Dosen Pengampu:
Drs. Akhmad Baidun, M. Si.
Disusun Oleh:
Kelompok 2
Puji dan syukur marilah kita panjatkan kehadirat Allah SWT. yang telah memberikan kesehatan
jasmani dan rohani sehingga kita masih tetap bisa menikmati indahnya alam ciptaan-Nya.
Selawat dan salam tetaplah kita curahkan kepada baginda Nabi Muhammad Saw yang telah
menunjukkan kepada kita jalan yang lurus berupa ajaran agama yang sempurna dengan bahasa
yang sangat indah. Dengan taufiq dan hidayah Allah SWT. Kami bersyukur, telah menyelesaikan
makalah yang berjudul ”Teori Kepribadian Erich Fromm”.
Kami menyadari bahwa dalam penyusunan makalah ini jauh dari kata sempurna, baik dari segi
penyusunan, bahasan, maupun penulisannya. Oleh karena itu, kami mengharapkan kritik dan
saran yang sifatnya membangun, guna menjadi acuan dalam bekal pengalaman bagi kami agar
lebih baik dari masa yang akan datang. Harapan kami semoga makalah ini membantu menambah
pengetahuan dan pengalaman bagi para pembaca.
Penulis
ii
DAFTAR ISI
KATA PENGANTAR.....................................................................................................................ii
DAFTAR ISI.................................................................................................................................iii
BAB 1..............................................................................................................................................1
1.1 Latar Belakang.......................................................................................................................1
1.2 Rumusan Masalah..................................................................................................................1
1.3 Tujuan....................................................................................................................................1
BAB II.............................................................................................................................................2
2.1 Sains dan Penelitian...............................................................................................................2
2.2 Data Analisis..........................................................................................................................8
2.3 Interpretasi melalui Keandalan dan Validitas.....................................................................16
BAB III.........................................................................................................................................22
3.1 Kesimpulan..........................................................................................................................22
DAFTAR PUSTAKA...................................................................................................................23
iii
BAB 1
PENDAHULUAN
1.3 Tujuan
iv
BAB II
PEMBAHASAN
Semua ilmu memiliki tujuan yang sama: pemahaman, prediksi, dan pengendalian
beberapa fenomena yang menarik. Psikolog I-O sangat tertarik untuk memahami, memprediksi,
dan mempengaruhi perilaku yang terkait dengan tempat kerja. Semua ilmu juga berbagi metode
umum tertentu yang dengannya mereka mempelajari objek yang diminati, apakah objek itu
adalah bahan kimia pada tabel periodik unsur atau manusia yang dipekerjakan di perusahaan.
Metode umum ini termasuk yang berikut:
1. Sains ditandai dengan pendekatan logis untuk penyelidikan, biasanya didasarkan pada
teori, hipotesa, atau hanya rasa ingin tahu dasar tentang objek yang menarik. Dalam
psikologi I-O, ini mungkin teori tentang apa yang memotivasi pekerja, hipotesis bahwa
kebebasan untuk memilih metode kerja akan membuat pekerja lebih terlibat dengan
pekerjaan mereka, atau keingintahuan tentang apakah orang yang bekerja dari rumah
mereka lebih puas dengan pekerjaan mereka daripada orang yang bekerja di kantor.
2. Sains bergantung pada data. Data ini dapat dikumpulkan di laboratorium atau di dunia
nyata (lapangan). Data yang dikumpulkan agar relevan dengan teori, hipotesis,
keingintahuan yang memicu penyelidikan. Misalnya, psikolog I-O mengumpulkan data
tentang kinerja, kemampuan, kepuasan kerja, dan sikap terhadap keselamatan.
3. Sains harus dapat dikomunikasikan, terbuka, dan umum. Dalam psikologi I-O, sering
terjadi perdebatan tentang teori dan hipotesis. Perdebatan berlangsung di konferensi, di
jurnal, dan di buku. Siapa pun dapat bergabung dalam debat hanya dengan membaca
laporan atau publikasi yang relevan dan mengungkapkan pendapat tentangnya atau
dengan melakukan dan menerbitkan penelitian mereka sendiri.
4. Sains bukan untuk membuktikan teori atau hipotesis. Sains bertujuan untuk menyangkal
mereka.
5. Salah satu ciri lain dari ilmu pengetahuan yang sering disebutkan (MacCoun, 1998;
Merton, 1973) adalah bahwa: ketidaktertarikan—harapan bahwa para ilmuwan akan
objektif dan tidak terpengaruh oleh bias atau prasangka.
v
dan merancang penelitian mereka dengan cara yang menghilangkan penjelasan alternatif untuk
hasil penelitian.
Kita sering tidak menyadari dampak ilmu pengetahuan terhadap kehidupan kita sehari-
hari. Air yang kita minum, udara yang kita hirup, bahkan tingkat kebisingan yang kita alami
telah dipengaruhi oleh penelitian ilmiah selama puluhan tahun.
Pentingnya metode ilmiah bagi dampak sumber daya manusia dan praktik Industri-
Organisasi juga dapat dilihat di masyarakat, khususnya di pengadilan. Individu sering
mengajukan tuntutan hukum terhadap majikan untuk praktik tertentu, seperti perekrutan,
pemecatan, kenaikan gaji, dan pelecehan. Dalam tuntutan hukum ini, psikolog Industri-
Organisasi sering bersaksi sebagai saksi ahli. Saksi ahli, tidak seperti saksi fakta, diizinkan untuk
menyuarakan pendapat tentang praktik. Seorang psikolog Industri-Organisasi mungkin siap
untuk menawarkan pendapat bahwa majikan dibenarkan dalam menggunakan tes, seperti tes
kemampuan mental, untuk tujuan perekrutan. Pendapat ini dapat ditentang oleh para pengacara
yang menentang sebagai "ilmu sampah" yang tidak memiliki dasar dalam penelitian ilmiah yang
sah. Metode ilmiah adalah salah satu metode yang paling umum diterima untuk melindungi
individu dari konsekuensi spekulasi tanpa informasi.
Dengan melakukan penelitian, kita dapat mengembangkan model sistem sebuah teori dan
memprediksi konsekuensi dari pengenalan sistem itu atau modifikasi sistem yang sudah ada.
Klein dan Zedeck (2004) mengingatkan kita bahwa teori memberikan makna dan
menentukan variabel mana yang penting dan untuk alasan apa. Teori juga menggambarkan dan
menjelaskan hubungan yang menghubungkan variabel. Klein dan Zedeck menyarankan bahwa
teori yang baik menampilkan karakteristik berikut:
vi
a. Menawarkan wawasan baru
b. Menarik
c. Terfokus
d. Relevan dengan topik penting
e. Berikan penjelasan
f. Praktis
Secara kolektif, jawaban atas pertanyaan-pertanyaan ini akan menentukan desain penelitian,
arsitektur untuk penelitian.
Spector (2001) telah meninjau desain penelitian dalam psikologi I-O dan merancang
sistem klasifikasi untuk membedakan di antara desain yang khas. Dia memecah desain menjadi
tiga tipe dasar: eksperimental, kuasi-eksperimental, dan non eksperimental. Desain
eksperimental, apakah percobaan dilakukan di laboratorium atau di lapangan, melibatkan
penugasan peserta ke kondisi. Penetapan peserta secara acak merupakan salah satu ciri yang
membedakan eksperimen dengan eksperimen semu atau non eksperimen. Jika peserta secara
acak ditugaskan untuk kondisi, maka setiap perbedaan yang muncul setelah perlakuan
eksperimental lebih mungkin untuk menyesuaikan diri dengan hubungan sebab-akibat.
Penugasan acak ke kondisi memungkinkan peneliti untuk lebih yakin bahwa tidak ada perbedaan
sistematis yang sudah ada sebelumnya antara kelompok yang ditugaskan untuk kondisi yang
berbeda.
vii
"perlakuan" atau kondisi apa pun. Dalam desain non-eksperimental, peneliti hanya akan
mengumpulkan informasi tentang efek dari rencana pembayaran tanpa memperkenalkan kondisi
atau perawatan apa pun. Peneliti sering menggunakan istilah “variabel bebas” untuk
menggambarkan perlakuan atau kondisi pendahulunya dan istilah “variabel terikat” untuk
menggambarkan perilaku partisipan penelitian selanjutnya. Spector (2001) mengidentifikasi dua
desain non eksperimental umum sebagai:
Ada beberapa alasan untuk prevalensi penelitian lapangan non eksperimental dalam psikologi I-
O (King, Hebl, Morgan, & Ahmad, 2013):
Secara historis, psikologi I-O, khususnya bagian "I" dari I-O, telah menggunakan
metode kuantitatif untuk mengukur variabel atau perilaku penting. Metode kuantitatif
sangat bergantung pada tes, skala penilaian, kuesioner, dan ukuran fisiologis (Stone-
Romero, 2002). Mereka menghasilkan hasil dalam hal angka. Mereka dapat dikontraskan
dengan lebih banyak metode kualitatif penyelidikan, yang umumnya menghasilkan
diagram alur dan deskripsi naratif dari peristiwa atau proses, daripada "angka" sebagai
ukuran.
viii
Semua metode penelitian pada akhirnya membutuhkan interpretasi, terlepas dari
apakah itu kuantitatif atau kualitatif. Peneliti adalah seorang penjelajah, mencoba
mengembangkan pemahaman tentang fenomena yang dia pilih untuk diselidiki, dan,
dengan demikian, harus menggunakan semua informasi yang tersedia, terlepas dari
bentuknya. Kuncinya adalah menggabungkan informasi dari berbagai sumber untuk
mengembangkan teori itu.
Dalam contoh ini, variabel kritisnya adalah konteks. Itu adalah situasi di mana
perilaku itu tertanam yang memberikan penjelasan. Seandainya para peneliti tidak
menyelidiki konteksnya, studi ini mungkin menghasilkan perubahan kebijakan yang
salah, yaitu jangan mempekerjakan pegawai penjualan yang ramah. Konteks
meningkatkan pemahaman dan pada akhirnya, nilai temuan penelitian.
2.1.6.1 Generalisasi
Salah satu masalah terpenting dalam melakukan penelitian adalah seberapa luas
hasilnya dapat digeneralisasi. Ada jawaban yang relatif sederhana untuk pertanyaan itu.
Seorang penyidik dapat menyamaratakan hasil penelitian ke daerah-daerah yang telah
dijadikan sampel dalam penelitian.
ix
2. Contoh lulusan dari beberapa kelas kelulusan yang berbeda.
3. Contoh lulusan dengan gelar di berbagai jurusan.
4. Contoh lulusan yang bekerja untuk banyak perusahaan berbeda.
5. Contoh lulusan yang bekerja di banyak departemen berbeda dalam perusahaan
tersebut.
6. Contoh lulusan yang ditugaskan ke berbagai negara di luar Amerika Serikat.
Jika Anda dapat mencapai sampling ini, hasil Anda akan cukup digeneralisasikan.
Tetapi, pengambilan sampel seluas ini memakan waktu dan mahal, sehingga kompromi
sering dibuat. Setiap kali kompromi dibuat, hasil yang digeneralisasikan berkurang.
Sampel yang besar tetapi tidak representatif jauh kurang berharga untuk tujuan
generalisasi daripada sampel yang lebih kecil tetapi representatif.
2.1.6.2 Kontrol
Ada bentuk kontrol lain yang bisa sama kuatnya. Hal ini dikenal sebagai kontrol
statistik. Sebagai contoh, anggaplah Anda ingin mempelajari hubungan antara kepuasan
kerja dan gaya kepemimpinan di sebuah perusahaan dan memiliki sampel perwakilan
karyawan dari berbagai departemen, baik jenis kelamin, usia, dan latar belakang
pendidikan yang berbeda. Misalkan Anda khawatir bahwa hubungan minat (kepuasan
kerja dan gaya kepemimpinan) mungkin dikaburkan oleh pengaruh lain, seperti usia
karyawan, jenis kelamin, tingkat pendidikan, atau departemen asal. Anda dapat
menggunakan teknik statistik untuk mengontrol pengaruh variabel-variabel lain ini,
memungkinkan Anda untuk berkonsentrasi secara eksklusif pada hubungan antara
kepuasan dan gaya kepemimpinan. Dalam psikologi I-O, kontrol statistik jauh lebih
umum dan lebih realistis daripada kontrol eksperimental.
Setiap anggota American Psychological Association setuju untuk mengikuti standar etika
yang diterbitkan oleh badan pengatur tersebut (APA, 2002). Jika seorang anggota melanggar
standar, dia dapat dikeluarkan dari keanggotaan dalam organisasi. Prinsip etika utama adalah
"jangan membahayakan”. Meskipun psikolog IO tidak memiliki kode etik terpisah, SIOP telah
mendukung kumpulan 61 kasus yang menggambarkan masalah etika yang mungkin muncul
dalam situasi yang mungkin dihadapi oleh psikolog I-O (Lowman, 2006). Selain prinsip-prinsip
x
APA dan buku kasus yang disediakan SIOP, masyarakat lain (misalnya, Academy of
Management, 1990) menerbitkan standar etika yang relevan untuk psikolog I-O.
Buku kasus SIOP membahas topik yang beragam seperti pengujian, studi validitas,
pelaporan hasil, PHK, pelecehan seksual, program bantuan karyawan, pengumpulan data,
kerahasiaan, dan praktik penagihan. Selain itu, Joel Lefkowitz (2003) telah menerbitkan sebuah
teks tentang isu-isu luas nilai dan etika dalam psikologi I-O. Ini mencakup praktik psikologis
secara umum, serta masalah khusus untuk psikologi I-O.
xi
bentuk keseluruhan dari distribusi tersebut. Satu distribusi tinggi dan sempit; yang lain
lebih rendah dan lebih lebar. Pada grafik kiri, pusat distribusi (48) mudah ditentukan;
pada grafik sebelah kanan, pusat distribusi tidak begitu jelas kecuali jika kita menentukan
ukuran tendensi sentral yang diminati. Satu distribusi berbentuk lonceng atau simetris,
sedangkan yang lain miring. Tiga ukuran atau karakteristik dapat digunakan untuk
menggambarkan distribusi skor apapun:ukuran tendensi sentral,variabilitas, dancondong.
Kemiringan positif berarti bahwa skor atau pengamatan dikelompokkan di bagian bawah
rentang skor; condong negatif berarti skor atau pengamatan dikelompokkan di bagian
atas rentang skor. Sebagai contoh, jika tes berikutnya yang Anda ambil dalam kursus ini
sangat mudah, akan ada distribusi skor condong negatif; jika tesnya sangat sulit, skor nya
cenderung condong positif.
Ukuran tendensi sentral meliputi:berarti, itu mode, dan median. Mean adalah rata-
rata aritmatika dari skor, modus adalah skor yang paling sering muncul, dan median
adalah skor tengah (skor yang 50 persen dari skor yang tersisa jatuh di atas dan 50 persen
lainnya dari skor yang tersisa jatuh di bawah) . Seperti yang dapat dilihat, terdapat dua
distribusi pada Gambar 2.2 memiliki mean, mode, dan median yang berbeda. Selain itu,
kedua distribusi tersebut berbeda dalam hal kecondongan atau kemiringannya. Distribusi
kiri tidak memiliki kemiringan; distribusi kanan miring positif, dengan beberapa skor
tinggi menarik rata-rata ke sisi positif (kanan).
Statistik deskriptif umum lainnya adalah standar deviasi, atau varians dari suatu
distribusi. Pada Gambar 2.3, Anda dapat melihat bahwa satu distribusi mencakup rentang
skor yang lebih besar dan lebih lebar dari yang lain. Kita dapat mengkarakterisasi
distribusi dengan melihat sejauh mana skor menyimpang dari skor rata-rata. Jumlah
tipikal deviasi dari skor rata-rata adalah deviasi standar. Karena distribusi sering berbeda
satu sama lain hanya sebagai akibat dari satuan ukuran (misalnya, satu distribusi adalah
ukuran inci, sementara yang lain adalah ukuran kenyaringan), kadang-kadang diinginkan
untuk menstandarisasi distribusi sehingga semuanya memiliki sarana. .00 dan standar
(atau rata-rata) deviasi 1,00. Varians distribusi hanyalah standar deviasi kuadrat.
xii
Dalam studi yang akan Anda temui di sisa teks ini, jenis analisis yang digunakan
tidak deskriptif, tetapi inferensial. Ketika kami melakukan studi penelitian, kami
melakukannya karena suatu alasan. Kami memiliki teori atau hipotesis untuk diperiksa.
Ini mungkin hipotesis bahwa kecelakaan terkait dengan karakteristik kepribadian, atau
bahwa orang dengan skor lebih tinggi pada tes kemampuan mental melakukan pekerjaan
mereka lebih baik daripada mereka dengan skor lebih rendah, atau bahwa anggota tim
dalam tim kecil lebih bahagia dengan pekerjaan mereka daripada anggota tim. dalam tim
besar. Dalam setiap kasus ini, kami merancang studi dan mengumpulkan data untuk
sampai pada beberapa kesimpulan, untuk menarik kesimpulan tentang suatu hubungan.
Dalam penelitian, kami menggunakan temuan dari sampel yang kami kumpulkan untuk
membuat kesimpulan ke populasi yang lebih besar. Sekali lagi, di kursus lain, Anda
mungkin telah diperkenalkan dengan beberapa dasar statistik inferensial. Tes statistik
seperti t-tes, analisis varians atau F-tes, atau uji chi-kuadrat dapat digunakan untuk
melihat apakah dua atau lebih kelompok peserta (misalnya, kelompok eksperimen dan
kelompok kontrol) cenderung berbeda pada beberapa variabel yang diminati
Sebuah konvensi telah diadopsi untuk menentukan kapan perbedaan atau statistik
inferensial signifikan.Signifikansi statistik didefinisikan dalam istilah pernyataan
probabilitas. Mengatakan bahwa temuan perbedaan antara dua kelompok signifikan pada
tingkat 5 persen, atau probabilitas 0,05, adalah mengatakan bahwa perbedaan yang besar
diharapkan terjadi hanya 5 kali dari 100 sebagai akibat kebetulan saja. Jika perbedaan
antara rata-rata lebih besar, kita dapat menyimpulkan bahwa perbedaan sebesar ini
mungkin diharapkan terjadi hanya 1 kali dari 100 sebagai akibat kebetulan saja. Hasil
terakhir ini akan dilaporkan sebagai perbedaan pada 1 tingkat persen, atau probabilitas
0,01. Ketika probabilitas turun (misalnya, dari 0,05 ke 01), kita menjadi lebih yakin
bahwa perbedaannya adalah perbedaan nyata. Penting untuk diingat bahwa tingkat
signifikansi hanya membahas keyakinan bahwa kita dapat memperoleh hasil bukan
karena kebetulan. Ia tidak mengatakan apa-apa tentang kekuatan asosiasi atau
kepentingan praktis dari hasilnya. Standar, atau ambang, untuk signifikansi telah
ditetapkan pada 0,05 atau lebih rendah sebagai aturan praktis. Jadi, kecuali suatu hasil
akan terjadi hanya 5 kali atau lebih sedikit dari 100 sebagai hasil kebetulan saja, kami
tidak memberi label perbedaan sebagai signifikan secara statistik.
xiii
kekuasaan sering digunakan oleh para kritikus pengujian signifikansi untuk
menggambarkan apa yang salah dengan konvensi semacam itu. Schmidt dan Hunter
(2002b) berpendapat bahwa kekuatan khas dari studi psikologis cukup rendah sehingga
lebih dari 50 persen studi dalam literatur tidak mendeteksi perbedaan antara kelompok
atau efek dari variabel independen pada variabel dependen ketika ada. . Jadi, mengadopsi
konvensi yang membutuhkan efek untuk menjadi "signifikan secara statistik" pada
tingkat 0,05 sangat mendistorsi apa yang kita baca di jurnal dan bagaimana kita
menafsirkan apa yang kita baca.
xiv
Grafik ini disebut petak sebar karena memplot penyebaran skor. Setiap titik
mewakili dua skor yang dicapai oleh seorang individu. 40 titik mewakili 40 orang.
Perhatikan hubungan antara nilai ujian dan nilai pelatihan. Saat nilai meningkat, nilai
ujian pelatihan juga cenderung meningkat. Dalam aljabar sekolah menengah, asosiasi ini
akan dicatat sebagai kemiringan, atau "naik di atas lari," yang berarti berapa banyak
kenaikan (kenaikan pada sumbu vertikal) dikaitkan dengan satu unit lari (peningkatan
pada sumbu horizontal). Dalam statistika, nama untuk bentuk asosiasi ini adalah korelasi,
dan indeks korelasi atau asosiasi ini disebut koefisien korelasi. Anda juga akan melihat
bahwa ada garis lurus yang melewati scatterplot. Garis ini (secara teknis dikenal sebagai
Garis regresi) adalah garis lurus yang paling "cocok" dengan scatterplot. Garis juga dapat
disajikan sebagai persamaan yang menentukan di mana garis berpotongan dengan sumbu
vertikal dan berapa kemiringan garis tersebut. Seperti yang Anda lihat dari Gambar 2.4,
kemiringan sebenarnya dari garis yang menggambarkan asosiasi dipengaruhi oleh satuan
pengukuran. Jika kita memplot nilai pelatihan terhadap tahun pendidikan formal,
kemiringan garis mungkin terlihat sangat berbeda, seperti yang digambarkan pada
Gambar 2.5, di mana kemiringan garis tidak terlalu curam atau parah.
Koefisien korelasi memiliki dua bagian yang berbeda. Bagian pertama adalah
nilai aktual atau besarnya korelasi (berkisar dari .00 hingga 1.00). Bagian kedua adalah
tanda(+atau ) yang mendahului nilai numerik. Korelasi positif (+) berarti ada hubungan
positif antar variabel. Dalam contoh kami, saat nilai ujian dan tahun pendidikan naik,
begitu juga nilai pelatihan. Korelasi negatif (−) berarti bahwa jika satu variabel naik,
variabel lainnya cenderung turun. Contoh korelasi negatif adalah hubungan antara usia
dan ketajaman visual. Seiring bertambahnya usia, penglihatan mereka yang tidak
dikoreksi cenderung menjadi lebih buruk. Dalam psikologi IO, kita sering menemukan
korelasi negatif antara ukuran komitmen dan ketidakhadiran dari pekerjaan. Ketika
komitmen naik, ketidakhadiran cenderung turun, dan sebaliknya. Gambar 2.6 menyajikan
contoh scatterplot yang mewakili berbagai derajat korelasi positif dan negatif.
Dengan memeriksa scatterplot dan garis regresi yang sesuai, Anda akan melihat
sesuatu yang lain tentang korelasi. Semakin dekat titik data mendekati garis lurus,
koefisien korelasi semakin tinggi. Jika semua titik data jatuh tepat pada garis, koefisien
korelasi akan menjadi 1,00 dan akan ada korelasi “sempurna” antara kedua variabel. Kita
akan dapat dengan sempurna memprediksi satu variabel dari variabel lainnya. Semakin
jauh titik data dari garis lurus, koefisien korelasi semakin rendah hingga mencapai .00,
menunjukkan tidak ada hubungan sama sekali antara kedua variabel.
xv
Sampai saat ini, kita telah mengasumsikan bahwa hubungan antara dua variabel
adalah linier (yaitu, dapat digambarkan dengan garis lurus). Tapi hubungannya mungkin
nonlinier (kadang-kadang disebut "lengkung"). Dalam gambar ini, kami telah
mengidentifikasi dua variabel yang dimaksud sebagai "stimulasi" dan "kinerja."
Scatterplot ini akan memberi tahu kita bahwa stimulasi dan kinerja terkait satu sama lain,
tetapi dengan cara yang unik. Sampai titik tertentu, stimulasi membantu dalam kinerja
yang sukses dengan menjaga karyawan tetap waspada, terjaga, dan terlibat. Tapi di luar
titik itu, stimulasi membuat kinerja lebih sulit dengan berubah menjadi informasi yang
berlebihan, yang membuat sulit untuk melacak informasi yang relevan dan untuk memilih
tindakan yang tepat. Seperti pada Gambar 2.7, tren nonlinier ini akan sangat terlihat jika
trennya kuat. Dalam psikologi IO, banyak, jika tidak sebagian besar, dari asosiasi yang
menarik bagi kita adalah linier.
Secara statistik, kita bisa mencapai ini melalui analisis yang dikenal sebagai
korelasi ganda. Itu koefisien korelasi berganda akan mewakili hubungan linier
keseluruhan antara beberapa variabel (misalnya, kemampuan kognitif, kepribadian,
pengalaman, motivasi) di satu sisi dan satu variabel (misalnya, prestasi kerja) di sisi lain.
Seperti yang dapat Anda bayangkan, perhitungan ini sangat kompleks sehingga studinya
sesuai untuk kursus lanjutan dalam prediksi atau statistik. Untuk tujuan kita dalam teks
ini, Anda hanya ingin mengetahui bahwa teknik tersedia untuk memeriksa hubungan
yang melibatkan banyak variabel prediktor.
Koefisien korelasi hanya mewakili sejauh mana dua variabel yang terkait. Mereka
tidak menunjukkan hubungan sebab-akibat. Pertanyaan tentang korelasi dan kausalitas
memiliki pengaruh penting pada banyak topik yang akan kita bahas dalam buku ini.
Misalnya, ada banyak penelitian yang menunjukkan korelasi positif antara sejauh mana
seorang pemimpin bertindak dengan penuh perhatian dan kepuasan bawahan dari
xvi
pemimpin itu. Karena korelasi ini, kita mungkin tergoda untuk menyimpulkan bahwa
pertimbangan menyebabkan kepuasan. Tapi kita mungkin salah. Pertimbangkan dua
kemungkinan penjelasan alternatif untuk korelasi positif:
a. Tahukah kita bahwa perilaku penuh perhatian dari seorang pemimpin bisnis
menyebabkan kepuasan pekerja daripada sebaliknya? Ada kemungkinan bahwa
bawahan yang puas benar benar menimbulkan perilaku perhatian di pihak seorang
pemimpin (dan sebaliknya, bahwa seorang pemimpin mungkin "menindak"
anggota kelompok kerja yang tidak puas).
b. Bisakah kita yakin bahwa korelasi positif bukan karena variabel ketiga?
Bagaimana jika produktivitas kelompok kerja tinggi karena kelompok yang sangat
mampu dan termotivasi? Tingkat produktivitas yang tinggi cenderung dikaitkan
dengan kepuasan pekerja, dan tingkat produktivitas yang tinggi memungkinkan
seorang pemimpin untuk berkonsentrasi pada perilaku yang penuh perhatian
daripada menekan pekerja untuk produksi yang lebih tinggi. Dengan demikian,
variabel ketiga mungkin benar-benar bertanggung jawab atas korelasi positif
antara dua variabel lainnya
Big Data adalah istilah yang menggambarkan penggunaan kumpulan data besar
untuk menguji hubungan antar variabel dan untuk membuat keputusan organisasi
berdasarkan data tersebut. Big Data telah masuk dalam daftar Top 10 Tren Tempat Kerja
SIOP untuk setiap tahun dari 2014 hingga 2018. Meskipun tren Big Data ini telah
menjadi sangat populer dalam beberapa tahun terakhir dalam psikologi IO dan banyak
domain lainnya, psikolog IO telah menggunakan kumpulan data besar untuk membuat
keputusan organisasi yang terinformasi selama beberapa dekade (Guzzo, Fink, King,
Tonidandel, & Landis, 2015). Di domain lain, data besar dan ilmu data telah menerima
banyak perhatian untuk digunakan dalam membuat prediksi tentang pemilu politik
(misalnya, Silver, 2012). Dalam dunia olahraga, penggunaan statistik dan analitik dalam
membuat keputusan organisasi dijelaskan dan dipopulerkan dalam buku bola uang oleh
Michael Lewis (2003) dan kemudian ditampilkan oleh film (2011) dengan nama yang
sama. Dalam film tersebut, Brad Pitt memerankan manajer umum Oakland A Billy Beane
yang menggunakan analitik dan data besar untuk membantu tim bisbol bergaji rendah
mengidentifikasi dan memperoleh pemain yang kurang dihargai dan bersaing dengan tim
dengan gaji yang jauh lebih tinggi.
Sebuah buku terbaru dalam Seri Perbatasan Organisasi SIOP berjudulData besar di
tempat kerja: Revolusi ilmu data dan psikologi organisasi. Buku ini menunjukkan
“bagaimana kemajuan dalam ilmu data memiliki kemampuan untuk secara mendasar
mempengaruhi dan meningkatkan ilmu dan praktik organisasi” (Tonidandel, King, &
Cortina, 2015). Berdasarkan latar belakang dan pelatihan statistik mereka yang kuat,
xvii
psikolog IO sangat siap untuk membantu perusahaan membuat keputusan yang baik
dengan kumpulan data besar mereka. Selain itu, psikolog IO sangat siap untuk membantu
perusahaan menghindari kesalahan dengan data mereka. Marcus dan Davis (2014)
membahas bagaimana beberapa perusahaan membuat prediksi luas dari kumpulan data
besar mereka, tetapi banyak dari prediksi ini perlu dilihat dengan skeptis. Seperti yang
telah dicatat oleh psikolog IO sejak lama, kumpulan data besar bagus dalam
mengidentifikasi korelasi yang signifikan, tetapi kumpulan data semacam itu tidak
menunjukkan yang mana.
Tren Big Data ini (yang dikenal dengan beberapa nama termasuk Predictive
Analytics dan Data Science) sejalan dengan psikologi IO berbasis bukti, yang melibatkan
pengambilan keputusan organisasi menggunakan data dan yang telah dibahas di Bab 1.
Akhirnya, sebuah artikel di Harvard Business Review berjudul ilmuwan data "pekerjaan
terseksi abad ke-21" (Davenport & Patil, 2012).
2.2.5 Meta-Analisis
xviii
nyata. Meta-analisis dapat menjadi alat penelitian yang sangat kuat. Ini menggabungkan
studi individu yang telah selesai dan, berdasarkan jumlah dan keragaman studi ini,
memiliki potensi untuk "membebaskan" kesimpulan yang tidak jelas atau
membingungkan pada tingkat studi individu. Meta-analisis muncul dengan keteraturan
besar dalam jurnal IO dan mewakili langkah maju yang nyata dalam penelitian IO.
Masalah statistik aktual yang terlibat dalam meta-analisis sangat kompleks, dan jauh
melampaui apa yang perlu Anda ketahui untuk kursus ini.
xix
maka peneliti dapat membuat kesimpulan yang akurat berdasarkan pengukuran ini. Jika tidak,
kesimpulan dan keputusan peneliti, akan salah, terlepas dari apakah keputusan itu
mempekerjakan seseorang, melembagakan program motivasi baru, atau memulai program
pengurangan stres. Sehingga, untuk mengambil keputusan, peneliti menggunakan pengukuran
Karena sampel perilaku bukan sampel penilaian yang lengkap, atau tidak sempurna. Dalam hal
ini, peneliti memiliki tantangannya untuk memastikan bahwa pengukurannya “cukup lengkap”
atau “cukup sempurna” untuk tujuan penelitian.
Istilah teknis untuk karakteristik pengukuran ini adalah: reliability and validity
(keandalan dan keabsahan). Reliability adalah konsistensi atau stabilitas suatu ukuran sedangkan
validity adalah keakuratan kesimpulan yang dibuat berdasarkan pengujian atau kinerja, atau
dapat diartikan apakah suatu ukuran dan sepenuhnya mewakili apa yang mau diukur.
2.3.1 Reliability
Ketika kita mengatakan bahwa seseorang “dapat diandalkan”, yang kita maksudkan
adalah bahwa dia adalah seseorang yang dapat kita andalkan, seseorang yang dapat
diprediksi dan konsisten, dan seseorang yang dapat kita andalkan membantu jika kami
memintanya. Hal yang sama berlaku untuk tindakan. Kita perlu merasa yakin bahwa jika
kita mengukur lagi, pada waktu yang berbeda, atau jika orang lain mengukur, nilainya
akan tetap sama. Misalkan Anda pergi untuk pemeriksaan fisik dan sebelum Anda
menemui dokter, perawat mengukur suhu Anda dan ternyata 98,6°. Jika dokter datang
lima menit kemudian dan mengukur kembali suhu Anda dan melaporkan bahwa itu 101,5
°, Anda akan terkejut. Anda akan mengharapkan pembacaan tersebut setuju, mengingat
rentang waktu yang singkat antara pengukuran. Dengan perbedaan sebesar ini, Anda akan
bertanya-tanya tentang keterampilan perawat, keterampilan dokter, atau kecukupan
termometer. Dalam istilah teknis, Anda akan bertanya-tanya tentang keandalan atau
reliability ukuran itu.
Ada beberapa aspek yang berbeda untuk reliabilitas pengukuran. Salah satu
aspeknya yaitu konsistensi temporal, konsistensi dari waktu ke waktu dari suatu ukuran.
Apakah peserta memiliki ingatan yang baik atau tidak? Secara umum, peneliti ingin
tindakan penelitian menghasilkan nilai yang sama selama periode waktu yang wajar.
Jenis keandalan ini, yang dikenal sebagai Reliabilitas Tes Ulang, yaitu jenis reliabilitas
yang dihitung dengan menghubungkan pengukuran yang dilakukan pada waktu 1 dengan
pengukuran yang dilakukan pada waktu 2. Reliabilitas tes ulang sering dihitung sebagai
koefisien korelasi antara pengukuran pada waktu 1 dan waktu 2.
xx
Reliabilitas bentuk setara yaitu jenis reliabilitas yang dihitung dengan
menghubungkan pengukuran dari sampel individu yang menyelesaikan dua bentuk
berbeda dari tes yang sama. Ingat ketika kita mengambil UN? Soal dari ujian tersebut
telah diberikan kepada jutaan siswa selama beberapa dekade sejak diperkenalkan. Tetapi
jawaban belum diberikan kepada jutaan siswa tersebut. Jika itu masalahnya, jawaban
untuk item-item itu sudah lama beredar di kalangan peserta tes yang tidak jujur. Bagi
banyak siswa, tes hanya akan menjadi tes sejauh mana mereka bisa menghafal jawaban
yang benar. Sebagai gantinya, para pengembang pengujian telah merancang banyak hal
yang berbeda formulir dari pemeriksaan yang diasumsikan mencakup konten umum yang
sama, tetapi dengan item yang unik untuk setiap formulir. Asumsikan bahwa Anda
mengikuti tes di Ames, Iowa, dan siswa lain mengambil bentuk tes yang berbeda di
Philadelphia. Bagaimana pemeriksa tahu bahwa kedua bentuk ini mengukur pengetahuan
dan kemampuan Anda dengan andal, bahwa Anda akan mendapatkan skor yang kira-kira
sama jika Anda bertukar tempat duduk (dan ujian) dengan siswa lain? Seperti halnya
dalam reliabilitas tes-tes ulang, Anda dapat meminta banyak orang mengambil dua
bentuk tes yang berbeda dan melihat apakah mereka mendapatkan skor yang sama.
Dengan mengkorelasikan dua nilai tes, Anda akan menghitung reliabilitas bentuk yang
setara dari tes itu.
xxi
keandalan (misalnya, tes-tes ulang, bentuk yang setara, dan konsistensi internal).
Seringkali beberapa individu yang berbeda membuat penilaian tentang seseorang.
Penilaian ini mungkin penilaian kinerja pekerja yang dibuat oleh beberapa penyelia yang
berbeda, penilaian kandidat yang sama oleh beberapa pewawancara, atau evaluasi yang
dibuat oleh beberapa karyawan tentang kepentingan relatif dari suatu tugas dalam
pekerjaan tertentu. Dalam setiap kasus ini, kami mengharapkan penilai setuju mengenai
apa yang telah mereka amati. Kita dapat menghitung berbagai indeks statistik untuk
menunjukkan tingkat kesepakatan di antara para penilai. Statistik ini akan dianggap
sebagai perkiraan keandalan antar-penilai.
2.3.2 Validity
Karakteristik kedua dari pengukuran yang baik adalah validitas, yang membahas
masalah apakah pengukuran yang telah kita lakukan secara akurat dan lengkap mewakili
apa yang kita harapkan untuk diukur. Misalnya, pertimbangkan pekerjaan seorang dokter
dalam praktik umum. Misalnya peneliti ingin mengembangkan ukuran kinerja dokter
umum dan peneliti memutuskan untuk menggunakan tarif asuransi malpraktek selama
bertahun-tahun sebagai ukuran kinerja. Kami mencatat bahwa tarif ini telah naik setiap
tahun untuk dokter tertentu, dan kami menyimpulkan bahwa dokter tersebut tidak boleh
terlalu baik. Jika dia baik, kami akan mengharapkan premi malpraktik seperti itu turun.
Validitas Prediktif metode pertama dalam melakukan studi terkait kriteria adalah
dengan memberikan tes tertentu kepada semua pelamar dan kemudian mempekerjakan
pelamar tanpa menggunakan skor dari tes tertentu untuk membuat keputusan perekrutan.
Anda kemudian akan kembali ke organisasi setelah beberapa periode waktu berlalu
(misalnya, enam atau sembilan bulan) dan mengumpulkan data kinerja. Desain ini, di
mana ada jeda waktu antara pengumpulan data uji dan data kriteria, dikenal sebagai
xxii
desain validitas prediktif karena memungkinkan Anda untuk memprediksi apa yang akan
terjadi seandainya Anda benar-benar menggunakan nilai tes untuk membuat keputusan
perekrutan. Jika skor tes terkait dengan skor kinerja, Anda mungkin menyimpulkan
bahwa Anda seharusnya tidak mempekerjakan beberapa orang. Performa mereka buruk,
begitu juga nilai ujian mereka. Dari titik di mana pemberi kerja mengetahui bahwa
koefisien validitasnya positif dan signifikan, skor tes dapat digunakan untuk membuat
keputusan perekrutan di masa mendatang. Koefisien validitas tidak dengan sendirinya
memberitahu Anda skor apa yang harus ditetapkan sebagai skor kelulusan. Kami akan
menangani masalah ini di Bab 6, di mana kami mempertimbangkan proses kepegawaian
yang sebenarnya. Desain validitas prediktif yang telah kami jelaskan di atas hanyalah
salah satu dari banyak desain prediktif berbeda yang mungkin Anda gunakan.
Ada desain validitas terkait kriteria yang secara langsung membahas masalah itu.
Ini disebut desain validitas bersamaan. Desain ini tidak memiliki jeda waktu antara
pengumpulan skor tes dan data kinerja karena tes tersebut diberikan kepada karyawan
saat ini daripada pelamar, dan ukuran kinerja dapat dikumpulkan pada karyawan tersebut
secara bersamaan, atau bersamaan.
Prinsip SIOP mendefinisikan desain validasi terkait konten sebagai “studi yang
menunjukkan bahwa isi prosedur seleksi mewakili sampel yang memadai dari perilaku
dan aktivitas kerja penting dan/atau pengetahuan pekerja, keterampilan, kemampuan, atau
karakteristik lain (KSAO) yang ditentukan oleh analisis kerja” (SIOP, 2003). ). Analisis
pekerjaan pada Gambar 2.9 adalah contoh dari strategi ini. Sebagai contoh lain,
asumsikan bahwa Anda adalah direktur agen tenaga kerja sementara dan ingin
mempekerjakan pelamar yang dapat ditugaskan untuk tugas pengolah kata untuk
perusahaan. Anda tahu bahwa perusahaan-perusahaan ini biasanya menggunakan
WordPerfect atau Microsoft Word dan menggunakan sistem Macintosh atau PC. Jadi,
Anda meminta pelamar kerja untuk menunjukkan kemahiran mereka dengan kedua paket
pengolah kata ini di PC dan Mac. Karena tidak semua perusahaan memiliki perangkat
keras atau perangkat lunak terbaru, Anda juga meminta pelamar untuk melakukan contoh
tugas pengolah kata pada berbagai versi perangkat lunak dan perangkat keras yang
berbeda. Dengan melakukan ini, Anda telah mengambil inti dari pekerjaan yang Anda
mempekerjakan individu pengolah kata pada salah satu dari sejumlah konfigurasi
perangkat keras dan perangkat lunak dan mengubahnya menjadi ujian.
Panggilan Validitas konstruk sebuah "jenis" validitas adalah kebetulan sejarah dan
tidak benar benar benar (Landy, 1986). Pada 1950-an, gugus tugas menguraikan beberapa
cara untuk mengumpulkan bukti validitas dan memberi label tiga di antaranya: kriteria,
xxiii
konten, dan konstruk (Cronbach & Meehl, 1955). Label telah menempel. Psikologi IO
modern, bagaimanapun, tidak mengakui perbedaan itu—disebut secara sarkastik oleh
Guion (1980) sebagai "trinitas suci." Sebaliknya, seperti yang telah kami jelaskan di atas,
validitas dianggap “unitarian.” Ada ratusan cara mengumpulkan bukti yang akan
meningkatkan kepercayaan keputusan atau kesimpulan kita. Desain terkait kriteria dan
desain terkait konten adalah dua dari banyak pendekatan yang tersedia (Guion, 2011;
Landy, 1986). Setiap penelitian dapat memiliki desain yang berbeda, meskipun beberapa
mungkin lebih populer daripada yang lain. Hal yang sama berlaku dengan desain
validitas. Setiap studi validitas dapat memiliki desain yang berbeda, tetapi desain terkait
kriteria dan konten adalah yang paling populer, untuk alasan yang akan kami jelaskan di
bawah. Validitas konstruk mewakili "integrasi bukti yang bergantung pada interpretasi
atau makna skor tes—termasuk konten dan bukti terkait kriteria—yang dimasukkan
sebagai bagian dari validitas konstruk" (Messick, 1995, hlm. 742).
xxiv
BAB III
PENUTUP
3.1 Kesimpulan
xxv
DAFTAR PUSTAKA
Landy, F. J., & Conte, J. M. (2010). Work in the 21st Century, An Introduction to Industrial and
Organizational Psychology.
xxvi