HUBUNGAN-HUBUNGAN DALAM PENELITIAN

 Korelasi dan Kausalitas

X Y X Y

X X

Y Y

1
HUBUNGAN-HUBUNGAN DALAM PENELITIAN

 Hubungan langsung dan tidak langsung

Contoh hubungan
Z ke Y Hubungan langsung Z ke Y

Z Y
Hubungan tidak
langsung Z ke Y Hubungan tidak
melalui X langsung Z ke Y
melalui X dan V

X V

2
 JENIS-JENIS MODEL STRUKTURAL

Path Analysis Models

V Z

Y • Hanya melibatkan variabel-variabel

indikator tanpa melibatkan analisis
terhadap konstruk atau konsep yang ingin
diukur
• Ini berarti semua variabel yang dilihat
adalah terukur atau terobservasi
3
JENIS-JENIS MODEL STRUKTURAL
Confirmatory factor analysis models

Z1
• Bertujuan untuk mengevaluasi pola-pola
hubungan antara beberapa konstruk
Z2 Y1 • Dalam model tidak diasumsikan adanya
arah hubungan antara konstruk, tetapi
hanya ada hubungan korelatif
Z3
• Variabel konstruk merupakan variabel
yang tidak terobservasi
X1 • Setiap konstruk dibangun oleh beberapa
indikator
X2 Y2

X3

4
 JENIS-JENIS MODEL STRUKTURAL
Structural Equation Modeling
• Menganalisis sekaligus
Z1 variabel indikator, variabel
laten/konstruk,dan kekeliruan
pengukuran
Z2 Y1
• Menganalisis hubungan
antara indikator dengan
Z3 konstruk yang dikenal dengan
nama measurement equation
Y3
• Menganalisis hubungan
Z4 antara variabel laten satu
dengan variabel laten yang
lain yang dikenal dengan
X1 nama structural equation
V1 V2
X2 Y2

X3
5
 JENIS-JENIS VARIABEL KETIGA

Contoh : pendidikan status pekerjaan

independent variable dependent variable
• Variabel Antecedent
Sekarang ditelusuri variabel apakah yang mempengaruhi pendidikan, untuk itu perlu dilibatkan
variabel antecedent, misalkan kemampuan orang tua
Kemampuan orang tua pendidikan status pekerjaan
Antecedent variable Z independent variable X dependent variable Y

Tiga persyaratan yang diperlukan Persyaratan (1) diuji melalui matrix korelasi, jika
1. Semua variabel harus menunjukkan hubungan semua signifikan berarti terpenuhi.

2. Jika variabel antecedent dikontrol, maka hubungan
antara independent dan dependent variable sangat
kuat
3. Jika variabel independent dikontrol, maka
hubungan antara variabel antecedent dengan
dependent variable harus kecil
Persyaratan (2) dan (3) diuji menggunakan korelasi
parsial. Hipotesa yang diuji adalah Ho : pxy.z = 0
Jika signifikan maka persyaratan kedua terpenuhi,
tetapi bila nonsignifikan berarti persyaratan ketiga
terpenuhi.

6
 JENIS-JENIS VARIABEL KETIGA

Contoh : Kemampuan orang tua status pekerjaan

independent variable dependent variable
• Variabel Intervening
Sekarang ditelusuri variabel apakah yang langsung mempengaruhi status pekerjaan , untuk itu
perlu dilibatkan variabel intervening, misalkan pendidikan
Kemampuan orang tua pendidikan status pekerjaan
Independent variable X intervening variable Z dependent variable Y

Tiga persyaratan yang diperlukan Persyaratan (1) diuji melalui matrix korelasi, jika
1. Semua variabel harus menunjukkan hubungan semua signifikan berarti terpenuhi.

2. Jika variabel independent dikontrol, maka
hubungan antara intervening dan dependent
variable sangat kuat
3. Jika variabel intervening dikontrol, maka hubungan
antara independent dengan dependent variable
harus kecil
Persyaratan (2) dan (3) diuji menggunakan korelasi
parsial. Hipotesa yang diuji adalah Ho : pxy.z = 0
Jika signifikan maka persyaratan kedua terpenuhi,
tetapi bila nonsignifikan berarti persyaratan ketiga
terpenuhi.

7
 JENIS-JENIS VARIABEL KETIGA

Contoh : pendidikan status pekerjaan

independent variable dependent variable
• Variabel Suppresor
Dalam penelitian seringkali ditemui hubungan antara variabel X dan Y lemah. Patut dicurigai hal ini
disebabkan karena adanya variabel ketiga yang ditempatkan dalam model. Bisa terjadi hubungan
antara Z dan X adalah positip, tetapi hubungan antara Z dan Y adalah negatif. Akibatnya hubungan
antara X dan Y menjadi lemah. Dalam kasus ini variabel ketiga Z dikatakan variabel penekan
(suppresor)
+
pendidikan Z status pekerjaan
independent variable X Variabel Suppresor dependent variable Y

lemah

8
 JENIS-JENIS VARIABEL KETIGA

• Variabel Distorter
Pada waktu menganalisis hubungan antara X dan Y diperoleh hasil tanda yang positip. Sekarang,
bila dimasukkan variabel ketiga Z dalam model ternyata menyebabkan hubungan antara X dan Y
menjadi negatif, maka variabel ketiga tersebut (Z) dikatakan sebagai variabel distorter.

pendidikan status pekerjaan

independent variable X dependent variable Y

pendidikan Z status pekerjaan

independent variable X Variabel Distorter dependent variable Y

9
 MENGAPA HARUS PATH?

DEKAN DEKAN

DANA
DOSEN PEMBANGUNAN DOSEN

MAHASISWA MAHASISWA

ANALISA REGRESI BERGANDA PATH ANALYSIS

10
 PENGERTIAN DASAR PATH ANALYSIS
• Menggunakan regresi, sehingga asumsi-asumsi dalam regresi klasik
mengikat model path analysis.
• Bertujuan untuk menguji apakah model yang diusulkan cocok dengan
data. Caranya dengan membandingkan korelasi teoritis dengan
korelasi empiris. Bila sama berarti model cocok atau fit, sebaliknya
tidak cocok.
• Secara formal pengujian tersebut hanya menggunakan koefisien
korelasi determinasi (R2).
• Asumsi-asumsi standard yang harus dipenuhi sebelum membangun
model Path Analysis antara lain : (1) berbentuk rekursif, (2) hubungan
satu arah, (3) linear, aditif dan kausal, (4) berdistribusi normal, (5)
tidak ada multikolineariti, (6) semua variabel terukur, minimal dalam
skala interval.

11
 BEBERAPA CONTOH YANG MEMENUHI DAN TIDAK MEMENUHI SYARAT

Linear,Aditif,
Linear, Aditif,Kausal
Kausal
X1==++X2
X1 X2++X3X3++
Rekursif
Nonlinear,Aditif,
Aditif,Kausal
Kausal
X1 X2 X3 Nonlinear,
LogX1
Log Log++Log
X1==Log X2++Log
LogX2 X3++
LogX3

Non Rekursif Persyaratanmultikolineariti

multikolinearitibagi
bagibeberapa
beberapaahli
ahli
Persyaratan
diabaikan,karena
diabaikan, karenamenurut
menurutmereka
merekatujuan
tujuan
menggunakanpath
menggunakan pathanalysis
analysissalah
salahsatunya
satunya
adalahuntuk
adalah untukmengatasi
mengatasimultikolineariti
multikolineariti

Nominal
Nominal : :variabel
variabeljenis
jeniskelamin
kelamin(Pria
(Priadan
danWanita)
Wanita)
Ordinal
Ordinal : :tidak
tidakpenting
penting == 11
cukuppenting
cukup penting == 22
penting
penting == 33
sangatpenting
sangat penting == 44
Interval : :pertumbuhan
Interval pertumbuhandan danderajad
derajad
Rasio
Rasio : :kilogram
kilogramdan
danmeter
meter
12
 TAHAPAN-TAHAPAN MEMBANGUN
MODEL PATH ANALYSIS

I PENGEMBANGAN MODEL BERBASIS TEORI DAN STUDI

EMPIRIS

II MEMBUAT GAMBAR HUBUNGAN KAUSALITAS DENGAN

DIAGRAM JALUR

III MENGKONVERSI DIAGRAM JALUR KEDALAM PERSAMAAN-

PERSAMAAN STRUKTURAL DAN SPESIFIKASI MODEL

I PENGUMPULAN DATA DAN PENGUKURAN VARIABEL

V
V MENENTUKAN MATRIK INPUT DAN TEKNIK ESTIMASI

V EVALUASI MODEL 13
I
LANGKAH I : PENGEMBANGAN MODEL
BERBASIS TEORI DAN STUDI EMPIRIS

• Keyakinan peneliti untuk mengajukan model kausalitas harus

berlandaskan kepada sebuah atau beberapa JUSTIFIKASI TEORITIS
yang mapan dan berlaku general. Namun ada kalanya dengan
menelaah beberapa STUDI EMPIRIS, peneliti diperkenankan juga
membangun model kausalitas.
• Path Analysis sebenarnya bukan untuk menghasilkan kausalitas yang
baru, tetapi untuk membenarkan adanya kausalitas teoritis yang ada
berdasarkan pengujian dengan data empirik. Karena itu model ini
adalah sebuah CONFIRMATORY TECHNIQUE, lawannya EXPLORATORY
FACTOR ANALYSIS.
• Dengan demikian ada dua komponen yang elementer dalam
membangun model Path Analysis yaitu TEORI dan DATA.

14
JUSTIFIKASI TEORI DAN STUDI EMPIRIS
BACK
CONTOH : HUBUNGAN ANTARA INTELEGENSI DENGAN
PENGETAHUAN AWAL DAN HASIL BELAJAR MATEMATIKA
EKONOMI
• Pada dasarnya pengaruh langsung kecerdasan terhadap pengetahuan awal sama dengan pengaruh
langsung kecerdasan terhadap hasil belajar karena pengetahuan awal merupakan hasil belajar di masa
lalu.
• Pratomo et al (dalam Azwar, 2002:168) menemukan korelasi inteligensi dengan prestasi belajar sebesar
0,276 yang signifikan pada taraf 5%.
• Kusumaningrum (1985:179) membuktikan ada hubungan berbanding lurus IQ dengan prestasi belajar
sebesar 0,14. Di samping itu, ia juga berhasil membuktikan ada hubungan antara IQ dengan nilai tes
masuk sebesar 0,23.
• Gorzelanczyk et al (1998:3) mengkorelasikan kecerdasan dengan komponenkomponen proses belajar.
Rata-rata koefisien korelasi IQ dengan komponen-komponen proses belajar sebesar 0,11278.
• Sebaliknya, Rivai (2000:6) menemukan adanya hubungan positif yang signifikan antara inteligensi
dengan hasil belajar matematika ekonomi dengan r = 0,869. Dengan koefisien determinasi sebesar
0,6190, inteligensi memberikan kontribusi sebesar 61,90% pada hasil belajar MATEMATIKA
EKONOMI.
• Berdasarkan kerangka berpikir dan hasil-hasil penelitian di atas, dapat diduga kuat terdapat hubungan
langsung positif yang signifikan INTELEGENSI dengan PENGETAHUAN AWAL dan HASIL BELAJAR

INTELEGENSI HASIL
HASILBELAJAR
BELAJAR
INTELEGENSI MATEMATIKA
MATEMATIKA
EKONOMI
EKONOMI
PENGETAHUAN
PENGETAHUAN
AWAL
AWAL
15
 BACK
LANGKAH II : MEMBUAT GAMBAR
HUBUNGAN KAUSALITAS DENGAN
DIAGRAM JALUR

Berdasarkan pendalaman teori-teori lainnya, akhirnya dapat dibuat Diagram Jalur yang
lengkap mengenai HUBUNGAN ANTARA INTELEGENSI DENGAN PENGETAHUAN AWAL DAN
HASIL BELAJAR MATEMATIKA EKONOMI

INTELEGENSI

HASIL BELAJAR
PENGETAHUAN MATEMATIKA
AWAL EKONOMI

strategi-strategi
metakognitif

16
LANGKAH III : KONVERSI DIAGRAM JALUR
KEDALAM PERSAMAAN-PERSAMAAN
STRUKTURAL

• Dalam membuat persamaan-persamaan struktural perlu diperhatikan mana yang menjadi

variabel endogen dan mana yang menjadi eksogen.
• Selain itu karena keterbatasan kita didalam menggali variabel-variabel kausalitas lainya,
maka informasi-informasi yang tidak bisa ditangkap tersebut harus dimasukkan dalam
variabel gangguan atau disturbance error variable.
• Seringkali variabel endogen ditempatkan juga sebagai variabel penjelas untuk variabel
endogen lainnya. Karena itu secara umum bentuk persamaan struktural dalam model path
analysis adalah :
Endogen = eksogen + endogen + error
Sesuai diagram yang sudah dibangun sebelumnya kita bisa mebuat persamaan struktural
sebagai berikut :

17
 BACK

CONTOH DIAGRAM JALUR DAN PERSAMAANNYA

X1 =
INTELEGENSI

Y2 =
Y1 = HASIL BELAJAR
PENGETAHUAN
AWAL
MATEMATIKA
EKONOMI

X2 = strategi-strategi
metakognitif
Y1 = 1 X1 + 2 X2 + 1

Y2 = 1 X1 + 2 X2 + 1 Y1 + 2
18
LANGKAH IV : PENGUMPULAN DATA DAN
PENGUKURAN VARIABEL

• Variabel-variabel X1, X2, Y1 dan Y2 harus terukur, minimal dalam bentuk interval.
• Semua variabel tersebut diukur menggunakan data-data yang dikumpulkan. Dan untuk
mengumpulkan data-data yang dimaksud, sekaligus dapat digunakan untuk mengukur
variabel operasional diperlukan beberapa langkah penelitian.
1. Jenis data
2. Jenis skala pengukuran
3. Tipe skala pengukuran
4. Sumber data
5. Cara mengumpul data
6. Instrumen pengumpulan data
7. Penyusunan intrumen-instrumen penelitian
8. Sampling
9. Validasi dan releabilitas data

Data yang digunakan sebagai indikator variabel operasional adalah data yang valid dan
reliabel. Untuk memperoleh ini semua tahapan penelitian di atas harus dilakukan. 19
 JENIS DATA
• Data kualitatif : data yang berhubungan dengan kategorisasi,
karakteristik berwujud pertanyaan atau berupa kata-kata.
• Data kuantitatif : data-data yang berwujud numerik atau angka atau
bilangan.

JENIS SKALA PENGUKURAN

Bertujuan untuk mengklasifikasi variabel yang diukur agar tidak terjadi kesalahan
dalam menentukan analisis data dan langkah-langkah penelitian selanjutnya
1. Skala nominal : fungsi bilangan hanya sebagai simbol.
2. Skala ordinal : skala yang dibentuk berdasarkan rangking.
3. Skala interval : skala yang menunjukkan jarak antara satu data dengan data
yang lain, tidak mempunyai titik nol.
4. Skala ratio : skala yang mempunyai angka nol mutlak

Semua data yang berskala interval dan ratio adalah data kuantitatif yang tepat
digunakan dalam statistik parametrik. Agar data-data kualitatif (skala ordinal dan
nominal) dapat dianalisis dengan statistik parameterik, maka data-data tersebut
harus dikonversi kedalam skala interval, caranya ?
20
 TIPE SKALA PENGUKURAN

• Skala Likert : digunakan untuk mengukur sikap, pendapat dan persepsi

seseorang atau sekelompok.

• Skala Guttman : merupakan skala kumulatif yang biasa digunakan untuk

mencari jawaban yang tegas, jelas dan konsisten (Ya dan tidak, benar dan
salah, setuju dan tidak setuju, dan lain-lain).
• Skala Diferensial Semantik : yang memuat serangkaian karakteristik bipolar (dua
kutup).
• Skala Thurstone : meminta seseorang untuk memilih pertanyaan yang ia setujui
dari beberapa pernyataan yang menyajikan pandangan berbeda-beda

Selain keempat skala di atas ada lagi Skala Rating. Kalau empat skala di atas
bertujuan untuk mengkonversi data kualitatif menjadi kuantitatif, tetapi untuk
skala rating, data kuantitatif yang ditafsirkan dengan kualitatif.

SUMBER DATA DAN CARA MENGUMPULKAN DATA

Sumber data dapat berupa data primer dan atau data sekunder. Dikumpulkan
dengan cara kuesioner, angket, wawancara, pengamatan, ujian atau tes. 21
 INSTRUMEN PENGUMPULAN DATA DAN PENYUSUNANNYA
Dalam metode pengumpulan data sudah ditetapkan bagaimana data itu
dikumpulkan. Sekarang bagaimana caranya ? Untuk itu kita harus
tetapkan instrumen-instrumen dari metode yang ditetapkan tersebut.

Misalkan sudah ditetapkan data dikumpulkan dengan cara menyebar angket atau
kuesioner. Untuk itu instrumen yang harus dibuat bisa berbentuk kuesioner
terbuka, tertutup, atau menggunakan checklist.

LANGKAH-LANGKAH MENYUSUN INSTRUMEN PENELITIAN

• Mengidentifikasi variabel-variabel penelitian
• Menjabarkan variabel tersebut menjadi sub-variabel
• Menderetkan diskriptor dari setiap indikator
• Merumuskan setiap deskriptor menjadi butir-butir instrumen

KISI-KISI INSTRUMEN 22
 CONTOH : Pengaruh Motivasi, Kemampuan dan Loyalitas terhadap
Kualitas Kerja

Variabel penjelas (bebas) : MOTIVASI, KEMAMPUAN, LOYALITAS

Variabel yang dijelaskan (terikat) : KUALITAS KERJA

KISI-KISI INSTRUMEN
Variabel Dimensi Indikator Deskriptor Nomer Butir
(sub-variabel)
I 1. Motif Kerja (a). Gaji 1. Upah yang layak 1.1
Motivasi (b). Kenyamanan Kerja 2. Penilaian kerja 1.2
(c). Fasilitas kerja 3. Tempat kerja yang baik 1.3
2. Harapan (a). Sifat kepemimpinan 4. Loyalitas pimpinan 1.4
5 Simpatik 1.5
(b). Kedisiplinan 6. Disiplin yang bijaksana 1.6
Jumlahkan semua hasil jawaban
I. MOTIFASI KERJA
A. MOTIF
1. Saya bekerja dengan menerima upah :
a. Tinggi b. Cukup d. Rendah e. Sangat rendah
2. Pekerjaan saya oleh pimpinan selalu dinilai :
a. Tinggi b. Cukup d. Rendah e. Sangat rendah
23
 TEKNIK PENGAMBILAN SAMPEL DAN JUMLAH SAMPEL

TEKNIK SAMPLING
random sampling, cluster sampling, two stage sampling, multistage sampling,
purposive sampling, dan lain-lain.
JUMLAH SAMPEL
Beberapa pedoman menentukan jumlah sampel untuk model path analysis :
1. Tergantung pada jumlah parameter yang diestimasi. Pedomannya, 5-10 kali
jumlah parameter yang diestimasi dalam model path.
2. Untuk teknik maximum likelihood jumlah sampel yang tepat adalah 100-200
sampel.
3. Menurut Hair et al ukuran sampel yang sesuai adalah 100-200.
4. Menghitung sendiri berdasarkan model path analysis dan koefisien korelasi
populasi, yang dilakukan dengan beberapa iterasi hingga diperoleh jumlah
sampel yang tepat. 24
 UJI VALIDITAS

UJI
VALIDITAS

VALIDITAS VALIDITAS VALIDITAS

ISI EMPIRIS KONSTRUK
Telaah kisi-kisi tes, lebih Telaah konsep atau teori
berdasarkan logika yang membentuknya

Mempunyai ukuran statistik. Instrumen

diuji berdasarkan kriteria-kriteria

VALIDITAS VALIDITAS
EKSTERNAL INTERNAL

Pengujian dilakukan dengan Tercermin pada besaran koefisien korelasi

menggunakan kriteria-kriteria antara skor butir dengan skor total
eksternal, namun tetap instrumen. Dikatakan valid bila koefisien
menggunakan koefisien korelasi korelasinya signifikan dan positip
25
 UJI RELIABILITAS BACK

UJI
RELIABILITAS

KONSISTENSI KONSISTENSI
TANGGAPAN GABUNGAN ITEM

Mempersoalkan apakah tanggapan responden Berkaitan dengan kemantapan atau konsistensi

terhadap instrumen tersebut sudah baik atau
konsisten. Dalam hal ini apabila suatu
instrumen telah digunakan kepada responden,
kemudian digunakan kembali pada respoonden
yang sama, apakah hasilnya masih tetap
mantap konsisten seperti hasil yang pertama.
antara item-item suatu tes. Maknanya, apakah
terhadap responden yang sama, item yang satu
menunjukkan hasil ukur yang sama dengan item
yang lainnya ? Dengan kata lain hasil ukur item
yang satu dengan item yang lain tidak
kontradiksi.

Teknik Teknik Bentuk Rumus Kuder- Rumus Alpa- Rumus

test-retest belah dua Ekivalen Richardson Cronbach Hoyt

26
LANGKAH V : MENENTUKAN MATRIK INPUT
DAN ESTIMASI BACK
MENENTUKAN MATRIK INPUT
MATRIK KORELASI
• Tujuan : untuk melihat pola hubungan
antara variabel
• Kelemahan : menyederhanakan
interpretasi karena satuan
pengukuran dihilangkan
MATRIK VARAN-KOVARIAN
• Tujuan : untuk menguji teori
• Kelemahan : interpretasinya menjadi
agak sulit karena koefisien-
koefisiennya diinterpretasikan melalui
unit-unit pengukuran
MENENTUKAN METODE ESTIMASI
MAXIMUM LIKELIHOOD :
Bila ukuran sampel Kecil, < 200, dan
asumsi normalitas terpenuhi.
MAXIMUM LIKELIHOOD ATAU
GENERALIZED LEAST SQUARE:
Bila ukuran sampel antara 200-500 dan
asumsi normalitas cukup dipenuhi
ASYMPTOTICALLY DISTRIBUTION-
FREE:
Bila ukuran sampel besar, lebih dari 500
dan asumsi normalitas tidak terpenuhi
27
 LANGKAH VI : EVALUASI MODEL
BACK

1. APRIORI TEST ATAU EVALUASI MODEL SECARA

TEORITIS. MENYANGKUT MASALAH TANDA
HUBUNGAN ANTARA VARIABEL.

2. STATISTIC TEST ATAU UJI SIGNIFIKANSI MODEL,

DIANTARANYA UJI PARSIAL UNTUK MASING-MASING
KOEFISIEN, DAN UJI SERENTAK UNTUK MODEL

MODEL DIKATAKAN PALING BAIK JIKA BISA LOLOS DARI DUA TES
INI. JIKA HANYA SALAH SATU SAJA, MAKA PERLU DIDAHULUKAN
UJI MANA YANG LEBIH DIPENTINGKAN. ATAU MELAKUKAN
RESPESIFIKASI MODEL HINGGA DIPEROLEH YANG SIGNIFIKAN.
28