KORELASI SPEARMAN RANK (Suharto)Korelasi Rank Spearman digunakan untuk mencari hubungan atau untuk menguji signifikansi hipotesis asosiatif bila masing-masing variabel yang dihubungkan berbentuk Ordinal.Contoh:Ada 10 orang responden yang diminta untuk mengisi daftar pertanyaan tentang Motivasi dan Prestasi dalam sebuah kantor. Jumlah responden yang diminta mengisi daftar pertanyaan itu 10 karyawan, masing-masing diberi nomor 1, 2, 3, 4, 5, 6, 7, 8, 9, 10. Nilai yang diberikan oleh kesepuluh responden tentang Motivasi dan Prestasi itu diberikan pada contoh berikut. Yang akan diketahui adalah apakah ada hubungan antara Motivasi dengan Prestasi.Berdasarkan hal tersebut maka:Judul penelitian adalah : Hubungan antara Motivasi dengan Prestasi.Variabel penelitiannya adalah : nilai jawaban dari 10 responden tentang Motivasi (Xi) dan Prestasi (Yi)Rumusan masalah: apakah ada hubungan antara variabel Motivasi dan Prestasi?Hipotesis:Ho: tidak ada hubungan antara variabel Motivasi dan Prestasi.Ha: ada hubungan antara variabel Motivasi dan Prestasi5. Kriteria Pengujian HipotesisHo ditolak bila harga ρ hitung > dari ρ tabelHo diterima bila harga ρ hitung ≤ dari ρ tabelPenyajian dataJawaban responden yang telah terkumpul ditunjukkan pada Tabel 1 berikut ini:Tabel 1. Nilai Motivasi dan Prestasi
Nomor responden
Jumlah Skor
Jumlah skor
1
9
8
2
6
7
3
5
6
4
7
8
5
4
5
6
3
4
7
2
2
8
8
9
9
7
8
10
6
6
6. Perhitungan untuk pengujian HipotesisData tersebut diperoleh dari sumber yang berbeda yaitu Motivasi (Xi) dan Prestasi (Yi). Karena sumber datanya berbeda dan berbentuk ordinal, maka untuk menganalisisnya digunakan Korelasi Rank yang rumusnya adalah:ρ = 1 – ( 6Σbi 2 : N ( N2 – 1 )ρ = koefisien korelasi Spearman Rankdi = beda antara dua pengamatan berpasanganN = total pengamatan Korelasi Spearman rank bekerja dengan data ordinal. Karena jawaban responden merupakan data ordinal, maka data tersebut diubah terlebih dahulu dari data ordinal dalam bentuk ranking yang caranya dapat dilihat dalam Tabel 2.Bila terdapat nilai yang sama, maka cara membuat peringkatnya adalah: Misalnya pada Xi nilai 9 adalah peringkat ke 1, nilai 8 pada peringkat ke 2, selanjutnya disini ada nilai 7 jumlahnya dua. Mestinya peringatnya kalau diurutkan adalah peringkat 3 dan 4. tetapi karena nilainya sama, maka peringkatnya dibagi dua yaitu: (3 + 4) : 2 = 3,5. akhirnya dua nilai 7 pada Xi masing-masing diberi peringkat 3,5. Selanjutnya pada Yi disana ada nilai 8 jumlahnya tiga. Mestinya peringkatnya adalah 2, 3 dan 4. Tetapi karena nilainya sama maka peringkatnya dibagi tiga yaitu: (2 + 3 + 4) : 3 = 3. Jadi nilai 8 yang jumlahnya tiga masing-masing diberi peringkat 3 pada kolom Yi. Selanjutnya nilai 7 diberi peringkat setelah peringkat 4 yaitu peringkat 5. Lanjutkan saja…..Tabel 2. Tabel penolong untuk menghitung koefisien korelasi Spearman Rank.
Nomor Responden
Nilai Motivasi Resp. I (Xi)
Nilai Prestasi dari Resp. II (Yi)
Peringkat (Xi)
Peringkat (Yi)
bi
bi2
1
9
8
1
3
-2
4
2
6
7
5,5
5
0,5
0,25
3
5
6
7
6,5
0,5
0,25
4
7
8
3,5
3
0,5
0,25
5
4
5
8
8
0
0
6
3
4
9
9
0
0
7
2
2
10
10
0
0
8
8
9
2
1
1
1
9
7
8
3,5
3
0,5
0,25
10
6
6
5,5
6,5
-1
1
0
7
Selanjutnya harga bi2 yang telah diperoleh dari hitungan dalam tabel kolom terakhir dimasukkan dalam rumus korelasi Spearman Rank :ρ = 1 – 6.7 : ( 10 x 102 -1 ) = 1 – 0,04 = 0,96Sebagai interpretasi, angka ini perlu dibandingkan dengan tabel nilai-nilai ρ(dibaca: rho) dalamTabel 3. Dari tabel itu terlihat bahwa untuk n = 10, dengan derajat kesalahan 5 % diperoleh harga 0,648 dan untuk 1 % = 0,794. Hasil ρ hitung ternyata lebih besar dari ρ tabelDerajat kesalahan 5 %….. 0,96 > 0,648Derajat kesalahan 1 %….. 0,96 > 0,794Hal ini berarti menolak Ho dan menerima Ha.Kesimpulan :Terdapat hubungan yang nyata/signifikan antara Motivasi (Xi) dengan Prestasi (Yi). Dalam hal ini hipotesis nolnya (Ho) adalah: tidak ada hubungan antara variabel Motivasi (Xi) dengan Prestasi (Yi). Sedangkan hipotesis alternatifnya (Ha) adalah:terdapat hubungan yang positif dan signifikan antara variabel Motivasi (Xi) dengan Prestasi (Yi). Dengan demikian hipotesis nol (Ho) ditolak dan hipotesis alternatif (Ha) diterima. Atau dengan kata lain bahwa variabel Motivasi mempunyai hubungan yang signifikan dengan Prestasi.Tabel 3: Tabel Nilai-nilai ρ (RHO), Korelasi Spearman Rank
Analisis SWOT adalah alat yang sangat sederhana, namun sangat membantu Anda untuk mengembangkan strategi bisnis, apakah Anda membangun bisnis atau mengembangkan perusahaan lebih baik lagi.
Pengertian Analisis SWOT
SWOT adalah singkatan dari Strengths (kekuatan), Weaknesses (kelemahan), Opportunities (peluang), dan Threats (ancaman).
Analisis SWOT mengatur kekuatan, kelemahan, peluang, dan ancaman utama Anda ke dalam daftar yang terorganisir dan biasanya disajikan dalam bilah kisi-kisi yang sederhana.
Strengths (kekuatan) dan Weaknesses (kelemahan) adalah berasal dari internal perusahaan Anda. hal-hal yang dapat Anda kontrol dan dapat berubah. Contohnya termasuk siapa yang ada di tim Anda, paten dan properti intelektual Anda, dan lokasi Anda.
Opportunities (peluang) dan Threats (ancaman) adalah hal eksternal yang mempengaruhi bisnis atau hal-hal yang terjadi di luar perusahaan Anda pada pasar yang lebih besar. Anda dapat memanfaatkan peluang dan melindungi dari ancaman, tetapi Anda tidak dapat mengubahnya. Contohnya termasuk pesaing, harga bahan baku, dan tren belanja pelanggan.
Teknik ini dibuat oleh Albert Humphrey, yang memimpin proyek riset pada Universitas Stanford pada dasawarsa 1960-an dan 1970-an dengan menggunakan data dari perusahaan-perusahaan Fortune 500.
Ketika Anda melakukan analisis SWOT, Anda akan mempelajari strategi yang solid untuk memprioritaskan pekerjaan yang perlu Anda lakukan untuk mengembangkan bisnis Anda.
Anda mungkin berpikir bahwa Anda sudah tahu semua yang perlu Anda lakukan untuk berhasil, tetapi analisis SWOT akan memaksa Anda untuk melihat bisnis yang dimiliki dengan cara baru dan dari arah baru. Anda akan melihat kekuatan dan kelemahan bisnis, dan mengatur cara agar bagaimana Anda dapat memanfaatkannya untuk memanfaatkan peluang dan ancaman yang ada di pasar Anda.
Siapa yang harus melakukan analisis SWOT?
Agar analisis SWOT efektif, pendiri dan pemimpin perusahaan perlu terlibat secara mendalam. Ini bukan tugas yang bisa didelegasikan kepada orang lain.
Tetapi, peimimpin perusahaan juga tidak boleh melakukan pekerjaan sendiri. Untuk hasil terbaik, kumpulkan sekelompok orang yang memiliki perspektif berbeda tentang perusahaan. Pilih orang yang dapat mewakili berbagai aspek perusahaan Anda, mulai dari penjualan dan layanan pelanggan hingga pemasaran dan pengembangan produk. Setiap orang harus memiliki bagian dalam hal ini.
Perusahaan yang inovatif bahkan melihat di luar jajaran internal mereka sendiri ketika mereka melakukan analisis SWOT dan mendapatkan masukan dari pelanggan untuk menambahkan suara unik mereka ke dalam pertimbangan keputusan bisnis.
Jika Anda memulai atau menjalankan bisnis sendiri, Anda masih dapat melakukan analisis SWOT. Ambil sudut pandang tambahan dari teman yang tahu sedikit tentang bisnis Anda, akuntan Anda, atau bahkan vendor dan pelanggan. Kuncinya adalah memiliki sudut pandang yang berbeda.
Bisnis yang menggunakan analisis SWOT untuk menilai situasi mereka saat ini dan menentukan strategi untuk bergerak maju. Tetapi, ingatlah bahwa segala sesuatunya terus berubah dan Anda perlu menilai kembali strategi Anda, dimulai dengan analisis SWOT baru setiap enam hingga 12 bulan.
Bagi pemula, analisis SWOT adalah bagian dari proses perencanaan bisnis. Ini akan membantu menyusun strategi agar Anda memulai dengan langkah yang benar dan mengetahui arah yang akan Anda tuju.
Cara Melakukan Analisis SWOT dengan Benar
Seperti yang kami bahas diatas, Anda harus mengumpulkan tim untuk melakukan analisa SWOT. Anda tidak perlu melakukan analisa sepanjang hari, satu atau dua jam sudah cukup.
Kumpulkan orang-orang dari berbagai bagian perusahaan Anda dan pastikan Anda memiliki perwakilan dari setiap bagian. Anda akan menemukan bahwa berbagai kelompok dalam perusahaan Anda memiliki perspektif yang sama sekali berbed. Dan point ini sangat penting untuk membuat analisis SWOT Anda berhasil.
Melakukan analisis SWOT mirip dengan pertemuan mendengerkan pendapat, untuk mengetahui cara yang benar dan salah dalam menjalankan suatu hal. Disarankan untuk memminta setiap orang mencatat dan minta setiap orang diam-diam menghasilkan ide untuk memulai sesuatu. Hal ini untuk mencegah groupthink dan memastikan bahwa semua suara didengar.
Setelah melakukan brainstorming selama lima hingga 10 menit, letakkan semua catatan dan tempel di dinding jangan lupa untuk mengelompokkan ide-ide serupa. Izinkan siapa pun menambahkan catatan tambahan pada titik ini jika ide orang lain memicu pemikiran baru.
Setelah semua ide diorganisasikan, sekarang saatnya untuk menentukan peringkat ide. gunakan sistem pemungutan suara di mana setiap orang mendapat lima atau sepuluh “suara” yang dapat mereka bagikan dengan cara apa pun yang mereka suka. Membuat catatan dalam berbagai warna berguna untuk latihan ini.
Berdasarkan latihan pemungutan suara, Anda harus memiliki daftar gagasan yang dapat diprioritaskan. Tentu saja, daftar itu sebagai bahan untuk diskusi dan debat, dan seseorang di ruangan itu harus dapat membuat keputusan terakhir pada prioritas. Ini biasanya CEO, tetapi bisa didelegasikan kepada orang lain yang bertanggung jawab atas strategi bisnis.
Anda akan ingin mengikuti proses menghasilkan ide untuk masing-masing dari empat kuadran dari analisis SWOT Anda: Kekuatan, Kelemahan, Peluang, dan Ancaman.
Contoh Pertanyaan yang dapat membantu menginspirasi analisis Anda
Berikut adalah beberapa pertanyaan yang dapat Anda tanyakan kepada tim Anda ketika sedang membangun analisis SWOT Anda. Pertanyaan-pertanyaan ini dapat membantu menjelaskan setiap bagian dan memicu pemikiran kreatif pada tim.
Kekuatan (Strength)
Kekuatan atau Strength adalah poin internal dan positif dari perusahaan Anda. Ini adalah hal-hal yang berada dalam kendali Anda. Contohnya adalah
Proses bisnis apa yang berhasil?
Aset apa yang Anda miliki di tim Anda, seperti pengetahuan, pendidikan, jaringan, keterampilan, dan reputasi?
Aset fisik apa yang Anda miliki, seperti pelanggan, peralatan, teknologi, pendanaan, dan paten produk? Apa keunggulan kompetitif yang Anda miliki dibandingkan pesaing Anda?
Kelemahan (Weaknesses)
Kelemahan adalah faktor negatif yang mengurangi kekuatan Anda. Ini adalah hal-hal yang Anda mungkin perlu tingkatkan agar menjadi lebnih kompetitif.
Adakah hal-hal yang Anda perlukan untuk membuat bisnis menjadi lebih kompetitif?
Proses bisnis apa yang perlu diperbaiki?
Apakah ada aset berwujud yang dibutuhkan perusahaan Anda, seperti pendanaan atau peralatan?
Apakah ada celah di tim Anda?
Apakah jabatan Anda ideal untuk menunjang kesuksesan Anda?
Peluang (Opportunities)
Peluang adalah faktor eksternal dalam lingkungan bisnis Anda yang cenderung berkontribusi pada kesuksesan bisnis.
Apakah market bisnis Anda berkembang dan apakah ada tren yang akan mendorong orang untuk membeli lebih banyak dari apa yang Anda jual?
Adakah acara atau event yang dapat dimanfaatkan perusahaan Anda dalam menumbuhkan pengembangan bisnis?
Apakah ada perubahan peraturan yang akan mempengaruhi perusahaan Anda secara positif?
Jika bisnis Anda terus erkembang, apakah itu berarti pelanggan membutuhkan produk Anda?
Ancaman (Threats)
Ancaman adalah faktor eksternal yang tidak dapat Anda kendalikan. Anda tetap harus mempertimbangkan hal ini untuk menempatkan rencana darurat dalam menangani masalah yang terjadi.
Apakah Anda memiliki pesaing potensial yang dapat memasuki pasar Anda?
Apakah pemasok akan selalu dapat memasok bahan baku yang Anda butuhkan dengan harga yang cocok
Bisakah perkembangan di masa depan dalam teknologi mengubah cara Anda melakukan bisnis?
Apakah perilaku konsumen berubah dengan cara yang dapat berdampak negatif bagi bisnis Anda?
Adakah tren pasar yang bisa menjadi ancaman?
Contoh analisis SWOT
Untuk membantu Anda memahami dengan lebih baik seperti apa contoh SWOT sebenarnya, kami akan memberikan contoh kasus yang bisa Anda pelajari
Gudeg Arini, restoran makanan khas Indonesia di sekitaran jogjakarta. Mereka menjual makanan khas indonesia dan juga gudeg kalengan, serta bermacam-macam oleh-oleh khas jogja.
Restoran ini berencana untuk membuka cabang pertamanya di pusat kota solo dan sangat fokus pada pengembangan model bisnis yang akan membuatnya mudah berkembang dengan cepat dan membuka kemungkinan waralaba. Pada tabel terlihat seperti apa analisis SWOT mereka:
Strengths
Weaknesses
Opportunities
Threats
Lokasi: Pusat kota yang sibuk
Kekurangan modal: Persetujuan pinjaman dari bank
Pertumbuhan daerah: kota solo tumbuh sebesar 8,5% setiap tahun, dan sebagai kota wisata sekaligus kota pelajar
Kompetisi: restoran serupa memiliki pelanggan setia
Keunikan: Makanan tradisional indonesia yang sehat, dan oleh oleh untuk wistawan lokal dan asing
Kurangnya reputasi: Bisnis belum stabil
Target pertumbuhan pasar: Pelajar, wisatawan, dan warga lokal yang terus bertumbuh
Masalah pada saat pembukaan: pelanggan mungkin tidak kembali lagi
Pengelolaan: Memiliki keterampilan manajemen yang sudah mumpuni
Kurangnya alat penunjang dalam bisnis: masih menggunakan proses akuntansi manual
Masalah pembuatan laporan keuangan: belum menggunakan software akuntansi
Kesimpulan
Jika analisis SWOT Anda selesai, Anda siap untuk mengubahnya menjadi strategi nyata. Bagaimanapun, latihan ini adalah tentang menghasilkan strategi yang dapat Anda kerjakan selama beberapa bulan ke depan.
Langkah pertama adalah melihat kekuatan Anda dan mencari tahu bagaimana Anda dapat menggunakan kekuatan itu untuk memanfaatkan peluang Anda. Lalu, lihat bagaimana kekuatan Anda bisa menuntaskan ancaman yang ada di pasar. Gunakan analisis ini untuk menghasilkan daftar tindakan yang dapat Anda lakukan.
Dengan daftar tindakan Anda, lihat kalender perusahaan Anda dan mulailah menempatkan target pada tanggal tertentu. Apa yang ingin Anda capai dalam setiap beberapa bulan, misalnya.
Anda juga ingin melakukan ini dengan menganalisis bagaimana peluang eksternal dapat membantu Anda mengatasi kelemahan internal Anda sendiri. Bisakah Anda juga meminimalkan kelemahan itu sehingga Anda dapat menghindari ancaman yang Anda identifikasi?
Sekali lagi, Anda harus memiliki daftar tindakan yang ingin Anda prioritaskan dan jadwalkan.
Kembali ke contoh kasus Gudeg Arini: Berdasarkan analisis SWOT mereka, berikut adalah beberapa strategi potensial untuk pertumbuhan untuk membantu Anda memikirkan bagaimana menerjemahkan SWOT Anda ke dalam sasaran yang dapat ditindaklanjuti.
Restoran Gudeg Arini: Strategi potensial untuk pertumbuhan
Pertimbangkan untuk mencari investor. Gudeg Arini dapat memilih opsi ini untuk mendapatkan modal yang lebih besar.
Buat rencana pemasaran. Karena Gudeg Arini ingin menjalankan strategi pemasaran khusus, menargetkan mahasiswa, wisatawan, dan keluarga lokal dengan menekankan bahwa pilihan makanan mereka sehat dan nyaman, tentunya restoran harus mengembangkan rencana pemasaran yang lebih menarik.
Rencanakan pembukaan perdana yang besar. Bagian penting dari rencana pemasaran itu adalah pembukaan perdana toko, dan strategi promosi yang diperlukan untuk mendapatkan target pasar tersendiri.
Rencanakan menggunakan software akuntansi untuk memudahkan transaksi dan mempercepat laporan keuangan yang minim kesalahan.
Dengan sasaran dan tindakan Anda yang tepat dalam pengelolaan bisnis, akan lebih mudah menyelesaikan rencana strategis untuk bisnis Anda. . Tindakan yang Anda hasilkan dari analisis SWOT Anda akan cocok dengan bagian tonggak dari rencana pengembangan bisnis Anda dan akan memberi Anda fondasi konkret pada bisnis.
Statistika merupakan sebuah ilmu yang khusus untuk mempelajari tentang bagaimana cara dalam mengumpulkan data, menyajikan data, menganalisis data serta berinterpretasi tentang data tersebut.
Statistika pada umumnya bekerja dengan memakai data numerik yang di mana adalah hasil cacahan maupun hasil pengkuran yang dilakukan dengan menggunakan data kategorik yang diklasifikasikan menurut sebuah kriteria tertentu.
Informasi kemudian dicatat sekaligud dikumpulkan baik itu dalam bentuk informasi numerik maupun informasi kategorik yang disebut sebagai suatu pengamatan.
Apabila didasarkan dari orientasi pembahasannya maka statistika dapat dibedakan menjadi dua macam, antara lain:
1. Statistika Matematik (mathematical statistic)
Statistika matematik atau juga biasa disebut sebagai statistika teoritis merupakan suatu penerapan yang lebih berorientasi kepada pemahaman atau model serta berbagai teknik statistika secara matematis atau teoriti.
2. Statistika Terapan (applied statistic)
Sementara untuk statistika terapan ini sendiri lebih fokus ke dalam pembahasan sekaligus pemahaman intuitif konsep. Serta juga berbagai teknik statistika pemakainnya pada berbagai bidang ilmu.
Metode Statistika
Metode statistika sendiri merupakan suatu prosedur yang biasa dipakai dalam pengumpulan, penyajian, analisis serta untuk penafsiran data.
Berabgai metode di atas kemudian dikelompokkan ke dalam dua kelompok besar, antara lain:
Statistika Deskriptif
Statistika Inferensial
Seperti yang telah diterangkan sebelumnya, jika dalam artikel kali ini kita hanya akan membahas tentang statistika inferensial.
Apa itu yang dimaksud sebagai statistika deskriptif? Selengkapnya, simak artikel ini sampai selesai ya.
Statistika Deskriptif
Statistika deskriptif merupakan suatu metode yang berhubungan dengan pengumpulan atau penyajian data sampai memberi informasi yang berguna.
Statistika di golongkan menjadi dua bagian, yakni statistika deskriptif dan statistika inferensia yang dilakukan berdasarkan aktivitas yang dilakukan.
Untuk contoh dari statistika deskriptif sendiri antara lain yaitu:
tabel
diagram
grafik
besaran-besaran lain dalam majalah dan koran-koran.
Sementara untuk contoh visualnya, grafik pengunjung pada suatu website dapat kita jadikan salah satu conton visual dari statistika deskriptif, yaitu:
Dengan menggunakan Statistika deskriptif, berbagai kumpulan data bisa tersaji dengan ringkas dan juga rapi serta mampu memberikan informasi inti dari kumpulan data yang ada.
Informasi yang di dapatkan yang berasal dari statistika deskriptif ini antara lain ukuran pemusatan data, ukuran penyebaran data, dan juga kecenderungan suatu gugus data. Selengkapnya akan dilanjutkan di bawah.
Penyajian Data Bentuk Grafis antara lain:
Histogram
Pie Chart
Ogive
Poligon
Diagram Batang Daun (Stem and Leaf)
Penyajian data secara numerik mempunyai beberapa bentuk, diantaranya yakni:
Central Tredency
Fractile
Skewness
Pengukuran Keruncingan
Dispersion atau pencaran
Penyajian Data Statistika Deskriptif
Penyajian data dalam kategori deskriptif bisa berupa grafis dan numerik, diantaranya yakni:
1. Penyajian Data dalam Bentuk Grafis
Penyajian data dalam bentuk grafis ini terdiri atas berbagai macam, diantaranya seperti:
Pertama, Histogram:
Histogram adalah suatu grafik dari distribusi frekuensi dari sebuah variabel.
Tampilan histogram pada umumnya berwujud balok. Penyajian data ini terdiri atas dua sumbu utama dengan sudut 900 di mana sebagai absis sumbu X serta sebagai ordinat Y.
Lebar balok akan menunjukan suatu jarak dari batas kelas interval, sementara untuk tinggi balok akan menunjukkan besarnya frekuensi suatu data.
Kedua, Pie Chart:
Pie Chart atau dalam bahasa Indonesia disebut dengan Diagram kue merupakan suatu lingkaran yang dibagi menjadi beberapa sektor.
Pada masing-masing sektor bisa menyatakan besarnya presentase atau bagian untuk tiap-tiap kelompok.
Ketiga, Poligon:
Poligon adalah sautu grafik dari distribusi frekuensi yang tergolong suatu variabel.
Tampilan dari poligon juga pada umumnya berupa garis – garis patah yang didapatkan dengan cara menghubungkan puncak pada masing – masing nilai tengah kelas.
Poligon ini sangat baik dimanfaatkan dalam hal membandingkan bentuk dari dua distribusi.
Keempat, Ogive:
Ogive adalah satu bentuk gambar dari distribusi frekuensi kumulatif pada sebuah variabel. Untuk suatu tabel distribusi frekuensi, bisa juga kita bikin ogive positif serta ogive negatifnya.
Kelima, Diagram Batang Daun (Stem and Leaf):
Diagram Batang Daun atau juga disebut sebagai Stem and Leaf juga sama dengan histogram, hanya saja yang membedakan adalah informasi yang didapatkan lebih baik.
Hal itu disebabkan pada diagram batang daun memperlihatkan nilai – nilai hasil pengamatan asli.
Dalam diagram ini juga akan digambarkan bilangan – bilangan yang juga sebagai batang serta disebelah kananya ditulis bilangan sisanya.
2. Penyajian Data Numerik
Seperti yang telah disebutkan di atas, penyajian data numerik terdiri dari beberapa macam seperti:
Penyajian data secara numerik terdiri dari beberapa macam – macam, yaitu antara lain :
Pertama, Central Tredency.
Kedua, Dispersion atau pencaran.
Ketiga, Fractile.
Keempat, Skewness.
Kelima, Pengukuran Keruncingan.
Metode Dasar dalam Statistik Deskriptif
Ada dua macam metode dasar di dalam statistik deskriptif, antara lain numerik dan grafis.
Pendekatan numerik bisa dipakai dalam menghitung nilai statistik dari sekumpulan data. Sebagai contoh: meandan standar deviasi. Statistik ini akan memberikan informasi mengenai rata-rata serta informasi rinci mengenai distribusi data.
Metode grafis lebih sesuai dibandingkan dengan metode numerik untuk mengidentifikasi pola-pola tertentu dalam data, dilain pihak, pendekatan numerik lebih tepat serta objektif. Dengan begitu, pendekatan numerik dan juga grafis satu sama lain akan saling melengkapi. Maka dari itu, sangatlah bijaksana jika kita memakai kedua metode tersebut secara bersamaan.
Terdapat tiga karakteristik atau ciri utama dari variabel tunggal, diantaranya yaitu:
Distribusi data (distribusi frekuensi)
Ukuran pemusatan atau tendensi sentral (Central Tendency)
Ukuran penyebaran (Dispersion)
Distribusi Data
Pengaturan, penyusunan, serta peringkasan data dengan membikin tabel seringkali membantu, khususnya ketika kita bekerja untuk menghandle sejumlah data yang besar.
Tabel tersebut berisi daftar nilai data yang mungkin akan berbeda (baik data tunggal maupun data yang telah dikelompok-kelompokan) sekaligus nilai frekuensinya.
Frekuensi akan menggambarkan banyaknya kejadian atau kemunculan nilai data dengan kategori tertentu.
Distribusi data yang telah diatur tersebut sering disebut sebagai distribusi frekuensi. Dengan begitu, distribusi frekuensi dapat diartikan sebagai daftar sebaran data (baik data tunggal ataupun data kelompok), yang diikuti dengan nilai frekuensinya.
Data kemudian dikelompokkan ke dalam beberapa kelas sehingga karakteristik atau ciri penting data tersebut bisa dengan cepat terlihat.
Distribusi frekuensi yang paling sederhana ialah distribusi yang menunjulan daftar pada masing-masing nilai dari variabel yang dilengkapi dengan nilai frekuensinya.
Distribusi frekuensi bisa kita tunjukan dalam dua cara, antara lain yakni dengan tabel atau dengan grafik.
Distribusi juga bisa digambarkan dengan memakai nilai persentase. Penyajian distribusi dalam bentuk grafik lebih mempermudah dalam hal menunjukan karakteristik serta kecenderungan tertentu dari sekumpulan data.
Grafik data kuantitatif mencangkup Histogram, Poligon Frekuensi dan yang lainnya.
Sementara grafik untuk data kualitatif mencangkup Bar Chart, Pie Chart dan yang lainnya.
Distribusi frekuensi akan memudahkan kita dalam hal melihat pola dalam data.
Meski demikian, kita akan kehilangan informasi dari nilai individunya.
Bentuk Distribusi
Salah satu hal penting yang ada ada “deskripsi” suatu variabel ialah bentuk distribusinya, yang menggambarkan frekuensi dari berbagai selang nilai variabel.
Pada umumnya, seorang peneliti yang tertarik dalam seberapa baik distribusi bisa kita perkirakan oleh distribusi normal.
Statistik deskriptif sederhana bisa mebgasih beberapa informasi yang relevan dengan masalah ini.
Untuk contohnya, apabila skewness (kemiringan), yang mengukur kesimetrisan distribusi data, tidak sama dengan 0, maka distribusi disebut tidak simetris (a simetris),.
Serta jika skewness bernilai 0 artinya data tersebut berdistribusi normal (simetris).
Apabila kurtosis (keruncingan), yang mengukur keruncingan distribusi data, tidak sama dengan 0, maka distribusi data mungkin lebih datar ataupun lebih runcing daripada dengan distribusi normal.
Nilai kurtosis dari distribusi normal yaitu 0.
Informasi yang lebih akurat bisa kita dapatkan dengan memakai salah satu uji normalitas yakni untuk menentukan peluang apakah sampel berasal dari pengamatan populasi yang berdistribusi normal atau tidak (contohnya, uji Kolmogorov-Smirnov, atau uji Shapiro-Wilks’W).
Tetapai di antara uji formal itu tidak terdapat satu pun yang bisa sepenuhnya menggantikan pemeriksaan data secara visual dengan memakai cara grafis. Contohnya histogram (grafik yang menggambarkan distribusi frekuensi dari variabel).
Grafik (Histogram, misalnya) memungkinkan kita untuk dapat mengevaluasi normalitas dari distribusi empiris.
Hal tersebut disebabkan pada histogram tersebut diikuti juga dengan overlay kurva normalnya.
Hal ini juga akan sangat memungkinkan kita untuk memeriksa berbagai aspek dari bentuk distribusi data secara kualitatif.
Contohnya, distribusi bisa bimodal (mempunyai 2 puncak) maupun multimodal (lebih dari 2 puncak).
Hal tersebut akan menggambarkan bahwa sampel tidak homogen serta unsur-unsurnya berasal dari dua populasi yang berbeda.
Ukuran Pemusatan (Central Tendency)
Salah satu aspek yang paling penting dalam menunjukan distribusi data yaitu nilai pusat pengamatan.
Pada masing-masing pengukuran aritmatika yang diarahkan dalam menunjukan suatu nilai yang mewakili nilai pusat ataupun nilai sentral dari suatu gugus data (himpunan pengamatan) dikenal dengan sebutan ukuran tendensi sentral.
Adapun tiga jenis ukuran tendensi sentral yang sering dimanfaatkan, diantaranya yaitu:
Mean
Median
Mode
Rata-rata hitung atau juga disebut dengan arithmetic mean atau yang sering kita sebut sebagai mean saja adalah suatu metode yang paling banyak dipakai dalam menunjukan ukuran tendensi sentral.
Mean ini dihitung dengan menjumlahkan seluruh nilai data pengamatan lalu dibagi dengan banyaknya data. Mean dipengaruhi oleh adanya nilai ekstrem.
Median merupakan nilai yang membagi himpunan pengamatan menjadi dua bagian yang sama besar atau 50% dari pengamatan yang berada di bawah median serta 50% lagi berada di atas median.
Median dari n pengukuran/ pengamatan x1, x2 ,…, xn merupakan suatu nilai pengamatan yang berada di tengah gugus data sesudah data tersebut diurutkan.
Jika banyaknya pengamatan (n) ganjil, median berada tepat ditengah gugus data, sementara jika n genap, median didapatkan dengan cara interpolasi.
Yakni cara di mana rata-rata dari dua data yang berada di tengah gugus data.
Median tidak dipengaruhi oleh adanya nilai ekstrem.
Modus merupakan sautu data yang paling sering muncul atau terjadi.
Untuk menentukan adanya modus, pertama kali kita harus menyusun data dalam urutan meningkat atau sebaliknya. Lalu diikuti dengan menghitung frekuensinya.
Nilai yang frekuensinya paling besar (sering muncul) itulah yang dinamakan sebagai modus.
Modus dipakai baik untuk tipe data numerik maupun data kategoris.
Modus tidak dipengaruhi oleh adanya nilai ekstrem.
Karakteristik penting untuk ukuran pusat yang baik
Ukuran dari nilai pusat (average) adalah nilai pewakil dari sebuah distribusi data, sehingga harus mempunyai sifat-sifat seperti yang ada di bawah ini:
Harus mempertimbangkan semua gugus data
Tidak boleh terpengaruh oleh nilai-nilai ekstrim.
Harus stabil dari sampel ke sampel.
Harus mampu digunakan untuk analisis statistik lebih lanjut.
Dari beberapa ukuran nilai pusat, Mean hampir memenuhi seluruh persyaratan tersebut, kecuali dengan syarat pada point kedua, rata-rata akan dipengaruhi oleh nilai ekstrem.
Sebagai contoh, apabila item yaitu 2; 4; 5; 6; 6; 6; 7; 7; 8; 9 maka mean, median dan juga modus yang seluruhnya sama dengan 6.
Apabila nilai terakhir merupakan 90 bukan 9, rata-rata akan menjadi 14.10.
Sementara untuk median dan modus yang tidak berubah.
Meskipun median dan juga modusnya lebih baik dalam hal ini, tetapi mereka tidak memenuhi persyaratan lainnya.
Oleh sebab itu Mean adalah suatu ukuran nilai pusat yang terbaik serta sering dimanfaatkan dalam bidang analisis statistik.
Kapan kita menggunakan nilai pusat yang berbeda?
Nilai ukuran pusat yang tepat untuk dipakai akan tergantung dalam sifat data, sifat distribusi frekuensi serta tujuan.
Apabila data kualitatif, hanya modusnya saja yang bisa dipakai.
Sebagai contoh, jika kita tertarik untuk mengetahui jenis tanah yang khas pada sebuah lokasi, atau pola tanam di sebuah daerah, kita bisa memakai modus.
Namun, disisi lain juga, apabila data bersifat kuantitatif, kita bisa memakai salah satu dari ukuran nilai pusat tersebut.
Apabila data bersifat kuantitatif, maka kita harus mempertimbangkan sifat distribusi frekuensi gugus data itu.
Jika distribusi frekuensi data tidak normal (tidak simetris), median atau modus adalah ukuran pusat yang tepat.
Jika ada nilai-nilai ekstrim, baik kecil atau besar, lebih tepat memakai median ataupun modus.
Jika distribusi data normal (simetris), seluruh ukuran nilai pusat, baik itu mean, median, maupun modus bisa dipakai. Tetapi, mean lebih sering dipakai dibanding yang lainnya sebab lebih memenuhi persyaratan untuk ukuran pusat yang baik.
Pada saat kita berhadapan dengan laju, kecepatan serta harga akan lebih tepat memakai rata-rata harmonik.
Apabila kita tertarik dalam perubahan relatif, seperti dalam kasus pertumbuhan bakteri, pembelahan sel dan sebagainya, rata-rata geometrik merupakan rata-rata yang paling tepat untuk digunakan.
Statistika Inferensia
Statistika inferensial merupakan suatu metode yang dapat dipakai untuk bisa menganalisis kelompok kecil dari data induknya maupun sample yang diambil dari populasi. Hingga dalam peramalan serta juga bisa penarikan kesimpulan pada kelompok data induknya atau populasi.
Statistika inferensial ini merupakan suatu rangkuman dari semua metode atau cara yang berkaitan dengan analisis sebagian data. Yang mana selanjutnya akan sampai pada peramalan ataupun penarikan kesimpulan tentang keseluruhan data induk dari populasi tersebut.
Generalisasi yang mempunyai ikatan dengan statistika inferensial memiliki sifat yang tidak pasti.
Hal tersebut disebabkan berdasar pada informasi parsial yang diperolehnya dari sebagian data sehingga yang didapatkan merupakan peramalan saja.
Contoh Statistika Inferensia
Dalam catatan kelulusan yang dilaksanakan dalam kurun waktu lima tahun terakhir. dDi suatu Sekolah Menengah Atas ini menunjukkan apabila sekitar 72% di antara siswa SMA lulus dengan nilai yang memuaskan.
Nilai numerik 72% tersebut adalah bentuk dari sebuah statistika deskriptif.
Jika dilandasi dengan hal ini, kemudian seorang siswa dapat menyimpulkan jika peluang dirinya akan lulus ialah dengan nilai yang sangat memuaskan.
Nilai tersebut yaitu lebih dari 70%. Sehingga siswa tersebut sudah melakukan statistika inferensial yang tentunya memiliki sifat yang tidak pasti.
Contoh gambar Statistika inferensia
Di dalam statistika inferensial dilaksanakan pendugaan parameter yang memicu timbulnya hipotesis.
Serta juga melakukan pengujian hipotesis tersebut sampai pada kesimpulan yang berlaku secara umum.
Metode atau cara ini pada umumnya disebut dengan istilah statistika induktif. Disebut demikian karena kesimpulan yang ditarik dilandasi dengan informasi dari sebagian datanya saja.
Pengambilan kesimpulan statistika inferensial ini juga hanya dilandasi dengan sebagaian data yang bisa menimbulkan sifatnya menjadi tidak pasti.
Sehingga hal tersebut memungkinkan berlangsungnya kesalahan pada pengambilan keputusan. Hingga pengetahuan teori peluang mutlak dibutuhkan di dalam melaksanakan berbagai metode statistika inferensial.
Fungsi Statistika Inferensia
Statistika inferensial atau juga disebut sebagai statistika induktif merupakan statistik yang mempunyai tujuan dalam menaksir secara umum sebuah populasi dengan memakai hasil sampel.
Termasuk di dalamnya memuat teori penaksiran serta juga pengujian teori. Statistika inferensial biasa dimanfaatkan dalam melakukan beberapa hal seperti di bawah ini:
Melaksanakan generalisasi dari sampel ke populasi.
Melaksanakan uji hipotesis.
Ruang lingkup Bahasan Statistika Inferensial
Apabila berdasarkan dengan ruang lingkup bahasannya, statistika inferensial dapat meliputi:
Probabilitas atau teori kemungkinan
Dristribusi teoritis
Analisis kovarians
Sampling dan sampling distribusi
Pendugaan populasi atau teori populasi
Analisis varians
Uji Hipotesis
Analisis korelasi serta uji signifikasi
Analisis regresi untuk peramalan
Perbedaan Statistik Deskriptif dan Statistik Inferensia
Statistika inferensial dan jugs statistika deskriptif tentulah keduanya mempunyai perbedaan, berikut akan kami berikan perbedaan di antara keduanya, antara lain:
Statistika deskriptif hanya terbatas dalam penyajian data pada bentuk tabel, diagram, ataupun grafik serta besaran lainnya.
Sementara statistika inferensial tidak hanya mencakup statistic deskriptif saja, tetapi juga dapat dipakai dalam melakukan estimasi serta penarikan kesimpulan kepada populasi dari sampelnya. Untuk dapat sampai dalam penarikan kesimpulan statistika inferensial harus melewati beberapa tahap uji hipotesis serta juga uji statistik.
Demikianlah ulasan singkat terkait Statistika Deskriptif yang dapat kami sampaikan. Semoga ulasan di atas mengenai Statistika Deskriptif dapat kalian jadikan sebagai bahan belajar kalian ya.
Ada 3 orang mahasiswi datang konsultasi ke rumah, dengan baju yang sedikit basah dan seoerti merass kedinginan, sementara diluar cuacanya hujan lebat dan udaranya terasa dingin menusuk tulang. Mereka mengaku sebagai mahasiswa di salah satu universitas terkenal di Surabaya, dengan wajah yg lelah, bingung, menggosok-gosokkan kedua telapak tangannya, kemudian mulai bercerita yang mereka hadapi hingga datang kemari ” Mb, kami lagi penelitian dengan desain penelitian Pre dan Post, rencana sampel 125 responden, dan kami sudah diburu waktu untuk segera wisuda semester ini” ketiganya sambil melihat kearah saya, terdiam sesaat. ” bisakah kami dibantu untuk datanya, sekalian analisa datanya? dan minta dibantu hasilnya bisa sesuai teory yang ada di bab proposal”. “Kalian pake data primer apa data sekunder?” Kata saya. “Data primer, pake kuisioner mb.” Jawab mereka. Lho.. kok jadi serius.. LUPAKAN LUPAKAN.. DAN PERHATIKAN yang saya sampaikan.
Kami akan membantu untuk membuatkan data seperti yang kalian inginkan dan analisa data yang sesuai dengan penelitian anda. Kontak kami di 08125253494 konsultasikan apapun tentang penelitian anda pada kami sekarang dan selama penelitan anda. SUKSES milik kita bersama.
1. Uji Normalitas Apakah data berdistribusi normal atau tidak. LIHAT..Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.Begitu SEBALIKNYA maka regresi tidak memenuhi asumsi normalitas.
2. Multikolinearitas Apakah terjadi hubungan yang sempurna atau hampir sempurna antara variabel bebas? PERHATIKAN nilai tolerance harus dibawah >0,1 dan nilai Variance Inflation Factor(VIF) kurang dari <10 berati data dah okey.
3. Heteroskedastisitas Apakah terjadi Hetero? PERHATIKAN grafik scatter plot pada output SPSS, Jika tidak ada pola yang jelas, serta titik-titiknya menyebar di atas dan di bawah angka 0 pada sumbu Y, artinya datamu bebas hetero.
4. Autokorelasi Apakah antara variabel pengganggu masing-masing variabel bebas saling mempengaruhi? PERHATIKAN nilai D-W, HARUS berada diantara -2 dan 2 berarti data anda okey tidak ada autokorelasi. * >2 atau <-2 data kamu kena autokorelasi
5. Uji Linearitas Apa ada hubungan linier antara variabel X dan Y yang bisa dilakukan, PERHATIKAN :
a. Plot antara residu (e) versus Y-topi menggambarkan suatu scatter diagram (diagram pencar) Nah…hal ini bararti bahwa hubungan antara variabal X dan Y adalah linier.
b. Plot antara variabel X versus Y menggambarkan garis lurus maka asumsi pertama ini telah terpenuhi.
c. Plot antara residu versus X menggambarkan diagram pencar maka linieritas ini sudah terpenuhi.
Analisis ini menurut Sugiyono (200) digunakan oleh peneliti bila peneliti bermaksud meramalkan bagaimana keadaan (naik turunnya) variabel dependen (kriterium), bila ada satu variabel independen sebagai prediktor dimanipulasi (dinaik turunkan nilanya). Persamaan yang diperoleh dari regresi sederhana adalah Y = a + b X
y = adalah subjek nilai dalam variabel terikat yang diprediksikan
a = harga Y bila X = 0 (harga konstan)
b = angka arah koefisien regresi
X = subjek pada variabel bebas yang mempunyai nilai tertentu.
Asumsi yang diperlukan untuk analisis ini adalah uji normalitas. Uji normalitas diperlukan untuk mengetahui apakah data yang terkumpul dari setiap variabel dependen dan independen atau keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah yang mendekati normal (Imam Ghozali,2009).
Untuk melihat model regresi normal atau tidak, dilakukan analisis grafik dengan melihat “normal probability report plot” yang membandingkan antara distribusi kumulatif dari data sesungguhnya dengan distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal dan ploting data akan dibandingkan dengan garis diagonal. Jika distribusi data normal, maka garis yang menggantikan data sesungguhnya akan mengikuti garis diagonalnya (Imam Ghozali, 2009).
Uji validitas dan reliabilitas sangatlah penting pada saat melakukan sebuah pengujian atau pengukuran yang digunakan sebagai bagian dari proses pengumpulan data. Seperti halnya seorang engineer, mereka pasti tidak akan menggunakan sebuah metode pengambilan data yang tidak sesuai dengan obyek penelitiannya, karena engineer tentunya berorientasi terhadap hasil untuk menunjukkan kebenaran atau kesalahan dari sebuah teori.
Dalam penelitian ilmiah, data dapat diperoleh dari berbagai macam metode, diantaranya adalah kuesioner. Penggunaan kuesioner sebagai alat pengumpul data tentunya telah disertai dengan berbagai macam pertimbangan, dan sebagai alat ukur dalam penelitian, kuesioner harus memenuhi kreteria tertentu sehingga dapat memeberikan informasi yang terpercaya, yaitu harus memiliki validitas dan realibilitas yang baik.
Sifat valid dan reliabel diperlihatkan oleh tingginya validitas dan reliabilitas hasil ukur suatu pengukuran. Suatu instrument ukur yang tidak valid dan reliabel akan memberikan informasi yang tidak akurat mengenai keadaan subject/responden/individu yang dikenai pengukuran/tes tersebut. Sehingga apabila informasi yang salah digunakan sebagai dasar pengambilan suatu kesimpulan dan keputusan, maka tentu saja kesimpulan dan keputusan tersebut akan menjadi tidak tepat.
Definisi
Uji validitas digunakan untuk menguji sejauh mana ketepatan atau kebenaran suatu instrument sebagai alat ukur variabel penelitian. Jika alat ukur valid atau benar maka hasil pengukuranpun pasti akan benar, atau dengan kata lain, validitas berbicara tentang bagaimana suatu alat ukur yang digunakan memang telah mengukur apa yang ingin diukur.
Secara umum engineer merancang sendiri instrument pengukuran berupa pertanyaan yang berhubungan dengan persepsi responden. Item-item pertanyaan tersebut disusun berdasarkan kreteria kreteria yang diambil dari teori sehingga dapat menghasilkan instrument yang benar dan rasional.
Uji reliabilitas adalah suatu pengujian yang berorientasi pada derajat stabilitas, konsistensi, daya prediksi, dan akurasi. Uji ini dilakukan untuk melihat kesesuaian nilai dari sebuah kuesioner yang dikerjakan oleh seorang responden pada kesempatan atau waktu yang berbeda dan dengan kuesioner yang sama. Relibilitas suatu pengukuran juga menunjukkan sejauh mana pengukuran tersebut dilakukan secara baik atau bebas dari error, sehingga memberikan jaminan bahwa data hasil pengukuran tersebut konsisten meskipun dalam waktu yang berbeda. Atau dengan kata lain keandalan suatu pengukuran merupakan indikasi mengenai stabilitas dan konsistensi.
Hubungan Antara Reliabilitas dan Validitas
Meskipun uji reliabilitas dan validitas terkesan memiliki konsep yang berbeda, namun pada dasarnya kedua hal tersebut saling berhubungan. Beberapa hal yang menunjukkan hubungan tersebut adalah :
Pengukuran tidak reliabel dan juga tidak valid. Kekurangan dari reliabilitas dimaksudkan bahwa terkadang pengukuran yang dilakukan adalah benar atau valid namun apabila dilakukan pengukuran ulang pada waktu dan kesempatan lainnya, maka hasilnya berbeda.
Pengukuran reliabel namun tidak valid. Proses pengukuran dilakukan secara konsisten dengan menggunakan konsep yang tidak tepat sehingga reliabilitas data dapat tercapai namun penilaian tidak valid.
Pengukuran valid namun tidak reliable. Secara umum hal ini disebabkan oleh adanya pertanyaan yang ambigu sehingga menimbulkan multi-persepsi, bahasa maupun budaya respondents yang berbeda, atau pertanyaan yang kemungkinan bisa berubah jawabannya disebabkan oleh waktu.
Pengukuran valid dan reliable. Hasil ini adalah tujuan utama pada sebuah penelitian. Oleh karena itu diperlukan proses identifikasi pengukuran yang akurat dan sesuai dengan obyek penelitian, serta memiliki hasil yang sama meskipun pada wktu yang berbeda.
Metode Pengujian Validitas dan Reliabilitas
Pengujian validitas biasanya dilakukan secara statistik yaitu dengan teknik korelasi, yaitu dengan formula sebagai berikut :
Langkah-langkahnya pengujian validitas dengan korelasi adalah sebagai berikut :
Korelasikan skor-skor suatu nomor angket dengan skor total seluruh item.
Jika nilai korelasi (r) yang diperoleh adalah positif, kemungkinan butir yang diuji tersebut adalah valid.
Namun walaupun positif, perlu pula nilai korelasi (r) yang dihitung tersebut dilihat signifikan tidaknya. Caranya adalah dengan membandingkan nilai korelasi yakni r hitung dengan nilai r table. Apabila nilai r hitung > r table, maka butir instrument adalah valid. Butir instrument yang tidak valid (tidak benar/salah) tidak layak untuk dijadikan sebagai item di dalam instrument penelitian. Butir yang tidak valid dibuang dari instrument angket.
Sedangkan pengujian reliabilitas dapat menggunakan salah satu teknik, misalnya Split Half, yaitu dengan cara:
Belah insturmen menjadi 2 bagian (instrument bernomor ganjil dan genap).
Korelasikan skor-skor total ganjil, dengan skor-skor total genap, dan dengan statistic korelasi product moment (r).
Masukan nilai korelasi (r) yang diperoleh ke dalam rumus Spearman Brown.
Penarikan kesimpulannya, jika nilai koefisien reliabilitas (Spearman Brown/ri) ≥ 0,6 maka instrument memiliki reliabilitas yang baik/reliabel/terpercaya.
Contoh Kasus
Pengujian validitas dengan menggunakan korelasi dapat dilihat pada contoh berikut ini. Misalnya peneliti ingin menguji apakah variable X tabel 4.1. seluruh item instrumennya valid atau tidak. Jumlah instrument dalam table 4.1. terdiri dari 10 buah. Oleh karena itu engineer akan menguji satu persatu nilai-nilai masing-masing item dengan skor Total X-nya.
Apabila menggunakan SPSS, maka kriteria menarik kesimpulan untuk mementukan valid tidaknya suatu instrument adalah dengan melihat probabilitas kesalahan dari korelasi (disimbolkan dengan Sig.). Nilai kesalahan (Sig.) hasil dari perhitungan SPSS tersebut dibandingkan dengan probabilitas kesalahan yang ditetapkan oleh engineer yang disimbolkan dengan alpha (α). Umumnya dalam penelitian nilai α yang di pilih adalah 0,05. Jika nilai Sig. < α0,05, maka suatu item instrument yang diuji korelasinya adalah valid.
Skor-skor pada table 2. di atas menunjukkan bahwa seluruh nilai Sig. di bawah 0,05 kecuali untuk item instrument nomor 1 dan 6, sehingga instrument nomor 1 dan 6 tidak valid.
Sedangkan uji reliabilitas, dapat dilakukan dengan menyusun kembali nilai-nilai skor angket pada tabel 1., namun tidak memasukkan nilai item yang tidak valid, seperti pada tabel 3. berikut.
Dengan menggunakan contoh data dalam pengujian dari tabel 4.3. di atas, yakni dengan mengambil data hanya untuk item instrument yang valid, maka diperoleh koefisien reliabilitas seperti pada tabel 4. berikut :
Berdasarkan tabel 4.4. di atas, nilai koefisien reliabilitas (Cronbach’s Alpha) adalah sebesar 0,907, dengan demikian nilai ini lebih besar dari 0,6 sehingga kesimpulannya data tersebut adalah reliabel.
Refrensi
[1] Gratton, Chris, Research Method For Sport Studies, Routledge, London, 2004 [2] Manurung, Saprinal. Metodologi Penelitian Bisnis, Konsep dan Aplikasi, Umsu Press, Indonesia, 2014 [3] Neuman, W. L., Basic of social research: Qualitative and quantitative qpproaches, second edition. Pearson Education, Inc. England, 2007 [4] Nisfiannoor, Muhammad, Pendekatan Statistika Modern Untuk Ilmu Sosial, Penerbit Salemba Humanika, Indonesia, 2009 [5] Suryani & Hendriyadi, Metode Riset Kuantitatif Teori dan Aplikasi, Prenada Media Group, 2016 [6] Siegel, S Castellan and Jr Castellan. NJ. Nonparametric Statistic for the behavior sciences, McGraw-Hill, New York, 1988
1. Sampel yang diambil tidak sesuai dengan kriteria sampel yang diamati. (Mis. Kuisioner untuk akunting tapi diujicobakan dengan sampel para petani, dengan kata lain salah orang untuk uji coba kuisioner) 2. Pada saat pengambilan sampel tidak memperhatikan waktu yang tepat, sehingga responden cenderung mengisi secara asal-asalan. 3. Item pertanyaan yang dibuat terlalu panjang sehingga responden agak malas untuk membaca hingga selesai, akibatnya jawaban yang diberikan menjadi tidak sesuai yang diharapkan. 4. Item pertanyaan memuat kalimat-kalimat yang AMBIGU atau membingungkan bagi responden. 5. Item pertanyaan yang menggunakan istilah-istilah yang tidak umum (mis. Istilah medis, kalimat ilmiah, dll) tanpa keterangan yang jelas sehingga responden tidak mudah memahami maksud dari pertanyaan yang diberikan. 6. Kondisi responden juga sangat berpengaruh (lagi emosi, sibuk dengan pekerjaannya, lagi sakit, dll) atau responden dalam tekanan (Mis. Responden ditungguin sambil diajak ngobrol, atau responden dikumpulkan dalam sebuah ruangan, dan diminta mengisi kuisioner seperti tes CPNS dengan waktu yang telah ditentukan, dll). 7. Ketidak jujuran responden dalam mengisi jawaban dari pertanyaan (mis. Takut ketahuan atasannya, takut diketahui tentang jati dirinya, dll)
Faktor-faktor tersebut merupakan kendala-kendala yang harus dihindari apabila menggunakan kuisioner sebagai alat pengumpul data.
