDAK LANGSUNG (3)
 Koefisien pi dinamakan koefisien path pengaruh
langsung
 Sedangkan pengaruh tidak langsung dan pengaruh total
dihitung dengan cara :
 Pengaruh langsung Motivasi ke Kepuasan = p1
 Pengaruh tidak langsung Motivasi ke Kinerja melalui
Kepuasan = p1 x p4
 Pengaruh tidak langsung Kepuasan ke Kinerja melalui
Loyalitas = p3 x p5
 Pengaruh total adalah penjumlahan dari pengaruh langsung
dan seluruh pengaruh tidak langsung. Pengaruh total
Kepuasan ke kinerja = p4 + (p3 x p5)
= Pengaruh langsung + Pengaruh tidak langsung
 ANALISIS PATH -
Pendugaan Parameter (3)
 Pendugaan parameter dengan Metode OLS,
dimana di dalam software SPSS dihitung
melalui analisis regresi, yaitu dilakukan
pada masing-masing persamaan secara
sendiri-sendiri.
 Pertama, Regresi untuk persamaan :
Kepuasan = 0 + 1 Motivasi + 1
 Atau bilamana sudah dibakukan :
ZKepuasan = 0 + 1 ZMotivasi + 1
 ANALISIS PATH -
Pendugaan Parameter (3)
 ANALISIS PATH -
Pendugaan Parameter (3)
 Dengan demikian diperoleh model sebagai
berikut.
Kepuasan = -0.00097 + 0.547 Motivasi
 Atau bilamana sudah dibakukan :
ZKepuasan = 0.512 ZMotivasi

 Kedua, Regresi untuk persamaan :

Loyalitas = 0 + 1 Motivasi + 2 Kepuasan
+ 2
 Atau bilamana sudah dibakukan :
 ANALISIS PATH -
Pendugaan Parameter (3)
 ANALISIS PATH -
Pendugaan Parameter (3)
 Dengan demikian diperoleh model sebagai berikut.
Loyalitas = -0.305 + 0.517 Motivasi + 0.136
Kepuasan
 Atau bilamana sudah dibakukan :
ZLoyalitas = 0.546 ZMotivasi + 0.154 ZKepuasan

 Ketiga, Regresi untuk persamaan :

Kinerja = 0 + 1 Kepuasan + 2 Loyalitas + 3
 Atau bilamana sudah dibakukan :
ZKinerja = 0 + 1 ZKepuasan + 2 ZLoyalitas + 3
 ANALISIS PATH -
Pendugaan Parameter (3)
 ANALISIS PATH -
Pendugaan Parameter (3)
 Dengan demikian, diperoleh model sebagai berikut.
Kinerja = -0.353 + 0.212 Kepuasan + 0.383 Loyalitas + 3
 Atau bilamana sudah dibakukan :
ZKinerja = 0.181 ZKepuasan + 0.313 ZLoyalitas + 3
 Berdasarkan model-model pengaruh tersebut, dapat disusun
model lintasan pengaruh sebagai berikut. Model lintasan ini
disebut dengan analisis path, dimana pengruh error ditentukan
sebagai berikut :
 ANALISIS PATH -
Pendugaan Parameter (3)
 ANALISIS PATH -
Pendugaan Parameter (3)
 Analisis path dalam bentuk persamaan
disajikan sebagai berikut.

ZKepuasan = 0.512 ZMotivasi

ZLoyalitas = 0.546 ZMotivasi + 0.154 ZKepuasan
ZKinerja = 0.181 ZKepuasan + 0.313 ZLoyalitas + 3
LANGKAH-LANGKAH ANALISIS
PATH (4)
 KEEMPAT (VALIDITAS MODEL)
Koefisien Determinasi Total
 Total keragaman data yang dapat dijelaskan oleh model di
ukur dengan : Rm2
 1  Pe21 Pe22 . . . Pep
2

 interpretasiya, mirip dengan interpretasi koefisien determinasi

(R2) pada analisis regresi.
 Untuk data ilustrasi diperoleh:
koefisien determinasi total = 1 – (0.859)2 (0.769)2 (0.942)2
= 0.6128
 keragaman data yang dapat dijelaskan oleh model tersebut
adalah sebesar 61.28 %
 model hasil analisis dapat menjelaskan sebesar 61.28 % thdp
fenomena yg dikaji, sedangkan sisanya 38.72 % dijelaskan
oleh variabel lain (yang belum terdapat di dalam model) dan
error.
 VALIDITAS MODEL (4)
 Theory Triming
 Uji validasi koefisien path pada setiap jalur untuk pengaruh
langsung adalah sama dengan pada regresi, menggunakan nilai
p dari uji t, yaitu pengujian koefisien regresi variabel dibakukan
secara parsiil.
 Berdasarkan theory triming, maka jalur-jalur yang
nonsignifikan dabuang, sehingga diperoleh model yang
didukung (konfirmasi) oleh data empirik.
 Motivasi berpengaruh ke Kinerja bersifat tidak langsung
(indirect) yaitu melalui Loyalitas, dengan koefisien path
pengaruh tidak langsung = 0.546 x 0.313 = 0.171.
Theory Triming (4)
LANGKAH-LANGKAH ANALISIS
PATH (5)
 KELIMA (INTERPRETASI)
 Langkah terakhir di dalam analisis path adalah
melakukan interpretasi hasil analisis.
 Pertama dengan memperhatikan hasil validitas
model. Untuk data ilustrasi, diperoleh informasi
sebagai berikut :
 Berdasarkan koefisien determinasi total, diperoleh
bahwa model dapat menjelaskan informasi yang
terkandung di dalam data, sebesar 61.28%. Angka ini
cukup besar, sehingga layak dilakukan interpretasi
lebih lanjut.
 Lintasan pengaruh yang signifikan adalah dari
Motivasi ke Kinerja melalui Loyalitas.
 INTERPRETASI (4)
 Kedua, hitung pengaruh total dari setiap variabel yang
mempunyai pengaruh kausal ke variabel endogen. Di
dalam ilustrasi, seandainya seluruh lintasan signifikan,
maka harus dihitung pengaruh total dari Motivasi,
Kepuasan dan Loyalitas terhadap Kinerja. Variabel dengan
pengaruh total terbesar adalah yang memiliki pengaruh
terkuat.
 Untuk data ILUSTRASI dapat dihasilkan informasi bahwa
upaya meningkatkan kinerja karyawan harus dilakukan
dengan cara meningkatkan Motivasi dan diikuti dengan
upaya agar karyawan lebih bersifat Loyal.
 Pada keadaan demikian variabel Loyalitas berfungsi
sebagai variabel intervening atau mediating.
 Pengaruh tidak langsung Motivasi ke Kinerja melalui
Loyalitas = 0.546 x 0.313 = 0.171
MANFAAT ANALISIS PATH
 Bilamana analisis path telah dilakukan
(berdasarkan sampel), maka dapat
dimanfaatkan untuk :
 Penjelasan (explanation) terhadap fenomena yang
dipelajari atau permasalahan yang diteliti.
 Prediksi nilai variabel tergantung berdasarkan
nilai variabel bebas, yang mana prediksi dengan
analisis path ini bersifat kualitatif.
MANFAAT ANALISIS PATH
 Faktor determinan, yaitu penentuan variabel bebas
mana yang berpengaruh dominan terhadap variabel
tergantung. Dan juga dapat digunakan untuk
menelusuri mekanisme (jalur-jalur) pengaruh variabel
bebas terhadap variabel tergantung.
 Pengujian model, menggunakan theory triming, baik
untuk uji keajegan konsep yang sudah ada ataupun
uji pengembangan konsep baru.
Structural Equation Modeling
(SEM)
ILUSTRASI
Penelitian di bidang Managemen Sumberdaya Manusia

Misalkan telah dilakukan telaah teoritis, menghasilkan hipotesis penelitian :

1) Pengembangan karir berpengaruh signifikan terhadap Kepuasan

Karyawan
2) Pengembangan karir berpengaruh signifikan terhadap Kinerja Karyawan
3) Terdapat pengaruh timbal balik antara kepuasan dengan kinerja
karyawan

Disamping itu, diperoleh bahwa setiap variabel diukur berdasarkan indikator-

indikator sebagai berikut :

Variabel Peng Karir diukur oleh 10 indikator : X1.1 s/d X1.10

Variabel Kepuasan diukur oleh 6 indikator : X2.1 s/d X2.6
Variabel kinerja diukur dengan 6 indikator : X3.1 s/d X3.6
Struktur hubungan tsb dalam bentuk diagram path disajikan sbb

e1 e2 e3 e4 e5 e6
1 1 1 1 1 1
1
d1 x1.1 x2.1 x2.2 x2.3 x2.4 x2.5 x2.6
1
1
d2 x1.2
Kepuasan 1 1
1 1
d3 x1.3 u2
1
d4 x1.4
1
d5 x1.5
1 P.Karier
d6 x1.6
1
d7 x1.7
1
d8 x1.8 1
1 u3
d9 x1.9 1
1
d10 x1.10 Kinrja
1

x3.6 x3.5 x3.4 x3.3 x3.2 x3.1

1 1 1 1 1 1

e12 e11 e10 e9 e8 e7

Analisis dengan Regresi

Y =  0 + 1 X 1 + 2 X 2
X1 = Peng. Karir, X2 = Kepuasan dan Y = Kinerja Karyawan

P. Karir
KINERJA
Karyawan
Kepuasan

Permasalahan :
(1) Struktur hubungan antar variabel dipaksakan bersifat langsung
(2) Analisis Regresi dapat diterapkan bilamana data yang tersedia
adalah data dari variabel (observable variable) dan bukan data dari
indikator
Analisis dengan Path

Kepuasan

P. Karir

KINERJA

Permasalahan :
(1) Variabel bersifat unobservable
(2) Analisis Path hanya pada model REKURSIF
STRUCTURAL EQUATION MODELING

Kepuasan

P. Karir

KINERJA
Structural Model atau Path Analysis 1
1 x2.1 e1
d1 x1.1 1 1
x2.2 e2
1 1
d2 x1.2 x2.3 e3
Kepuasan 1
1 1 x2.4 e4
d3 x1.3 1
1 x2.5 e5
d4 x1.4 1
x2.6 e6
1
d5 x1.5
1 P.Karier
d6 x1.6
1
d7 x1.7
1
d8 x1.8 1
1 x3.1 e7
d9 x1.9 1 1
x3.2 e8
1 1
d10 x1.10 x3.3 e9
Kinrja 1
x3.4 e10
1
x3.5 e11
1
x3.6
Factor Analysis (Measurement Model) e12
 Measurement Model Measurement Model
- Structural Model (A. Regresi)
Variabel Exogen Variabel Endogen
- Path Analysis
(Confirmatory Factor (Confirmatory Factor
Analysis) Analysis)

Structural Equation Modeling (SEM)

NOTASI DI DALAM SEM
NOTASI DI DALAM SEM

 = Ksi, variabel laten X

 = Eta, variabel laten Y
 = Lamnda (kecil), loading faktor
y = Lamnda (besar), matriks loading faktor variabel laten Y (variabel endogen)
x = Lamnda (besar), matriks loading faktor variabel laten X (variabel endogen)
 = Beta (kecil), koefisien pengaruh variabel endogen terhadap variabel endogen
 = Beta (besar), matriks koefisien pengaruh variabel endogen terhadap variabel endogen
 = Gama (kecil), koefisien pengaruh variabel exogen terhadap variabel endogen
 = Gama (besar), matriks koefisien pengaruh variabel exogen terhadap variabel endogen
 = Phi (kecil), peragam antar variabel laten X (variabel exogen)
 = Phi (besar), matriks ragam- peragam antar variabel laten X (variabel exogen)
 = Zeta (kecil), galat model
 = Psi (kecil), peragam antar galat model
 = Psi (besar), matriks ragam-peragam antar galat model
 = Epsilon (kecil), galat pengukuran pada variabel manifest untuk variabel laten Y
= Teta (besar), matriks var-cov galat pengukuran variabel manifest utk variabel laten Y
 = Delta (kecil), galat pengukuran pada variabel manifest untuk variabel laten X
 = Teta (besar), matriks var-cov galat pengukuran variabel manifest utk variabel laten X
 = Teta, matriks var-cov galat pengukuran variabel manifest utk variabel laten X dan Y
Persamaan Analisis Path dan SEM

- Keduanya berkenaan dengan konstruksi model

- Pendugaan parameter (koefisien) model berdasarkan data sampel

Perbedaan Analisis Path dan SEM

Analisis Path SEM

- Analisis Path : Model hubungan
kausal antar variabel observable
- Analisis Path hanya dapat
diterapkan pada model rekursif
- Analisis Path dengan OLS
- Output Analisis Path : faktor
determinan
- SEM : Observable, Unbosevable
(measurement model) dan Campuran
- SEM : model rekursif atau resiprokal
- SEM tidak terkendala adanya korelasi
antar error
- SEM dengan MLE, TSLS, GLS, WLS dll
- Output SEM : faktor determinan, model
struktural dan model pengukuran
Measurement Model

VALIDITAS INSTRUMEN
Koefisein korelasi antara skor suatu indikator dengan skor total positif dan
lebih besar 0.3 : valid (validitas kriteria) Masrun (1979)
SEM : - Validitas setiap indikator ditunjukkan oleh 
- Validitas unidimensionalitas, GFI  0.9

RELIABILITAS INSTRUMEN
Alpha Cronbach,   0.6 : reliabel (konsistensi internal) (Malhotra,1996)
SEM : Reliabilitas setiap indikator ditunjukkan oleh 1 -  untuk variabel
exogen dan 1 -  untuk variabel endogen
Reliabilitas Setiap Variabel : construct reliability dan everage
variance extracted
LANGKAH-LANGKAH SEM

Pengembangan Model Berbasis

Konsep dan Teori

Mengkontruksi Diagram Path

Konversi Diagram Path ke

Persamaan

Memilih Matriks Input

Menilai Masalah Identifikasi

Evaluasi Goodness-of-fit

Interpretasi dan Modifikasi

Model
Pengembangan Model Berbasis Konsep dan Teori

Kepuasan

Karir

Kinerja

Dapat dengan mudah dipahami bahwa variabel karir, kepuasan, dan kinerja
merupakan variabel yang bersifat unobservable. Untuk mengukur variabel-
variabel tersebut dikembangkan indikator sebagai variabel manifest :
Karir : X1.1, X1.2, X1.3, X1.4, X1.5, X1.6, X1.7, X1.8, X1.9 dan X1.10
Kepuasan : X2.1, X2.2, X2.3, X2.4, X2.5, dan X2.6
Kinerja : X3.1, X3.2, X3.3, X3.4, X3.5, dan X3.6
 X2.1

X2.2
X1.1
X2.3
X1.2 Kepuasan
X2.4
X1.3
X2.5
X1.4
X2.6
X1.5
Karir
X1.6 X3.1
X1.7 X3.2

X1.8 X3.3
Kinerja
X1.9 X3.4

X1.10 X3.5

X3.6
Konversi Diagram Path ke Persamaan

Konversi diagram path, model struktural, ke dalam

model matematika menjadi sebagai berikut :
1 = 12+ 1 1 + 1
2 = 21+ 2 1 + 2

atau :

Kepuasan = 1 Kinerja + 1 Karir + 1

Kinerja = 2 Kepuasan + 1 Karir + 2
Konversi diagram path, model pengukuran, ke
dalam model matematika menjadi sebagai berikut :
X1.1 = 1 1 + 1 X2.1 = 11 1 + 1 X3.1 = 17 2 + 7
X1.2 = 2 1 + 2 X2.2 = 12 1 + 2 X3.2 = 18 2 + 8
X1.3 = 3 1 + 3 X2.3 = 13 1 + 3 X3.3 = 19 2 + 9
X1.4 = 4 1 + 4 X2.4 = 14 1 + 4 X3.4 = 20 2 + 10
X1.5 = 5 1 + 5 X2.5 = 15 1 + 5 X3.5 = 21 2 + 11
X1.6 = 6 1 + 6
X2.6 = 16 1 + 6 X3.6 = 22 2 + 12
X1.7 = 7 1 + 7
X1.8 = 8 1 + 8
X1.9 = 9 1 + 9
X1.10 = 10 1 + 10
Memilih Matriks Input

MATRIKS KOVARIANS (Raw Data):

- pengujian suatu model yang telah mendapatkan justifikasi teori
- sulit dilakukan interpreasi terhadap besar-kecilnya pengaruh
- hasil analisis setara dengan analisis regresi

MATRIKS KORELASI (Standardize Data):

- penjelasan menganai pola hubungan kausal antar variabel laten
- pengaruh dominan; Faktor Determinan dan Jalur terkuat
- hasil analisis setara dengan analisis path
Menilai Masalah Identifikasi

Gejala-gejala masalah identifikasi :

- Terdapatnya standart error dari koefisien yang terlalu besar
- Ketidakmampuan program menyajikan matriks informasi yang seharusnya disajikan
- Pendugaan parameter tdk dpt diperoleh, misalnya terjadi matriks tidak definit positif
- Muncul angka-angka aneh, seperti adanya varians error yang negatif
- Terjadinya korelasi yang tinggi (> 0.9) antar koefisien hasil dugaan

Solusi :
- umumnya karena under identified
- berikan kendala
- koefisien model dibuat fix
- hati-hati menjadi over identified
ASUMSI SEM

Asumsi : Spesifikasi model

- Semua hubungan : linier (data time series sulit dpt memenuhi)

- Model aditif

Asumsi : Pendugaan parameter & Uji hipotesis

- Antar unit pengamatan independen

- Data tidak mengandung pencilan (outliers)
- Pendugaan parameter dengan MLE, sampel size minimum 100.
- Data yang akan dianalisis (variabel latent) menyebar normal ganda (multinormal)
- Beberpa software tidak bisa jalan bila terdapat missing data
Pengujian Parameter

- Parameter Lamda;
- Parameter Delta dan Epsilon;
- Parameter Beta;
- Parameter Gama
menggunakan t-test, H0 : parameter = 0 VS H1 : parameter  0

Pengujian Model Pengukuran

VALIDITAS INSTRUMEN
Validitas setiap indikator = , nonsignifikan tidak valid
RELIABILITAS INSTRUMEN
Reliabilitas setiap indikator = 1 -  untuk variabel exogen
1 -  untuk variabel endogen

LISREL : (1 -  ) atau (1 -  ), nonsignifikan tidak reliabel

AMOS : masih  dan  .
Pengujian Model Pengukuran
2
p 
   yi  var
Construct reliability :   0.70 ,    i 1 
2
p  p
 
   yi  var   var  yi
 i 1  i 1
p 2

  yi var 
i 1
Everage variance extracted : vc(  ) > 0.5 , vc(  ) 
p 2

p
  yi var    var  y
i
 
i 1 i 1

menunjukkan proporsi varians variabel laten yang dapat dijelaskan oleh

variabel manifest (indikator)
Pengujian Model Overall

No Goodness-of-fit Cut-off Keterangan

1 Khi Kuadrat Nonsignifikan
2 RMR Kecil Digunakan untuk n besar
3 RMSEA  0.08 Digunakan untuk n besar
4 GFI  0.90 Miirip dg R2 dlm regresi
5 AGFI  0.90 Mirip dengan R2-adjusted
6 CFI  0.94 Tidak sensitif thdp besar sampel
7 AIC Kecil
8 Khi Kuadrat / DF < 2,00

Pengujian Model Struktural


Koefisien Determinasi Total : R  1 2
cov(  )
Modifikasi Model
- Indeks modifikasi  4 : jalur dipertimbangkan ditambah atau dihilangkan
- Khi Kuadrat turun sebesar 4 dianggap cukup bermakna

Interpretasi

Input Matriks Kovarians : output SEM adalah model struktural setara

dengan analisis regresi.

Input Matriks Korelasi : output SEM adalah analisis path.

SEM juga dapat digunakan untuk pengujian model baik yang bersifat
menguji ulang suatu konsep ataupun pengujian terhadap suatu model yang
akan dikembangkan, menggunakan theory triming.
Sample Size

Pedoman Umum :

- Bila pendugaan parameter menggunakan MLE : 100 – 200; minimum 50.

- Sebanyak 5 – 10 kali jumlah parameter
- Sama dengan 5 – 10 kali, indikator keseluruhan variabel laten

SEM dengan aplikasi LISREL (Oud, 2001) :

- Besar sampel untuk program LISREL adalah  400.

- LISREL : 10 x jumlah variabel.
- LISREL : minimum 10 x parameter (independen) yang ada dalam model
SOFTWARE aplikasi SEM

AMOS (oleh Arbuckle)

EQS (oleh Bentler)
Mx (oleh Neale)
LISREL (oleh Joreskog).

langkah sederhana Operasi AMOS

Siapkan data dalam Worksheet SPSS (SPSS)
Buat Diagram Path dalam Bidang Kerja AMOS (AMOS)
Hubungkan Diagram Path dalam AMOS dengan data dalam SPSS (AMOS)
Tentukan output yang diperlukan (AMOS)
Lakukan analisis (estimasi) (AMOS)
Output : Diagram Path, Tabel dan atau Teks (AMOS)