SKFLH PENEUKUHHN DHN

METODE HNHLIsI5 DHTH

SKALA PENGUKURI\N DAN METODE
ANALISIS DATA

Ada beberapa teknik statistik yang dapat digunakan untuk

menganalisis data.Tujuan du.i unulisis dat
rete"a,
.rnformasi data tersebut dan
r*rggr*tan h ah.
ai"/uiutan
dalam bentuk satu atau lebih hipotesis nol. Sample data yang
dikumpulkan kemudian digunakan untuk menguji penolakan
atau non-penolakan hipotesis nol secara statistik. Jadi hipotesis
nol menggambarkan permasalahan dan "informasi relevan"
yang terkandung di dalam data yang digunakan untuk menguji
secara statistik hipotesis nol.

1.1 Skala Pengukuran

qggltggrupakan suatu proses hal mana suatu
e!g\a
suatu stimgli sesuai -dergan atul?n atau proscdurygng telah
digambarkan dari beberapa
-ditetapkan. Misalkan orang dapat
karakte;sdk seperti umur,pendidikan, pendapatan, jenis kelamin,
dan preferensi terhadap merek barang tertentu. Skala
pengukuran yang sesuai dapat digunakan untuk menunjukkan
karakteristik ini. Menurut -ftgyenp-1!946) skala pengukuran
dapat dikelompokkan menjadi empatjenis yaitu, skala nominal,
ordinal, interval dan rasio. Berikut ini penjelasan ke-empat jenis
skala pengukuran tersebut.
. n,it tt
./'tl.;
1.1.1 Skala Nominal r' - /r', / 6U,lt fi4'
Skala nominal merupakan skala pengukuran yang
menyatakan kategori, atau kelompok dari suatu subyek
Misalkan variabel jenis kelamin, responden dapat dikelompokkan
ke dalam dua kategori laki-laki dan wanita. Kedua kelompok

Skala Pengukuran dan Metode Analisis Data

ini dapat diberi kode angka I dan 2. Angka ini hanya F.rfung{;g!-a,gg!{el
kategori semata tgnpa nilai intrinsik dan tidak memiliki arti apa-apa. Oleh
sebab itu tidaklah tepat menghitung nilai rata-rata dan standar deviasi dari
variabel jenis kelamin. Angka I dan 2 hanya sebagai cara untuk
mengelompokkan subyek ke dalam kelompok yang berbeda atau hanya untuk
menghitr.rn-q bcrapa banyak jumlah di setiap kategori. Jadi uji statistik yang
sesuai dengan skala nominal adalah uji statistik yang mendasarkan counting
seperti ,lrg{rtq dan distribusi frekuensi.

1.1.2 Skala Ordinal

Skala ordinal tidak hanya mengkategorikan variabel kedalam keloApok,
tetapi Luga melakukan ranking terhadap kategori. Sebagai misal kita ingin
mengukur preferensi responden terhadap empat merek produk air mineral,
Merek Aqua, Aquana, Aquaria,dan Aquades. Kita dapat meminta responden
untuk melakukan ranking terhadap merek produk air mineral yaitu dengan
memberi angka I untuk merek yang paling disukai, angka 2 untuk ranking
kedua dst.
Merek Air Mineral Ranking
Aqua I
Aquana 2
Aquaria J
Aquades 4

Tabel ini menuniukkan bahwa merek Aqua lebih disukai dari pada
merek Aquana, merek Aquana lebih disukai dari pada merek Aquaria, dan
merek Aquaria lebih disukai daripada merek Aquades. Walaupun perbedaan
angka antal'a merek satu dengan lainnya sama, kita tidak dapat menentukan
seberapa besar nilai preferensi dari satu merek terhadap merek lainnya.
Jadi kategori antar merek tidak menggambarkan perbedaan yang sama
(equol clilferences) dari ukuran atribut. Pengukuran seperti ini dinamakan
skala ordinal dan data yang di dapat dari pengukuran ini disebut data ordinal.
Uji statistik yang sesuai untuk skala ordinal adalahmodus,median,dktribusi
frekuiensi dan statistik non-pdrametrik seperti rank order correlation.
Variabel yang diukur dengan skala nominal dan ordinal umumnya disebut
vari abel n on -parametri k atau v ariabel n - metrik
_no

1.1.3. Skala Interval

Misalkan disamping menanyakan responden untuk melakukan ranking
preferensi terhadap merek, mereka juga diminta untuk memberikan nilai
(rate) terhadap preferensi merek sesuai dengan lima skala penilaian sbb:

Aplikasi Analisis Multivariate dengan Program SPSS

 Nilai Skala Preferensi
I Preferensi sangat tinggi
2 Preferensi tinggi
-) Preferensi moderat
4 Preferensi rendah
5 Pref'erensi sangat rendah

Jika kita berasumsi bahwa urutan kategori menggambarkan tingkat

preferensi yang sama, maka kita dapat mengatakan bahwa perbedaan
preferensi responden untuk dua merek air mineral yang mendapat rating I
dan 2 adalah sama dengan perbedaan preferensi untuk dua merek lainnya
i ang memiliki rating 4 dan 5. Namun demikian kita tidak dapat menyatakan
bahwa preferensi responden terhadap merek yang mendapat rating 5 nilainya
lima kali preferensi untuk merek yang mendapat rating 1. Skala pengukuran
seperti di atas disebut dengan skala interval. Uji statitsik yang sesuai untuk
jenis pengukuran skala ini adalah semua uji statistik, kecuali yang
mendasarkan pada rasio seperti koefisien varinsi.

1.1.4 Skala Rasio

Skala Rasio adalah skala interval dan rnemiliki nilai dasar (boscdvolue)
yang tidak dapat dirubah. Misalkan umur responden memiliki nilai dasar
nol. Skala rasio dapat ditransformasikan dengan cera mengalikan dengan
konstanta, tetapi transformasi tidak dapat dilakukan jika dengan cara
menambah konstanta karena hal ini akan merubah nilai dasarnya. Jadi
transformasi yang valid terhadap skala rasio adalah sbb:

Y, = bYo

Oleh karena skala rasio rnemiliki nilai dasar, maka pernyataan yang
mengatakan "Umur Amir dua kali umur Tono" adalah valid. Data yang
dihasilkan dari skala rasio disebut data rasio dan tidak ada pembatasan
terhadap alat uji statitik yang sesuai. Variabel yang diukur dengan skala
interval dan rasio disebut variabel metrik.

1.2 METODE ANALISIS DATA

Anggaplah kita mempunyai data yang berisi n observasi dengan p
variabel. P variabel dapat dibagi kedalam dua kelompok atau subset. Uji
statistik untuk menganalisis set data sepe(i ini disebut metode dependen
(tlepenclence ntethods). Metode dependen menguji ada tidaknya hubungan
dua set variabel. Jika si peneliti atas dasar teori yang ada menyatakan bahwa

Skala Pengukuran dan Metode Analisis Data

satu variabel dari subset adalah variabel bebas (independent variable)
dan variabel Iainnya dari subset adalah variabel terikat (dependent variable),
maka tujuan dari metode dependen adalah menentukan apakah variabel
bebas mempengaruhi variabel terikat secara individual dan atau bersamaan.
Sebaliknya jika set data yang ada tidak mungkin untuk mengelornpokkan
kedalam variabel bebas dan variabel terikat, maka tujuan darijenis set data
seperti ini adalah mengidentifikasi bagaimana dan mengapa variabel tersebut
saling berkaitan satu sama lainnya. Metode statistik yang sesuai untuk
menganalisis data set seperti ini disebut metode interdependen
(int e rdep e nde nc e nte thods).

1.2.1 Metode Dependen

Metode dependen dapat dikelompokkan lagi menjadi:
l. Jumlah variabel bebas - satu atau lebih dari satu variabel bebas
2. Jumlah variabel terikat satu atau lebih dari satu varaiebl terikat
-
3. Jenis skala pengukuran variabel bebas - metrik atau non-metrik
4. Jenis skala pengukuran variabel terikat - metrik atau non-metrik

1.2.1.1. Satu variabel terikat (metrik) dan satu variabel betras (non-
metrik)
Metode statistik untuk satu variabel terikat dan satu variabel bebas
sering disebut dengan metode univariat Qutit,ariate ntetltods), sedangkan
metode statistik untuk set data dengan lebih dari satu variabel bebas dan
lebih dari satu variabel terikat disebut dengan metode multivariat
(multivariate rnethods). Jadi metode univariat merupakan kasus khusus
metode multivariat. Misalkan kita ingin mengetahui apakah ada perbedaan
antara keluarga berkulit putih dan hitam sebagai variabel bebas (Race)
terhadap Gaji kepala keluarga (Earns) sebagai variabel terikat. Disini
pengukuran variabel bebas bersifat non-metrik dengan dua ketgori yaitu
kategori I untuk keluaga berkulit putih dan 2 keluarga berkulit hitam.
Sedangkan pengukuran variabel terikat gaji kepala keluarga merupakan
ukuran metrik. Uji statistik yang dapat digunakan adalah uii beda rata-
rata atau t-test.
Apabila variabel bebas merupakan ukuran non-metrik dengan kategori
Iebih dari 2 (dua) dan variabel terikat dengan pengukuran metrik, misalkan
dalam kasus apakah ada perbedan gaji kepala keluarga dilihat dari tempat
tinggal mereka (region) yang dibagi kedalam empat kategori yaitu I untuk
Northeast, 2 untuk Northcentral, 3 untuk South dan 4 untuk West. Alat uji
untuk kasus ini adalah Analysis of variance (ANOVA).

6 Aplikasi Analisis Multivariate dengan Program SPSS

1.2.1.2 Dua atau lebih variabel terikat (metrik) dan dua atau lebih
rariabel bebas (non- metrik).
Metode statistik untuk menguji lebih dari satu variabel terikat (metrik)
Jan lebih dari satu variabel bebas (non-metrik) adalah Multivarinte Analysis
of Variance (MANOVA). Berikut ini kasus yang dapat dianalisis dengan
\IANOVA.:

ii. Variabel terikat (metrik) lebih dari satu dan satu variabel bebas (non-
metrik). Seperti apakah rata-rata gaji kepala keluarga (EARNS) dan
total income anggota keluarga (INCOME) berbeda secara nyata untuk
tiap region (REG).
b. Variabel terikat (metrik) lebih dari satu dan variabel bebas (non-metrik)
lebih dari satu. Seperti apakah rata-ratagaji kepala keluarga (EARNS)
dan total income anggota keluarga (INCOME) berbeda secara nyata
untuk tiap region (REG) dan ras (RACE)
c. Variabel terikat satu (metrik) dan lebih dari satu variabel bebas (non-
metrik). Seperti apakah rata-rata gaji kepala keluarga (EARNS) berbeda
nyata untuk tiap region (REG) dan ras (RACE).

1.2.1.3 Satu variabel terikat (metrik) dan satu atau lebih variabel
bebas (metrik)
Metode statistik untuk menguji hubungan antara satu variabel terikat
(metrik) dan satu atau lebih variabel bebas (meh'ik) adalah regresi. Regresi
sederhana (simple regression) untuk menguji pengaruh satu variabel bebas
(metrik) terhadap satu variabel terikat (metrik), sedangkan untuk lebih dari
satu variabel bebas (metrik) disebut regresi berganda (multiple
regression). Misalkan kita ingin mengetahui pengaruh jumlah anggota
keluarga (SIZE), gaji kepala keluarga (EARNS), kekayaan keluarga
(WEALfH) dan tingkat tabungan keluraga (SAVING) terhadap total income
anggota keluarga (INCOME). Hubungan antara satu variabel terikat
(metrik) dan lebih dari satu veriabel bebas (metrik) dapat ditulis dalam
persamaan linear sbb:

INCOME = b0 + bl SIZE + b2 EARNS + b3 WEAUIH + M SAVING + e

Tujuan dari teknik regresi adalah menaksir besarnya parameter

bO,b1,b2,b3 dan b4 dari model di atas.

Skala Pengukuran dan Metode Analisis Data

1,2.1,4 Satu variabel terikat (non-metrik) dan lebih dari satu variabel
betras (metrik)
Sebagai misal variabel terikat adalah intensitas membeli produk (PI)
yang diukur dengan skala nominal. Responden diminta untuk menjawab
apakah akan membeli produk (l) atau tidak akan membeli produk (0).
Sedangkan variabel bebasnya adalah Age (umur), Income, Education dan
Life style (gaya hidup) yang semuanya diukur dengan ukuran interval atau
rasio, maka kita sekarang mempunyai set data dimana variabel terikatnya
adalah kategori atau nominal dan variabel bebasnya adalah metrik atau
kontinyu. Persoalan uji statistik pada model seperti ini adalah menentukan
apakah kedua grup yaitu pembeli atau non-pembeli produk secara signifikan
berbeda dikaitkan dengan variabel bebas. Jika hasilnya memang nyata
berbeda, pertanyaan selanjutnya adalah apakah variabel-variabel bebas dapat
digunakan untukmembentuk persamaan prediksi atau aturan klasifikasi untuk
mengelompokkan konsumen kedalam dua kelompok pembeli dan non-
pembeli. Metode statistik untuk menjawab persoalan seperti ini adalah
analisis diskriminan (Discriminant Anolysis). Asumsi yang mendasari
analisis diskriminan adalah data harus berdistribusi normal dan jumlah sample
untuk kategori variabel terikatnya yaitu pembeli dan non-pembeli harus
sebandin g 5O%t pembeli dan 507a non-pembeli.
Apabila variabel bebasnya kombinasi antara metrik dan nominal (non-
metrik), maka asumsi normalitas multivariat tidak akan dapat dipenuhi.
Penyimpangan dari asumsi normalitas multivariat mempengaruhi signifikanis
uji statistik dan tingkat ketepatan klasifikasi. Jika hal ini terjadi maka sebaiknya
menggunakan uji statistik logistic regression. Logistic regression juga tidak
mensyaratkan jumlah sample untuk kategori variabel terikat yaitu pembeli
dan non-pembeli harus sebanding.Tabel I berikut ini menyajikan metode
statistik dependen.

Aplikasi Analisis Multivariate dengan Program SPSS

 Tabel I Metode Statistik Dependen

Variabel lndeoenden UiiStatistik

satu skala metrik
satu skala ruetrik
lebih tlr satu nretrik
satu fltau lebilr lnetrik
satu non-metrik dgn dua
ketegori
satu non-rnetrik dgn lebilr 2
kategori
satu atau lebih non-metrik
lebih dr satu nretrik
LIji beda t -test
Analysis of Variance
(ANOVA)
Multivariate Analvsis of
Variance (MANOVA)
Canonical Correlation

satu non-metrik dua satu atau lebih rnetrik Analisis Diskrirninan

ketegori
satU non-ntetrik lebih satu atau lehih rrretrik Arralisis Multiple
dr dua ketogori Diskrirninan
sttu non-nretrik dua satu atau lebih nretrik dan Logistic Regression
kategori non-nretrik
lebih dari satu nretrik Iebih clari satu nretrik Analisis .lalur (Path
Analy'sis) dan Structural
Equaition Modeling (SL.M.1

1.2.2 Metode Interdependen

Seperti telah dijelaskan dalam sub bahasan Metode Analisis Data,
ada kemungkinan kita tidak dapat mengelompokkan set data yang ada ke
dalam variabel terikat maupun veriabel bebas. Pada situasi seperti ini tujuan
utama dari analisis data adalah memahami atau mengidentifikasi mengapa
dan bagaimana variabel-variabel tersebut saling berkorelasi. Tabel.2 berikut
ini menyajikan metode statistik untuk menguji metode interdependen.

Tabel. 2 Metode Statistik Interdependen

.lurnlah Variabel l!{ctlik Non-metrik

Dua Variabel
t-ebih dari dua valiabel
Korelasi scdelhana . Tabel kontiensi trvo-
\1'a)'
o Loglinear models
a Principle compouents
a Analisitaktor o Tabelkontilensi
Mu lt irva1,
o Loglineal nrodels
r Correspondence
ana l),s is

Skala Pengukuran dan Metode Analisis Data 9

I .2.2.1Y aria bel Metrik
Principle Components Analysis
Misalkan seorang analis keuangan memiliki sejumlah rasio keuangan
(katakan 100 rasio) yang dapat ia gunakan untuk menentukan kesehatan
keuangan suatu perusahaan. Untuk tujuan ini analis keuangan dapat
menggunakan semua 100 rasio atau sejumlah (katakan dua) indek komposit.
Setiap indek komposit dibentuk dari menjumlahkan atau rata-rata tertimbang
dari 100 rasio. Jelaslah bahwa lebih mudah membandingkan perusahaan
dengan menggunakan dua indek komposit daripada menggunakan 100 rasio
keuangan. Masalah yang dihadapi analis direduksi menjadi mengidentifikasi
prosedur atau aturan untuk membentuk dua indek komposit. Principal
components analysis adalah teknik yang cocok untuk tujuan ini. Teknik ini
kadang-kadang disebut sebagai teknik reduksi data oleh karena mencoba
mereduksijumlah besar variabel menjadi indek komposit yang sedikit.

Analisis Faktor
Misalkan seorang psikolog pendidikan memiliki nilai mahasiswa untuk
mata kuliah (metamatika, kimia, sejarah,bahasa Inggris dan Perancis) dan
ingin mengamati bahwa nilia-nilai tersebut saling berkorelasi. Si psikolog
ingin menentukan mengapa nilai-nilai tersebut saling berkorelasi atau apakah
yang menjadi alasan atau faktor penyebab korelasi antar nilai mata kuliah.
Analisis faktor dapat digunakan untuk mengidentifikasi faktor-faktor yang
menjadi penyebab korelasi antar nilai mata kuliah. Analisis faktor
mengidentifikasi beberapa faktor yang menjadi penyebab korelasi diantara
jumlah besar variabel dan teknik ini juga dikelompokkan sebagai teknik
reduksi. Dalam hal ini analisis faktor dapat dipandang sebagai teknik untuk
mengidentifkasi kelompok atau cluster suatu variabel dimar-ra korelasi variabel
dalam setiap cluster lebih tinggi daripada korelasi variabel cluster lainnya.

1.2.2.2 Variabel Non-metrik

Loglinear Models
Misalkan kita ingin membuat tabel klasifikasi silang antara region (REG)
dengan empat kategori dan ras (RACE) dengan dua kategori, maka data
seperti ini dapat dianalisis dengan berbagai metode. Salah satu teknik yang
sangat populer adalah analisis tabulasi silang (crosstabulation) atau analisis
tabel kontijensi untuk menentukan ada tidaknya hubungan asosiasi antara
dua variabel tersebut. Alternatif lain dapat menggunakan Loglinear model
untuk menaksir probabilitas bahwa satu observasi masuk dalam cell sebagai
fungsi variabel bebas. Loglinear juga dapat digunakan untuk menguji
hubungan asosiasi diantara lebih dari dua variabel kategori.

1 0 Aplikasi Analisis Multivariate dengan Program SPSS

Analisis Korespondensi
Misalkan kita mempunyai tabel kontijensi atau tabl tabulasi silang besar
(katakan 20x20 tabel). Interpretasi terhadap tabel yang besar ini dapat di
sederhanakan jika beberapa komponen menggambarkan sebagian besar dari
hubungan antara baris dan kolom dapat diidentifikasi. Analisis korepondensi
bertujuan untuk memecahkan hal ini. Jadi analisis korespondensi sama identik
dengan components analysis untuk data non-metrik. Loglinear model dan
analisis korespondensi dapat digeneralisir menjadi tabel kontijensi multiway.
Tabel kontijensi multiway adalah tabulasi silang untuk lebih dari dua variabel.

Skala Pengukuran dan Metode Analisis Data 11