HUBUNGAN-HUBUNGAN DALAM PENELITIAN

Presentasi berjudul: "HUBUNGAN-HUBUNGAN DALAM PENELITIAN"— Transcript presentasi:

1 HUBUNGAN-HUBUNGAN DALAM PENELITIAN
Korelasi dan Kausalitas X Y X Y X X Y Y

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

3 JENIS-JENIS MODEL STRUKTURAL
Path Analysis Models X 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

4 JENIS-JENIS MODEL STRUKTURAL
Confirmatory factor analysis models Z1 Bertujuan untuk mengevaluasi pola-pola hubungan antara beberapa konstruk Dalam model tidak diasumsikan adanya arah hubungan antara konstruk, tetapi hanya ada hubungan korelatif Variabel konstruk merupakan variabel yang tidak terobservasi Setiap konstruk dibangun oleh beberapa indikator Y1 Z2 Z3 X1 X2 Y2 X3

5 JENIS-JENIS MODEL STRUKTURAL
Structural Equation Modeling Menganalisis sekaligus variabel indikator, variabel laten/konstruk,dan kekeliruan pengukuran Menganalisis hubungan antara indikator dengan konstruk yang dikenal dengan nama measurement equation Menganalisis hubungan antara variabel laten satu dengan variabel laten yang lain yang dikenal dengan nama structural equation Z1 Y1 Z2 Z3 Y3 Z4 X1 V1 V2 Y2 X2 X3

6 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 1. Semua variabel harus menunjukkan hubungan 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 (1) diuji melalui matrix korelasi, jika semua signifikan berarti terpenuhi. 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 : 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 1. Semua variabel harus menunjukkan hubungan 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 (1) diuji melalui matrix korelasi, jika semua signifikan berarti terpenuhi. 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.

8 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 status pekerjaan independent variable X dependent variable Y Z + lemah Variabel Suppresor

9 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 Z pendidikan status pekerjaan independent variable X dependent variable Y Variabel Distorter

10 MENGAPA HARUS PATH? DEKAN DEKAN DOSEN DOSEN MAHASISWA MAHASISWA
DANA PEMBANGUNAN DOSEN DOSEN MAHASISWA MAHASISWA ANALISA REGRESI BERGANDA PATH ANALYSIS

11 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.

12 X1 X2 X3 BEBERAPA CONTOH YANG MEMENUHI DAN TIDAK MEMENUHI SYARAT
Linear, Aditif, Kausal X1 =  +  X2 +  X3 +  Nonlinear, Aditif, Kausal Log X1 = Log  +  Log X2 +  Log X3 +  X3 X1 X2 Rekursif Non Rekursif Persyaratan multikolineariti bagi beberapa ahli diabaikan, karena menurut mereka tujuan menggunakan path analysis salah satunya adalah untuk mengatasi multikolineariti Nominal : variabel jenis kelamin (Pria dan Wanita) Ordinal : tidak penting = 1 cukup penting = 2 penting = 3 sangat penting = 4 Interval : pertumbuhan dan derajad Rasio : kilogram dan meter

13 TAHAPAN-TAHAPAN MEMBANGUN MODEL PATH ANALYSIS
PENGEMBANGAN MODEL BERBASIS TEORI DAN STUDI EMPIRIS MEMBUAT GAMBAR HUBUNGAN KAUSALITAS DENGAN DIAGRAM JALUR MENGKONVERSI DIAGRAM JALUR KEDALAM PERSAMAAN- PERSAMAAN STRUKTURAL DAN SPESIFIKASI MODEL PENGUMPULAN DATA DAN PENGUKURAN VARIABEL MENENTUKAN MATRIK INPUT DAN TEKNIK ESTIMASI EVALUASI MODEL II III IV V VI

14 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.

15 HASIL BELAJAR MATEMATIKA EKONOMI
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 HASIL BELAJAR MATEMATIKA EKONOMI INTELEGENSI PENGETAHUAN AWAL

16 LANGKAH II : MEMBUAT GAMBAR HUBUNGAN KAUSALITAS DENGAN DIAGRAM JALUR
BACK 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 MATEMATIKA EKONOMI PENGETAHUAN AWAL strategi-strategi metakognitif

17 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 :

18 Y1 = 1 X1 + 2 X2 + 1 Y2 = 1 X1 + 2 X2 + 1 Y1 + 2
BACK CONTOH DIAGRAM JALUR DAN PERSAMAANNYA X1 = INTELEGENSI Y2 = HASIL BELAJAR MATEMATIKA EKONOMI Y1 = PENGETAHUAN AWAL X2 = strategi-strategi metakognitif Y1 = 1 X1 + 2 X2 + 1 Y2 = 1 X1 + 2 X2 + 1 Y1 + 2

19 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.

20 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 Skala nominal : fungsi bilangan hanya sebagai simbol. Skala ordinal : skala yang dibentuk berdasarkan rangking. Skala interval : skala yang menunjukkan jarak antara satu data dengan data yang lain, tidak mempunyai titik nol. 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 ?

21 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.

22 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

23 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 (sub-variabel) Indikator Deskriptor Nomer Butir I Motivasi 1. Motif Kerja (a). Gaji (b). Kenyamanan Kerja (c). Fasilitas kerja 1. Upah yang layak 2. Penilaian kerja 3. Tempat kerja yang baik 1.1 1.2 1.3 2. Harapan (a). Sifat kepemimpinan (b). Kedisiplinan 4. Loyalitas pimpinan 5 Simpatik 6. Disiplin yang bijaksana 1.4 1.5 1.6 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 : Jumlahkan semua hasil jawaban

24 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 : Tergantung pada jumlah parameter yang diestimasi. Pedomannya, 5-10 kali jumlah parameter yang diestimasi dalam model path. Untuk teknik maximum likelihood jumlah sampel yang tepat adalah sampel. Menurut Hair et al ukuran sampel yang sesuai adalah Menghitung sendiri berdasarkan model path analysis dan koefisien korelasi populasi, yang dilakukan dengan beberapa iterasi hingga diperoleh jumlah sampel yang tepat.

25 UJI VALIDITAS UJI VALIDITAS VALIDITAS KONSTRUK VALIDITAS ISI
VALIDITAS EMPIRIS Telaah kisi-kisi tes, lebih berdasarkan logika Telaah konsep atau teori yang membentuknya Mempunyai ukuran statistik. Instrumen diuji berdasarkan kriteria-kriteria VALIDITAS EKSTERNAL VALIDITAS INTERNAL Pengujian dilakukan dengan menggunakan kriteria-kriteria eksternal, namun tetap menggunakan koefisien korelasi Tercermin pada besaran koefisien korelasi antara skor butir dengan skor total instrumen. Dikatakan valid bila koefisien korelasinya signifikan dan positip

26 UJI RELIABILITAS UJI RELIABILITAS KONSISTENSI GABUNGAN ITEM
BACK UJI RELIABILITAS KONSISTENSI GABUNGAN ITEM KONSISTENSI TANGGAPAN Mempersoalkan apakah tanggapan responden 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. Berkaitan dengan kemantapan atau konsistensi 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 test-retest Teknik belah dua Bentuk Ekivalen Rumus Kuder-Richardson Rumus Alpa-Cronbach Rumus Hoyt

27 LANGKAH V : MENENTUKAN MATRIK INPUT
DAN ESTIMASI BACK MENENTUKAN MATRIK INPUT MENENTUKAN METODE ESTIMASI 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 MAXIMUM LIKELIHOOD : Bila ukuran sampel Kecil, < 200, dan asumsi normalitas terpenuhi. MAXIMUM LIKELIHOOD ATAU GENERALIZED LEAST SQUARE: Bila ukuran sampel antara dan asumsi normalitas cukup dipenuhi ASYMPTOTICALLY DISTRIBUTION-FREE: Bila ukuran sampel besar, lebih dari 500 dan asumsi normalitas tidak terpenuhi

28 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.