BAB III METODE PENELITIAN KUANTITATIF
3.1. Definisi Metode Kuantitatif Menurut Sugiono (2008), metode
kuantitatif adalah pendekatan ilmiah yang memandang suatu realitas
itu dapat diklasifikasikan,konkrit,teramati dan terukur,hubungan
variabelnya bersifat sebab akibat dimana data penelitiannya berupa
angka-angka dan analisisnya menggunakan statistik. 3.2. Pendekatan
Analisis Kuantitatif Pendekatan analisis kuantitatif terdiri atas
perumusan masatah, menyusun model, mendapatkan data, mencari
solusi, menguji solusi, menganalisis hasil, dan
menginterprestasikan hasil 3.3. Pemilihan Metode Kuantitatif Metode
dipilih sesuai dengan tujuan penelitian, setiap peneliti perlu
mengidenitifikasi apakah data yang dimiliki memenuhi asumsi dasar
yang harus dipenuhi setiap teknik, tahapan awal adalah metakukan
seleksi (screening) data, yakni mengenali prilaku data,ada atau
tidaknya nilai ekstrem (outliers), lengkap tidaknya data, dan
desknpsi secara statistik dari data yang dimiliki.Format penelitian
kuantitatif dalam ilmu sosial tergantung pada permasalahan dan
tujuan penelitian itu sendiri. Ada dua format penelitian
kuantitatif berdasarkan paradigma dominan dalam metodologi
penelitian kuantitatif yaitu format deskriptif dan format
eksplanasi. Kedua format ini dijelaskan sebagai berikut
Gambar; Format Penelitian Kuantitatif Sumber; Bungin (2008)
3.3.1..Metode Survei Metode ini digunakan pada populasi yang
luas dan menyebar,memungkinakan dilakukannya generalisasi suatu
gejala sosial tertentu kepada gejala sosial dengan populasi yang
lebih besar.Analisis yang muncul bukan kasus per kasus tetapi
keseluruhan populasi. 3.3.2.Metode Kasus Metode kasus memusatkan
diri pada suatu unit tertentu dari berbagai variabel dan hanya
menggunakan kasus tertentu sebagai object penelitian,bersifat
mendalam,dan bersifat kasuistik terhadap object pebelitian
tersebut. 3.3.3. Metode Eksplanasi Metode yang menjelaskan suatu
generalisasi sampel terhadap populasinya ,dimana menggunakan sampel
dan hipotesis dan untuk menguji hipotesisnya menggunakan statistik
inferensial.
3.4. Proses Penelitian Kuantitatif Substansi proses penelitian
kuantitatif menutut Bungin (2008) terdiri dari aktivitas yang
berurutan sebagai berikut ;1. 2. 3. 4. 5. 6.
Mengeksplorasi, perumusan, dan penentuan masatah yang akan
diteliti Mendesain model penelitian dan parameter penelitian
Mendesain instrumen pengumpulan data penelitian Melakukan
pengumpulan data penelitian Mengolah dan menganalisis data hasil
penelitian Mendesain laporan hasil penelitian
Proses penelitian kuantitatif dimulai dengan kegiatan
mengeksplorasi untuk melihat permasaiahan yang akan menjadi masalah
yang hendak diteliti. Kemudian merumuskan masaiah penetitian dengan
jelas sehingga terarah. masatah dalam penetitian kuatitatif masih
bersifat sementara dan akan berkembang setelah peneliti berada
dilapangan.berdasarkan rumusan masalah tersebut,dikumpulkan teori
dan penelitian yang relevan untuk digunakan membuat disain model
penelitian dan parameter penelitian sekaligus sebagai dasar
pembuatan hiptesis.Agar suatu penelitian itu tepat sasaran dan
mengarah ke tujuan maka didisainlah instrumen untuk pengumpulan
data penelitian yang sebelumnya telah diuji bahwa instrumen
tersebut valid dan reliabel untuk dijadikan sebagai alat
pengumpulan data. Setelah data terkumpul maka diolah dan dianalisis
yang mengarah pada hipotesis yang telah diajukan.Analisis data
menggunakan statistik baik berupa statistik diskriptif maupun
statistik infirensial
tergantung pada metode yang digunakan.Hasil penelitian diuraikan
dalam bentuk pembahasan yang kemudian disimpulkan dan dibuat
saran.Setelah itu didisain laporan hasil penelitian yang mudah
untuk dipahami oleh orang lain.
. 3.5. Pengertian Teori Menurut Sugiyono (2008 ), teori
merupakan suatu kumpulan konsep (concept), definisi, proposisi dan
variabel yang keterkaitan antara satu sama lain secara sistematis
dan telah digeneralisasikan, sehingga dapat menjelaskan dan
mempredeksi fenomena (fakta-fakta) tertentu. Peneliti bekerja atas
dasar teori yang relevan. Sejauh teori yang digunakan adalah baik
dan sesuai dengan keadaan, maka peneliti akan berhasil menjelaskan
fenomena yang dimaksud. Suatu teori berguna untuk mendefinisikan
suatu masalah yang didalamnya ada variabel-variabel tertentu,untuk
mengartikan data dan fenomena-fenomena yang ditemukan. Sugiyono
(2008), Teori adalah seperangkat konstruk (konsep), definisi, dan
proposisi yang berfungsi untuk melihat fenomena secara sistematik,
melalui spesifikasi hubungan antar variabel, sehingga dapat berguna
untuk menjetaskan dan meramalkan fenomena.suatu teori akan
memperoleh arti penting, bifa ia lebih banyak dapat melukiskan, dan
meramalkan gejala yang ada. Mark 1963, dalam (Sugioyono, 2008),
membedakan adanya tiga macam teori. Ketiga macam teori yang
dimaksud ini berhubungan dengan data empiris, dan dibedakan sebagai
berikut ; 1. Teori deduktif; memberi keterangan yang dimulai dari
suatu perkiraan atau pikiran spekulatif tertentu ke arah data yang
akan diterangkan. 2. Teori induktif, cara menerangkan adatah dari
data ke arah teori.. 3. Teori fungsional; datam hal ini tampak
suatu interaksi pengaruh antar data dan perkiraan teoritis, data
mempengaruhi pembentukan teori dan pembentukan teori kembali
mempengaruhi data.
Selanjutnya Hoy & Miskel (2001) dalam Huda (2007),
mengemukakan bahwa komponen teori itu meliputi konsep dan asumsi.
Konsep merupakan istilah yang bersifat abstrak dan bermakna
generalisasi. Sedangkan asumsi merupakan pernyataan diterima
kebenarannya tanpa pembuktian. Setiap teori akan mengalami
perkembangan, dan perkembangan itu terjadi apabila teori sudah
tidak relevan dan kurang berfungsi lagi untuk mengatasi masalah.
Semua penelitian bersifat ilmiah, oleh karena itu semua peneliti
harus berbekal teori. Dalam penelitian kuantitatif teori yang
digunakan harus sudah jelas, karena teori disini akan berfungsi
untuk memperjelas masatah yang diteliti, sebagai dasar untuk
merumuskan hipotesis, dan sebagai referensi untuk menyususn
instrumen penelitian. Oleh karena itu landasan teori dalam proposal
penelitian kuantitatif harus sudah jelas teori apa yang akan
dipakai. Agar teori dapat dipahami dengan lebih baik, maka perlu
dipaparkan masing-masing komponen teori sebagai berikut ; 3.5.1.
Konsep Konsep merupakan sejumlah ciri yang berkaitan dengan suatu
obyek atau standar yang umum atas obyek tersebut. Menurut Bungin
(2008), konsep adatah generalisasi dari sekelompok fenomena yang
sama. Konsep dibangun dari teori-teori yang digunakan untuk
menjetaskan variabet-variabet yang akan diteliti dan memiliki
tingkat generalisasi yang berbeda satu dengan lainnya. Konsep harus
merupakan atribut berbagai kesamaan dari fenomena yang berbeda.
Setiap penelitian kuantitatif dimulai dengan menjelaskan konsep
penelitian yang digunakan, karena konsep penelitian ini merupakan
kerangka acuan peneliti didalam mendesain penelitian. Konsep juga
dibangun agar masyarakat akademik atau masyarakat ilmiah maupun
konsumen atau pembaca laporan penelitian memahami apa yang
dimaksud
dengan pengertian variabel, indikator, parameter, maupun skala
pengukuran yang dimaksud peneliti didalam penelitiannya. Dalam
mendesaian konsep penelitian, yang terpenting juga bagi peneliti
harus mendesain konsep interaksi antar variabel-variabel
penelitiannya. Karena itu peneliti harus menentukan pilihan
sebenamya dari interaksi antar variabelvariabel itu. Disamping
mengonsepsi interaksi antar variabel-variabel penelitian, perlu
pula sebuah variabel didesain menurut apa yang diinginkan oleh
peneliti dalam penelitiannya. Selain mendesain variabel serta
interaksi variabel-variabel penelitian, maka berikutnya pene(iti
juga harus mendesain konsep penelitian dan konsep operasional.
Konsep penelitian didesain untuk memberi batasan pemahaman terhadap
variabel penelitian, sedangkan konsep operasional dimuat untuk
membatasi parameter atau indikator yang diinginkan peneliti dalam
penelitian,sehingga apapun variabel penelitian, semuanya hanya
muncul dari konsep tersebut. 3.5.2. Variabel Burhan Bungin ( 2008),
mendefinisikan bahwa variabel berasal dari bahasa Inggris variable
yang berarti faktor tidak tetap atau berubah-ubah. Namun bahasa
Indonesia kontemporer telah terbiasa menggunakan kata variabel ini
dengan pengertian yang lebih tepat disebut bervariasi. Dengan
demikian variabel adalah fenomena yang bervariasi dalam bentuk,
kualitas, kuantitas, mutu standar dan sebagainya.
Penjelasan-penjetasan mengenai variabel sangat bervariasi
sebagaitnana bervariasinya variabel itu sendiri. Dalam pengertian
yang lebih konkret variabel itu sendiri adalah konsep dalam bentuk
konret atau konsep operasionai, penjelasan semacam ini adalah
tergantung pula pada jenis penetitian yang dilakukan. Dalam
penelitian kebijakan sosial, konsep dan variabel dibedakan dari
sifat kompleksnya. Konsep biasanya digunakan dalam mendeskripsikan
segala
variabel yang abstrak dan kompleks, sedangkan variabel diartikan
sebagai konsep yang lebih konkret dan acuan-acuannya lebih nyata.
Fungsi variabel dapat dibedakan menurut jenis dan macamnya,
variabel dapat dibedakan menjadi 7 (Solimun, 2003), yaitu : (1) .
Dependent variable (variabel tergantung) Suatu variabel yang
menjadi pusat perhatian penefiti (tercakup dalam hipotesis
penelitian), yang keragamannya ditentukan / tergantung !
dipengacuhi oleh variabel lainnya. (2). Independent variable
(variabel bebas) Suatu variabel yang menjadi pusat perttatian
peneliti, yang keragamanrrya mempakan kondisi yang ingin diselidiki
1 diteliti I dikaji dan mempengaruhi variabel tergantung. (3).
Intervene variable (variabel antara) Adalah variabel yang bersifat
menjadi perantara (sarana) dari hubungan variable bebas ke variabel
tergantung. Sifatnya dapat memperlemah atau memperkuat pengaruh
variabel bebas terhadap variabel tergantung. (4). Moderator
variable Adalah variabel yang bersifat memperkuat atau memperlemah
pengaruh variable bebas terhadap variabel tergantung. (5).
Confounding variabel ( variabet pembaur ) Variabel yang tidak
menjadi pusat perhatian peneliti (tidak tercakup dalam hipotesis
penelitian), tetapi muncul dalam penelitian dan berpengaruh
.terhadap variabel tergantung dan pengaruh tersebut mencampuri atau
berbaur dengan variable bebas. (6). Control vuriable (Variabel
kendali)
Adalah variabel pembaur yang dapat dikendalikan pada saat riset
desain. Pengendalian ini biasanya ditakukan dengan cara eblusi
(mengeluarkan obyek yang tidak memenuhi kriteria) dan inklusi
(menjadikan obyek yang memenuhi kriteria untuk diikutkan dalam
sample penelitian), atau dengan blocking yaitu mengelompokkan obyek
penelitian menjadi kelompokkelompok yang reiatif homogen. (7).
Concomitunt variable (variable penyerta) Adatah variabel pembaur
yang tidak dapat dikendalikan pada saat riset desain. Variabel ini
tidak dapat dikendalikan sehingga tetap menyertai (terikut) daiam
proses penelitian, dengan konsekuensi data haruss diamati dan
pengaruh baumya harus dieliminir. 3.5.3. Proposisi Proposisi,
menurut Emory dan Cooper (1996) dalam Huda (2007), merupakan suatu
peryataan mengenai konsep-konsep yang dapat dinilai benar atau
salah melalui suatu fenomena yang diamati. Misalnya, makin siang
mahasis;wa belajar, maka makin kecil kemampuan mereka dalam
menyerap isi pelajaran. Pemyataan ini adalah sebuah proposisi.
Bilamana suatu proposisi dirumuskan untuk diuji secara empiris ,
maka proposisi tersebut disebut hipotetis, hipotetis bersifat
sementara atau dugaan sementara. 3.5.4. Hipotesis Sugiyono
(2002),Hipotesis merupakan pernyataan sementara dari rumusan
masalah yang perlu dibuktikan benar atau tidak. Jawaban yang
diberikan baru didasarkan pada teori yang relevan belum didasarkan
pada fakta empiris dalam kenyataannya (empirical verivication).
Menurut Nazir ( 2005 ; 151), mendefinisikan hiprAesis tidak lain
dari jawaban sementara terhadap masalah penelitian, yang
kebenarannya harus diuji secara empiris. Hipotesis menyatakan
hubungan apa yang kita cari atau yang ingin kita pelajari.
Hipotesis adalah
pemyataan yang diterima secara sementara sebagai suatu kebenaran
sebagaimana adanya, pada saat fenomena dikenai dan merupakan dasar
kerja serta panduan dalam verifikasi. Hipotesis adalah keterangan
sementara dari hubungan fenomena-fenomena yang kompleks,. Dalam
penelitian kuantitatif, ada pembagian jenis hipotesis (Bungin;2008)
meliputi; (1 ). Hipotesis nol (Ho) Hipotesis nol disebut dengan
hipotesis statistik yaitu hipotesis yang diuji dengan statistik.
(2) Hipotesis altematif (H1) Hipotesis alternative juga disebutt
sebagai hipotesis kerja atau hipotesis penelitian. Untuk menguji
hipotesis pilihlah uji statistik yang modelnya paling mendekati
asumsi atau persyaratan yang memperbotehkan penggunaan uji tersebut
dengan mempertmbangkan jenis data dan skala pengukuran data yang
dipergunakan.selanjutnya tentukan taraf signifikansi dan besar
sampel penelitian,hitunglah harga uji statistiknya dengan
menggunakan sampel-sampelnya. .Ambil keputusaan dan kesimpulan :
apakah Ho diterima atau ditolak, berdasarkan taraf signifikansi
tertentu. 3.6. Populasi dan Sampel Populasi adalah keseluruhan
obyek penelitian yang menjadi sumber data
penelitian.Dalam peneiitian yang biasa dilakukan, seringkali
peneliti dihadapkan kepada keterbatasan waktu, biaya dan tenaga
untuk mengumpulkan informasi dari obyek yang diamati. Oleh karena
itu sering sekali peneliti hanya mengambil sebagian saja dari obyek
telitian. Kelompok induk besar tersebtrt disebut populasi dan sub
kelompok dari anggota populasi disebut dengan sampel (Bungin;2008).
Pada umumnya penelitian yang dilakukan oleh para peneliti hanya
berdasarkan kepada sampel. Penelitian yang berdasarkan kepada
sampel ini mempunyai keuntugan-keuntungan
seperti : dapat menghemat biaya (reduced cost), menghemat waktu
(time save), menghemat tenaga (energy suve), infomasi yang
diperoleh lebih teliti (greater accuracy) karena elemen yang
diamati lebih sedikit. Oleh karena hasil penelitian bertujuan untuk
digeneralisasikan bagai populasinya, maka penarikan sampel harus
dilakukan dengan metoda yang benar, seperti: (1) memberikan
gambaran yang dapat dipercaya terhadap populasi yang diteliti, (2)
mempunyai tingkat presisi tertentu / standar penyimpangan, (3)
sederhana sehingga mudah dilaksanak.an, (4) dapat memberikan
keterangan yang sebanyak mungkin dengan waktu dan biaya yang
serendah mungkin (Djarwanto,dalam Huda 2007). Sampel berasal dari
kata Inggris sample, yang artinya contoh, comotan atau mencomot,
yaitu mengambii sebagian saja dari yang banyak. Setanjutnya dalam
pembicaraan ini kata sample dalam bahasa Inggris di-Indonesiakan
menjadi sampel, dan sampling menjadi sampling. 3.6.1. Menetapkan
Popalasi Sebelum menetapkan besar sampel (atau banyaknya data
subyek yang di sampel), terlebih dahulu harus ditetapkan
populasinya, yaitu kelompok apa yang diminati dalam penelitian itu,
atau kelompok yang akan dikenakan atau diterapi hasil dari
penelitihannya. Populasi yang diminati untuk . dijadikan fokus atau
perhatian penelitian (yang hanya diambil sampelnya saja) disebut
populasi sasaran atau populasi target (target population).
Menemukan populasi sasaran ini kadang-kadang sukar, sedangkan yang
diperoleh bukan sasarannya tetapi apa adanya yang dapat ditemukan,
atau yang dapat dihitung, yang hasil dari penelitiannya akan
diterapkan pada poputasi yang ditemukan itu. Populasi ini disebut
populasi yang dapat diambil (accessible population) atau populasi
yang dapat diakses.
Semakin diperkecil atau dipersempit populasinya, maka penelitian
yang dilakukan semakin menghemat waktu, tenaga, dan mungkin juga
biaya -biaya lainnya, tetapi memperkecil populasi berarti membatasi
penggeneralisasiannya (generalizability). Populasi dalam penelitian
Pengaruh Orientasi wirausaha dan Orientasi pasar terhadap
Keunggulan bersaing berkelanjutan dan Kinerja pemasaran, yang
menjadi unit analisis adalah usaha kecil sektor perdagangan di kota
Surabaya yang menurut sensus ekonomi 2006 berjumlah 46.437 unit.
3.6.2. Penyampelan (Sampling) Secara garis besar ada dua kelompok
cara penyampelan (sampling), ialah random sampling (mencomot secara
acak) clan non-random sampling (mencomot secara tidak acak).
Dikatakan random sampling, jika dari populasi itu peneliti
mengambil siapa saja diantaranya tanpa menentukan kriteria dari
subyek yang diambil, karena tiap orang anggota dalam populasi itu
derajat dan kualifikasinya sama atau setara, atau tiada bedanya,
dengan kata lain "homogin". Jadi, jika tiap anggota atau
subyek-subyek atau elemen elemen dalam populasi itu memiliki
kesamaan sifat, maka mereka masing-masing memiliki peluang atau
kesempatan yang sama untuk disampel. Mana saja atau siapa saja
diambil, adalah sama. Dikatakan non-random sampling, jika dari
populasi itu peneliti mengambil subyek subyek atau siapa-siapa yang
memenuhi ciri-ciri yang sudah ditentukan terlebih dahulu. Jadi
meskipun jadi anggota populasi, tetapi tidak memenuhi ciri atau
ciri-ciri yang ditentukan, maka tidak dapat disampel. Mengapa
demikian, hal ini didasarkan atas ketentuan, bahwa yang disampel
itulah yang dianggap dapat mewakili atau representative bagi
populasinya. Jadi, tidak semua anggota mempunyai kesempatan untuk
dicomot seperti dalam random sampling. Random sampling dibedakan
menurut metodenya, ke dalam :
1) Simple random sampling (sampling acak sederhana) 2)
Stratified random sampling (sampling acak disetratakan) 3) Cluster
random sampling (sampling acak kelompok) 4) Area Sampling (sampling
area) 5) Two-stage random sampling (sampling acak dua tahap)
Non-random sampling dapat dibedakan menurut metodenya, ke dalam :
1) Systematic sampling (sampling sistematik) 2) Convenience
sampling (sampling pekoleh) 3) Purpose sampling (sampling sengaja,
sampling bertujuan) 4) Quota sampliflg (sampling jatan, sampling
kuota)
3.6.2.1. Random Sampling Random sampling secara rinci dibedakan
menurut metode-metodenya adalah sebagai berikut : 1) Simple Random
Sampling (sampling acak sederhana) Kita arnbil sebagai contoh
terlebih dahulu. kita akan meneliti Pengaruh Orientasi wirausaha
dan Orientasi pasar terhadap Keunggulan bersaing berkelanjutan dan
Kinerja pemasaran, yang menjadi unit analisis adalah usaha kecil
sektor perdagangan di kota Surabaya yang menurut sensus ekonomi
2006 berjumlah 46.437 unit. Jika simple random sampling akan
dilakukan, maka seluruh usaha kecil itu harus memiliki kesamaan
karakteristik, misalnya pekerjaan yang dilakukan sama, semuanya
berumur antara 40-50 tahun, pendapatannya setara,sehingga tiap
usaha kecil itu memiliki kesempatan yang sama dan berhak untuk
disampel. Bagaimana cara memilih 464 dari 46.437 usaha kecil itu?
Ada bermacam macam cara : yang paling mudah ialah secara acak, mana
saja
dapat dipilih, seperti menggulung kertas berisi nama-nama (atau
nomer), atau menggunakan dadu untuk menentukan nomer, cara
permainan rolet,undi (fishbowl draw), menggunakan angka acak lewat
bantuan komputer, clan sebagainya. Namun, ada baiknya jika cara
memilih itu berdasar aturan. Misalnya, menggunakan tabel nomer acak
yang biasanya terdapat dalam bukubuku statistik, yang memuat
angka-angka demikian banyak, tetapi tidak teratur atau tidak ada
pola susunannya, artinya angka-angka itu tersebar sedemikian rupa
dan hanya dimuat dalam kolom-kolom saja. Sampel acak sederhana
tidak dapat digunakan, jika peneliti ingin memastikan bahwa dalam
populasi itu ada sub-group yang perlu diwakili dalam sampel yang
besarnya seimbang dengan yang terdapat dalam populasinya. Jika
demikian, maka harus digunakan stratified random sampling yang
dibicarakan berikut ini. 2) Strata Random Sampling (sampel acak
berstrata) Misalnya, Pengaruh Orientasi wirausaha dan Orientasi
pasar terhadap Keunggulan bersaing berkelanjutan dan Kinerja
pemasaran, yang menjadi unit analisis adalah usaha kecil sektor
perdagangan di kota Surabaya yang menurut sensus ekonomi 2006
berjumlah 46.437 uni. Di dalam usaha kecil itu ada 10.000 orang
pegawai negeri terdiri atas tiga golongan, ialah gol. I, gol. II,
dan gol. III. Go1 I sebanyak 50 orang (5O%), gol. II sebanyak 30
orang (30%), dan gol. III sebanyak 20 orang (20%). Jika sampelnya
ditetapkan sebanyak 20 dari 100 orang pegawai negeri di lembaga
itu, maka dalam sampel itu banyaknya masing -masing golongan harus
seimbang sama dengan dalam populasi Gol. 1 sebanyak 10 orang (50%),
gol. II sebanyak 6 orang (30%), dan gol. III sebanyak 4 orang
(20%). Cara rnenentukan siapa-siapa yang disampel dari masingmasing
strata golongan dilakukan secara acak (random) seperti yang
dibicarakan dalam simple random sampling.
3) Cluster Random Sampling (Sampling Acak Kelompok) Metode
cluster random sampling digunakan, jika dalam poputasi sutit untuk
diidentiifikasi secara individual, melainkan hanya dapat
diidentifikasi secara kelompok (cluster). Satuan-satuan dalam
populasi itu, yang disetaut unit of analysis atau element of the
population, memang merupakan kelompok. Jadi, subyek-subyek atau
elemen-elemen dalam populasi terdiri atas kelompok-kelompok.
Misalnya kefompok petani, kelompok studi, kelompok seniman,
kelompok klompencapir, dan sebagainya. Misatnya di Jawa Timur ada
500 klompencapir. Dari 500 klompencdpir ini akan diteliti
pendapatannya tentang alam Jawa Timur. Setelah mempertimbangtcan
berbagai faktor, maka diterapican besar sampal (atau ukuran sampel,
sample size) yang representative ialah sebanyak 25 unit
k:ompencapir. Menetapkan besar sample 25 kelompok klompencapir
inilah yang disebut metode cluster random sampling. Yang disampel
bukan individu anggota ktompencapir, tetapi unit klompencapir-nya.
4) Area Sampling (Sampling area, atau sampling gugus) Cara ini
sarna dengan cluster sampling, tetapi diterapkan pada daerah
geografi yang terdiri atas sub-area (area-area). Misalnya kabupaten
Kuneng yang terdiri atas 50 kecarnatan akan diteliti karakteristik
petaninya. Peneliti dapat mengambil 10 kecamatan sebagai sampel.
Metode pengambilan 10 daerah kecamatan dad 50 daerah-daerah
kecamatan ini tidak disebut cluster sampling, melainkan area
sampling. 5) Two stage random sampling (Sampling acak dua tahap)
Sample acak dua lahap dilakukan sama seperti sampel acak kelompak
(klompencapir) atau sampel area tersebut diatas ini, tetapi masih
diteruskan. Sesudah ketompok atau area yang disampel ditemukan,
misalnya swerti yang tersebut diatas itu, yaitu sebanyak 25
klompencapir, maka dari masinqmasing klompencapir yang sebanyak 25
itu,
masih disampel lagi siapa-siapa secara individual yang mewakili
kelompoknya. Jadi, dari 500 klompencapir diambil 25 saja, dan dari
25 klompencapir itu masing-masing diambil beberapa individu untuk
mewakili klompencapimya menurut proporsinya, misalnya ditentukan
30%, maka yang klompencapimya beranggota sebanyal; 30 diarnbil 8
orang, yang sebanyak 40 diambil 12 orang, clan yang hanya sebanyak
15 diambil 3 orang. Jika dari yang sudah mewakili masingmasing
klompeacapir masih akan diseleksi lagi beberapa orang untuk
mewakilinya, ini nar-lanya sudah multi-stage sampling (sampling
tahap berganda). 3.6.2.2. Non Random Sampling 1) Systematic
Sampling (Sampling Sistematik) Dalam non-random sampling anggota
atau elemen-elemen populasi tidak memiliki kesempatan yang sama
untuk dicomot. Populasi yang demikian itu . heterogen dan
seharusnya diketahui oleh peneliti, sehingga peneliti tidak
menggunakan sampel secara random (acak). Cara non-random sistematik
dilakukan dengan terlebih dahulu peneliti mendata dengan memberi
nomer pada anggota populasi, kemudian secara sistematik menetapkan
interval, dan nomer berapa yang akan diambil ke dalam sampel.
Misalnya ada 1000 orang anggota populasi. Masing-masing orang
diberi nomer dalam daftar. ,lika akan diambil 100 dari 1000 orang
itu, dengan kata lain diambil I dari 10, atau 1/10. Secar'd
sistematik ambillah angkaangka yang berjarak 10. Misalnya pertama
kali diambii dengan mata tertutup kebetulan kena angka 7. Maka
sekarang ambillah angkaangka yang berjarak 10 dengan angka 7 dan
seterusnya, yaitu angka-angka 7,17,27,37,47,57,67,77,87,97. Jika
secara kebetulan yang terambil ialah angka 2, maka 'i 0 orang yang
disampel itu iaiah orang-orang yang nomemya
2,12,22,32,42,52,62,72,82, dan 92.
Jika dari 100 orang itu ditetapkan sampelnya sebesar 25 orang,
dengan kata lain %, maka ambillah dari tiap empat orang itu 1, atau
a;nbillah dari nomernomer itu berurutan berjarak 4. Misalnya untuk
menentukan angka yang pertama secara random dengan mata tertutup,
anda mengambil angka 9, maka yang diarnbil ialah angka-angka : 09,
13, 17,21,25,29,33,37, 41, 45, 49, 53, 57,61,65,69,73,77,81
,F5,89,93,97,017 dan 05 (karena tidak ada nomerl orang diatas 100
maka turun lagi ke angka paling bawah). Jadi yang disampel sebesar
25% atau sebanyak 25 orang itu ialah mereka yang diidentifikasi
dengan nomer- nomer itu. Cara seperti ini disebut non-random
sampling sistematik -dengatt awalan acak. Cara sampel sistematik
juga dapat dilakukan dalam menyampel penghlltli rumahrumah yang
sudah berurutan lokasinya. Misalnya diambil yang dari rumah ke
rumah bersela 3 rumah, begitu seterusnya. Jadi, nisalnya ada
penghuni 100 rumah akan diambil 25% dari rumah yang berpenghuni
itu, jika tetak rumahnya sudah teratur, maka dapat diambil untuk
sampel dari tiap empat rumah satu saja, selanjutnya dengan satu
demi satu yang bersela tiga rumah. 2) Convenience Sampling
(Sampling pekoleh) Dalam hal ini sama saja dengan yang sudah
disebutkan diatas, bahwa peneliti sudah mengetahui bahwa
populasinya sedemikian rupa sehingga dengan random sampling tidak
mungkin dilakukan. Meskipun demikian, juga karena untuk
mengidentifikasi satu per satu anggota populasi menghadapi
kesulitan, maka yang paling enak (convenience, pekoleh) ialah
individul anggota populasi yang mudah ditemukan saja. Memang dalam
sampel yang non random ketepatan (accuracy) untuk mencerminkan
populasinya kurang akurat atau dapat menimbulkan bias. Tetapi apa
boleh buat, itulah yang dapat dilakukan karena populasinya tidak
homogin dan sulit untuk diidentifikasi. Metode convenience sampling
ini sama dengan yang disebut accidental sampling atau incidental
Sampling.
3) Purposive Sampling (Sampling sengaja, sampling bertujuan)
Purposive sampling digunakan, jika peneliti mempunyai judgment
pribadi dalam memilih individu-individu yang disampel. la memandang
bahwa individu-individu tertentu saja yang dapat mewakili
(representive), karena menurut pendapat peneliti merekalah-yaitu
individu-individu yang dipilih itu yang mengerti tentang
populasinya. Purposive sampling ini juga disebut judgmental
sampling, karena peneliti menggunakan pertimbangan pertimbangan
dengan memasukkan unsur-unsur tertentu yang dianggap (judged) bahwa
dengan cara demikian dapat memperoleh informasi yang benar atau
individu-individu yang disampel itu yang mencerminkan populasinya.
4) Quota Sampling (Sampling jatah, sampling kuota) Sampling kuota
dilakukan, jika populasinya tidak diketahui secara pasti, baik
mengenai banyaknya maupun berbagai karakteristik yang membuat
homogin, maka ditetapkanlah sejumlah individu yang dianggap
mewakilinys. Tentu saja cara demikian menimbulkan bias-bias, tetapi
apa boleh buat, karena keadaan populasi yang tidak mungkin dapat
diketahui secara pasti. 3.6.2.3. Menetapkan Besar (Ukuran) Sampel
Dalam bahasa Inggris sering dikatakan sumple size yang dapat
diterjemahkan ke dalam bahasa Indonesia dengan "besar sampel" ataU
"ukuran sampel," yaitu banyaknya individu, subyek atau elemen dari
papulasi yang diambil sebagai sampel. Istilah "besar sampel," atau
"ukuran sampel", bukan "banyaknya sampel" sebagaimana sering
digunakan oleh kalangan tertentu. Penggunaan kata banyaknya sampel
sebagai terjemahan "sample size" tidak tepat, karena banyaknya
sampel dapat diartikan lebih dari satu sampel yang diiakukan.
Hampir seluruh praktek proyek penelitian sangat sukar memenuhi
sampling yang ideal. Seringkali peneliti melakukan hal yang berbeda
dari aturan yang ada, karena terpaksa oleh
adanya berbagai keterbatasan, antara lain data, dana, waktu, dan
tenaga. Besar sampel yang umum ialah 1/10. Namun 1/10 dapat juga
terlalu besar atau terlalu kecil, tergantung pada keadaan
populasinya. Jika dapat mengestimasi karakteristik rata-rata atau
parameter dari populasi sebesar 1.000.000 yang dilakukan dengan
menyampel sebesar 10.000 sudah sama hasilnya dengan menyampel
100.000, mengapa harus sebesar 100.000 (Slack & Champion,
992:271)? Menjawab pertanyaan berapa seharusnya besar sampel yang
paling baik, Ftaenkel 8 Wallen (1993:90) menjawab: "sebesar-besar
peneliti dapat memperolehnya dengan pengorbanan waktu dan energi
yang wajar". Jawaban itSi tidak banyak menolong, hanya menyarankan
kepada peneliti supaya mencoba memperoleh sempel sebesar-besarnya
secara wajar, dalam arti mengingat keterbatasan waktu, tenaga,
biaya dan lainnya. Menurut Gay & Diehl (1992:146) sampel harus
sebesar-besarnya, dan pada umumnya semakin besar sampel, rnaka
kecenderungan semakin representatif, dan hasil dari penelitiannya
dapat lebih digeneralisasikan. Selanjutnya mereka mengatakan bahwa
ukuran (size) sampel yang dapat diterima tergantung pada jenis
penelitian, minimum ialah : a. Penelitian deskriptif -1 0% dari
populasi b. Penelitian korelasional- 30 subyek c. Penelitian
kausal-perbandingan - 30 subyek per group . d. Penelitian
eksperimental- 15 subyek per grup. Frankel & Wallen (1 993:92)
menyarankan, besar sampel minimum untuk a. Penelitian deskriptif,
sebanyak 100 b. Penelitian korelasional, sebanyak 50
c. Penelitian kausal-perbandingan, sebanyak 30 per grup d.
Penelitian ekspcrimentai-15 subyek per grup meskipun dengan 15 per
group dapat dilakukan, asal kontrolnya ketat. Menurut Kinnear &
Taylor (1983:234) ada cara untuk menetapkan besarnya sampel secara
statistik, lerutarna bagi sample random sampling atas dasar
probabilitas normal. Namun, menetapkan besar sampel tidak
semata-mata atas dasar statistik, melainkan harus atas dasar
barbagai pertimbangan, yaitu untung rugi diantara: (1) kesalahan
sampling (sampling error); (2) kesalahan non samyling (non-sampling
error); (3) tujuan study (study objectives); (4) kendala waktu
(time constraints); (5) kendala biaya (cost contrainsts); dan (6)
rencana analisisnya (analysis plans). Jadi, diantara para pakar
sendiri belum ada kesamaan pendapat dalarn menciptakan besar
sampel, tetapi pendapat Kinner & Taylor ini praktis, masuk
akal, dan realistis. MerirZi-iktm und (1997:173) inlhrmasi
statistik sangat diperlukan untuk menentukan ukuran simple random
samplz. Untuk maksud ini yang perlu diketahui pertama-tama adalah :
1) Seberapa besar variance atau heterogenitas populasi. 2) Besarnya
error yang dapat diterima 3) Confidence level (derajat keyakinan)
57 Aturan kebiasaan dalam mengestimas i standard deviation ialah
sebesar seperenam (1/6) dari range (dari batas paling bawah ke
batas paling atas dad karakteristik populasi). Katakan bahwa range
dari karakteristik populasinya ialah dari 1.000 sampai 7.000, maka
rangenya iaiah 6.000 dan standar deviasinya ialah 1.000. Besar
sampcl yang kita hitung berdasar formula :n
- n(ZS )z E Yang artinya
n = Ukuran/besar sampel Z = Nilai standar yang menunjukkan
confidence level S = Standar deviasi sampel atau estimasi standar
deviasi terhadap populasi E = Besar error yang dapat diterima, plus
atau minus Fuatu faktor kesalahan (daerahnya ialah setengah dari
confidence interval). Katakanlah misalnya, anda akan meneliti
pengeluaran yarg dilakukan oleh penduduk dari suatu daerah dalam
membeli sepatu, anda mcnentukan confidence level (Z) 95%, daerah
kesalahan (E) kurang dad Rp. 2,- dan standar deviasinya Rp. 29,-
maka : n = n(ZS) 2 - [(1,96X29, Of - [56,84] z -- (28,84) - 808 E
2,00 2,00
Jika daerah kesalahan (range of error), yaitu E katakanlah tidak
Rp 2,- melainkan , Rp 4,- (sebesar dua kali lipat), maka n akan
menjadi seperempatnya, yaitu bukan 808 melainkan 202, karena angka
pembagi 2,03 (lihat perrnmaan diatas) sebenarnya dalam persamaan iu
2' (atau 4) dan jika diganti dengan angka 4 sebenarnya menjadi 42
(atau 16), jadi besar sampel yang semula dibagi 4 sekarang dibagi
16. Maka menjadi seperempat dari 808. (bagaimana menghitung secara
rinci masing-masing standard deviation, E, dan confidence level,
periksa dalam pelajaran statistik inferensial tersendiri. 58 3.7.
Skala Pengukuran clan Instrumen Penelitian Yang dimaksud dengan
skala ialah mengenai tingkatan besar-kecil, banyak-sedikit,
baikburuk, jauh-dekat, bodoh-pandai, clan sehagainya yang
menunjukkan perbedaan derajat dalam kualitas atau kuantitas,
sehingga dapat diketahui mana yang lebih besar atau ada diatasnya,
mana ymg lebih kecil atau .
ada dibawahnya, mana yang kurang atau dibawahnya, clan mana yang
lebih atau diatasnya. Yang diukur ialah data di lapangan atas dasar
variabel yang termuat dl dalam masalah dan atau hipotesis Sebelum
pengumpulan data, skala ini harus ditetapkan lebih dahulu, baru
kemudian dimasukkan ke dalam instrumen yang digunakan untuk
mengumpulkan (dan mengukur) data. Ada empat jenis skala pengukuran,
ialah rasio, skala ordinal clan skala nominal. Masing-masing
diuraikan berikut ini. 3.7.1. Skala Rasio Skala rasio digunakan
untuk menghitung kuantitas yang benar-benar ada barangnya, visual,
dapat dihitung, dapat ditambahkan clan dikurangi, dapat dibagi clan
dilipatkan. Contoh : banyaknya kelereng yang dibawa oleh
murid-murid. Sewaktu guru bertanya kepada muridnya : "Berapakah
kelereng yang kau bawa?" Murid itu menjawab : "Lima"! Angka lima
adalah angka rasio. Jika kelereng yang dibawa itu diberi nilai
(skor) 5, maka angka 5 ini adalah nilai rasio. Demikian juga
kelereng yang dibawa oleh teman-teman murid lainnya. Angka rasio
biasanya digunakan untuk menilai karakteristik subyek yang tampak,
dapat dihitung, nyata clan faktual. Skala rasio dapat diterapkan
pada apa saja yang banyaknya dapat dihitung, seperti uang saku,
pendapatan dalam rupiah, produktivitas voiume produksi,
rentabilitas, clan sebagainya. Namun angka rasio ini ala batasnya,
yaitu nol. Untuk mereka yang menjawab "Nol" berarti tidak ada 59
barangnya atau tidak ada karakteristiknya. Hal ini dapat
digambarkan dengan satuan-satuan yang dapat dihitung kuantitas
unitnya. 3.7.2. Skala Interval
Skala interval digunakan untuk mengukur tingkat atau derajat
panasdingin, suhu udara, clan jarak. Untuk tingkat panas dingin
misalnya sekian derajat Celcius atau Fahrenheit. Untuk
panjang-pendek digunakan ukuran km, m, dm, atau rnm. Dapat juga
digunakan untuk mengukur usia, misalnya berapa usia masing subyek
yang diteliti sejak tgl. 17 Agustusl945? Untuk mengukur waktu,
misalnya berapa lama kamu menunggu sejak jam 06.00 tadi? Dengan
rnenggunakan skala ini selisih angka 4 dan 5, yaitu 1, akan sama
jaraknya dengan angka manapun yang diperbandingkan asal selisihnya
1. jarak antara 10 m clan 20 m akan sama dengan jarak antara 1 100
m dengan 1 1 10 m. selisih atau jarak satu unit ke atas akan sama
dengan satu unit ke bawah. 3.7.3. Skala Ordinal Skala ordinal
digunakan untuk mengukur perbedaan kualitas atau kuantitas yang
tidak dapat diketahui berapa unit selisihnya, tetapi diketahui
perbedaannya bahwa yang satu lebih tinggi atau lebih rendah dari
yang lainnya dalam ha1 kualit& atau kuantitas. Angka yang
digunakan dalam skala ordinal itu hanya menunjukkan perbedaan
tingkat, perbedaan derajat, perbehi jenjang, atau selisihnya dalam
kuantitas (dalam satuan), mana yang lebih tinggi clan mana yang
lebih rendah. Skala ordinal biasanya digunakan untuk mengukur
tingkat kepuasan keija, tingkat motivasi, tingkat keinginan,
tingkat sikap, tingkat haus, tingkat lapar, tingkat cinta, tingkat
perasaan, clan sebagainya yang tidak kasatmata (tidak tampak).
Misalnya kita bertanya kepada 5eberapa onng "Seberapa besar cintamu
kepada tanah-air?" Ada lima jawaban yang berbeda secara 60
kualitatif, tetapi tidak dapat diketahui berapa jarak perbedaan
atau selisih jika dinyatakan dalam satuan : (1) sama sekali tidak
cinta. (2) tidak cinta, (3) nctral, (4) cinta, dan (5) cinta
sekali. juga pertanyaan, misalnya "Seberapa sering engkau
berkunjung ke orangtuamu tahun in-1 ?Tang
dapat dijawab dengan perbedaan kualitatif jawaban : (1) tidak
jarang, (4)
pemah, (2) jarang sekali, (3)
kadang-kadang, (5) agak sering, (6) sering, (7) seringkali, (8)
selalu. Dari contotl ini jika angkaangkz 1, 2, 3,4, 5, 6, 7 dan 8
itu digunakan sebagai skor (nilai), maka perbedaan satu unit ke
atas dan ke bawah tidak dapat diketahui seberapa besar selisihnya
dalam satuan kuantitas. Skala ordinal digunakan untuk menilai
perbedaan dalam jenjang, tingkat, atau derajat seperti halnya
seorang guru SLTA yang menilai sesuatu mata pelajaran yang termuat
dalam raport muridnyn. Jika digunakan dengan garis kontinum skala
(nilai) ordinal itu dapat digambarkan lebih kurang dalam bentuk
berikut. 3.7.4. Skala Nominal Skala nominal pada dasarnya bukan
untuk mengukur, melainkan untuk membedakan secara kategori. Angka
ini digunakan untuk mewakili kategori, kelompok atau subyek sebagai
pengganti sebukn atau nama kategorinya, kelompoknya, golongannya,
keyakinannya dan sebagainya. Misalnya "Apa agama yang anda anut?"
Jawablah : angka 1 = Islam, angka 2 Katolik, angka 3 = Protestan,
angka 4 = Hindu, dan angka 5 = Buda". "Pria atau wanita?" Jawablah
: angka 1 = Wanita, dan angka 2 = Pria. Jika angka-angka ini
dijumlahkan tidak ada artinya sama sekali. misalnya 1 + 2 = 3,
apakah Islam ditambah Katolik menjadi Protestan? Tidak. Anda suka
makan nasi apa ? 1 = nasi goreng, 2 = nasi gudeg, 3 = nasi uduk, 4
= nasi langgi, clan 5 = nasi liwet. Jika 1 + 2 = 3 tidak akan
menjadi nasi uduk. Angka-angka itu hanya mewakili 61 nama
semata-mata. Jika digunakan angka nol, maka angka no[-pun ada
artinya, yaitu ada kategori yang diwakili.
Misalnya 0 = pria, sedangkan 1 = wanita. Penggunaan skala yang
mana yang akan diterapkan dalam mengukur variabel itu perlu
cliketahui clan dipertimbangkan masak-masak, karena akan menentukan
instrumen pengumpulan data dan alat analisisnya. Berbeda skala ukur
yang digunakan akan berbeda pula instrumen pengumpulan data Jan
alat analisis yang digunakan. Disamping itu hams diingat bahwa
psneliti juga tidak mungkin menentukan sendiri skala yang hams
digunakan jika datanya sudah 'given' harus seperti itu. Misalnya
jenis kelamin, mau tidak mau skala ymg digunakan adalah skala
nominal. Demikian juga untuk agama, ras, golongan, kebangsaan, clan
sebagainya, yang sifatnya kategori. Untuk mengukur variabel
motivasi, sikap, tingkat lapar, cinta dan yang sejenisnya ini
peneliti juga tidak dapat menggunakan skala rasio atau iiiterval,
melainkan hanya dapat menggunakan skala ordinal atau nominal. Untuk
panas atau jarak, peneliti hanya dapat menggunakan tiga pilihan
skala, skala interval, skala ordinal, atau skala nominal. Yang luas
pilihannya ialah jika variabelnya itu dapat diukur dengan skala
rasio. 3.8. Data clan teknik Pengumpulan Data 3.8.1. Jenis Data
clan Pengukuran Data adalah bentuk jamak dari kata datum (bahasa
latin) yang berarti karunia atau pemberian. Secara definitif data
dapat diartikan sebagai kumpulan angka, fakta, fenomena atau
keadaan yang merupakan hasil pengamatan, pengukuran atau pencacahan
terhadap karakteristik atau sifat obyek, yang dapat berfungsi untuk
membedakan obyek yang satu dengan lainnya pada sifat yang sama.
(Sukesi, 2002: 2). Data yang dapat dipergunakan datam penelitian
hanyalah data yang b2ik, yaitu yang memenuhi syarat : validitas
clan reliabilitas. 62
3.8.1.1 Berdasarkan sifat kekontinyuitasannya Berdasar sifat
kekontinyuitasannya data dapat dibagi menjadi dua (Solimun, 2003:
5), yaitu : data diskrit clan data kontinyu. 1) Data diskrit adalah
data yang hanya dapat menempati titik-titik tertentu pada sebuah
garis bilangan. Misal : jumlah anak = 0 1 2 3 4 5 6 7 8 9 10 0 1 2
3 4 5 6 7 Fi
+..........+.........+..........+..........+..........+..........+..........+.........
+.......+ 2) Data kontinyu adalah data yang dapat menempati seluruh
titik pada sebuah garis bilangan. Misal : data pendapatan = mulai
Rp 100 sarnpai dengan Rp 2.000.000 100 2.000.000
+++++++++++++++++++++++++++++++++++++++++++++++++++++ 3.8.1.2.
Berdasarkan skala ukurannya Data dapat dibagi menjadi empat, yaitu
: data nominal, data ordinal, data interval clan data rasio. ( 1 )
Data nominal Adalah data yang hanya rnengandung unsur penamaan (
bahasa laitin nomos = nama ). Statistika adalah pendekatan
kwantitatif, sehingga data nominal yang bersifat kwalitatif harus
dirubah menjadi bentuk nurnerik dengan cara pemberian skor.
Perhatikan : pemberian skor pada dat nominal bersifat sembarang,
yaitu hanya sekedar untuk dapat membedakan (penamaan saja) sehingga
dapat dibolak-balik. 63 Tabel 3.1. Variabel dalam Skala Ordinal
Variabel Skor yang mungkin
PT CV Perorangan (2) Data Ordinal
1 2 3
32 21 13
Adalah data yang selain mengandung unsure penamaan, juga
mengandung unsure urutan (order = urutan). Tabel 3.2. Variabel
Sikap dalam Skala Ordinal Variabel Sikap Skor yang mungkin Sangat
Setuju Setuju Kurang Setuju Tidak Setuju
Perhatikan : pada data nominal skor tersebut dapat dibuat
sembarang, hanya sekedar untuk membedakan. Tetapi pada data
ordinal, urutan angka . .
dalam skor menunjukkan arah tingkatan. Pada data ordinal, urutan
angka dalam skor menunjukkan arah tingkatan. Pada ordinal
intervalnya tidak bermakna. Missal : selisih antara skor 4 dan 2
adalah 2, clan selisih antara skor 3 clan 1 juga 2; dimana nilai 2
dan 2 tersebut mempunyai makna yang tidak sama. 64 (3) Data
interval
Selain mengandung unsur penamaan clan urutan, juga memiliki
sifat interval (selang) nya bermakna. Disamping itu data ini
memiliki ciri-ciri angka nolo-nya tidak mutlak. Tabel 3.3. Variabel
Indeks Prestasi clan Suhu dalam Skala Interval Variabel Indeks
Prestasi 0 1 2 3 4 Variabel Suhu (C) 0 10 20 30 40
Perhatikan : Nilai nol pada skala ini tidak mempunyai nilai yang
mutlak. Misal saseorang yang Variabel Indeks Prestasi yang
mempunyai I P = 4 tidak berarti bahwa kepandaiannya = 2 X fP 2. (4)
Data rasio Data yang memiliki unsure penamaan, urutan, intervalnya
bermakna clan angka nol nya mutlak; sehingga rasionya mempunyai
makna Tabel 3.4 Variabel Pendapatan & Panjang Jalan Skala Rasio
Variabel Pendapatan (Rp) 21 45 70 65 Variabel Panjang Man (Km) 120
140 160
Disebutnya No1 nya mutlak, karena pendapatan no1 = tidak
mempunyai pendapatan. Rasionya bermakna, sebab jarak 120 Km = 2 X
jarak 60 Krn. 3.8.1.3. Berdasarkan Sumberya Berdasarkan sumbernya
clan mana data tersebut diperoleh, data dibedaka menjadi
(Djanwanto, 200 1 : 2 1 0) : 1) Data Intern Yaitu data yang
dikumpulkan dari dalam lembaga itu sendiri clan digunakan untuk
kepentingan internal lembaga tersebut. (2) Data extern Yaitu data
yang dikurnpulkan dari luar lembaga tersebut, misal : dari
pelanggan, para supplier, jurnal-jurnal atau dari lembaga lain yang
tersedia. 3.8.1.4. Berdasarkan cara memperolehnya Berdasarkan dari
cara memperolehnya, data dapat dibedakan menjadi : (1 ) Data prrmer
Yaitu data yang dikumpulkan sendiri oleh suatu lembaga 1 orang yang
melakukan kegiatan penelitian. (2) Data sekunder Yaitu data yang
diperoleh dari pihak lain yang telah mengumpulkan terlebih dahulu
clan menerbitkamya. 3.8.1.5. Berdasarkansi Sifatnya (1 ) Data
quantitative Yaitu data yang dapat dinyatakan dengan angka-angka. r
66 (2) Data qualitative
Yaitu data yang didapat dari suatu observasi yang bukan
merupakan angkaangka tetapi dinyatakan dalam suatu
kategori-kategori. 3.8.1.6. Berdasarkan waktu memperolehnya (1)
Data cross section Yaitu data yang dikurnpulkan dalam satu periode
saja terhadap satu atau beberapa obyek penelitian. (2) Dala trme
serres Yaitu data yang dikumpulkan selama beberapa periode dengan
tujuan untuk mengetahui arah perubahannya. (3) Data Pooling
Gabungan dari data crosssectron dan data time series. 3.8.2. Cara
Pengumpulan Data Setelah peneliti menetapkan populasi dan sarnpel
yang akan digunakan dalam proses penelitian, maka langkah
berikutnya adalah mengumpulkan data dari orang-orang (responden)
atau obyek (ingat bahwa sampel tidak mesti orang) yang telah
ditetapkan sebagai sampel tersebut. Data dalam pengertian disini
adalah sejumlah informasi-informasi mengenai karakterlstik dari
suatu obyek (orang atau benda) untuk keperluan penelitian. Walaupun
terdapat sejumlah klasifikasi data yang dilakukan oleh para ahli,
namun secara umum data yang tersedia bagi seorang peneliti menjadi
dua sumber, yaitu: data primer (primary data) dan data sekunder
(secondary data). Data primer adalah data yang secara khusus
dikumpulkan untuk kebutuhan riset yang sedang berjalrtn. Data ini
dikumpulkan sccara langsung maupun tidak langsung dari peneliti.
Sedangkan data sekunder merupakan data yang 67
dikumpulkan secara langsung maupun tidak langsung oleh peneliti.
Sedangkan data sekunder merupakan data yang dikumpulkan tidak hanya
untuk keperluan suatu riset tertentu saja. Data ini telah diku,
npulkan oleh pihak lain clan peneliti merupakan pihak kedua yang
menggunakan data tersebut. Data primer clan data sekunder memiliki
beberapa perbedaan. Perbedaan antara kedua jenis data tersebut,
dapat ditinjau berdasarkan pada empat kriteria, yGitu: (1) tujuan
pengumpulan data; (2) proses pengumpulan; (3) biaya yang
dibutuhkan, dan (4) waktu. Tujuan utama dari pengumpulan data
primer adalah untuk keperluan riset yang sedang berlangsung,
sementara data sekunder oleh karena yang mengumpulkan data bukan
pihak yang terkait langsung dengan penelitian yang sedang berjalan
maka kegunaan data tersebut biasanya tidak hanya untuk satu
penelitian saja. Dalam proses pengumpulannya, data primer relatif
lebih sulit dilakukan dibanding data sekunder yang prosesnya cepat
clan mudah. Untuk memperoleh data primer, peneliti perlu
menyediakan biaya clan waktu yang banyak dibandingkan dengan
apabila peneliti mencoba memperoleh data sekunder. Kedua jenis data
itu memiliki keunggulan clan kelemahan yang harus di pertimbangkan
oleh perieliti. 3.8.2.1. Metode Pengumpulan Data Sekunder Seperti
telah dijelaskan di atas bahwa data sekunder mempunyai beberapa
keuntungan dibandiagkan dengan data primer. Data sekunder relatif
mudah, murah sekalipun ini sangat subyektif clan cepat diperoleh.
Walaupun terdapat keunggulan-keunggulan dalam data sekunder,
peneliti juga harus dapat menentukan apakah data sekunder itu cukup
akurat untuk sasaran proyek riset yang sedang dilakukan.
Keterbatasan utama dari data sekunder adalah bagaimana mengevaluasi
akurasi data. Faktor-faktor yaug ikut menipengan-hi akurasi data
itu sendiri
68 dapat berupa kesalahan dalam penarikan sampel, pengumpulan
data, analisis dan pelaporan hasil riset. Kesalahan-kesaiahan
tersebut akan bisa dievaluasi apabila penelitian langsung
berpartisipasi secara aktif. Sumber utarna dari sekunder dapat
diklasifikasikan menjadi dua macam, yaitu 1) data internal
sekunder, dan 2) data eksternal sekunder. Data internal sekunder
merupakan data yang tersedia di dalam organisasi di mana penelitian
dilakukan. Sedangkan, data eksternal sekunder merupakan data yang
tersedia di luar organisasi. 1) Data Internal Sekunder Di atas
telah disinggung bahwa data internal diperoleh dari dalam
organisasi itu sendiri. Mengumpulkan data internal merupakan
kegiatan yang biasa d;lakukan oleh berbagai organisasi. Seperti
data biaya penjualan, laporan penjualan bulanan clan harian,
kegiatan promosi clan periklanan, laporan pengembangan riszt produk
baru. Semua ini merupakan sebagian dari sumber data yang biasa
digunakan dalam suatu penelitian. 2) Data Eksternal Sekunder Data
eksternal sekunder dapat diperoleh dari tiga sumber, yaitu : a.
Publikusi. Informasi-informasi yang diperoleh melalui media masa
clan publikasi pemerintah seperti data statistik, hasil sensus,
laporan biro riset, clan lain-lain. b. Dulabcrse (coniputerized
clarabme). tnformasi ini dapat diperoleh melalui on - line maupun o
f line. On-line database terdiri dari pusat bank data yang
dihubungkan dengan suatu komputer (dumb terminal) melalui jaringan
telekomunikasi. Perkembangan pemakaian jaringan internet dewasa ini
membantu para peneliti untuk mempecoleh data secara mudah clan
cepat. Sementara off-line data base membuat informasi tersedia
dalam diskette clan CD Rome. Off-line data ini dapat
69 dihubungkan ke tempat pemakai tanpa menggunakan jaringan
telekomunikasi eksternal. c. Jma pelayanan informasi. Pelayanan
irlformasi ditawarkan oleh organisasi penelitian (research
organization), dimana mereka niengumpulkan dan menjual data
publikasi yang dirancang khusus untuk m--layani kebutuhan informasi
yang diminati oleh perusahaan (klien). 3.8.2.2. Metode Pengumpulan
Data Primer Untuk menguji apakah hipotesis itu diterima atau
ditolak, maka perlu dibuktikan kebenarannya dengan data-data yang
ada di lapangan. Data-data tersebut dikumpulkan dengan metode
tertentu yang disebut dengan teknik pengumpulan data. Selanjutnya
data-data itu dianalisis dan disimpulkan secara induktif. Bila
dilihat dari segi cara atau teknik pengumpulan data, maka metode
dapat dilakukan dengan observasi (pangamatan), survey Masing-masing
metode pengumpulan (wawancara), kuesioner (angket). dijelaskan
sebagai berikut : '!) Observasi (pengamatan) Dalam pengertian yang
sederhana, pencatatan pola perilaku orang, objek dan cara
sistematis untuk mendapatkan informasi yang diminati. Observasi
tidak mengaiukan berkomunikasi dengan yang diobservasi. berdasarkan
kejadiankejadian yang terjadi atau dari lalu. Metode obsemasi dapat
dilakukan secara terstruktur, tersembunyi atau terang-terangan.
tersebut dapat obsemasi meliputi kegiatan kejadian-kejadian dalam
suatu tentang fenomena-fencmena pertanyaan-pertanyaan atau
Informasi hanya dicatat catatsn kejadian masa terstruktur atau
tidak 70
a.
Observasi terstruktur clan tidak terstruktur
Observasi terstruktur, peneliti menetapkan secara rinci apa yang
akan observ,isi dan bagaimana pengukuran akan dicatat, seperti jika
seorang audit melakukan analisa persediaan barang disebuah toko.
Observasi terstruktur sangat tepat jika permasalahan dalam
penelitian telah didefinisikan dengan jelas dan informasi yang
dibutuhkan telnh ditetapkan. Dalarn keadaan ini, rincian
fenomena-fenomena yang diobservasi dapat diidentifikasi dengan
jelas. Observasi terstruktur tepat digunakan untuk riset konklusif.
b. Observasi tersetnbunyi clan terang-terangan
Dalam observasi tersembunyi, responden tidak sadar bahwa
rilereka sedang diamati. Dengan observasi jenis ini memungkinkan
responden berkelakuan secara wajar, sebab orang cenderung untuk
berkelakuan berbeda jika mereka mengetahui sedang di observasi.
Sebagai contoh, observasi mengamati kelompok ibu rumah tangga
berbelanja di supermarket. Untuk mengetahui bagaimana perilaku
mereka berbelanja, makaresponden tidak diberitahu kalau mereka akan
diamati. c. Complete Partisipation
Selain dengan menggunakan cara diatas, peneliti juga bisa
melakukan obsPrvasi dcngan terlibat langsung dalam "kehidupan
fenomena yang diamati" penelitiannya. Misalkan dalarn penelitian
perilaku pembelian disebuah pasar tradisional. Untuk mendapatkan
data perilaku dari orang yang belanja di pasar tersebut, peneliti
ikut berkecimpung di pasar clan ikut dalarn proses belanja
bersama-sama dengan orang lain yang diobservasi. 71 Disamping
pengelompokan jenis observasi seperti yang dijelaskan di atas,
metode observasi juga dapat diklasifikasikan secara administrasi,
yang meliputi :
a. Observasi personal. Observasi ini merupakan sebuah strategi
riset observasi dimana manusia sebagai observer mencatat fenomena
yang diobservasi pada saat kejadian. Observer tidak berusaha atau
memanipulasi fenomena yang diobservasi tetapi mencatat kejadian
yang sedang berlangsung. Seperti, peneliti mencatat alur uang dan
lalu lintas dalarn suatu toko. Informasi ini dapat memberikan suatu
rancangar, lay out dalam suatu toko. b. Observasi mekanikal. Suatu
strategi observasi dengan menggunakan alatalat mekanik, lebih dari
sekedar manusia sebagai observer. Pencatatan fenomena dilakukan
dengan bantuan alat mekanik, seperti robot atau mesin otomatis. c.
Audit. Data riset dikumpulkan dengan pencatatan secara fisik atau
melakukan analisis inventory. Audit dibedakan dalarn dua
keistimewaan. Pertama, data dikumpulkan secara pribadi oleh
peneliti. Kedua, data didasarkan pada perhitungan yang sedang
berlangsung, biasanya obyek fisik. d. Analisis content. Merupakan
sebuah metode yang sangat tepat jika fenomena-fenomena yang
diobservmi adalah lomunikasi, lebih dari sekedar perilaku atau
obyek fisik. Analisis content didefinisikan sebagai sasaran,
sistematis dan garnbaran kuantitatif dari daftar komunikasi.
Unitunit yang dianalisis seperti kata-kata (perbedaan kata-kata
atau tipe kata dalarn sebuah pesan), karakter (individu atau
obyek), ruang dan waktu pengukuran (lama durasi pesan), dan topik
(subyek pesan). Misalkan, peneliti ingin melakukan penelitian
berkenaan dengan isi Man 72 yang ada pada media cetak. Maka
peneliti bisa mendapatkan data dengan membaca setiap Man dari suatu
produk atau perusahaan yang telah dipilih pada media cetak. e.
Analisis trace. Dalam analisis trace, pengumpulan data didasarkan
pada jejak fisik atau pada fakta-fakta perilaku masa lalu.
Pendekatan ini . dilakukan jika pendekatan lain tidak dapat
digunakan. Misalkan peneliti ingin mengetahui pola konsumsi
masyarakat atas minuman dalam
kaleng. Peneliti bisa meminta tolong pemulung atau mengumpullcan
sendiri di tong-tong sampah di depan rumah penduduk dan mencatatnya
berapa jumlah minuman kaleng perhari. Menggunakan observasi sebagai
salah satu metode mengumpulkan data, tidak terlepas dari adanya
kelebihan dan kekurangannya. Mengingat metode atau teknik ini
menuntut adanya kemampuan observer dalam ha1 mernahami dan
sekaligus terampil dalam mencatat setiap fenomena yang terjadi
(obyek). 2) Wawancara Metode wawancara merupakan metode yang
memberi pertanyaan tersiruh kepada sampel dari populasi clan
dirancang untuk memperoleh informasi (data) dari responden.
Beberapa keunggulan dari matode wawancara dapat dirangkum sebagai
berikut : a. pertanyaan yang dibuat mudah dikelola b. data yang
didapatkan reliabel, karena tanggapan dibatasi pada alternatif
pertanyaan. c. dengan menggunakan tanggapan pertanyaan, maka akan
menurunkan variabilitas dalam hasil, yang disebabkan oleh perbedan
pewawancara. d. Coding, analisis dan interpretasi data relatif
sederhana. 73 Untuk melakukan proses wawancara, peneliti dapat
menggunakan tiga kernungkinan berikut sesuai dengan kondisi yang
dihadapi clan jenis data yang diinginkan : a. Wawancara melalui
telepon Setelah sarnpel ditetapkan, maka pewawancara menelpon
sampel kepada mereka. Pewawancara menggunakan kertas pertanyaan dan
mencatat tanggapan-tanggapan yang diberikan oleh responden tersebut
(traditional telephone) b. Wawancara personal
Wawancara personal ini dapat dilakukan dengan tiga cara, yaitu
di rumah, mallintercept atau dibantu komputer. Wawancara di rumah
dilakukan langsung clan bertatap muka di rumah tempat responden
berada. Pewawancara menghubungi responden, mengaju'.;an pertanyaan,
dan mencatat tanggapan mereka. Dalam cam kedua, pewawancara
mencegat responden di Mall atau toko sambil mereka berbelanja.
Pewawancara kemudian di rumah. Keunggulan wawancara ini adalah
lebih efisien, karena responden datang sendiri ke mall atau toko
dan kemudian pewawancara mendatangi responden. Wawancara ini khusus
sangat tepat jika responden dibutuhkan untuk dilihat, ditangani
atau mengkonsumsi produk sebelum mereka memberi informasi yang
berarti. 3) Daftar Pertanyaan Tertulis (questionaire) Questionaire
merupakan kumpulan dari pertanyaan-pertanyaan tertulis untuk
mendapatkan informasi dari para responden. Dalam istilah lain,
kuesioner adalah daftar pernyataan atau pertanyaan yang dikirimkan
kepada responden baik secara langsung atau tidak langsung (melalui
pos, internet atau perantara) untuk memperoleh informasi yang
aibutuhkan. Dua alasan utama mengapa metode kuesioner ini digunakan
adalah : 74 a) memberi motivasi yang tinggi kepada responden untuk
memberikan jawaban yang jlljur dan menghindarkan kejenuhan,
kebosanan, serta ketidakpekaan dari responden, dan b) memperkecil
kesalahan tanggapan, seperti jawaban tidak akurat, jawaban salah
dicatat dan juga salah analisa. 4) Diskusi Kelompok Fokus (Focus
Group Discus) Focus Group Discus (FGD) merupakan salah satu teknik
mengambil atau mengumpulkan data yang biasa digunakan dalam
penelitian kualitatif. Peneliti yang mer.ggunakan FGD sebagai
teknik mengumpulkan data, sebelumnya telah melakukan seleksi
beberapa orang (8 sampai 12 orang) dengan pertimbangan tertentu
mengenai kualitas orangnya, pemahaman terhadap masalah yang akan
diteliti Jan karakteristik personal lainnya. Kemudian orang-orang
yang telah terpilih diajak diskusi mengenai topik yang diteliti
secara santai tapi serius, tidak formal dan diupayakan pada kondisi
yang alami, tidak tegang dan nyarnan. Peneliti bisa menggunakan
moderator satu atau dua orang. Tujuan penggunaan mederator ini
adalah untuk menggali atau memancing respon anggota FGD. Moderator
dalam FGD tidak harus murni sebagai moderator. Modzrator bisa
sekaligus menjadi anggota kelompok diskusi. Untuk menghasilkan data
yang lebih valid, kiasanya FGD direkam dengan alat elektronik.
Kemudian remakan tersebut ditayangkan kembali dan dikaji ulang
dikemudian hari. Dari kajian FGD ini menghasilkan data dan
digunakan untuk menarik kesimpulan penelitian. 3.9. Analisis Data.
3.9.1. Klasifikasi Statistika Sesuai dengan batasan pengertian
statitistil:a, berdasarkan tugas tugasnya : statistika dapat
dibedakan menjadi dua bagian, yaitu : statistik deskriptif dan
statistic inferensial (Djarulanto, 2001: 6,43,64, 89) 75 (1).
Statistik deskriptif Bidang atau bagian ilmu statistik yang
bertugas mempelajari tatacara : pengumpulan, pencatatan, penyusunan
dan penyajian data penelitian dalam bentuk : tabel fiekwensi atau
grafik dan selanjutnya dilakukan pengukuran nilainilai
statistiknya, seperti : mean, median, modus, deviasi standard an
sebagainya. (2). Statistik inferensial
Bidang atau bagian ilmu statistik yang bertugas mempelajari
tatacara penarikan kesimpulan mengenai suatu populasi berdasarkan
data dad sampel per+.elitian. Didalamnya berisi bagaimana cam
membuat estimasi harga parameter, bagaimana cara menguji hipotesis,
bagaimana membUat prediksi hubungan / pengaruh antar variabel dan
perhitungan derajat asosiasi antar variabel-variabel tersebut.
Apabila suatu penelitian dapat menjangkau selUruin elemen
populasinya, maka tidak ada lagi permasalahan tentang bagaimana
memperkirakan harga parameter populasi dan bagaimana menguji
hipotesis tentany parameter popuiasi. Tetapi urnurnnya suatu
penelitian dihadapkan kepaaa kendala : biaya, waktu dan tenaga
sehingga penelitian tersebut hanya menempuh cara survey melalui
penarikan sampel yang diambil dari populasinya. Tujuan dilakukan
statistic inferensial adalah untuk menarik kesimpulan (prediksi)
terhadap populasinya, berdasarkan informasi yang diperoleh dari
sample penelitiar. ( Mendenhall, J. Beaver & M. Beaver, 1996:
6). ,Jadi statistic iferesia! diperlukan karena peneliti tidak
menyelidiki seluruh elemen populasinya, melainkan hanya mendasarkan
penelitian pada sebagian elemen populasi yang disebut dengan
sampel. Oleh karena tujuan dan hakekat penelitian adalah untuk
membuat generalisasi tentang populasi, maka penarikan sampel harus
dilakukan dengan be iar guna memperoleh sampe! yang 76
representatif. Selanjutnya karena suatu penelitian hanya didasarkan
pada pengamatan sampel, maka peneliti tidak dapat menduga harga
parameter populasi dengan pasti clan tidak dapat mengambil
kesimpulan apakah hipotesis tersebut benar atau salah secara
mutlak. Pendugaan harga parameter dan pengujian hiptesis tersebut
diiakukan berdasarkan teori-teori probabilitas yaitu berdasarkan
pada taraf kepercayaan (confidence level) atau taraf signifikansi
tertentu.
Agar penarikan kesimpulan tentang parameter populasi yang
menggunakan data sarnpel dapat mempunyai tingkat akurasi yang
tinggi, maka diperlukan suatu asumsi / persyaratan /
kondisi-kondisi terte,itu, yaitu : bentuk penyebaran populasinya
menyebar secara normal. Statistik inferensial, berdasarkan
distribusi populasinya dapat dibedakan menjadi dua, yaitu statistic
parametrik dan non parametrik. (a). Statistik parametrik Apabila
distribusi populasinya diketahui menyebar secara normal. Penelitian
yang dilakukan dengan metoda ini adalah penelitian yang datanya
dapat diukur (measureable), yaitu yang mempunyai skala interval dan
skala rasio. Syarat lainnya adalah jurnlah sampel penelitian cukup
besar. (b). Statistik non parametrik Apabila distribusi populasinya
tidak dil-etahui / mempunyai bebas sebaran / sembarang ( fee
distribution ). Biasanya berlaku dalam penelitian yang menggunakan
data pecacahan (enumeration data) dengan skala nominal dan skala
ordinal atau jumlah sampel penelitiannya kecil. 3.9.2. Ragam Uji
Statistik Melanjutkan pembahasan pada sub-bab sebelumnya tentang
klasifikasi statistika berdasarkan tugasnya, berikut akan akan
diberikan beberapa contoh 77 ragam uji statistika yang biasa
dipakan pada statistika pararnetrik clan non parametrik (
Djarwanto, 2001: 128,205) : (1). Beberapa uii mda statistika
-arametrik 1. Uji hipotesis tentang mean populasi - sampel besar (
n 1 30 ). 2. Uji hipotesis tentang mean populasi - sampel kecil ( n
< 30 ).
3. Uji hipotesis beda dua mean populasi - sarnpel besar
independent (n1 Z 30 dan n2 >_ 30 ) 4. Uji hpotesis beda dua
mean populasi - ~-arnpel kecil independent ( n1 < 30 dan n2 <
30 ) 5. Uji hipotesis beda dua mean untuk observasi berpasangan. 6.
Uji hipotesis tentang variance 7. Uji hipotesis beda dua variance
8. Uji hipotesis beda banyak mean (analisis variance satu arah) 9.
Uji hipotesis beda banyak mean (analisis variance dua arah) 10.
Analisis regresi sederhana 1 1. Analisis korelasi sederhana 12.
Analisis regresi berganda 13. Analisis regresi berganda dengan
variabel dummy 14. Analisis korelasi berganda (2) Beberapa uji pada
statistika non pararnetrik 1. Uji binomial (termasuk uji tentang
proporsi populasi) 2. Uji jenjang bertanda Wilcoxon (untuk dua
sampel berpasangan) 3. Uji Walsh 4. Uji Chi-square untuk dua
sarnpel independen (uji beda dua proporsi) 5. Uji U dari Mann
Whitney 6. Uji Kolmogorov - Smimov untuk dua sampel independent 7.
Analisis variance dua arah clan Friedman
BAB IV ANALISIS MULTIVARIAT 4.1. Pengertian Multivariat Zikmund
(2000; 464-465), mengatakan bahwa analisis dapat dibagi menjadi
tiga tingkatan berdasarkan variable yang dilibatkan. Apabila hanya
ada satu variabel yang dilibatkan disebut analisis univariat. Kalau
dua variabe! disebut analisis bivariat. Kalau lebih dari dua
variabel, analisis yang dilakukan dinamakan analisis multivariat.
Contoh analisis multivariat ; analisis pengaruh jumlah anggota
keluarga, pendapatan keluarga, clan rata-rata usia anak terhadap
pilihan tempat berlibur. Menurut Heir, et, al., (1998 ; 6)
menyatakan bahwa analisis multivariat tidak sesederhana itu. Untuk
memudahkan pemahaman, secara umum mereka mengartikan bahwa analisis
multivariat adalah metode-metode statistik yang mengelola beberapa
pengukuran menyangkut individu atau obyek sekaligus
(simultaneously). Dengan pengertian ini, analisis multivariat
merupakan perluasan dari analisis univariat clan bivariat. Dalam
regresi (yang merupakan contoh analisis bivariat) kalau variabel
independen (yaitu X) hanya ada satu, analisis yang kita lakukan
disebut regresi sederhana (simple regression). Begitu kita
tambahkan satu lagi variabel independen, variabel yang dianalisis
sekaranq menjadi tiga, yaitu variabel dependen clan dua variabel
independen. Secara otomatis, analisis yang kita lakukan berubah
katagon menjadi analisis multivanat. Dalam regresi memang dapat
diterima bahwa analisis multivariat merupakan perluasan analisis
bivariat. Namun, beberapa teknik muftivariat sama sekali bukan
perluasan analisis bivariat. Contohnya adalah analisis faktor.
Analisis ini aslinya adalah teknik analisis multivariat. Kalau
misalnya, kita libatkan tujuh variabel, kita tidak bisa mengurangi
jumlah variabel menjadi enam, lima
80 sampai satu, sebagaimana dalam stepwise regression. Artinya,
analisis faktor yang sejatinya adalah analisis multivariat tidak
dapat diubah menjadi analisis bivariat, apalagi menjadi analisis
univariat. Dalam regresi, memang kita dapat mengurangi jumlah
variabel sampai diperoleh persamaan yang paling baik. Oleh karena
itu analisis yang awalnya multivariat bisa saja menjadi bivariat.
Tentang apa itu analisis multivariat, belum ada kesepakatan yang
pasti diantara para ahli. Beberapa ahli menyederhanakan pengerfiian
analisis multivariat sebagai hubungan antara (between) atau
diantara (among) lebih dari dua variabel. Para ahli yan lain
menggunakan isitilah itu kalau berbagai variabel (multiple
variables) yang digunakan memiliki distribusi multivariat normal.
Sebetulnya, agar benar-benar multivariat, semua variabel harus
diacak (random), terdapat interelasi sesamanya, dan efek
masing-masing variabel secara sendirisendiri sulit dier.terpretasi.
Beberapa ahli lain mengatakan bahwa tujuan analisis multivariat
adalah mengukur, menerangkan, dan memprediksi tingkat relasi (the
degree of relationship) diantara variat-variat. Jadi, karakter
multivariat tidak sekedar berada pada jumlah variabel atau
observasi yang dilibatkan dalam analisis, tetapi juga pada
kombinasi berganda (multiple combination) antarvariat. Mengambil
ide dari Hair, et.al., pengertian multivariat tidak kaku. Apa saja
bentukbentuk analisis yang menggunakan banyak variabel dan variat
dimasukkan sebagai analsis multivariat. Kuntoro (2003; 1),
menyatakan bahwa para pengguna metode statistik dari berbagai
disiplin ilmu masih cukup banyak yang menggunakan metode statistik
univariat dengan alasan
selain mudah dalam pengoperasian karena cukup dengan bantuan
kalkulator sederhana juga mudah dalam penafsiran hasil analisisnya.
Sebagai contoh adalah analisis statistik dengan menggunakan uji t
untuk data yang berpasangan, uji t untuk dua sampel yang bebas
ataupun anatisis varians sederhana. Dalam perkembangan penafsiran
statistik lebitl lanjut temyata penafsiran hasit anafisis dengan
menggunakan metode statistik univariat kurang memuaskan pengguna di
mana suatu terminologi tidak hisa lagi dinyatakart dengan satu
variabel. Sebagai contoh, seorang ahli ilmu perilaku hanya bisa
membandingkan ada tidak adanya perbedaan rata-rata skor pengetahuan
atau sikap atau prak4ek yang terkait dengan UU Pendidikan Nasional
dari kelompok dosen di Jawa - Bali clan kelompok dosen di Luar Jawa
: Bali dengan cukup merggunakan uji t untuk dua sampel bebas bila
persyaratan terpenuhi. Namun ia tidak bisa membandingkan ada /
tidak adanya perbedaan perilaku dengan anatisis yang sama. Yang
pertama menggunakan analisis univariat karena hanya melibatkan satu
variabel yaitu skor pengetahun atau skor sikap atau skor praklek,
sedangkan yang kedua menggunakan analisis multivariat karena
terminology perilaku mengandung makna muttivariabel tidak hanya
menyangkut pengetahuan, sikap atau praktek secara terpisah tetapi
lebih dari itu. Sudah tenttt yang lebih memahami ada}ah ahli ilmu
perifaku sendiri. Pada umumnya anafisis univariat menggunakan
asumsi bahwa sampei berasal dari populasi yang mempunyai distribusi
normal univariat tertttarrta bita data sampel tersebut
mempunyai skata interval atau ratio. Setanjutnya menggunakan
mode! kurva normal univariat sebagai berikut_ f (x l P.0-') _ 1 I 1
exp (2;r) z (T x - fc)2 luntuk - oo < x < o0
Sedangkan analisis univariat pada umumnya dianggap etcstensi dad
anatisis univariat menggunakan asumsi bahwa sample berasa! dari
populasi $3 Sum of Squares and Sum Product + Residual Sum of
Squares -and Sum Product.. Dalam perkembangan lebih lanjut metode
statistik multivariate tidak hanya terbatas pada contoh di atas_
Dillon (1984) mengatakan baMKa anafisis multivariat berkenaan
dengan hubungan yang serentak di antara variabei (simultaneous
relationship among variables). 4.2. Pembagian Analisis Multivariat
4.2.1. Mode! Dependen
Model ini berkenaan dengan hubungan antara variable dependen dan
variabel independen, bisa keduanya multivariabel, atau salah satu
mukivariabel. (1) Satu variabel dependen dan lebih dari satu
variable Independen. (a) Bila variabel dependen mempunyai skala
ukuran interval atau ratio demikian juga variabel independen yang
multivariabel dan masing-masing mempunyai skala interval atau
ratio, maka analisis yang sesuai adalah " Analisis Regresi Ganda
(Multiple Regression Analysis). (b). Bila variabel dependen
mcmpunyai skala ukurar, nominal yang terdiri dari dua kategori
(sukses-gagal dls.) maka anafisis yang sesuai adalah " Analisis
Regresi Logistik (Logistic Regression Analysis). Di sini variabel
independen yang multivariabel bisa semuanya mempunyai skala
in;erval, ratio, ordinal ataupun nominal, ataupun campuran di
antara empat skala ukuran.
(c) Ada jenis analisis yang dikenal dengan analisis diskriminan
(Discriminant Analysis) yang nampaknya ada kemiripan dengan model
analisis regresi di tnana variable dependen dinyatakan dengan skor
diskriman, (d) sedangkan pada model analisis regresi, variabel
dependen dinyatakan dengan simbol y sebagai hasil prediksi dad
sejumlah variable independen. Hal ini berbeda dengan model analisis
diskrminan yang lebih menitik beratkan ke teknik pengelompokan
yaitu dengan mencari kombi nas i Ji .P+ er variable independen
(variabel diskriminator) mana saja yang b'tsa mengelompokkan
individu menjadi dua kelompok, tiga kelompok dan lain
sebagainya.
pupyai skala . interval atau ratio sedangkan variabel independen
hanya satu dengan skala ukuran nominal. (a). Yang bisa terdiri dari
dua kategori (dua kelompok) atau lebih dari dua kategori (lebih
dari dua kefompok).Dalam kondisi demikian analisis yang sesuai
adalah Malisis Varian Muttivariat (Multivariate Ana'ysis of
Variance = MANOVA), (b). Bila variabel independen terdiri dari dua
kategori (dua kelompok), anatisis statistik yang sesuai adalah "
Hotelling's T ", bila lebih dari dua kategori (kelompok), analisis
statistic yang sesuai adalali " Wilks' lambda ". (c). Bila variabel
dependen mempunyai skala nominal sedangkati variabet independen
mempunyai skaia interval atau ratio selanjutnya kita mencari
kombinasi linier di antara sejumlah variabel independen yang
mempunyai korelasi yang kuat dengan kombinasi linier dari sejumlah
variabet dependen maka analisis yang sesuai adalah Analisis
Korelasi Kanonikat (Canonical Correlation Analysis). 4.2.2. Model
lnterdependen
Dalam model ini tidak dibedakan mana yang variabel dependen dan
mana yang variabel independen, keduanya saling interdependensi.
Bila kesemua variabel mempunyai skala interval atau ratio maka ada
empat jenis analt.4is yang bisa digunakan. E5 a. Analisis Komponen
utama (Principal Component Analysis) merupakari teknik untuk
mereduksi variabel dengan menyusun kombinasi linier variabel asai
sehingga jumlahnya lebih sedikit yang satu sama lainnya menjadi
orthogonal (independent). Ini salah satu cara untuk mengatasi
adanya kolinientas antara variable independen pada anatisis
regresi, b. Analisis Faktor (Factor Analysis) juga merupakan teknik
untuk mereduksi variabel menjadi faktor yang merupakan kumpulan
variabel. c. Penskalaan Muttidimensi Metrik (Metric Multidimension
Scating) adalah teknik matematik yang memungkinkan seseorang untuk
menyajikan kedekatan atau kemiripan (proximity or similarity)
antara obyek secara meruang (spatia!) sebagaimana dalam suatu peta.
Jadi intii;ya adalah memetakan obyek dalam ruang muftidimensi
sedemikian rupa sehingga posisi relatif di suatu ruang mencerminkan
derajad kemiripan antara obyek. d. Analisis Rumpun (Cluster
Analysis) merupakan teknik untuk mernduksi data sehingga menjadi
kelompok yang lebih kecil sedemikian rupa sehingga elemen yang
berada di dalam satu rumpun mempunyai kemiripan yang tinggi
dibandingkan dengan elemen lain yang berada di rumpun lain.
Penggunaannya sering dikacaukan dengan analisis diskriminan. Pada
analisis diskriminan penentuan jumlah kelompok (dua atau lebih dari
dua ) dilakukan dari awal, sedangkan pada analisis rumpun hasi!
akhir adalah memperoleh sejumlah rumpun atas dasar kemiripan
(similarity),
e. Bila kesemua variabel mempunyai skala nominal maka anatisis
yang sesuai adaiah model log linier (Loglinear Moden. Dengan model
ini bisa dipelajari antar hubungan muttivariabel yang mempuyai
skala nominal yang membentuk tabel kontigensi multidimensional
(Multidimensional Contigency Table). Model log linier menyatakan
probabilitas se! dari tabel kontigensi 86 multidimensional dalam
bentuk efek utama (main effect) dan efek interraksi (interaction
effect). Datam hal model, model log linier ada kemiripan dengan
analisis varian dua arah. Ada jenis analisis multivariat yaitu
tidak masufc sketika yang dkemukakan oleh Dillon. Sebagai contoh
adalah (1) Analisis Regresi Ordinal (Ordinal Regression Analysis)
dimana variabel dependen maupun variabel independen mempunyai skala
ukuran ordinal. (2) Analisis Regresi Polikhotomus (Potychotomous
Regression Analysis), kalau pada regresi logistik, respon pada
variable dependen adalah dikhotomus (sukses atau gagal), namun pada
regresi ini responden pada variabe! dependen adalah polikhotomus
(amat berat, berat, ringan, amat ringan dls.) (3) Analisis Regresi
Poisson (Poisson Regression Analysis) dimana variabet dependen y
mengikuti distribusi Poisson dengan mean N sedernikian rupa sehmgga
: fli' exp-PI ~y (.v~ ~ ~~ ) -riitnarta i = 1,2,3 ........... n (4)
Anaiisis Jalur (Path analysis) semula dikembangkan oleh Sewatf
Wr4ght (1934) di mana ia mengembangkan suatu metode untuk membantu
dalam mempefajari efek langsung dan tak langsung dari variabef, di
mana beberapa variable dipandang sebagai penyebab dari variabel
yang
lain yang dipandang sebagai akibat. Analisis ini akan diuraikan
lebih luas dalam topik khusus Analisis Jalur beserta penerapan
dengan menggunakan program LISREL Gambar 9.1. Skema Metode
Statistik Mul6variat Metode Multivariat
a isis kanonikal Gambar 4.1. Skema Metode Statistik Multivariat
Sumber : Dasar-Dasar Analisis Multivariat (Kuntora, 2003 ; 8) 4.3.
Analisis Faktor Confirmatory 4.3.1. Analisis Faktor (Eksploratori)
Wibowo ( 2003; 1) menyatakan bawa analisis Faktor merupakan salah
satu tehnik analisis statistik Muftivariat, dengan titik berat yang
diminati adalah hubungan secara bersama pada semua variabel tanpa
membedakan variabel tergantung dan variabel bebas atau disebut
sebagai metoda antar ketergantungan (lntedependence Methods).
Analisis faktor merupakan suatu tehnik untuk mereduksi data. Proses
analisis faktor mencoba menemukan hubungan antar variabel yang
saling
independen tersebut, sehingga bisa dibuat satu atau beberapa
kumpulan variabel yang lebih sedikit dari jumlah variabel awal. 88
Sebagai contoh, jika semula ada 10 variabel (X) yang saling
indepeildo, dengan analisis faktor mungkin bisa diringkas hanya
menjadi 3 kumpulan variabel baru yang selanjutnya kumpulan variabel
baru tersebut dikenal sebagai faktor. Pada analisis faktor ini
menitik beratkan pada bagian variasi total dimarra variabel
tertentu berkontribusi dengan variabel lain yang membentuk suatu
himpunan atau faktor. Pada analisis faktor yang selanjutnya di
beberapa twku diistifahkan dengan analisis faktor exploratory,
peneliti tidak mempunyai pengetahuan teori atau suatu hipotesis
yang menyusun struktur faktor-faktomya, dengan demikian pada
analisis faktor exploratory merupakan tehnik untuk membantu
membangun teori. Faktor merupakan variabel baru yang bersifat
unobservable atau variabel latent atau variabel konstnrks atau ada
yang menyebut variabel non visible, karena sifatnya yaitu variabei
tersebut tidak (dapat) diukur atau diamati secara langsung oleh
penetiti, tetapi merupakan hasi! kumpulan dari beberapa ukuran atau
beberapa pengamatan atau beberapa indikator, sedangkan variabel X
merupakan variabel yang dapat diukur atau diamati, sehingga disebut
sebagai Observable vanable atau variabef manifest atau indikator.
Tahapan-tahapan yang digunakan pada Analisis Faktor adalah menilai
apakah semua variabel tersebut layak untuk dianalisis atau tidak,
apabila tidak layak maka variabel ini tidak diikutkan pada analisis
selanjutnya, apabita variabet - variabel tersebut layak maka akan
dilakukan analisis selanjutnya. Pada tahap ke dua ini variabel -
variabel yang layak ini dilakukan faktoring atau reduksi data
dengan jalan variabel yang ada diekstraksi sehingga terbentuk satu
atau beberapa kumpulan variabel baru atau
dikenal sebagai faktor yang dapat mewakili variabel-variabel
anggota faktor tersebut. Pada langkah selanjutriya setelah faktomya
terbentuk diiakukan validasi data. Salaft satu tujuare Oa5 va9idasi
tersebut adalah apakah hasit analisis fa4ctor tersebut dapat
digennraRwi 89 ke populasi. Sehingga setelah terbentuk faktor
tersebut, maka penetiti 3h. mempunyai
suatu hipotesis baru berdasarican analisis factor confirmatory,
analisis factor ini dapat di analisis dengan bantuan komputer,
diantaranya SAS ataupun SPSS. Untuk proses validasi tersebut ada
beberapa macam cara, misalnya dengan metode Analisis Faktor
Confinnatory dengan cara Sfivctural Equation Modeling yang bisa
dibantu dengan software LISREL. 4.3.2. Analisis Faktor Konfirmatori
Pada Analisis Faktor confirmatory, peneliti secara apriori telah
dapat membuat atau membangun suatu hipotesis berdasarkan konsep l
teori dengart faktor struktumya. Sebagai contoh faktor stnrktur
digambarkan di bawah ini
Gambar 4.2. Model Confirmatory Untuk Faktor Eksetens Sumber ;
Pengantar Analysis Faktor Confirmatory (Wibowo, 2003 ; 2) Eksetens
dihipotesiskan sebagai faktor umum (merupakan variabel latent l
unobservable) dengan delapan subdimensi atau subfaktor.
Masing-masing subdimensi diukur
oteh masing-masing indikator merupakan variabet manifes atau
variabel observable atau variabel pang dapat diukur atau diamati
secara langsung oleh peneliti). Variabel Ekselens tersebut bersifat
unobsLhiable, sehingga perlu dikembangkan indikator sebagai
pengukumya. Untuk mengukur Variabel Ekselens tersebut dikembangkan
8 indikator S1 s/d. Sa. Satu indikator hanya mengukur untuk satu
faktor saja, sedangkan satu faktor bisa terdiri dari beberapa
indikator. Variabel sub dimensi atau sub Faktor (S) bisa disebut
sebagai variable laten tingkat pertama, dan variabet Ekselens
merupakan variabel laten tingkat ke dua. Disebutkan seluruh faktor
yang lengkap dengan masing-masing indikatomya dan the nature of the
pattern loading adalah a priori yang spesifik. Perm asalahannya.
apakah benar indicator Si sld. Ss merupakan alat pengukur faktor
Ekselens yang valid dan reliable. Untuk itu periu konfirmasi lebih
lanju#, yaitu memeriksa validitas dan relibilitasnya. Hal ini dapat
dilakukan dengan analisis faktor sehinyga dinamakan Analisis Faktor
Konfirmatori. Jadi pada prinsipnya hanya melakukan konfirmasi
berdasarkan teori atau konsep. Pada Analisis Factor exploratory
pada umumnya menagunakan matriks korelasi untuk estimasi faktor
struktumya sebab anatisis factor dikembangkan untuk menjelaskan
korelasi diantara variable. Pada model analisis factor
confirmatory, adafah skala invariant, dan koretasi diantara
variable. Pada model analisis factor confirmatory, adalah skala
invariant, dan korelasi atau matriks kovarians bisa digunakan,
tetapi secara teori pada umumnya menggunakan prosedur maksimum
Likelihood, maka direkomendasikan model Analisis Faktor
confirmatory menggunakan matriks ko-varians. 4.3.3. Model Satu
Faktor
Diasumsikan bahwa p = 2 artinya, berdasarkan modal satu faktor
dengan dua indicator, maka x. _ A, ~ + b, 9i ; x2 ~ A2 ~ + &z
Matriks Ko-varians, 2; antar variable
U
2 1 07 2 2 J
diasumsikan varians dari faktor laten, ~ adalah satu, error term
8 dan latent construct adalah unorrelated, dan error term
uncorrelated satu dengan lainnya, varians dan kovarians dari
indikator adalah : cs1- _ A , . + V (81) ; 62- - Az, + V (8,) a,, =
a21 =.i.,A2
Pada persamaan A,, A2, V (d,), dan V (,5z), adalah parameter
model, vektor 8 berisi parameter model 6 = [A,, A2 V (S,), dan V
(S2), dengan matriks kovarians + v(bi )~.,2 L. (~ A) ~, A 2 4 + V(
' 52 ) Mesiipakan vektor 6 , dengan catatan masing-masing vektor
parameter akan disimpulkan dalam matriks kovarians unique.
Serdasarkan persamaan diatas, bila indikator ada 3 dengan asumsi
p=3 maka model persamaan parameter dari matriks kovarians adalah +
V(tSt ); UZ = ~ -{- V( .52 ); 63 = r~ -f- V( 453 ) or, 2 = At
A2or
., - " 1 " 3 ;
0'
23 - A2 " 3
Pada p=3 tersebut di atas didapatkan 6 persamaan dan 6 parameter
yang dapat diestimasi. Pada persamaan dengan 4 indikator artinya
p=4, maka persamaan matriks kovarians untuk parameter model adalah
0 11 _07
"12
+= ~ + V( S2 ); Q3+ V(v3 ); 64 = 4 + =~ V0S4 )
1
V( 61 ) ; ~z - ; 013
- a 27 A 3; 0 C - 2 " 3 ; 0'2 4 - " 7" ~4 14 ' h ' 4+ ~2 -
23
Ada 4 model indikator adalah overidentified sebagai 10 persamaan
dan 8 parameter yang
dapat diestimasikan. Persamaan yang overidentifying adalah
derajat bebas untuk hipotesis testing, pada kasus model 4 indikator
mempunyai 2 92 derajat bebas. Pada model p-indikator, maka akan
didapatkan, p(p=+9)12 - q derajat bebas, dengan q adalah jumlah
parameter yang dapat diestimasikan. 4.3.4. Pada Model dua Faktor
dengan Correlated Coizstrcrct Mengikuti persamaan sebelumnya,
persamaan Model dua Faktor adalah x, _ ~, ~, + a, X3 = ).3 ~3 + 63
X4 = .14 ~4 + & x2 = )2 ~~2 + 62
Simbol pada model dua faktor x,, dan xz adalah indikator l; , ,
x3 dan x,, adalah indikator ~z. Mengikuti persamaan hubungan antara
model parameter dan elemen matriks covarians adalah Or'z= A1z+ V
(a1). (Fz z = A2 2( 62); ~ Q3 2 ` A3 2+V ( b3), (T14 - A1 M Y' Q42`
M2 +V ( 64), Q34 - ),3 M Y' (Y'2- A1 A2 t 713 = Al A3 ~Uz3= Az
~3
924 = A2 114
adalah covarians antara dua construct latent Ada 10 persamaan
dan 9 parameter yang dapat diestimasi. 4.3.5. Obyektif yang bisa
didapat dari Analisis Faktor Confirmatory Menunjukkan matriks
kovarians dari sampel untuk mengestimasikan parameter dari mode!
faktor yang telah dihipotesiskan, dan menentukan mode) faktor yang
paling fit, yaitu dengan estimasi yang paling dekat dari matriks
kovarians E ke matriks kovarians sampel S, program ini bisa
dianatisis menggunakan LISREL (Linear Structural Relations)_
Interpretasi pada output LISREL 1. 2. 3. 4. Informasi Model dan
Parameter. Estimasi Awal. Evaluasi Model yang paling fit. Eva,'uasi
Estimasi Paramater dan Estimasi Faktor Model.
5. Perubahan Model (Model Respecification). Ada beberapa uji
statistik yang digunakan untuk menunjukkan model sudah fit atau
tidak, di antaranya menggunakan XZ test dan Ukuran heuristic dari
mode! yang fit. X2 test menggunakan hipotesis statistik Ho: E =
E(9) dan H, : E # E (A) Ho ditotak bila p< a , artinya bila Ho
ditolak adalah secara statistik faktor model tidak fit dengan
data.
Beberapa ukuran lain yang dapat digunakan untuk ukuran model
yang fit adalah Goodess of fit Indexs (GFl), dan Adjusted Goodness
nf fit Index (AGFt). Berapa kriteria untuk ukuran bahwa model cukup
fit dengan data, dikatakan ukuran kriteria GFI bahwa model cukup
fit bila lebih dari 0,9, sedangkan ukuran AGFI bahwa model cukup
fit dengan data bila lebih dari 0,8. Pada LISREL, ukuran untuk
menunjukkan model fit dengan data ada beberapa selain di atas
misalnya Root Mean Square Residual (RMSR) . Apabila Faktor modef
tidak fit dengan data maka analisis akan berhenti, tetapi apabila
faktor mode! cukup fit maka tahap selanjutnya adalah evatuasi dan
interpretasi paramater estimasi dari model, tetapi bila model tidak
cukup fit maka evaluasinya adalah mengapa data itu tidak fit. Untuk
evaluasi parameter, tingkat signifikansi digunakan pendekatan ke
distrusi t, parameter tersebut akan siginifikan artinya bahwa
parameter tersebut bisa masuk ke dalam model, apabila p < a ,
artinya bila Ho ditolak adplah secara statistik parameter tesebut
dapat masuk ke dalam model. 93 Apabila faktor model tidak fit
dengan data, bagaimana se.tenjuthyt, apakah model tersebut dapat
dimodifikasi ?. Pada LISREL dapat menunjukkan sejumlah ukuran yang
membantu mengidentifikasi data yang tidak fit tersebut, dengan
menggunakan teori dasar, maka model dapat diubah, hall ini disebut
sebagai Model Respecijcation. Contoh hasil Oulput (LISREL)
Faktor-faktor yang mcmpengaruiu penjualan 0.63 Layout -____ 0,03
F(engkap t 0,93 8ersih 1,00 Harga ~\ ,5s
mosi ----G.35 ~ - ; 0,78 Image 0,67
0,30 1,00 1,00
Gambar 4.3. Pendugaan Parameter F1 clan FIE Variabel Laten FI
(Faktor Internal) terdiri dari Varizbel Layout (tata letak barang),
Lengkap (kelengkapan barang yang dijual) clan Bersih (kebersihan
toko). Variabel Laten FE (Faktor Ekstemal) terdiri dari variabel
Harga (harga barang), Promosi, clan Image (persepsi pelanggan).
Dari Faktor Internal nienunjukkan bahwa parameter yang
menghubungkan FI dengan Layout clan Bersih relatif kecil yaitu 0,15
dan 0,3. (Nilai Parameternya lebih besar nilai parameter dari panah
yang di sebelah kiri yaitu 0,63 dan 0.93). Artinya ada variabel
lain yang tidak masuk mode! tetapi mempengaruhi variabel Layout
clan variabel Bersih yang koefisien Parameter lebih besar
dibandingkan koefisien Parameter untuk mendukung Faktor
Intemal.
Apakah variabel Layout clan variabel Bersih secara signifikan
bisa sebaga! tndikator FI ? Hal ini bisa dilihat apakah nilai
parameter tersebut signifikan atau 95 tidak, apabila tidak
signifikan artinya bahwa variabel Layout clan variabel Ber,-Ah
tidak valid untuk mengukur Faktor Internal. Selanjutnya dilihat
hasil tingkat signifikansi dengan menggunakan uji t seperti
terlihat gambar 3. 3.03 Layout Fl 1.95 6,25 Bersih 5,52 5.09 4.13 _
_ FE Promosi - a~ _ _; 1,00 Lo.,o L--- 4,35 1,00 0,09 Lengkap
--=
Gambar 4. 4 : Tingkat Signifikansi Parameter FI dan FE Hasil uji
t untuk pendugaan parameter temyata benar bahwa hasil sigifikansi
menunjukkan variabel Layout clan Bersih tidak signifikan (pada
komputer akan terlihat warna merah atau bila dicocokkan dengan
table t dengan a = 0,05 dengan derajat bebas n-1) sehingga variabel
tersebut bisa dikatakan bahwa ke dua variabel bukan indikator untuk
Faktor Internal. Untuk Faktor eksternal semua Parameternya
Inenunjukkan hasil yang signifikan artinya variabel (Harga, Promosi
dan Image) tersebut bisa sebagai indikator t=aktor Eksternal.
Bila dilihat dari Model menunjukkan Chi-Square > 0,05 artinya
model tersebut sudah fit. 4.4. Analisis Jalur (Path Analysis)
4.4.1. Analisis Jalur Sebagai Alat Penguji Model Wibowo (2003;1)
menyatakan bahwa analisis sebagai metode untuk mempelajari pengaruh
(erek) secara langsung dan seeara tidak langsung dari variabel
bebas terhadap variabel ter5antung. AnaCsis ini Jalur dikembangkan
merupakan salah satu pitihan dalam rangka mempelajari
keterganturg2M sejumlah variabel di dalam model. Analisis ini
merupakan metade yang baik untuk menerangkan apabila terdapat
seperangkat data yang besar untuk dianalisis dan mencari hubungan
kausal. Analisis Jalur digunakan untuk menelaah hubungan antara
model kausal yang telah dirumuskan peneliti atas dasar pertimbangan
teoritis dan pengetahuan tertentu. Hubungan kausal selain
didasarkan pada data, juga didasarkan pada pengetahuan, penrmusan
hipotesis dan analisis togis, sehingga dapat dikatakan analisis
jalur dapat digunakan untuk menguji seperangkat hipotesis kausal
serta untuk menafsirkan hubungan tersebut. Analisis Jatur merupakan
suatu analisis yang dikembangkan oleh Sewai Wright, seorang ahli
Genetika pada tahun 1921, tetapi mulai dikenal setelah di
perkenalkan oleh Duncan dalam literatur Sosiologi, dan banyak
digunakan dalam memecahkan masalah yang dihadapi dalam bidang ilmu
sosial tersebut. 4.4.1.1. Persyaratan pada Analisis Jalur Pada
Analisis Jalur ada beberapa persyaratan yang harus dipenuhi yaitu :
1.1. Hubungan antar variabel di dalam model adalah linier artinya
perubahan yang terjadi pada variabel adalah menrpakan furtgsi
perubahan linier dari variabel lainnya yang bersifat kausal.
1.2. Variabel yang diamati mempunyai sifat aditif artinya
variabel yang mempunyai sifat multiplikatif dan eksponensial tidak
dapat dipergunakan. 1.3. Variabel sisa tidak berkorelasi dengan
variabet yang sesudahnya (variaber regresi lainnya). 1.4. Variabel
yarig diukur berskala interval atau rasio.
4.4.1.2. Diagram Jalur Sebagai Model Kausal Suatu diagram jalur
akan sangat membantu di dalar-i menganalisis dan
menginterpretasikan hubungan yang dihipotesiskan. Oleh karena
itu sebelum menganalisis jalur tersebut, peneliti sudah mempunyai
teori atau hipotesis terlebih dahulu terhadap model atau diagram
jalumya. Berpikir secara kausal dan menyusun suatu diagram berarah
merupakan cerminan proses kausal yang akan mempermudah penafsiran
dan penginterpretasian terhadap hipotesis yang diajukan. Di dalam
menyusun model kausal masalah yang sering dihadapi adalah
menetapkan variabel mana di dalam model yang merupakan variabel
bebas dan variabel tergantungnya. Urutan dalam menyusun model
tersebut harus disusun berdasarkan teori atau hipotesis yang benar.
(Pendekatan tersebut bisa disebut pendekatan pada konsep
Konfirmatori). Dalam model kausal dibedakan antara variabel
eksogenus dan variabel endogenus. Variabel eksoge:ius adalah
variabe! yang keragamannya tidak dipengaruhi oleh penyebab di dalam
sistim. Variabel ini tidak dapat ditetapkan hubungan kausalnya.
Variabel ini kita tetapkan sebagai variabet pemula yang memberi
efek kepada variabel lain. Variabel ini tidak diperhitungkan jumlah
sisanya (disturbance), meskipun sebenamya juga mempunyai sisa /
error, sedangkan
