PSIKOLOGI INDUSTRI DAN ORGANISASI

RESEARCH METHODS AND STATISTICS IN INDUSTRIAL ORGANIZATIONAL

PSYCHOLOGY

Dosen Pengampu:
Drs. Akhmad Baidun, M. Si.

Disusun Oleh:
Kelompok 2

Dhya Qistiyah 11210700000167

Dinda Tri Kurnia 11210700000170
Erlinda Fahriyah Tammy 11210700000171

PROGRAM STUDI PSIKOLOGI

FAKULTAS PSIKOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA
2022
 KATA PENGANTAR

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”.

Dalam Kesempatan ini kami mengucapkan terima kasih kepada :

1. Ibu Vinda selaku dosen mata kuliah Psikologi Kepribadian.

2. Rekan-rekan kelompok yang telah membantu dalam penyusunan laporan ini.

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.

Jakarta, 5 November 2021

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

1.1 Latar Belakang

1.2 Rumusan Masalah

1.3 Tujuan

iv
 BAB II

PEMBAHASAN

2.1 Sains dan Penelitian

2.1.1 Apa itu Sains?

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.

Psikologi Industri-Organisasi adalah ilmu. Psikolog Industri-Organisasi melakukan penelitian

berdasarkan teori dan hipotesis. Mereka mengumpulkan data, mempublikasikan data tersebut,

v
dan merancang penelitian mereka dengan cara yang menghilangkan penjelasan alternatif untuk
hasil penelitian.

2.1.2 Peran Sains dalam Masyarakat

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.

2.1.3 Mengapa Psikolog I-O Terlibat dalam Penelitian?

Dengan melakukan penelitian, kita dapat mengembangkan model sistem sebuah teori dan
memprediksi konsekuensi dari pengenalan sistem itu atau modifikasi sistem yang sudah ada.

Dalam contoh perekrutan. Bayangkan bahwa sebuah organisasi selalu menggunakan

model yang datang pertama, dilayani pertama untuk perekrutan. Ketika lowongan pekerjaan
terjadi, organisasi mengiklankan, meninjau aplikasi kosong, melakukan wawancara tidak
terstruktur singkat, dan mempekerjakan pelamar pertama yang memiliki kredensial minimum.
Penelitian dalam psikologi I-O telah menunjukkan bahwa metode ini tidak memberi pemberi
kerja kesempatan terbaik untuk mempekerjakan karyawan yang sukses. Ketika pengambil
keputusan organisasi memutuskan suatu tindakan, mereka memprediksi (mengantisipasi) hasil
dari tindakan tersebut. Semakin baik basis penelitian yang menjadi sandaran pemberi kerja untuk
prediksi itu, semakin yakin mereka dalam kemungkinan hasil. Baik sains maupun strategi bisnis
didasarkan pada prinsip yang sama, yaitu prediktabilitas. Para pemimpin bisnis lebih suka
menghindari kejutan yang tidak menyenangkan; teori dan penelitian membantu mereka
melakukannya.

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

2.1.4 Desain Penelitian

Dalam melaksanakan penelitian, serangkaian keputusan perlu dibuat sebelum penelitian

benar-benar dimulai. Keputusan tersebut antara lain sebagai berikut:

a. Apakah penelitian akan dilakukan di laboratorium dalam kondisi terkendali atau di

lapangan?
b. Siapa yang akan menjadi peserta?
c. Jika ada kondisi yang berbeda dalam penelitian (misalnya, beberapa peserta terkena suatu
kondisi dan peserta lain tidak terkena kondisi tersebut), bagaimana peserta akan
ditugaskan ke berbagai kondisi?
d. Apa yang akan menjadi variabel yang menarik?
e. Bagaimana pengukuran pada variabel-variabel ini dikumpulkan?

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.

Misalnya, sebuah organisasi mungkin melembagakan rencana pembayaran baru di satu

lokasi pabrik tetapi tidak di lokasi lain. Atau peneliti akan menilai kepuasan karyawan dengan
rencana pembayaran yang ada, kemudian organisasi akan mengubah rencana pembayaran, dan
peneliti akan menilai kepuasan lagi dengan rencana baru. Ini disebut desain kuasi-eksperimental.

Dalam desain eksperimental dan quasi-eksperimental yang dijelaskan di atas, rencana

pembayaran adalah "perlakuan" atau kondisi. Desain non-eksperimental tidak termasuk

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:

1. Desain Observasional. Dalam desain observasional, peneliti mengamati perilaku

karyawan dan membuat catatan tentang apa yang diamati. Seorang pengamat mungkin,
misalnya, mempelajari pola komunikasi dan efisiensi pekerja dengan mencatat berapa
kali seorang pekerja berkomunikasi dengan penyelia dalam periode waktu tertentu.
2. Desain Survei. Sebagai alternatif, pekerja diminta untuk mengisi kuesioner yang
menjelaskan frekuensi interaksi tipikal dengan supervisornya

Ada beberapa alasan untuk prevalensi penelitian lapangan non eksperimental dalam psikologi I-
O (King, Hebl, Morgan, & Ahmad, 2013):

1. Sejauh mana eksperimen laboratorium dapat secara wajar mensimulasikan "pekerjaan"

seperti yang dialami oleh seorang pekerja. Inti dari penelitian laboratorium adalah kontrol
atas kondisi.
2. Eksperimen sulit dilakukan di lapangan karena pekerja jarang dapat secara acak
ditugaskan untuk kondisi atau perawatan. Tujuan dari organisasi bisnis kehidupan nyata
adalah tujuan ekonomi, bukan ilmiah.
3. Sulit bagi peneliti untuk melakukan eksperimen lapangan ketika menyelidiki topik
sensitif.

2.1.5 Metode Pengumpulan Data

2.1.5.1 Penelitian Kualitatif dan Kuantitatif

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.

Metode kualitatif meliputi prosedur seperti observasi, wawancara, studi kasus,

dan analisis buku harian atau dokumen tertulis. Preferensi untuk penelitian kuantitatif
daripada penelitian kualitatif dapat dikaitkan dengan preferensi yang jelas dari editor
jurnal untuk penelitian kuantitatif, mungkin karena angka dan analisis statistik sesuai
dengan pandangan sains tradisional.

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.

2.1.5.2 Pentingnya Konteks dalam Menafsirkan Penelitian

Nilai tambah dari penelitian kualitatif adalah membantu mengidentifikasi konteks

untuk perilaku yang bersangkutan (Johns, 2001). Sebagian besar eksperimen mengontrol
variabel yang mungkin "memperumit" penelitian dan, dalam prosesnya, menghilangkan
"konteks". Dengan melakukan itu, kontrol ini benar-benar dapat membuat perilaku
tersebut dipertanyakan lebih sedikit, bukan lagi, dapat dipahami. Perhatikan contoh
berikut:
➔ Sebuah studi tentang toko serba ada menemukan bahwa toko dengan
penjual yang kurang ramah memiliki penjualan yang lebih tinggi daripada
toko dengan staf penjualan yang lebih ramah (Sutton & Rafaeli, 1988).
Penyelidikan lebih lanjut mengungkapkan bahwa, karena toko yang
kurang ramah lebih sibuk untuk memulai, staf memiliki lebih sedikit
waktu untuk bersikap ramah. Bukan karena sikap buruk seorang wiraniaga
mendorong penjualan.

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 Generalisasi dan Pengendalian dalam 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.

Misalkan Anda melakukan penelitian untuk menilai seberapa baik lulusan

perguruan tinggi baru-baru ini dari Amerika Serikat akan beradaptasi untuk bekerja di
luar negeri. Bagaimana Anda akan memaksimalkan generalisasi kesimpulan Anda? Anda
mungkin mengambil langkah-langkah berikut:
1. Contoh lulusan dari berbagai institusi pendidikan.

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

Alasan utama mengapa psikolog melakukan studi laboratorium, atau eksperimen,

adalah untuk menghilangkan variabel-variabel yang mengganggu ini melalui kontrol
eksperimental. Dengan menggunakan bentuk kontrol ini, Anda menghilangkan
kemungkinan pengaruh pengganggu yang mungkin membuat hasil Anda kurang dapat
diandalkan atau lebih sulit untuk ditafsirkan. Sayangnya, kekuatan kontrol eksperimental
juga merupakan kelemahannya, kontrol eksperimental dapat membuat tugas yang
dipelajari menjadi steril dan mengurangi nilai praktisnya.

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.

2.1.7 Perilaku Etis dalam Psikologi I-O

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.

Lefkowitz (2008) membuat argumen serupa, menunjukkan bahwa meskipun psikolog IO

mengakui komitmen yang kuat untuk memahami perilaku manusia, mereka mungkin melupakan
bagian manusia dari persamaan demi tujuan ekonomi perusahaan. Dia mengusulkan bahwa untuk
menjadi profesi sejati, psikologi I-O perlu mengadopsi dan mencerminkan tanggung jawab
sosial.

2.2 Data Analisis

2.2.1 Statistik Deskriptif dan Inferensial

2.2.1.1 Statistik deskriptif

Dalam diskusi tentang penelitian, telah dapat dipertimbangkan dua masalah

sejauh ini yaitu bagaimana merancang studi untuk mengumpulkan data dan bagaimana
mengumpulkan data tersebut. Nah setelah itu kita menganalisis data tersebut untuk
menentukan apa yang mungkin mereka katakan tentang teori, hipotesis, atau spekulasi
awal. Menganalisis data ini memiliki dua tujuan, Yang pertama secara sederhana
menggambarkan distribusi skor atau angka yang telah kita kumpulkan. Distribusi angka
secara sederhana berarti bahwa angka-angka tersebut tersusun di sepanjang dua sumbu.
Sumbu horizontal adalah sumbu skor atau angka yang berjalan dari skor rendah ke skor
tinggi. Sumbu vertikal biasanya merupakan sumbu frekuensi, yang menunjukkan berapa
banyak individu yang mencapai setiap skor pada sumbu horizontal. Metode statistik
untuk mencapai deskripsi seperti itu disebut sebagai Statistik deskriptif.

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.

2.2.1.2 Statistik Inferensial

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

2.2.1.3 Signifikansi Statistik

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.

2.2.1.4 Konsep Kekuatan Statistik

Konsep dari kekuatan statistik berkaitan dengan kemungkinan menemukan

perbedaan yang signifikan secara statistik ketika ada perbedaan yang benar. Semakin
kecil ukuran sampel, semakin rendah daya untuk mendeteksi perbedaan yang nyata atau
nyata. Dalam praktiknya, ini berarti bahwa peneliti mungkin menarik kesimpulan yang
salah (misalnya, tidak ada hubungan) ketika ukuran sampel terlalu kecil. Masalah

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.

Perhitungan daya dapat dilakukan sebelum penelitian dimulai, menginformasikan

peneliti jumlah peserta yang harus dimasukkan dalam penelitian di agar memiliki peluang
yang masuk akal untuk mendeteksi asosiasi (Cohen, 1988, 1994; Murphy & Myors,
2004). Studi penelitian bisa memakan waktu dan mahal. Akan konyol untuk melakukan
penelitian yang tidak dapat mendeteksi hubungan bahkan jika memang ada. Konsep
kekuatan juga memberikan peringatan agar tidak mengabaikan studi yang tidak mencapai
"signifikansi statistik" sebelum melihat ukuran sampel. Jika ukuran sampel kecil, kita
mungkin tidak akan pernah tahu apakah ada pengaruh atau perbedaan nyata antar
kelompok.

2.2.2 Korelasi dan Regresi

Proses pengukuran dapat menetapkan nomor untuk individu. Angka-angka ini

mewakili posisi seseorang pada variabel yang diminati. Contoh angka-angka ini adalah
skor tes, indeks stres atau kepuasan kerja, peringkat kinerja, atau nilai dalam program
pelatihan. Kita mungkin ingin menguji hubungan antara dua variabel ini untuk
memprediksi satu variabel dari variabel lainnya. Misalnya, jika kita tertarik pada
hubungan antara kemampuan kognitif individu dan keberhasilan pelatihan, kita dapat
menghitung hubungan antara dua variabel tersebut untuk sekelompok peserta. Jika
asosiasi tersebut signifikan secara statistik, maka kita dapat memprediksi keberhasilan
pelatihan dari kemampuan kognitif. Semakin kuat hubungan antara dua variabel, semakin
baik prediksi yang dapat kita buat dari satu variabel ke variabel lainnya.koefisien
korelasi.

2.2.2.1 Konsep Korelasi

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.

2.2.2.2 Koefisien Korelasi

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.

2.2.2.3 Korelasi Ganda

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.

2.2.3 Korelasi dan Penyebab

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

2.2.4 Data besar

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

Meta-analisis adalah metode statistik untuk menggabungkan hasil dari banyak

penelitian untuk menarik kesimpulan umum (Ones, Viswesvaran, & Schmidt, 2017;
Schmidt & Hunter, 2002a). Meta-analisis didasarkan pada premis bahwa nilai-nilai yang
diamati (seperti tiga korelasi yang ditunjukkan di atas) dipengaruhi oleh:artefak
statistik(karakteristik studi tertentu yang mendistorsi hasil), karakteristik (misalnya,
ukuran sampel kecil, ukuran tidak dapat diandalkan) dari studi tertentu yang mendistorsi
yang diamati hasil. Peneliti dapat mengoreksi artefak untuk sampai pada statistik yang
mewakili hubungan "benar" antara variabel yang diminati.. Yang paling berpengaruh dari
artefak ini adalah ukuran sampel.

Dalam bentuknya yang paling dasar, meta-analisis adalah prosedur statistik

kompleks yang mencakup informasi tentang artefak statistik ini (ukuran sampel,
keandalan, dan batasan jangkauan) dan mengoreksi pengaruhnya, menghasilkan
perkiraan tentang apa hubungan sebenarnya di seluruh studi yang tersedia. . Hasil meta-
analisis dapat memberikan perkiraan yang akurat (yaitu, perkiraan populasi) dari
hubungan antara konstruksi (misalnya, kecerdasan, kinerja) dalam meta-analisis, dan
perkiraan ini tidak bergantung pada tes signifikansi. Selain itu, dimungkinkan untuk
mempertimbangkan variabel di luar artefak statistik ini yang mungkin juga
mempengaruhi hasil. Sebuah contoh yang baik dari variabel tersebut adalah sifat peserta
dalam penelitian ini. Beberapa studi mungkin menyimpulkan bahwa stereotip ras atau
gender mempengaruhi peringkat kinerja, sementara penelitian lain menyimpulkan bahwa
tidak ada efek seperti itu. Jikakamipisahkan studi menjadi yang dilakukan dengan peserta
siswa dan yang dilakukan dengan karyawan perusahaan, kita mungkin menemukan
bahwa stereotip memiliki pengaruh yang kuat pada peringkat siswa dari bawahan
hipotesis tetapi tidak memiliki pengaruh pada peringkat bawahan nyata oleh supervisor

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.

2.2.6 Penelitian Mikro, Makro, dan Meso

Metode penelitian yang digunakan untuk mengkarakterisasi fokus penelitian

mereka yang lebih tertarik pada perilaku individu dibandingkan dengan mereka yang
lebih tertarik pada perilaku kumpulan individu (misalnya, tim, departemen, organisasi)
dikenal dengan istilah penelitian mikro dan penelitian makro. Penelitian mikro diterapkan
pada perilaku individu dan penelitian makro diterapkan pada perilaku kolektif (Smith,
Schneider, & Dickson, 2005). Namun, perilaku individu seperti misalnya kepuasan kerja
dapat dipengaruhi oleh variabel kolektif, yaitu seperti kohesi kelompok atau tim, reputasi
pemberi kerja, ataupun budaya keterbukaan organisasi. Sedangkan penelitian meso,
berarti "tengah" atau "antara" yang diistilahkan dengan tujuan menggambarkan dan
mendorong penelitian yang dimaksudkan untuk mengintegrasikan studi mikro dan makro
(Buckley, Riaz Hamdani, Klotz, & Valcea, 2011; Rousseau & House, 1994). Secara
singkatnya, penelitian mikro adalah studi tentang perilaku individu. Penelitian makro
adalah studi tentang perilaku kolektif, dan penelitian meso adalah studi tentang interaksi
individu dan perilaku kolektif.

Penelitian penelitian meso dilakukan dengan cara memasukkan data perbedaan

individu (misalnya skor tes kemampuan kognitif) dan data kolektif (penekanan teknologi
perusahaan, budaya tim, dll.) dalam analisis yang sama. Jenis analisis ini, yang dikenal
sebagai analisis multi-level atau lintas-tingkat (Klein & Kozlowski, 2000). Penelitian
meso menjadi jauh lebih umum karena banyak alasan. Perilaku dalam organisasi tidak
dapat diklasifikasikan dengan rapi dalam tingkat mikro maupun makro. Ada banyak
pengaruh yang melintasi tingkat analisis. Banyak pertanyaan penting tentang pengalaman
kerja memerlukan pertimbangan bertingkat (Drenth & Heller, 2004).

2.3 Interpretasi melalui Keandalan dan Validitas

Pada buku “An Introduction To Industrial and Organizational Psychology” dijelaskan

bahwa setiap pengukuran penelitian yang diambil adalah sampel dari beberapa domain perilaku.
Sebuah tes kemampuan penalaran, kuesioner yang berhubungan dengan kepuasan atau stres, dan
nilai pelatihan semua sampel dari beberapa domain perilaku yang lebih besar. Sampel tersebut
diharapkan dapat konsisten, akurat, sehingga dapat mewakili domain yang diminati. Jika iya,

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.

2.3.1.1 Reliabilitas Tes Ulang

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.

2.3.1.2 Reliabilitas Bentuk Setara

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.

2.3.1.3 Konsistensi Internal

Konsistensi internal adalah bentuk reliabilitas yang menilai seberapa konsisten

item tes mengukur konstruk tunggal; dipengaruhi oleh jumlah item dalam tes dan korelasi
antara item tes. Cara lain untuk memperkirakan reliabilitas suatu tes adalah dengan
berpura-pura bahwa alih-alih satu tes, Anda benar-benar memiliki dua atau lebih. Contoh
sederhana adalah mengambil tes 100 item dan memecahnya menjadi dua tes 50 item
dengan mengumpulkan semua item bernomor genap bersama-sama dan semua item
bernomor ganjil bersama-sama. Anda kemudian dapat mengkorelasikan skor total untuk
semua item bernomor genap yang dijawab dengan benar dengan skor total untuk semua
item bernomor ganjil yang dijawab dengan benar. Jika skor subtes berkorelasi tinggi,
Anda akan menganggap tes dapat diandalkan dari konsistensi internal sudut. Jika kita
mencoba mengukur atribut homogen (misalnya, ekstraversi, stres), semua item dalam tes
harus memberi kita ukuran atribut yang sama baiknya. Ada cara yang lebih canggih untuk
memperkirakan keandalan konsistensi internal berdasarkan korelasi rata-rata antara setiap
pasangan item tes. Statistik umum yang digunakan untuk memperkirakan keandalan
konsistensi internal menggunakan rata-rata tersebut dikenal sebagai alfa cronbach (Cho &
Kim, 2015; Cortina, 1993).

2.3.1.4 Reliabilitas Antar Penilai

Teori generalisasi merupakan pendekatan canggih untuk pertanyaan keandalan

yang secara bersamaan mempertimbangkan semua jenis kesalahan dalam perkiraan

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.

2.3.2.1 Validitas Terkait Kriteria

Cara paling langsung untuk mendukung hipotesis (yaitu, menghubungkan kotak

prediktor dan kriteria) adalah dengan benar-benar mengumpulkan data dan menghitung
koefisien korelasi. Dalam desain ini, secara teknis disebut sebagai validitas terkait kriteria
desain, peneliti akan mengkorelasikan skor tes dengan ukuran kinerja. Jika korelasinya
positif dan signifikan secara statistik, peneliti akan memiliki bukti yang meningkatkan
kepercayaan diri dalam kesimpulan bahwa orang dengan nilai tes yang lebih tinggi
memiliki kinerja yang lebih tinggi. Dengan menghubungkan skor tes ini dengan data
kinerja, peneliti akan menghitung apa yang dikenal sebagai koefisien validitas. Tes
tersebut mungkin merupakan tes kecerdasan dan ukuran kinerja mungkin berupa
penilaian supervisor. Karena kami menyebutkan "peringkat supervisor", sesuatu menjadi
jelas tentang desain ini: Kami menggunakan nilai tes orang-orang yang dipekerjakan oleh
organisasi. Ini dapat dilakukan dengan dua cara berbeda.

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.

2.3.2.2 Validitas Terkait Konten

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.

2.3.2.3 Membangun Validitas

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

Untuk menginterpretasikan data, penting untuk mempertimbangkan reliabilitas, yang

merupakan sejauh mana ukuran konsisten dari waktu ke waktu, dalam bentuk ekuivalen yang
berbeda, dan dari satu penilai ke penilai lainnya.

Ada beberapa desain tradisional untuk mendemonstrasikan validitas, termasuk konten,

kriteria, dan terkait konstruk. Semua desain dimaksudkan untuk menjawab pertanyaan apakah
kinerja yang lebih baik pada pengujian, atau prediktor, dikaitkan dengan kinerja yang lebih baik
pada pekerjaan.

xxv
 DAFTAR PUSTAKA

Landy, F. J., & Conte, J. M. (2010). Work in the 21st Century, An Introduction to Industrial and

Organizational Psychology.

xxvi