RESEARCH METHODS FOR BUSINESS

Disusun Oleh :

KHULDIA
A012221078

MAGISTER MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS HASANUDDIN MAKASSAR
2022
 Measurement Of Variables: Operational Definition
Pengukuran variabel dalam kerangka teoritis merupakan bagian integral dari penelitian
variabel yang harus diukur dengan cara tertentu agar kita dapat menguji hipotesis dan
menemukan jawaban atas persoalan penelitian.
1. Bagaimana Mengukur Variabel
Sejumlah objek dapat diukur dengan mudah dengan instrumen standar seperti Panjang
atau lebar seperti luas lantai, dengan menggunakan mistar. Variabel tertentu juga dapat
diukur dengan menggunakan instrumen yang tepat, contoh venomena fisiologis dengan
manusia,seperti tekanan darah, detak jantung suhu tubuh dan lain lain.
Tetapi jika kita memasuki dunia perasaan, sikap dan persepsi subjektif manusia pengukuran
variabel tersebut menjadi lebih sulit.
Setidaknya Ada 2 jenis variabel:
1. Bisa diukur secara objektif dan tepat
2. Samar samar dan tidak bisa diukur secara akurat karena sifatnya abstrak dan subjektif
2. Operasionalisasi Variabel
Meskipun kurangnya alat pengukur fisik untuk mengukur variabel yang lebih samar,
ada cara untuk memanfaatkan jenis variabel ini. Salah satu tekniknya adalah dengan
mereduksi gagasan atau konsep abstrak ini menjadi perilaku yang dapat diamati dan/atau
karakteristik. Dengan kata lain, gagasan abstrak dipecah menjadi perilaku atau karakteristik
yang dapat diamati. Misalnya, konsep haus adalah abstrak; kita tidak bisa melihatnya.
Namun, kami mengharapkan orang yang haus untuk minum banyak cairan. Dengan kata
lain, reaksi yang diharapkan orang terhadap rasa haus adalah meminum cairan. Jika
beberapa orang mengatakan mereka haus, maka kita dapat menentukan tingkat kehausan
masing-masing individu dengan ukuran jumlah cairan yang mereka minum untuk
memuaskan dahaga mereka. Dengan demikian kita akan dapat mengukur tingkat kehausan
mereka, meskipun konsep kehausan itu sendiri abstrak dan samarsamar. Pengurangan
konsep abstrak untuk menjadikannya terukur dengan cara yang nyata disebut
mengoperasionalkan konsep-konsep.
Operasionalisasi dilakukan dengan melihat dimensi perilaku, segi, atau sifat yang
dilambangkan dengan konsep. Ini kemudian diterjemahkan ke dalam elemen yang dapat
diamati dan diukur sehingga dapat mengembangkan indeks pengukuran konsep.
Mengoperasionalkan sebuah konsep melibatkan serangkaian langkah. Langkah pertama
adalah membuat definisi konstruk yang ingin Anda ukur. Kemudian, perlu dipikirkan isi
dari ukuran tersebut; yaitu, instrumen (satu atau lebih item atau pertanyaan) yang benar-
benar mengukur konsep yang ingin diukur harus dikembangkan. Selanjutnya, format
 respons (misalnya skala penilaian tujuh poin dengan titik akhir yang ditambatkan oleh
"sanga tidak setuju" dan "sangat setuju") diperlukan, dan akhirnya, validitas dan reliabilitas
skala pengukuran harus dinilai.
3. Definisi Operasional: Dimensi dan Elemen
Mengoperasionalkan atau secara operasional mendefinisikan suatu konsep untuk
membuatnya bisa diukur, dilakukan dengan melihat pada dimensi prilaku, aspek, atau sifat
yang ditunjukkan oleh konsep, hal itu kemudian diterjemahkan ke dalam elemen yang dapat
diamati dan dikur sehingga menghasilkan suatu indeks pengukuran konsep.
4. Mengoperasionalkan Konsep (Multidimensi) Dari Motivasi Berprestasi
Misalkan kita tertarik untuk membangun hubungan antara gender dan motivasi
berprestasi. Untuk menguji hubungan ini kita harus mengukur keduanya jenis kelamin dan
motivasi berprestasi. Pada titik ini, Anda mungkin akan mengerti bahwa pengukuran
gender tidak akan menimbulkan masalah, pengukuran motivasi berprestasi mungkin akan
terjadi, karena konstruk yang terakhir bersifat abstrak dan bersifat subjektif. Untuk alasan
ini kita harus menyimpulkan motivasi berprestasi dengan mengukur dimensi, aspek, atau
karakteristik perilaku yang kita harapkan untuk menemukan pada orang-orang dengan
motivasi berprestasi tinggi. Memang, tanpa mengukur dimensi, aspek, atau karakteristik ini
yang tidak akan dapat kita capai pernyataan garis bawah tentang hubungan antara gender
dan prestasi motivasi.
Buku Pegangan Pengukuran Organisasi oleh Price dan Mueller (1986), menyediakan
gambaran lengkap skala pengukuran yang telah muncul di literatur akademik. Buku
pegangan ini membantu Anda menentukan apakah skala pengukuran ada dan, jika ada lebih
dari satu skala pengukuran, untuk membuat pilihan logis antara langkah-langkah yang
tersedia. Penggunaan yang ada skala pengukuran memiliki beberapa keunggulan. Pertama,
ini menghemat banyak waktu dan energi. Kedua, memungkinkan Anda untuk
memverifikasi temuan orang lain dan untuk membangun di karya orang lain (ini sangat
penting dalam penelitian ilmiah tetapi tidak mungkin jika Anda gunakan langkah-langkah
yang berbeda dari yang digunakan pendahulu kita!). Oleh karena itu, jika Anda ingin
mengukur sesuatu, lihat apakah itu telah diukur sebelumnya dan kemudian gunakan ukuran
ini (sesuaikan dengan kebutuhan spesifik Anda kapan pun diperlukan). Memastikan bahwa
Anda mendokumentasikan penggunaan skala pengukuran yang ada dengan benar.
5. Dimensi Dan Unsur Motivasi Berprestasi
Mari kita coba mengoperasionalkan “motivasi berprestasi”, sebuah konsep yang
menarik untuk pendidik, manajer, dan siswa. Apa dimensi perilaku, aspek, atau
karakteristik yang akan kita harapkan untuk ditemukan pada orang dengan motivasi
berprestasi tinggi?
Dengan demikian, kami mengharapkan mereka yang memiliki motivasi berprestasi
tinggi untuk mengemudi diri mereka sendiri bekerja keras, sulit untuk bersantai, lebih suka
bekerja sendiri, terlibat dalam pekerjaan yang menantang, tetapi tidak terlalu menantang,
dan mencari umpan balik. Meskipun melanggar konsep ke dalam lima dimensi ini agak
 mengurangi tingkat abstraksi, kami masih belum mengoperasionalkan konsep menjadi
terukur elemen perilaku. Ini dapat dilakukan dengan memeriksa masingmasing dari lima
dimensi dan memecah masing-masing lebih jauh menjadi elemen-elemennya, sehingga
menggambarkan pola perilaku aktual yang akan ditampilkan. Ini entah bagaimana
seharusnya terukur secara kuantitatif sehingga kita dapat membedakan mereka yang
memiliki motivasi dari mereka yang kurang.
6. Elemen Dimensi 1
Adalah mungkin untuk menggambarkan perilaku seseorang yang didorong oleh
pekerjaan. Misalnya seseorang akan (1) berada di tempat kerja sepanjang waktu, (2) enggan
mengambil cuti dari bekerja, dan (3) bertahan bahkan dalam menghadapi beberapa
kemunduran. Jenis-jenis ini perilaku meminjamkan diri untuk pengukuran. Misalnya, kita
dapat menghitung jumlah jam karyawan terlibat dalam kegiatan yang berhubungan dengan
pekerjaan selama jam kerja, di luar jam kerja di tempat kerja, dan di rumah, di mana mereka
cenderung mengejar tugas mereka yang belum selesai. Jadi, jumlah jam yang digunakan di
oleh mereka pada pekerjaan mereka adalah indeks sejauh mana pekerjaan "mendorong"
mereka.
7. Elemen Dimensi 2
Tingkat keengganan untuk bersantai dapat diukur dengan menanyakan kepada orang-
orang seperti pertanyaan sebagai:
1. Seberapa sering Anda memikirkan pekerjaan saat Anda jauh dari tempat kerja?
2. Apa hobimu?
3. Bagaimana Anda menghabiskan waktu Anda ketika Anda jauh dari tempat kerja?
Mereka yang bisa santai akan menunjukkan bahwa mereka umumnya tidak berpikir tentang
pekerjaan atau tempat kerja saat di rumah, bahwa mereka menghabiskan waktu untuk hobi,
terlibat dalam kegiatan waktu luang, dan menghabiskan waktu bangun mereka bersama
keluarga atau dalam kegiatan sosial atau budaya lainnya.
8. Elemen Dimensi 3
Individu dengan motivasi berprestasi tinggi tidak memiliki kesabaran dengan
ketidakefektifan orang lain dan enggan bekerja dengan orang lain. Sedangkan motivasi
berprestasi orang-orang dalam organisasi mungkin memiliki peringkat yang sangat tinggi
dalam perilaku ini kecenderungan, mungkin ada orang lain yang tidak memiliki motivasi
berprestasi tinggi. Yang terakhir mungkin sama sekali tidak memikirkan ketidakefektifan
baik dalam diri mereka sendiri atau orang lain, dan mungkin cukup bersedia untuk bekerja
dengan hampir semua orang. Jadi, ketidaksabaran dengan ketidakefektifan juga dapat
diukur dengan mengamati perilaku.
9. Elemen dimensi 4
Ukuran seberapa bersemangatnya orang dalam mencari pekerjaan yang menantang
dapat diperoleh dengan menanyakan kepada karyawan jenis pekerjaan apa yang mereka
 sukai. Sejumlah pekerjaan yang berbeda deskripsi dapat disajikan - beberapa pekerjaan
yang memerlukan pekerjaan stereotip yang bersifat rutin, dan yang lain dengan gradasi
tantangan yang ada di dalamnya. Preferensi karyawan untuk berbagai jenis pekerjaan
kemudian dapat ditempatkan pada kontinum mulai dari mereka yang lebih menyukai
pekerjaan yang cukup rutin hingga mereka yang lebih menyukai pekerjaan dengan
peningkatan tantangan yang progresif. Mereka yang memilih gelar menengah tantangan
cenderung lebih termotivasi untuk berprestasi daripada mereka yang memilih tingkat
tantangan yang lebih rendah atau lebih tinggi. Individu yang berorientasi pada prestasi
cenderung realistis dan memilih pekerjaan yang cukup menantang dan dalam jangkauan
pencapaian.
10. Elemen Dimensi 5
Mereka yang menginginkan umpan balik mencarinya dari atasan, rekan kerja, dan
kadang-kadang bahkan dari bawahan mereka. Mereka ingin tahu pendapat orang lain
tentang seberapa baik kinerja mereka. Umpan balik, baik positif maupun negatif,
menunjukkan untuk mereka berapa banyak yang mereka capai dan capai. Jika mereka
menerima pesan yang menyarankan perlunya perbaikan, mereka akan menindaklanjutinya.
Oleh karena itu, mereka terus mencari umpan balik dari beberapa sumber. Dengan melacak
seberapa sering individu mencari umpan balik dari orang lain selama periode waktu tertentu
- katakanlah, selama beberapa bulan - karyawan dapat kembali ditempatkan pada kontinum
mulai dari mereka yang mencari umpan balik yang luas dari semua sumber kepada mereka
yang tidak pernah mencari umpan balik dari siapa pun setiap saat.
Mengoperasionalkan konsep, bagaimanapun, adalah cara terbaik untuk mengukurnya.
Namun, sebenarnya mengamati dan menghitung berapa kali individu berperilaku dengan
cara tertentu, bahkan jika praktis, akan terlalu melelahkan dan memakan waktu
mengkonsumsi. Jadi, alih-alih benar-benar mengamati perilaku individu, kita bisa meminta
mereka untuk melaporkan pola perilaku mereka sendiri dengan meminta mereka pantas
pertanyaan, yang dapat mereka tanggapi pada beberapa skala (peringkat) yang kami
berikan. Dalam contoh berikut kita akan melihat jenis pertanyaan yang mungkin ditanyakan
untuk memanfaatkan motivasi berprestasi.
11. Dimensi Operasionalisasi Internasional
Dalam melakukan penelitian transnasional, penting untuk diingat bahwa variabel
memiliki arti dan konotasi yang berbeda dalam budaya yang berbeda. Untuk Misalnya,
istilah "cinta" tunduk pada beberapa interpretasi dalam budaya yang berbeda dan memiliki
setidaknya 20 interpretasi berbeda di beberapa negara. Demikian juga, konsep
"pengetahuan" disamakan dengan "jnana" di beberapa budaya Timur dan ditafsirkan
sebagai “perwujudan dari Yang Maha Kuasa.
 Measurement: scaling, reliability, validity

1. SKALA
Skala (scale) adalah suatu instrument atau mekanisme untuk membedakan individu dalam
hal terkait variabel minat yang kita pelajari. Skala atau instrument bisa menjadi sesuatu
yang mentah (gross) dalam pengertian bahwa hal tersebut hanya akan mengategorikan
individu secara luas pada variable tertentu, atau menjadi instrumen yang disetel dengan
baik yang akan membedakan individu pada variable dengan tingkat kerumitan yang
bervariasi. empat tipe skala dasar :
1. Skala Nominal
Skala yang memungkinkan seorang peneliti untk menempatkan subjek pada kategori atau
kelompok tertentu. Contoh gender, suku, agama dll
2. Skala Ordinal
Memungkinkan seorang peneliti untuk mengurutkan kedalam beberapa cara. Contoh
peringkat kualitas, status pekerjaan, peringkat tim dalam turnamen, peringkat-urutan
pemenang, tingkat kebahagian, tingkat kepuasan pelanggan, dan lain sebagainya.
3. Skala Interval
Skala interval digunakan untuk menetapkan selisih atau kesenjangan dan besaran pada
setiap faktor, punya jarak tertentu. Singkatnya besaran ini dimanfaatkan untuk mengukur
atau menyatakan peringkat yang tidak absolut, karena hanya dijadikan sebagai patokan
Memungkinkan seorang peneliti melakukan operasi aritmatika tertentu terhadap data yang
dikumpulkan dari responden contoh derajat Celsius, farenhet
4. Skala Rasio
adalah skala data dengan kualitas paling tinggi. Pada skala rasio, terdapat semua
karakteristik skala nominal, ordinal dan skala interval ditambah dengan sifat adanya nilai
nol yang bersifat mutlak. Nilai nol mutlak ini artinya adalah nilai dasar yang tidak bisa
diubah meskipun menggunakan skala yang lain. Pada skala ratio, pengukuran sudah
mempunyai nilai perbandingan/rasio. berat dan tinggi badan seseorang

Tinjauan Skala

Empat skala yang dapat diterapkan pada pengukuran variabel adalah skala nominal,
ordinal,interval dan rasio. Skala nominal menyoroti perbedaan dengan mengklasifikasikan
objek atau orang kedalam kelompok dan menyediakan informasi yang paling sedikit
mengenai variabel. Skala ordinal memberikan beberapa informasi tambahan dengan
mengurutkan tingkatan kategori skala nominal. Skala interval tidak hanya mengurutkan,
namun juga memberi kita informasi besaran perbedaan dalam variabel.Skala rasio tidak
hanya menunjukkan besaran perbedaan, tetapi juga proporsinya. Terdapat dua kategori
utama skala sikap yaitu skala peringkat dan skala ranking. Skala peringkat memiliki
beberapa kategori respons dan digunakan untuk mendapatkan respons yang terkait dengan
 objek,peristiwa atau orang yang dipelajari. Skala ranking membuat perbandingan antar
objek, peristiwa, atau orang dan mengungkap pilihan yang lebih disukai dan merankingnya

Skala Peringkat sering dipakai dalam penelitian organisasional,contohnya:

- Skala dikotomi
digunakan untuk memperoleh jawaban Ya atau Tidak.
- Skala Likert
didesain untuk menelaah seberapa kuat subjek setuju atau tidak setuju dengan pernyataan
pada skala 5 titik.
- Skala Diferensial Semantik
Beberapa atribut berkutub dua (bipolar) diidentifikasi pada skala ekstrem, dan responden
diminta untuk menunjukkan sikap mereka pada hal yang bisa disebut sebagai jarak
semantik (semantic space) terhadap individu, objek atau kejadian tertentu pada masing-
masing atribut.
- Skala Numerikal
Mirip dengan skala diferensial semantik, dengan perbedaan dalam hal nomor pada skala 5
titik atau 7 titik disediakan dengan kata sifat berkutub dua padaujung keduanya. Ini juga
merupakan skala interval.
- Skala Peringkat Terperinci.
Pada skala peringkat terperinci (itemized rating scale), skala 5 titik atau 7
titik dengan titikpanduan atau jangkar (anchor), sesuai keperluan, disediakan untuk
tiap item dan responden menyatakan nomor yang tepat di sebelah masing-masing
item, atau melingkari nomor yang relevan untuk tiap item.
- Skala Jumlah Konstan atau Tetap
Disini responden diminta untuk mendistribusikan sejumlah poin yang diberikan ke
berbagai item. Skala jumlah konstan atau tetap (fixed or constan sum scale)lebih bersifat
skala ordinal (ordinal scale).
- Skala Stapel
Secara simultan mengukur arah dan intensitas sikap terhadap item yang
dipelajari.Karakteristik minat terhadap studi ditempatkan di bagian tengah dengan jarak
skala numerik. Skala ini memberikan ide mengenai seberap dekat atau jauh respons
individu terhadap stimulus,sebagaimana ditunjukkan dalam contoh berikut. Karena skala
ini tidak memiliki titik nol absolut,skala ini adalah skala interval.
- Skala Peringkat Grafik
Gambaran grafis membantu responden untuk menunjukkan pada skala peringkat grafik
(graphicrating scale) jawaban mereka untuk pertanyaan tertentu dengan menempatkan
tanda pada titik yang tepat pada garis.
- Skala Konsensus
Skala juga dibuat berdasarkan konsensus, di mana panel juri memilih item tertentu,
mengukur konsep yang menurut mereka relevan. Item dipilih terutama berdasarkan
ketepatan atau relevansinya dengan konsep. Skala konsensus (consensus scale) tersebut
dibuat setelah item terpilih diperiksa dan diuji validitas dan keandalannya.
 Skala Lainnya
Contohnya seperti penskalaan multidimensional dimana objek, orang atau keduanya
diskalakan secara visual dan dilakukan analisis gabungan. Hal tersebut memberikan
gambar visual mengenai hubungan yang ada di antara dimensi sebuah konsep.

Skala Ranking digunakan untuk mengungkap preferensi antara dua atau lebih objek atau
item. Metode alternatif yang dipakai adalah:
- Perbandingan berpasangan
Digunakan ketika diantara sejumlah kecil objek, responden diminta untuk memilih antara
dua objek pada satu waktu. Hal ini membantu untuk menilai preferensi.
Pilihan yang Diharuskan: Memungkinkan responden untuk merangking objek secara
relative satu sama lain, di antara alternative yang disedikan.
- Skala Komparatif :Memberikan standar (benchmark) atau poin referensi untuk menilai
sikap terhadap objek, kejadian, atau situasi saat ini yang diteliti.

Ketepatan pengukuran
Dapat dilakukan dengan menggunakan analisis item terhadap respons atas pertanyaan yang
mengungkap variabel dam kemudian keandalan dan validitas ukuran.

Analisis Item
Analisis item dilakukan untuk melihat apakah item dalam instrument memang sudah
seharusnya berada dalam instrument atau tidak untuk membedakan subjek yang total
skornya tinggi dan yang rendah.

2. KEANDALAN

Keandalan memperlihatkan penelitian bebas dari kesalahan sehingga menjamin

pengukuran yang konsisten. Keandalan merupakan indikasi mengenai stabilitas dan
konsistensi di mana instrument mengurup konsep dengan menekankan pada:
1. Stabilitas pengukuran, yakni kemampuan suatu pengukuran untuk tetap sama sepanjang
waktu meskipun terdapat kondisi yang tidak dapat dikontrol.
2. Keandalan tes ulang, yakni diperoleh dengan pengulangan ukuran yang sama pada
kesempatan kedua.
3. Keandalan bentuk pararel, yakni diperoleh jika respons terhadap dua tes serupa yang
mengungkap ide yang sama menunjukkan korelasi yang tinggi.
4. Konsistensi ukuran internal, merupakan indikasi homogenitas item dalam ukuran yang
mengungkap ide.
5. Keandalan Konsistensi Antar-Item, merupakan pengujian konsistensi jawaban
responden atas semua item yan diukur.
6. Keandalan Belah Dua, mencerminkan korelasi antara dua bagian instrument.
3. VALIDITAS
Adalah pendalaman persoalan otentisitas hubungan sebab dan akibat dan
generalisasinya untuk lingkungan eksternal. Ada beberapa jenis uji validitas yang
digunakan untuk menguji ketepatan yakni:

a. Validitas isi yaitu memastikan bahwa pengukuran memasukkan sekumpulan item yang
memadai dan mewakili dalam mengungkap konsep;
b. Validitas berdasarkan kriteria yaitu terpenuhi jika pengukuran membedakan individu
menurut suatu kriteria yang diharapkan diprediksi;
c. Validitas konsep yaitu menunjukkan seberapa baik hasil yang diperoleh dari
penggunaan ukuran cocok dengan teori yang mendasari desain tes. Hal tersebut dapat
dinilai melalui validitas konvergen dan validitas diskriminan.

Secara umum, jenis-jenis validitas sebagai berikut :

Validitas Deskripsi
Validitas isi apakah pengukuran benar-benar mengukur konsep ?
apakah para ahli mengesahkan bahwa instrument mengukur
Validitas muka
apa yang seharusnya diukur
Validitas
apakah pengukuran membedakan cara yang membantu
berdasarkan
memprediksi criteria variabel
criteria
Validitas apakah pengukuran membedakan cara yang membantu
konkuren memprediksi criteria saat ini ?
Validitas apakah pengukuran membedakan individual dalam
prediktif membantu memprediksi di masa depan ?
Validitas
apakah instrument menyediakan konsep sebagai teori ?
Konsep
Validitas apakah dua instrument mengukur konsep dengan korelasi
konvergen yang tinggi ?
apakah pengukuran memiliki korelasi rendah dengan
Validitas variabel
diskriminan yang diperkirakan tidak ada hubungannya dengan variable
tersebut ?
 DATA COLLECTION METHODS

Tiga metode pengumpulan data utama dalam penelitian survei adalah wawancara,
pengamatan, dan pengelolaan kuesioner. Sumber informasi dan cara di mana data
dikumpulkan dan dapat memberikan perbedaan besar untuk efektivitas proyek penelitian.
Pertama-tama kita akan menelaah sumber-sumber data dan kemudian mendiskusikan
wawancara dan pengujian proyektif yaitu sebagai berikut:

1. Sumber Data
Data dapat diperoleh dari sumber-sumber primer atau sekunder. Data primer merujuk
pada informasi yangdiperoleh langsung oleh peneliti pada variabel menarik untuk tujuan
khusus penelitian. Data sekunder mengacu pada informasi yang dikumpulkan dari
sumbersumber yang sudah ada. Beberapa contoh sumber data primer adalah individu,
diskusi kelompok terarah, panel responden yang secara khusus dibentuk oleh peneliti dan
dari siapa opini dapat dicari pada isu-isu tertentu dari waktu ke waktu, atau beberapa
sumber tidak mengganggu seperti tempat sampah. Data juga dapat diperoleh dari sumber-
sumber sekunder, misalnya, catatan perusahaan atau arsip, publikasi pemerintah, analisis
industri yang ditawarkan oleh media, website, internet, dan sebagainya. Dalam beberapa
kasus, lingkungan atau pengaturan tertentu dan peristiwa yang mungkin menjadi sumber
data, misalnya, mempelajari tata letak tanaman. Pertama-tama kita akan menganalisa empat
sumber utama data primer - individu, diskusi kelompok terarah, panel, dan unobtrusive
method.
1.1 Sumber Data Primer/Utama
Individu memberikan informasi ketika melakukan wawancara, memberikan kuesioner, atau
pengamatan. Wawancara mendalam terhadap kelompok, atau diskusi kelompok yang
terarah, adalah sumber lain yang kaya akan data primer.
a. Diskusi Kelompok Terarah (Focus Groups)
Fokus grup biasanya terdiri dari delapan sampai sepuluh anggota dengan moderator
memimpin diskusi selama dua jam pada topik, konsep, atau produk tertentu. Umumnya
anggota dipilih berdasarkan keahlian mereka dalam topik di mana informasi yang dicari.
Bagian yang terarah ditujukan untuk memperoleh perhatian, interpretasi, dan opini
responden, sebagai anggota berbicara tentang peristiwa, konsep, produk, atau layanan.
Moderator memainkan peran penting dalam mengarahkan diskusi dengan cara yang
menarik atas informasi yang dicari, dan membuat para anggota tetap pada jalur atau topik
yang didiskusikan.
Fokus diskusi kelompok tentang topik tertentu di lokasi tertentu dan pada waktu tertentu
memberikan kesempatan untuk fleksibilitas, format yang mengalir bebas bagi anggota.
Tanggapan terstruktur dan spontan diharapkan untuk mencerminkan opini, ide, dan
perasaan yang asli atau natural dari para anggota tentang topik yang sedang dibahas.
Kelompok fokus relatif murah dan dapat menyediakan data yang cukup diandalkan dalam
jangka waktu yang singkat. Beberapa hal yang perlu diperhatikan dalam diskusi kelompok
ini adalah :
- Role of The Moderator
Peran moderator yaitu mengarahkan kelompok secara persuasif untuk mendapatkan
semua informasi yang relevan, dan membantu anggota kelompok untuk melewati setiap
jalan buntu yang mungkin terjadi, memastikan bahwa semua anggota berpartisipasi dalam
diskusi dan bahwa tidak ada anggota mendominasi kelompok, dan mengamati proses
diskusi melalui cermin satu-arah, mendengarkan laporan verbal dan memperhatikan isyarat
non-verbal dari anggota.
Sifat data yang diperoleh melalui diskusi kelompok yang terarah atau fokus kelompok
Data yang diperoleh melalui para anggota kelompok yang homogen yang lebih murah dari
yang diperoleh melalui berbagai metode pengumpulan data lainnya, dan juga memberikan
berbagai hal untuk analisis cepat, analisis isi data yang diperoleh hanya menyediakan
informasi kualitatif dan tidak kuantitatif . Juga, karena anggota yang tidak dipilih secara
ilmiah untuk mencerminkan pendapat dari populasi pada umumnya sehingga pendapat
mereka tidak dapat dianggap benar-benar representatif, Namun diskusi kelompok terarah
memberikan fungsi penting yaitu para peneliti terbantu untuk mendapatkan wawasan
berharga dari efek yang semakin membesar dari diskusi.

- Konferensi Video (Videoconferencing)

Jika respon yang berbeda antar daerah diharapkan, beberapa kelompok fokus dapat
dibentuk, termasuk moderator terlatih, di lokasi yang berbeda.
Proses ini mudah difasilitasi melalui video konferensi. Dengan zoom pada anggota tertentu,
isyarat nonverbal dan gerak tubuh individu yang dapat ditangkap, sebagaimana dan ketika
diinginkan. Ini juga meniadakan kebutuhan untuk pengamat melihat melalui satu arah atau
satu sisi.
Singkatnya, diskusi kelompok terarah digunakan untuk:
1. Studi eksplorasi.
2. Membuat generalisasi berdasarkan informasi yang dihasilkan oleh peserta diskusi.
3. Melakukan survei sampel.

b. Panels
Panel sama halnya dengan diskusi kelompok yang terarah, dalam diskusi kelompok terarah
sesi pertemuan kelompok hanya satu waktu, sedangkan pada panel (anggota) bertemu lebih
dari sekali. Dalam kasus di mana efek dari intervensi atau perubahan yang harus diteliti
selama periode waktu tertentu. Individu dipilih secara acak untuk melayani sebagai anggota
panel untuk studi penelitian. Misalnya, jika efek dari iklan yang diusulkan untuk merek
Coffee tertentu yang akan dinilai cepat, para anggota panel bisa diekspos pada iklan dan
 niat mereka membeli merek yang dinilai. Hal ini dapat diambil sebagai respon yang bisa
diharapkan dari konsumen jika pada kenyataannya, mereka telah terpengaruh iklan.
Beberapa bulan kemudian, manajer produk mungkin berpikir memperkenalkan perubahan
rasa dari produk yang sama dan mungkin mengeksplorasi dampaknya pada panel ini.
Hal-hal penting terkait dengan panel yaitu :

- Panel statis dan dinamis

Panel dapat berupa panel statis (yaitu, anggota yang sama melayani dalam panel atas
waktu yang lama) atau panel dinamis (yaitu, anggota panel berubah dari waktu ke waktu
ketika berbagai tahapan penelitian sedang berlangsung).

- he Delphi Technique
Metode peramalan yang menggunakan panel yang secara hati-hati dipilih dari para ahli
secara sistematis, dengan cara interaktif. Para ahli menjawab kuesioner dalam dua atau
lebih putaran.
c. Unobtrusive measures
Unobtrusive measures, atau tindakan menelusuri seperti yang biasanya disebut, berasal dari
sumber primer yang tidak melibatkan orang. Salah satu contoh adalah keausan dari jurnal
di perpustakaan universitas, yang memberikan indikasi yang baik dari popularitas jurnal
tersebut, frekuensi penggunaan, atau keduanya.
1.2 Sumber Data Sekunder
Ada beberapa sumber data sekunder, termasuk buku dan majalah, publikasi
pemerintah tentang indikator ekonomi; Data sensus, statistik abstrak, database, media,
laporan tahunan perusahaan, dll. Sumber data sekunder memberikan banyak informasi
untuk penelitian dan pemecahan masalah. Data tersebut, seperti telah kita lihat, sebagian
besar bersifat kualitatif. Keuntungan dari mencari sumber data sekunder adalah
penghematan waktu dan biaya untuk memperoleh informasi. Namun, data sekunder ketika
menjadi sumber informasi utama, memiliki kelemahan yaitu mulai ditinggalkan, dan tidak
memenuhi kebutuhan khusus dari situasi atau pengaturan tertentu. Oleh karena itu, penting
untuk merujuk pada sumber yang menawarkan informasi terkini dan up-to-date.

2. Metode Pengumpulan Data

Ada beberapa metode pengumpulan data, masing-masing dengan kelebihan dan

kekurangan. Data dapat dikumpulkan dalam berbagai cara, dalam pengaturan yang berbeda
baik di lapangan atau laboratorium dan dari sumber yang berbeda, Metode pengumpulan
data meliputi wawancara (wawancara tatap muka, wawancara telepon, wawancara dengan
bantuan komputer, dan wawancara melalui media elektronik); pengamatan individu dan
peristiwa, dengan atau tanpa rekaman video atau rekaman audio; kuesioner, yang dapat
secara pribadi diberikan, dikirim melalui pos, atau diberikan secara elektronik; dan
berbagai teknik motivasi seperti tes proyektif. Wawancara, mengamati orang dan
fenomena, dan mengelola kuesioner adalah tiga metode pengumpulan data utama dalam
survei penelitian.

2.1 Wawancara

2.1.1 Wawancara terstruktur dan tidak terstruktur (Unstructured and structured

interviews)

Tujuan utama dari wawancara terstruktur adalah untuk mengeksplorasi dan menyelidiki
beberapa factor dalam situasi yang mungkin menjadi pusat ruang lingkup masalah. Selama
proses ini mungkin menjadi jelas bahwa masalah, seperti yang diidentifikasi oleh klien,
hanyalah gejala dari masalah yang lebih serius dan mendalam. Melakukan wawancara
terstruktur dengan banyak orang bisa mengakibatkancidentifikasi beberapa faktor penting
dalam situasi. Ini kemudian akan diupayakan lebih lanjut selama wawancara terstruktur
untuk memunculkan informasi lebih mendalam atas hal tersebut. Hal ini membantu
mengidentifikasi masalah penting serta cara pemecahannya. Dalam penelitian terapan, teori
sementara dari faktor yang berkontribusi terhadap masalah ini sering dikonseptualisasikan
atas dasar informasi yang diperoleh dari wawancara terstruktur dan terstruktur. Hal lain
yang perlu diperhatikan adalah pelatihan pewawancara, beberapa tips untuk diikuti ketika
wawancara, kredibilitas dan hubungan baik, serta motivasi individu untuk menanggapi,
teknik bertanya, pertanyaan tidak bias, mengklarifikasi isu-isu, membantu responden untuk
memikirkan masalah, dan pencatatan.

2.1.2 Melatih Pewawancara

Pewawancara harus diberikan informasi yang lengkap sebelumnya mengenai penelitian dan
diberikan pelatihan mengenai cara untuk memulai wawancara, bagaimana melanjutkan
wawancara dengan pertanyaan, bagaimana memotivasi responden untuk menjawab, apa
yang dicari dari jawabn tersebut, dan bagaimana mengakhiri wawancara. Kiatkiat
melakukan wawancara yang akan dibahas selanjutnya akan menjadi bagian dari kegiatan
wawancara mereka.

2.1.3 Membangun Kredibilitas, Hubungan dan Memotivasi Individu untuk

Merespon

Proyeksi profesionalisme,antusiasme, dan kepercayaan merupakan hal penting bagi

pewawancara. Untuk mendapatkan informasi yang jujut dari responden, peneliti harus
mampu membangun hubungan dan kepercayaan dengan mereka dengan kata lain peneliti
harus membuat mereka nyaman untuk memberikan jawaban yang informatif dan jujur
tanpa rasa takut dengan konsekuensi yang membahayakan.
2.1.4 Teknik Bertanya

a. Teknik corong (Funneling)

Pada awal wawancara tidak terstruktur disarankan mengajukan pertanyaan terbuka untuk
memperoleh ide yang luas dan membentuk kesan tertentu mengenai situasi. Transisi dari
tema yang luas ke tema yang sempit disebut teknik corong.

b. Pertanyaan yang Tidak Bias (Unbiased Questions)

Mengajukan pertanyaan tidak bias untuk memastikan bahwa ada meminimalkan bias dalam
respon merupakan hal penting.

c. Mengklarifikasi persoalan

Untuk memastikan bahwa peneliti memahami persoalan seperti yang responden

ungkapkan, disarankan untuk memparafrasakan atau menyatakan kembali informasi
penting yang diberikan oleh responden.

d. Taking Notes

Ketika melakukan wawancara penting untuk peneliti membuat catatan tertulis saat
wawancara berlangsung atau segera setelah wawancara berakhir. Peneliti sebaiknya tidak
bergantung pada ingatan karena informasi berdasarkan ingatan sering kali tidak teliti dan
tidak tepat.

2.1.5 Wawancara tatap muka dan wawancara telepon

Wawancara dapat dilakukan baik tatap muka atau melalui telepon juga mungkin dengan
bantuan komputer. Meskipun sebagian besar wawancara terstruktur dalam penelitian bisnis
dilakukan dengan tatap muka, wawancara terstruktur mungkin baik dengan tatap muka atau
melalui media telepon, tergantung pada tingkat kompleksitas isu yang terlibat, durasi
kemungkinan wawancara, kenyamanan kedua belah pihak, dan wilayah geografis yang
dicakup oleh survei. Wawancara telepon yang paling cocok ketika informasi dari sejumlah
besar responden yang tersebar di wilayah geografis yang luas yang akan diperoleh dengan
cepat, dan durasi kemungkinan setiap wawancara adalah, katakanlah, sepuluh menit atau
kurang. Banyak survei pasar, misalnya, dilakukan melalui wawancara telepon terstruktur.
Selain itu, wawancara telepon dengan bantuan komputer (CATI) juga mungkin, dan mudah
untuk dikelola.

Keuntungan utama dari wawancara tatap muka atau wawancara langsung adalah
bahwa peneliti dapat beradaptasi dengan pertanyaan yang diperlukan penjelasan atas
keraguan terhadapnya, dan memastikan bahwa tanggapan dipahami dengan baik, dengan
mengulang pertanyaan. Peneliti juga dapat mengambil isyarat nonverbal dari responden.

Kelemahan utama wawancara tatap muka adalah keterbatasan geografis mereka

mungkin memaksakan pada survei dan memerlukan sumber daya yang luas jika survei
tersebut perlu dilakukan secara nasional maupun internasional. Biaya pelatihan
pewawancara untuk meminimalkan pewawancara bias (misalnya, perbedaan dalam metode
bertanya, interpretasi respon) yang tinggi. Kelemahan lain adalah bahwa responden
mungkin merasa gelisah tentang tanggapan mereka ketika mereka berinteraksi tatap muka
dengan pewawancara.

Keuntungan utama dari wawancara telepon, dari pandangan para peneliti, adalah bahwa
sejumlah orang yang berbeda dapat dijangkau (jika perlu, seluruh negara atau bahkan
internasional) dalam waktu yang relatif singkat. Dari sudut pandang responden yaitu
menghilangkan ketidaknyamanan yang mungkin dirasakan dalam menghadapi
pewawancara. Hal ini juga mungkin bahwa sebagian besar dari mereka mungkin merasa
kurang nyaman mengungkapkan informasi pribadi melalui telepon daripada tatap muka.

Kelemahan utama wawancara telepon adalah bahwa responden secara sepihak bias
mengakhiri wawancara tanpa peringatan atau penjelasan, dengan menggantung telepon.
Hal lain yang perlu diperhatikan adalah sumber data bias akan diperoleh ketika responden
diwawancarai sementara mereka sangat sibuk atau tidak dalam humor yang baik.
Tanggapan terhadap isu-isu seperti pemogokan, PHK, atau seperti juga bisa menjadi bias
atau rancu. Kepribadian pewawancara, kalimat pengantar, infleksi suara, dan aspek-aspek
lain yang bisa menimbulkan kebiasan tambahan sangat perlu diperhatikan. Kesadaran dari
banyak sumber bias akan memungkinkan pewawancara untuk memperoleh informasi yang
relatif valid.

2.1.6 Wawancara dengan Bantuan Komputer

Dengan wawancara dibantu komputer (CAI), pertanyaan yang ditampilkan ke layar

komputer dan pewawancara bisa memasukkan jawaban dari responden secara langsung ke
dalam komputer. Akurasi pengumpulan data sangat ditingkatkan karena perangkat lunak
dapat diprogram untuk menandai tanggapan yang "melantur" atau "out-of-range". Software
CAI juga mencegah pewawancara menanyakan pertanyaan yang salah atau dalam urutan
yang salah dari urutan pertanyaan yang secara otomatis menyala untuk ditanyakan ke
responden. Ada dua jenis program wawancara dengan bantuan komputer: CATI
(wawancara telepon yang dibantu komputer) dan CAPI (wawancara pribadi dengan
bantuan komputer).

a. CATI (computer assisted telephone interviewing) digunakan dalam organisasi

penelitan yang bersifat efeektif, karena respon terhadap survey dapat diperoleh dari
orang-orang diseluruh dunia. Computer mempercepat pertanyaan dan bantuan perangkat
lunak dan responden memberikan jawaban. Computer memilih nomor telepon,
menghubungi dan menyimpan respon dalam arsip data kemudian data dianalisis.

b. CAPI (computer assisted personal interviewing) memiliki kelebihan dalam hal dapat
dilakukan sendiri oleh responden yaitu responden dapat menggunakan computer mereka
sendiri untuk menjalankan program setelah mendapatkan perangkat lunak dan
memasukkan respon mereka, sehingga mengurangi kesalahan dalam merekam.
2.1.7 Metode Proyektif

Ide-ide tertentu dan pengalaman yang tidak dapat dengan mudah diucapkan atau yang tetap
pada level bawah sadar dalam pikiran responden biasanya dapat dibawa ke permukaan
melalui motivasi penelitian. Hal ini biasanya dilakukan oleh para profesional terlatih yang
menerapkan teknik menyelidik yang berbeda untuk membawa ide ke permukaan yang
mengakar dari dalam pikiran responden. Teknik yang akrab untuk mengumpulkan data
tersebut adalah asosiasi kata, penyelesaian kalimat, tes apersepsi tematik, tes bercak tinta,
dan sejenisnya.
2.2 Kuesioner

Kuesioner adalah serangkaian pertanyaan tertulis yang telah dirumuskan sebelumnya,

di mana responden mencatat jawaban mereka, biasanya dalam alternatif yang didefinisikan
secara dekat. Kuesioner adalah mekanisme pengumpulan data yang efisien ketika peneliti
tahu persis apa yang dibutuhkan dan bagaimana mengukur variabel yang diminati.
Kuesioner dapat diberikan secara pribadi, dikirimkan kepada responden, atau
didistribusikan secara elektronik.

2.2.1 Kuesioner yang dikelola secara pribadi (Personally administered questionnaires)

Ketika survei terbatas pada area lokal, dan organisasi bersedia dan mampu mengumpulkan
kelompok karyawan untuk menanggapi kuesioner di tempat kerja, cara yang baik untuk
mengumpulkan data adalah dengan mengelola kuesioner secara pribadi. Keuntungan
utama metode ini adalah bahwa peneliti atau anggota tim peneliti dapat mengumpulkan
semua tanggapan lengkap dalam waktu singkat. Keraguan yang mungkin dimiliki
responden atas pertanyaan apa pun dapat diklarifikasi saat itu juga. Peneliti juga diberikan
kesempatan untuk memperkenalkan topik penelitian dan memotivasi responden untuk
memberikan jawaban yang jujur. Mengadministrasikan kuesioner ke sejumlah besar
individu pada saat yang sama lebih murah dan menghabiskan lebih sedikit waktu daripada
wawancara dan tidak memerlukan banyak keterampilan untuk mengelola kuesioner seperti
halnya untuk melakukan wawancara. Jika memungkinkan, kuesioner paling baik diberikan
secara pribadi kepada sekelompok orang karena keuntungan-keuntungan ini. Namun,
organisasi seringkali tidak mampu atau enggan untuk mengizinkan jam kerja dihabiskan
untuk pengumpulan data, dan cara lain untuk mendapatkan kuesioner kembali setelah
selesai mungkin harus ditemukan. Dalam kasus seperti itu, karyawan dapat diberikan
kuesioner kosong untuk dikumpulkan dari mereka secara pribadi setelah diselesaikan
setelah beberapa hari, atau dikirim kembali pada tanggal tertentu dalam amplop bermaterai
yang diberikan kepada mereka untuk tujuan tersebut. Scanner sheet (lembaran jawaban
yang biasanya disediakan untuk menjawab soal pilihan ganda dalam ujian) biasanya
dikirimkan bersama dengan kuesioner, sehingga responden dapat melingkari jawaban
setiap pertanyaan pada lembar tersebut, yang kemudian dapat langsung dimasukkan ke
komputer sebagai data, tanpa seseorang harus membuat kode dan kemudian
memasukkannya secara manual ke dalam komputer. Disk yang berisi pertanyaan juga dapat
dikirim ke responden yang memiliki, dan dapat menggunakan, komputer pribadi.
2.2.2 Kuesioner Surat (mail questionnaires)

Keuntungan utama dari kuesioner surat adalah bahwa wilayah geografis yang luas dapat
dicakup dalam survei. Mereka dikirimkan ke responden, yang dapat menyelesaikannya
dengan nyaman, di rumah mereka, dan dengan kecepatan mereka sendiri. Namun, tingkat
pengembalian kuesioner surat biasanya rendah. Tingkat respons 30% dianggap dapat
diterima.

Kerugian lain dari kuesioner surat adalah bahwa keraguan yang mungkin dimiliki
responden tidak dapat diklarifikasi. Juga, dengan tingkat pengembalian yang sangat rendah,
sulit untuk menetapkan keterwakilan sampel karena mereka yang menanggapi survei
mungkin sama sekali tidak mewakili populasi yang seharusnya. Namun, beberapa teknik
yang efektif dapat digunakan untuk meningkatkan tingkat tanggapan terhadap kuesioner
surat. Mengirim surat tindak lanjut, melampirkan sejumlah uang kecil sebagai insentif
dengan kuesioner, memberikan responden dengan alamat sendiri, amplop kembali dicap,
dan menjaga kuesioner singkat semua membantu.

Kuesioner surat juga diharapkan mendapatkan tingkat respons yang lebih baik ketika
responden diberi tahu sebelumnya tentang survei yang akan datang, dan organisasi riset
terkenal mengelolanya dengan surat pengantar pengantarnya sendiri.

Pilihan menggunakan kuesioner sebagai metode pengumpulan data mungkin dibatasi jika
peneliti harus menjangkau subjek dengan pendidikan yang sangat sedikit. Menambahkan
gambar ke kuesioner, jika memungkinkan, mungkin bisa membantu dalam kasus seperti
itu. Untuk sebagian besar penelitian organisasi, bagaimanapun, setelah variabel penelitian
telah diidentifikasi dan langkah-langkahnya ditemukan atau dikembangkan, kuesioner
adalah mekanisme pengumpulan data yang nyaman. Studi lapangan, survei komparatif, dan
desain eksperimental sering menggunakan kuesioner untuk mengukur variabel yang
diminati.

2.2.3 Pedoman Desain Kuesioner

Prinsip-prinsip desain kuesioner yang baik harus fokus pada tiga bidang. Yang pertama
berkaitan dengan kata-kata dari pertanyaan. Yang kedua mengacu pada perencanaan
masalah yang berkaitan dengan bagaimana variabel akan dikategorikan, diskalakan, dan
dikodekan setelah menerima tanggapan. Yang ketiga berkaitan dengan tampilan umum
kuesioner. Ketiganya merupakan isu penting dalam desain kuesioner karena dapat
meminimalkan bias dalam penelitian.

1. Prinsip Penyusunan Kata

a. Isi dan Tujuan Pertanyaan

Sifat dari variabel yang diukur – perasaan subjektif atau fakta objektif – akan menentukan
jenis pertanyaan apa yang diajukan. Jika variabel yang diukur bersifat subjektif (misalnya,
kepuasan, keterlibatan), di mana keyakinan, persepsi, dan sikap responden akan diukur,
pertanyaannya harus menyentuh dimensi dan elemen konsep. Jika variabel objektif, seperti
usia dan tingkat pendidikan responden, pertanyaan langsung yang memiliki serangkaian
kategori skala ordinal lebih disukai. Dengan demikian, tujuan dari setiap pertanyaan harus
dipertimbangkan dengan cermat sehingga variabel-variabel tersebut dapat diukur secara
memadai dan tidak ada pertanyaan yang berlebihan yang diajukan.

b. Bahasa dan Kata-kata Kuesioner

Bahasa kuesioner harus mendekati tingkat pemahaman responden. Pilihan kata akan
tergantung pada tingkat pendidikan mereka, penggunaan istilah dan idiom dalam budaya,
dan kerangka acuan responden. Misalnya, bahkan ketika bahasa Inggris adalah bahasa lisan
atau bahasa resmi dalam dua budaya, kata-kata tertentu mungkin asing bagi satu budaya.
Istilah seperti "bekerja di sini adalah hambatan," dan "dia adalah pekerja kompulsif,"
mungkin tidak ditafsirkan dengan cara yang sama dalam budaya yang berbeda. Beberapa
pekerja kerah biru mungkin tidak memahami terminologi seperti “struktur organisasi.”
Oleh karena itu, penting untuk mengatakan pertanyaan dengan cara yang dapat dipahami
oleh responden. Jika beberapa pertanyaan tidak dipahami atau ditafsirkan secara berbeda
oleh responden, peneliti akan memperoleh jawaban yang salah atas pertanyaan tersebut,
dan tanggapan akan menjadi bias. Oleh karena itu, pertanyaan yang diajukan, bahasa yang
digunakan, dan susunan kata yang tepat harus sesuai dengan sikap, persepsi, dan perasaan
responden.

c. Jenis dan Bentuk Pertanyaan

1) Pertanyaan terbuka vs Pertanyaan Tertutup

Pertanyaan terbuka memungkinkan responden untuk menjawabnya dengan cara apa pun
yang mereka pilih. Contoh pertanyaan terbuka adalah meminta responden untuk
menyatakan lima hal yang menarik dan menantang dalam pekerjaan. Contoh lain adalah
menanyakan apa yang responden sukai tentang supervisor atau lingkungan kerja mereka.
Contoh ketiga adalah mengundang komentar mereka tentang portofolio investasi
perusahaan.

Sebuah pertanyaan tertutup, sebaliknya, meminta responden untuk membuat pilihan di

antara serangkaian alternatif yang diberikan oleh peneliti. Misalnya, alih-alih meminta
responden untuk menyatakan lima aspek pekerjaan yang menurutnya menarik dan
menantang, peneliti mungkin membuat daftar 10 atau 15 aspek yang mungkin tampak
menarik atau menantang dalam pekerjaan dan meminta responden untuk memberi
peringkat lima pertama di antara aspek-aspek tersebut dalam urutan preferensi mereka.
Semua item dalam kuesioner yang menggunakan skala nominal, ordinal, likert, atau rasio
dianggap tertutup.

Pertanyaan tertutup membantu responden untuk membuat keputusan cepat untuk memilih
di antara beberapa alternatif. Mereka juga membantu peneliti untuk mengkodekan
informasi dengan mudah untuk analisis selanjutnya. Perawatan harus diambil untuk
memastikan bahwa alternatif yang saling eksklusif dan kolektif lengkap. Jika ada kategori
yang tumpang tindih, atau jika semua alternatif yang mungkin tidak diberikan (yaitu,
kategorinya tidak lengkap), responden mungkin menjadi bingung dan keuntungan dari
kemampuan mereka untuk membuat keputusan dengan cepat hilang.

Beberapa responden mungkin menganggap kategori yang digambarkan dengan baik dalam
pertanyaan tertutup agak membatasi dan mungkin memanfaatkan kesempatan untuk
membuat komentar tambahan. Inilah alasan mengapa banyak kuesioner diakhiri dengan
pertanyaan akhir terbuka yang mengundang responden untuk mengomentari topik yang
mungkin belum tercakup secara lengkap atau memadai. Tanggapan terhadap pertanyaan
terbuka seperti itu harus diedit dan dikategorikan untuk analisis data selanjutnya.

2) Pertanyaan dengan Kata-kata Positif dan Negatif

Alih-alih mengutarakan semua pertanyaan secara positif, disarankan untuk memasukkan

beberapa pertanyaan dengan kata-kata negatif juga, sehingga kecenderungan responden
untuk melingkari titik-titik ke salah satu ujung skala secara mekanis dapat diminimalkan.
Sebagai contoh, mari kita katakan bahwa satu set enam pertanyaan digunakan untuk
menyentuh variabel "keberhasilan yang dirasakan" pada skala lima poin, dengan 1 menjadi
"sangat rendah" dan 5 menjadi "sangat tinggi" pada skala. Responden yang tidak terlalu
tertarik untuk mengisi kuesioner lebih mungkin untuk tetap terlibat dan tetap waspada saat
menjawab pertanyaan ketika pertanyaan dengan kata-kata positif dan negatif diselingi di
dalamnya. Misalnya, jika responden telah melingkari 5 untuk pertanyaan dengan kata-kata
positif seperti, "Saya merasa saya telah mampu menyelesaikan beberapa hal yang berbeda
dalam pekerjaan saya," dia tidak dapat melingkari nomor 5 lagi untuk pertanyaan dengan
katakata negatif, "Saya tidak merasa saya sangat efektif dalam pekerjaan saya.” Responden
sekarang terguncang dari kemungkinan kecenderungan untuk secara mekanis menanggapi
salah satu ujung skala. Jika hal ini masih terjadi, peneliti memiliki kesempatan untuk
mendeteksi bias tersebut. Oleh karena itu, kuesioner yang baik harus mencakup pertanyaan
dengan kata-kata positif dan negatif. Penggunaan kata negatif ganda dan penggunaan kata
“tidak” dan “hanya” yang berlebihan sebaiknya dihindari dalam pertanyaan bernada negatif
karena cenderung membingungkan responden. Misalnya, lebih baik mengatakan, “Datang
ke kantor tidak menyenangkan” daripada mengatakan “Tidak masuk kerja lebih
menyenangkan daripada datang kerja.” Demikian juga, lebih baik mengatakan "Orang kaya
tidak membutuhkan bantuan" daripada mengatakan "Hanya orang kaya yang tidak
membutuhkan bantuan."

3) Double-barreled questions

Sebuah pertanyaan yang cocok untuk kemungkinan tanggapan yang berbeda untuk
subbagiannya disebut pertanyaan berlaras ganda. Pertanyaan seperti itu harus dihindari
dan dua atau lebih pertanyaan terpisah diajukan sebagai gantinya. Misalnya, pertanyaan
“Apakah menurut Anda ada pasar yang bagus untuk produk tersebut dan produk itu akan
laris?” dapat memberikan tanggapan "ya" untuk bagian pertama (yaitu, ada pasar yang baik
untuk produk tersebut) dan tanggapan "tidak" untuk bagian terakhir (yaitu, tidak akan laku
karena berbagai alasan lain). Dalam hal ini, akan lebih baik untuk mengajukan dua
pertanyaan: (1) “Apakah menurut Anda ada pasar yang bagus untuk produk tersebut?” dan
(2) “Apakah menurut Anda produk tersebut akan laris?” Jawabannya mungkin "ya" untuk
keduanya, "tidak" untuk keduanya, "ya" untuk yang pertama dan "tidak" untuk yang kedua,
atau "ya" untuk yang kedua dan "tidak" untuk yang pertama. Jika kita menggabungkan dua
pertanyaan dan mengajukan pertanyaan berlaras ganda, kita akan membingungkan
responden dan mendapatkan tanggapan yang ambigu. Oleh karena itu, pertanyaan
berlaras ganda harus dihilangkan.

4) Pertanyaan Ambigu

Bahkan pertanyaan yang tidak berlaras ganda mungkin memiliki kata-kata yang ambigu
dan responden mungkin tidak yakin apa sebenarnya maksudnya. Contoh pertanyaan
semacam itu adalah “Sejauh mana Anda akan mengatakan bahwa Anda bahagia?”
Responden mungkin merasa sulit untuk memutuskan apakah pertanyaan mengacu pada
keadaan perasaan mereka di tempat kerja, atau di rumah, atau secara umum. Karena ini
adalah survei organisasi, seorang responden mungkin menganggap bahwa pertanyaan
tersebut berkaitan dengan tempat kerja. Namun peneliti mungkin bermaksud untuk
menanyakan tentang tingkat kepuasan umum dan keseluruhan yang dialami individu dalam
kehidupan sehari-hari – perasaan yang sangat global yang tidak spesifik untuk tempat kerja
saja. Dengan demikian, tanggapan terhadap pertanyaan ambigu memiliki bias bawaan
sejauh responden yang berbeda mungkin menafsirkan item tersebut dalam kuesioner secara
berbeda. Hasilnya adalah kumpulan tanggapan ambigu yang tidak secara akurat
memberikan jawaban yang benar untuk pertanyaan itu.

5) Pertanyaan yang bergantung pada ingatan (Recalldependent questions)

Beberapa pertanyaan mungkin mengharuskan responden untuk mengingat pengalaman dari

masa lalu yang kabur dalam ingatan mereka. Jawaban atas pertanyaan semacam itu
mungkin memiliki bias. Misalnya, jika seorang karyawan yang telah memiliki masa kerja
30 tahun di organisasi diminta untuk menyatakan kapan dia pertama kali mulai bekerja di
departemen tertentu dan untuk berapa lama, dia mungkin tidak dapat memberikan jawaban
yang benar dan mungkin tanggapannya jauh dari hasilnya. Sumber yang lebih baik untuk
memperoleh informasi tersebut adalah catatan personel.

6) Leading questions

Pertanyaan tidak boleh diutarakan sedemikian rupa sehingga mengarahkan responden

untuk memberikan tanggapan yang peneliti ingin mereka berikan. Contoh dari pertanyaan
seperti itu adalah: “Tidakkah menurut Anda bahwa di hari-hari dengan biaya hidup yang
meningkat ini, karyawan harus diberikan kenaikan gaji yang baik?” Dengan mengajukan
pertanyaan utama, kami memberi isyarat dan menekan responden untuk mengatakan "ya."
Menandai pertanyaan dengan meningkatnya biaya hidup menyulitkan sebagian besar
responden (kecuali mereka adalah bos teratas yang bertanggung jawab atas anggaran dan
keuangan) untuk mengatakan, “Tidak; tidak kecuali produktivitas mereka meningkat juga!”
Cara lain untuk mengajukan pertanyaan tentang kenaikan gaji untuk mendapatkan
tanggapan yang kurang bias adalah: "Sejauh mana Anda setuju bahwa karyawan harus
diberi kenaikan gaji yang lebih tinggi?" Jika responden berpikir bahwa karyawan sama
sekali tidak pantas mendapatkan kenaikan gaji yang lebih tinggi, tanggapan mereka adalah
“Sangat Tidak Setuju”; jika mereka berpikir bahwa responden pasti harus diberi kenaikan
gaji yang tinggi, mereka akan menanggapi skala “Sangat Setuju”, dan poin di antara akan
dipilih tergantung pada kekuatan persetujuan atau ketidaksetujuan mereka. Dalam hal ini,
pertanyaannya tidak dibingkai dengan cara yang sugestif seperti pada contoh sebelumnya.

7) Loaded questions

Jenis bias lain dalam pertanyaan terjadi ketika mereka diungkapkan dengan cara yang
bermuatan emosional. Contoh dari pertanyaan yang dimuat seperti itu adalah bertanya
kepada karyawan: "Sejauh mana menurut Anda manajemen cenderung membalas dendam
jika serikat pekerja memutuskan untuk mogok?" Kata-kata "pemogokan" dan "pendendam"
adalah istilah yang bermuatan emosional, yang mempolarisasi manajemen dan serikat
pekerja. Oleh karena itu, mengajukan pertanyaan seperti di atas akan menimbulkan respons
yang sangat emosional dan sangat bias. Jika tujuan dari pertanyaan itu ada dua; yaitu, untuk
menemukan (1) sejauh mana karyawan mendukung pemogokan dan (2) sejauh mana
mereka takut akan reaksi yang merugikan jika mereka mogok, maka ini adalah dua
pertanyaan spesifik yang perlu ditanyakan . Mungkin ternyata karyawan tidak terlalu
mendukung pemogokan dan mereka juga tidak percaya bahwa manajemen akan membalas
jika mereka mogok!

8) Social desirability

Pertanyaan tidak boleh diucapkan sedemikian rupa sehingga menimbulkan tanggapan yang
diinginkan secara sosial. Misalnya, pertanyaan seperti “Apakah menurut Anda orang yang
lebih tua harus diberhentikan?” akan menimbulkan respons “tidak”, terutama karena
masyarakat akan tidak menyukai seseorang yang mengatakan bahwa orang lanjut usia harus
dipecat bahkan jika mereka mampu melakukan pekerjaan mereka dengan memuaskan.
Oleh karena itu, terlepas dari perasaan responden yang sebenarnya, jawaban yang
diinginkan secara sosial akan diberikan. Jika tujuan dari pertanyaan tersebut adalah untuk
mengukur sejauh mana organisasi dipandang sebagai kewajiban untuk mempertahankan
mereka yang berusia di atas 65 tahun, pertanyaan dengan kata berbeda dengan sedikit
tekanan terhadap keinginan sosial adalah: “Ada keuntungan dan kerugian untuk
mempertahankan warga senior dalam tenaga kerja. Menurut Anda sejauh mana perusahaan
harus terus mempertahankan orang tua dalam daftar gaji mereka?”

Kadang-kadang item tertentu yang menyentuh keinginan sosial sengaja diperkenalkan di

berbagai titik dalam kuesioner dan indeks kecenderungan keinginan sosial masing-masing
individu dihitung darinya. Indeks ini kemudian diterapkan pada semua tanggapan lain yang
diberikan oleh individu untuk menyesuaikan bias keinginan sosial (Crowne dan Marlowe,
1980; Edwards, 1957).
9) Panjang Pertanyaan (Length of questions)

Akhirnya, pertanyaan sederhana dan pendek lebih disukai daripada pertanyaan panjang.
Sebagai aturan praktis, pertanyaan atau pernyataan dalam kuesioner tidak boleh melebihi
20 kata, atau melebihi satu baris penuh dalam cetakan (Horst, 1968; Oppenheim, 1986).

d. Urutan Pertanyaan (Sequencing of questions)

Urutan pertanyaan dalam kuesioner harus sedemikian rupa sehingga responden diarahkan
dari pertanyaan yang bersifat umum ke pertanyaan yang lebih spesifik, dan dari pertanyaan
yang relatif mudah dijawab ke pertanyaan yang semakin sulit. Pendekatan corong ini,
demikian sebutannya (Festinger dan Katz, 1966), memfasilitasi kemajuan responden
dengan mudah dan lancar melalui item-item dalam kuesioner. Perkembangan dari
pertanyaan umum ke khusus mungkin berarti bahwa responden pertama kali ditanya
pertanyaan yang bersifat global yang berkaitan dengan organisasi, dan kemudian ditanya
pertanyaan yang lebih tajam mengenai pekerjaan tertentu, departemen, dan sejenisnya.
Pertanyaan mudah mungkin berhubungan dengan masalah yang tidak melibatkan banyak
pemikiran; yang lebih sulit mungkin membutuhkan lebih banyak pemikiran, penilaian, dan
pengambilan keputusan dalam memberikan jawaban.

Dalam menentukan urutan pertanyaan, disarankan untuk tidak menempatkan pertanyaan

bernada positif dan bernada negatif secara berurutan yang menyentuh elemen atau dimensi
konsep yang sama. Misalnya, menempatkan dua pertanyaan seperti berikut ini, yang satu
segera setelah yang lain, tidak hanya canggung tetapi mungkin juga tampak menghina
responden.

Saya memiliki kesempatan untuk berinteraksi dengan rekan kerja saya selama jam kerja.

Saya memiliki sedikit kesempatan untuk berinteraksi dengan rekan kerja saya selama jam
kerja.

Pertama, tidak perlu menanyakan pertanyaan yang sama baik secara positif maupun negatif.
Kedua, jika karena alasan tertentu hal ini dianggap perlu (misalnya, untuk memeriksa
konsistensi jawaban), kedua pertanyaan tersebut harus ditempatkan di bagian yang berbeda
dari kuesioner, sejauh mungkin.

Cara pertanyaan diurutkan juga dapat menimbulkan bias tertentu, yang sering disebut
sebagai efek pengurutan. Meskipun menempatkan pertanyaan secara acak dalam kuesioner
mengurangi bias sistematis dalam tanggapan, hal itu sangat jarang dilakukan, karena
kebingungan berikutnya saat mengkategorikan, mengkode, dan menganalisis tanggapan.

Singkatnya, bahasa dan kata-kata kuesioner fokus pada isu-isu seperti jenis dan bentuk
pertanyaan yang diajukan (yaitu, pertanyaan terbuka dan tertutup, dan pertanyaan bernada
positif dan negatif), serta menghindari pertanyaan berlaras ganda, pertanyaan ambigu,
pertanyaan utama, pertanyaan yang dimuat, pertanyaan yang cenderung mendapatkan
jawaban yang diinginkan secara sosial, dan pertanyaan yang melibatkan ingatan jauh.
Pertanyaan juga tidak boleh terlalu panjang. Menggunakan pendekatan corong membantu
responden untuk maju melalui kuesioner dengan mudah dan nyaman.

e. Data pribadi yang dicari dari responden 1) Klasifikasi data atau informasi pribadi

Klasifikasi data, juga dikenal sebagai informasi pribadi atau pertanyaan demografis,
memperoleh informasi seperti usia, tingkat pendidikan, status perkawinan, dan pendapatan.
Kecuali benar-benar diperlukan, sebaiknya tidak menanyakan nama responden. Namun,
jika kuesioner harus diidentifikasi dengan responden untuk alasan apapun, maka kuesioner
dapat diberi nomor dan dihubungkan oleh peneliti dengan nama responden, dalam
dokumen pribadi yang dipelihara secara terpisah. Prosedur ini harus dijelaskan dengan jelas
kepada responden. Alasan menggunakan sistem numerik dalam kuesioner adalah untuk
memastikan anonimitas responden, jika kuesioner jatuh ke tangan orang yang tidak
berwenang dalam organisasi.

Apakah pertanyaan yang mencari informasi pribadi harus muncul di awal atau di akhir
kuesioner adalah masalah pilihan bagi peneliti. Beberapa peneliti meminta data pribadi di
bagian akhir daripada di awal kuesioner (Oppenheim, 1986). Alasan mereka mungkin
bahwa pada saat responden mencapai akhir kuesioner, dia telah yakin akan keabsahan dan
keaslian pertanyaan yang disusun oleh peneliti dan, karenanya, lebih cenderung dan setuju
untuk berbagi informasi pribadi. Peneliti yang lebih memilih untuk memperoleh sebagian
besar informasi pribadi di awal mungkin berpendapat bahwa begitu responden telah berbagi
beberapa sejarah pribadi mereka, mereka mungkin secara psikologis mengidentifikasi diri
mereka dengan kuesioner, dan mungkin merasa komitmen untuk menanggapi. Jadi, apakah
seseorang meminta informasi ini di awal atau di akhir kuesioner adalah masalah pilihan
individu. Namun, pertanyaan yang mencari rincian pendapatan, atau informasi sensitif
lainnya – jika dianggap perlu – paling baik ditempatkan di bagian paling akhir kuesioner.
Meski begitu, adalah kebijakan yang bijaksana untuk meminta informasi tersebut dengan
memberikan berbagai pilihan jawaban, daripada mencari angka yang tepat.

Dalam survei organisasi, disarankan untuk mengumpulkan data demografis tertentu seperti
usia, jenis kelamin, tingkat pendidikan, tingkat pekerjaan, departemen, dan jumlah tahun
dalam organisasi, bahkan jika kerangka teoritis tidak mengharuskan atau memasukkan
variabel-variabel ini. Data tersebut membantu untuk menggambarkan karakteristik sampel
dalam laporan yang ditulis setelah analisis data. Namun, ketika hanya ada beberapa
responden di suatu departemen, maka pertanyaan yang mungkin mengungkapkan identitas
mereka mungkin membuat mereka sia-sia, tidak menyenangkan, dan mengancam
karyawan. Misalnya, jika hanya ada satu perempuan di sebuah departemen, maka dia
mungkin menahan diri untuk menjawab pertanyaan tentang gender, karena itu akan
menentukan sumber data; kekhawatiran ini dapat dimengerti.

Singkatnya, prinsip-prinsip tertentu dari kata-kata perlu diikuti saat merancang kuesioner.
Pertanyaan yang diajukan harus sesuai untuk menekan variabel. Bahasa dan kata-kata yang
digunakan harus sedemikian rupa sehingga bermakna bagi karyawan. Bentuk dan jenis
pertanyaan harus disesuaikan untuk meminimalkan bias responden. Urutan pertanyaan
harus memfasilitasi kelancaran respons dari awal hingga akhir. Data pribadi harus
dikumpulkan dengan memperhatikan kepekaan perasaan responden, dan dengan
menghormati privasi.

2) Prinsip Pengukuran

Sama seperti ada pedoman yang harus diikuti untuk memastikan bahwa kata-kata dari
kuesioner sesuai untuk meminimalkan bias, demikian juga ada beberapa prinsip
pengukuran yang harus diikuti untuk memastikan bahwa data yang dikumpulkan sesuai
untuk menguji hipotesis. Ini mengacu pada skala dan teknik penskalaan yang digunakan
dalam konsep pengukuran, serta penilaian reliabilitas dan validitas ukuran yang digunakan.

Seperti yang telah kita lihat, skala yang tepat harus digunakan tergantung pada jenis data
yang perlu diperoleh. Mekanisme penskalaan berbeda yang membantu kita mengaitkan
timbangan dengan tepat harus digunakan dengan benar. Jika memungkinkan, skala interval
dan rasio sebaiknya digunakan dibandingkan skala nominal atau ordinal. Setelah data
diperoleh, “kebaikan data” harus dinilai melalui uji validitas dan reliabilitas. Validitas
menetapkan seberapa baik teknik, instrumen, atau proses mengukur konsep tertentu, dan
reliabilitas menunjukkan seberapa stabil dan konsisten instrumen menyentuh variabel.
Akhirnya, data harus diperoleh dengan cara yang memudahkan pengkategorian dan
pengkodean.

3) General appearance or “getup” of the questionnaire

Tidak hanya penting untuk mengatasi masalah kata-kata dan pengukuran dalam desain
kuesioner, tetapi juga perlu memperhatikan bagaimana tampilan kuesioner. Kuesioner yang
menarik dan rapi dengan pengenalan, instruksi, dan rangkaian pertanyaan dan alternatif
jawaban yang tepat akan memudahkan responden untuk menjawabnya. Pengantar yang
baik, instruksi yang terorganisir dengan baik, dan penyelarasan pertanyaan yang rapi
semuanya penting.

4) A good introduction

Pengenalan yang tepat yang secara jelas mengungkapkan identitas peneliti dan
menyampaikan tujuan survei mutlak diperlukan. Penting juga untuk menjalin hubungan
baik dengan responden dan memotivasi mereka untuk menjawab pertanyaan-pertanyaan
dalam kuesioner dengan sepenuh hati dan antusias. Jaminan kerahasiaan informasi yang
diberikan oleh mereka akan memungkinkan jawaban yang kurang bias. Bagian
pendahuluan harus diakhiri dengan catatan yang sopan, mengucapkan terima kasih kepada
responden yang telah meluangkan waktu untuk menanggapi survei.

5) Mengorganisasikan pertanyaan, memberikan instruksi dan bimbingan, dan

keselarasan yang baik

Pengorganisasian pertanyaan secara logis dan rapi di bagian yang sesuai dan memberikan
petunjuk tentang cara menyelesaikan item di setiap bagian akan membantu responden
untuk menjawabnya tanpa kesulitan. Pertanyaan juga harus disusun dengan rapi sehingga
memungkinkan responden untuk menyelesaikan tugas membaca dan menjawab kuesioner
dengan menghabiskan sedikit waktu dan tenaga dan tanpa melelahkan mata.

6) Informasi tentang pendapatan dan data pribadi sensitif lainnya

Meskipun informasi demografis dapat dicari baik di awal atau di akhir kuesioner, informasi
yang bersifat sangat pribadi dan pribadi seperti pendapatan, keadaan kesehatan, dan
sebagainya, jika dianggap perlu untuk survei, harus ditanyakan di akhir kuesioner, bukan
di awal. Selain itu, pertanyaan semacam itu harus dibenarkan dengan menjelaskan
bagaimana informasi ini dapat berkontribusi pada pengetahuan dan pemecahan masalah,
sehingga responden tidak menganggapnya bersifat mengganggu. Menunda pertanyaan
seperti itu sampai akhir akan membantu mengurangi bias responden jika individu tersebut
terganggu oleh sifat pribadi dari pertanyaan tersebut.

7) Open-ended question at the end

Kuesioner dapat mencakup pertanyaan terbuka di bagian akhir, yang memungkinkan

responden untuk mengomentari aspek apa pun yang mereka pilih. Itu harus diakhiri dengan
ungkapan terima kasih yang tulus kepada responden.

8) Concluding the questionnaire

Kuesioner harus diakhiri dengan catatan yang sopan, mengingatkan responden untuk
memeriksa bahwa semua item telah diisi.

2.2.4 Tinjauan desain kuesioner

Kita telah mencurahkan banyak perhatian pada desain kuesioner karena kuesioner adalah
metode pengumpulan data yang paling umum. Prinsipprinsip desain kuesioner
berhubungan dengan bagaimana pertanyaan disusun dan diukur, dan bagaimana
keseluruhan kuesioner diatur. Untuk meminimalkan bias responden dan kesalahan
pengukuran, semua prinsip yang dibahas harus diikuti dengan hati-hati.

Kuesioner paling berguna sebagai metode pengumpulan data, terutama ketika sejumlah
besar orang harus dijangkau di wilayah geografis yang berbeda. Mereka adalah metode
pengumpulan data yang populer karena peneliti dapat memperoleh informasi dengan cukup
mudah, dan tanggapan kuesioner mudah dikodekan. Ketika instrumen yang divalidasi
dengan baik digunakan, temuan penelitian bermanfaat bagi komunitas ilmiah karena
hasilnya dapat direplikasi dan ditambahkan ke dasar teori.

Ada beberapa cara untuk mengelola kuesioner. Kuesioner dapat diberikan secara pribadi
kepada responden, dimasukkan ke dalam majalah, majalah, atau surat kabar, dikirimkan ke
responden, atau didistribusikan secara elektronik melalui email – baik melalui Internet atau
intranet. Perangkat lunak juga tersedia untuk membingkai pertanyaan berikutnya
berdasarkan respons subjek terhadap pertanyaan sebelumnya. Situs web perusahaan juga
dapat memperoleh tanggapan survei; misalnya, reaksi terhadap layanan pelanggan, utilitas
produk, dan sejenisnya. Penelitian global sekarang sangat difasilitasi oleh sistem
elektronik.

2.2.5 Pretesting dari pertanyaan terstruktur

Apakah itu wawancara terstruktur di mana pertanyaan diajukan kepada responden dalam
urutan yang telah ditentukan, atau kuesioner yang digunakan dalam survei, penting untuk
menguji instrumen untuk memastikan bahwa pertanyaan dipahami oleh responden (yaitu,
ada tidak ada ambiguitas dalam pertanyaan) dan tidak ada masalah dengan kata-kata atau
pengukuran. Pretesting melibatkan penggunaan sejumlah kecil responden untuk menguji
kesesuaian pertanyaan dan pemahaman mereka. Ini membantu untuk memperbaiki segala
kekurangan sebelum memberikan instrumen secara lisan atau melalui kuesioner kepada
responden, dan dengan demikian mengurangi bias.

Akan lebih baik untuk menanyakan hasil pretest dan memperoleh informasi tambahan dari
kelompok kecil peserta (yang berperan sebagai kelompok fokus) tentang reaksi umum
mereka terhadap kuesioner dan bagaimana perasaan mereka tentang menyelesaikan
instrumen.

2.2.6 Kuesioner elektronik dan desain survei

Survei kuesioner online mudah dirancang dan dikelola ketika mikrokomputer terhubung ke
jaringan komputer. Disk data juga dapat dikirimkan melalui pos ke responden, yang
mungkin menggunakan komputer pribadi mereka untuk menjawab pertanyaan. Hal ini
tentu saja akan membantu hanya jika responden mengetahui cara menggunakan komputer
dan merasa nyaman merespons dengan cara ini.

CAPPA, yang memfasilitasi persiapan dan administrasi kuesioner, sangat berguna untuk
riset pemasaran. Sistem CAPPA mencakup sepuluh program yang memungkinkan
pengguna untuk merancang kuesioner terkomputerisasi yang canggih, komputerisasi
proses pengumpulan data, dan menganalisis data yang dikumpulkan. Data yang lebih andal
kemungkinan akan dihasilkan karena responden dapat bolak-balik dan dengan mudah
mengubah respons, dan berbagai rangsangan di dalam dan di luar layar disediakan untuk
mempertahankan minat responden.

Sebuah program dirancang dalam sistem CAPPA, yang memeriksa kesalahan sintaksis atau
logis dalam pengkodean. Bahkan saat survei sedang berlangsung, ringkasan deskriptif dari
data kumulatif dapat diperoleh baik di layar atau dalam bentuk cetak. Setelah pengumpulan
data selesai, program pengeditan data mengidentifikasi data yang hilang atau di luar
jangkauan (misalnya, angka 6 untuk menjawab pertanyaan pada skala lima poin). Peneliti
dapat mengatur parameter untuk menghapus tanggapan yang hilang jika terlalu banyak,
atau menghitung rata-rata dari tanggapan lain dan mengganti angka ini dengan tanggapan
yang hilang.
Beberapa program telah dikembangkan untuk mengelola kuesioner secara elektronik.
Karena disk tidak mahal, mengirimkannya ke seluruh negeri juga tidak masalah. Namun,
tingkat nonresponse media PC mungkin tidak lebih rendah daripada kuesioner surat.
Dengan peningkatan literasi komputer, kita dapat mengharapkan administrasi kuesioner
elektronik mengambil peran yang meningkat di masa depan.

SPSS (Statistical Package for the Social Sciences) memiliki beberapa program perangkat
lunak untuk tujuan penelitian termasuk (1) SPSS Data Entry Builder untuk membuat survei
yang dapat dikelola melalui web, telepon, atau surat; (2) SPSS Data Entry Enterprise
Server untuk memasukkan tanggapan; dan (3) SPSS 11.0 untuk analisis data dan grafik.

2.3 Metode Pengumpulan Data Lainnya

2.3.1 Studi Observasional

Studi observasional adalah penelitian yang dilakukan tanpa melakukan intervensi terhadap
subyek penelitian (masyarakat) yang diarahkan untuk menjelaskan suatu keadaan atau
situasi.

a. Observasional kualitatif

Penelitian observasional kualitatif merupakan penelitian dimana observasi ke subyek

dilakukan secara wawancara melalui focus grup ataupun secara langsung. Penelitian ini
akan menghasilkan data berupa naskah wawancara yang nanti dianalisis dan
diinterpretasikan naskah wawancara tersebut dengan “codex”. Proses penentuan jumlah
sampel pada penelitian ini juga menggunakan metode jenuh, yakni apabila jawaban hasil
wawancara antar subyek sudah menunjukkan kesamaan, maka dianggap sampel sudah
jenuh.

b. Observasional kuantitatif

Penelitian observasional kuantitatif merupakan penelitian dimana data yang diperoleh dari
pengamatan atau kuisioner berupa persentase, frekuensi, kadar ataupun berupa angka
lainnya. Pada penelitian observasional terdapat penentuan besar sampel penelitian serta
pada desain ini terdapat analisis data dengan bantuan software analisis data seperti SPSS,
STATA ataupun lainnya.

2.3.2 Pengamatan tak terlibat (Nonparticipant-observer)

Dalam observasi ini, peneliti tidak terlibat aktif dan hanya sebagai pengamat independen.
Sedangkan menurut Sutoyo (2012:87), ada tambahan satu jenis observasi berdasarkan
pelaksanaan pengumpulan data yaitu observasi kuasi partisipan. Observasi kuasi partisipan
yaitu bila observer terlibat pada sebagian kegiatan yang sedang dilakukan oleh observee,
sementara pada sebagian kegiatan yang lain observer tidak melibatkan diri.
2.3.3 Pengamatan Terlibat (Participant-observer)

Menurut Suparlan (1994: 7) dalam penelitian etnografi, pengamatan terlibat merupakan

metoda yang utama digunakan untuk pengumpulan bahan-bahan keterangan kebudayaan
disamping metoda-metoda penelitian lainnya. Sedang pendapat penulis pengamatan terlibat
merupakan teknik pengumpulan informasi (data) yang sangat penting dalam penelitian
kualitatif untuk bidang psikologi, karena agar dapat menghayati perasaan, sikap, pola pikir
yang mendasari perilaku subjek yang diteliti secara mendalam tidak cukup memadai
apabila hanya dilakukan dengan wawancara.

Keterlibatan langsung si peneliti dalam kehidupan sehari-hari dari subjek yang diteliti dapat
memungkinkan hal-hal tersebut tercapai. Selanjutnya menurut Suparlan berbeda dengan
metoda-metoda pengamatan lainnya, sasaran dalam pengamatan terlibat adalah orang atau
pelaku ( subjek yang diteliti). Karena itu juga keterlibatannya dengan sasaran yang
ditelitinya berwujud dalam hubungan-hubungan sosial dan emosional. Hal tersebut
dilakukan dengan melibatkan dirinya dalam kegiatan dan kehidupan pelaku yang
diamatinya sesuai dengan kacamata kebudayaan dari para pelakunya sendiri. Hal ini sejalan
dengan pandangan psikologi karena perilaku manusia tidak mungkin lepas dari nilai-nilai
budaya yang melatar belakanginya.

2.3.4 Studi Observasional Terstruktur versus Tidak Terstruktur Observasi

terstruktur

Observasi yang telah dirancang secara sistematis, tentang apa yang akan diamati, di mana
tempatnya. Jadi observasi terstruktur dilakukan apabila peneliti telah tahu dengan pasti
tentang variabel apa yang akan diamati. Dalam melakukan pengamatan peneliti
menggunakan instrumen penelitian yang telah teruji validitas dan reliabilitasnya. Pedoman
wawancara terstruktur, atau angket tertutup dapat juga digunakan sebagai pedoman untuk
melakukan observasi.

Observasi tidak terstruktur yaitu observasi yang tidak dipersiapkan secara sistematis
tentang apa yang akan diobservasi. Hal ini dilakukan karena peneliti tidak tahu secara pasti
tentang apa yang akan diamati. Dalam melakukan pengamatan peneliti tidak menggunakan
instrumen yang telah baku, tetapi hanya berupa rambu-rambu pengamatan.

Dalam suatu pameran produk industri dari berbagai negara, peneliti belum tahu pasti apa
yang akan diamati. Oleh karena itu peneliti dapat melakukan pengamatan bebas, mencatat
apa yang tertarik, melakukan analisis dan kemudian dibuat kesimpulan.

Dalam penelitian kuantitatif, peneliti dapat menggunakan beberapa teknik pengumpulan

data, namun ddisarankan ada teknik pengumpulan data yang utama. Misalnya teknik
pengumpulan data yang utama untuk mengetahui perilaku konsumen dengan kuesioner
atau angket, maka selanjutnya bisa dilengkapi dengan observasi dan wawancara. Setiap
teknik pengumpulan data yang disebutkan atau ditulis dalam proposal penelitian harus
dilaksanakan dan ada datanya
 2.3.5 Pengumpulan data melalui observasi mekanis

Observasi Mekanis, proses pengamatan dengan menggunakan alat bantu mekanis. Seperti
kamera video, penghitung lalu lintas (traffic counters), dan alat bantu mekanis lainnya.

2.3.6 Metode Proyektif

Metode proyektif yakni metode pengumpulan data dari suatu situasi, sebagai jawaban dari
rangsangan yang telah dipilih sedemikian rupa, alasannya yakni mempunyai arti bagi
subjek. Bukan apa yang dipikirkan oleh si penmbuat percobaan, tetapi yang diperkirakan
mempunyai arti oleh responden yang menunjukkan jawabannya. Metode ini didasarkan
pada sifat insan untuk memperkirakan nilai-nilai, keingingan, kebutuhan ataupun sikapnya
ke dalam perilaku, ataupun objek di luar insan itu sendiri.

2.3.7 Multimetode Pengumpulan Data

a. Wawancara Tidak Terstruktur

Wawancara disebut tidak terstruktur karena pewawancara tidak memasuki situasi

wawancara dengan urutan wawancara dengan urutan pertanyaan yang terencana untuk
ditanyakan kepada responden.

Tujuan wawancara ini adalah membawa beberapa isu pendahuluan ke permukaan supaya
peneliti dapat menentukan variabel yang memerlukan investigasi mendalam lebih lanjut.

b. Wawancara Terstruktur

Wawancara terstruktur adalah wawancara yang diadakan ketika diketahui pada permulaan
informasi apa yang diperlukan. Setelah sejumlah wawancara terstruktur dilakukan dan
informasi yang diperoleh sudah cukup untuk memahami dan menjelaskan faktorfaktor
penting yang berlaku dalam situasi, peneliti akan menghentikan wawancara, kemudian
informasi akan ditabulasi dan data dianalisis.

3. Dimensi Internasional dari Survei

Dengan globalisasi operasi bisnis, para manajer seringkali perlu membandingkan

efektivitas bisnis cabangnya di berbagai Negara. Peneliti yang melakukan penelitian lintas
budaya juga berusaha menelusuri persamaan dan perbedaan respons perilaku dan sikap
karyawan pada berbagai tingkat di kebudayaan yang berbeda. Peneliti lintas budaya harus
memerhatikan instrument pengukuran dan bagaimana data data diperoleh.

Persoalan tertentu dalam instrumentasi untuk penelitian lintas budaya karena setiap
Negara memiliki bahasa yang berbeda, adalah penting untuk memastikan bahwa
penerjemahan instrument ke dalam bahasa local secara akurat sesuai dengan bahasa asli.
Untuk tujuan tersebut, sebaiknya instrument pertama-tama diterjemahkan oleh seorang ahli
lokal. Kesepadanan ungkapan juga dapat menjadi sebuah persoalan jika beberapa ungkapan
khas sulit diterjemahkan ke dalam bahasa lain.
4. Implikasi Manajerial

Seorang manajer tentu tidak mungkin melakukan penelitian seorang diri. Oleh karena
itu membutuhkan seorang konsultan penelitian. Sebagai manajer, akan diperoleh manfaat
yang besar terutama dalam penelitian lintas budaya untuk tujuan pengambilan keputusan.

5. Etika dalam Pengumpulan Data

5.1 Etika Peneliti

a. Memperlakukan informasi yang diberikan responden sebagai suatu rahasia dan menjaga
privasi responden.

b. Peneliti tidak boleh mengemukakan hal yang tidak benar dan menyesatkan.

c. Peneliti tidak menanyakan hal-hal yang bersifat pribadi dan peka terhadap kondisi
responden.

d. Peneliti tidak boleh melanggar harga diri dan kehormatan responden.

e. Peneliti tidak boleh memaksa responden dalam memberikan informasi.

f. Peneliti tidak boleh menghadapkan responden pada situasi yang mengancam baik secara
fisik maupun mental.

5.2 Perilaku Etis Responden

a. Responden harus bekerja sama sepenuhnya dalam merespons survey.

b. Responden wajib menyampaikan respons secara benar dan jujur

 Experimental designs

A. Percobaan Laboratorium
Seperti yang dinyatakan sebelumnya, ketika hubungan sebab-akibat antara variabel
independen dan variabel dependen yang menarik harus ditetapkan dengan jelas, maka
semua variabel lain yang mungkin mencemari atau mengacaukan hubungan harus dikontrol
dengan ketat. Dengan kata lain, efek yang mungkin dari variabel lain pada variabel
dependen harus diperhitungkan dalam beberapa cara, sehingga efek kausal yang
sebenarnya dari variabel independen yang diselidiki pada variabel dependen dapat
ditentukan. Hal ini juga diperlukan untuk memanipulasi variabel independen sehingga
bahwa sejauh mana efek kausalnya dapat ditetapkan. Kontrol dan manipulasi paling baik
dilakukan di lingkungan buatan (laboratorium), di mana efek kausal dapat diuji. Ketika
kontrol dan manipulasi diperkenalkan untuk membangun hubungan sebab-akibat dalam
pengaturan buatan, kami memiliki desain eksperimental laboratorium, juga dikenal sebagai
eksperimen laboratorium.
Karena kita menggunakan istilah kontrol dan manipulasi, mari kita periksa apa arti
konsep-konsep ini.
B. Kontrol
Ketika kita mendalilkan hubungan sebab-akibat antara dua variabel X dan Y, ada
kemungkinan bahwa beberapa faktor lain, misalnya A, mungkin juga mempengaruhi
variabel dependen Y. Dalam kasus seperti itu, tidak mungkin untuk menentukan sejauh
mana yang Y terjadi hanya karena X, karena kita tidak tahu berapa banyak variasi total
dalam Y disebabkan oleh adanya faktor lain A. Misalnya, seorang manajer Pengembangan
Sumber Daya Manusia mungkin mengatur pelatihan khusus untuk satu set karyawan baru
yang direkrut. sekretaris dalam membuat halaman web, untuk membuktikan kepada VP
(bosnya) bahwa pelatihan tersebut menyebabkan mereka berfungsi lebih efektif. Namun,
beberapa sekretaris baru mungkin berfungsi lebih efektif daripada yang lain, terutama atau
sebagian karena mereka memiliki pengalaman intermiten sebelumnya dengan web. Dalam
hal ini, manajer tidak dapat membuktikan bahwa pelatihan khusus saja yang menyebabkan
efektivitas yang lebih besar, karena pengalaman intermiten sebelumnya dari beberapa
sekretaris dengan web merupakan faktor pencemar. Jika efek sebenarnya dari pelatihan
pada pembelajaran akan dinilai, maka pengalaman pembelajar sebelumnya harus
dikendalikan. Ini dapat dilakukan dengan tidak menyertakan dalam eksperimen mereka
yang sudah memiliki pengalaman dengan web. Inilah yang kami maksudkan ketika kami
mengatakan bahwa kami harus mengendalikan faktor-faktor pencemar, dan nanti kami
akan melihat bagaimana hal ini dilakukan.
C. Manipulasi Variabel Bebas
Untuk menguji efek kausal dari variabel independen pada variabel dependen,
manipulasi tertentu perlu dicoba. Manipulasi berarti bahwa kita membuat tingkat variabel
 independen yang berbeda untuk menilai dampak pada variabel dependen. Misalnya, kita
mungkin ingin menguji teori bahwa kedalaman pengetahuan tentang berbagai teknologi
manufaktur disebabkan oleh rotasi karyawan pada semua pekerjaan di lini produksi dan di
departemen desain, selama periode empat minggu. Kemudian kita dapat memanipulasi
variabel independen, "rotasi karyawan," dengan merotasi satu kelompok pekerja produksi
dan memaparkan mereka ke semua sistem selama periode empat minggu, merotasi
kelompok pekerja lain hanya sebagian selama empat minggu (yaitu, mengekspos mereka
untuk hanya setengah dari teknologi manufaktur), dan meninggalkan kelompok ketiga
untuk terus melakukan apa yang mereka lakukan saat ini, tanpa rotasi khusus. Dengan
mengukur kedalaman pengetahuan kelompok-kelompok ini baik sebelum dan sesudah
manipulasi (juga dikenal sebagai perlakuan), dimungkinkan untuk menilai sejauh mana
perlakuan itu menimbulkan efek, setelah mengendalikan faktor-faktor pencemar. Jika deep
knowledge memang disebabkan oleh rotasi dan exposure, hasilnya akan menunjukkan
bahwa kelompok ketiga memiliki peningkatan kedalaman pengetahuan terendah, kelompok
kedua mengalami peningkatan yang signifikan, dan kelompok pertama memiliki
peningkatan terbesar.
D. Mengontrol Variabel Eksogen Atau "Gangguan" Yang Mencemari
1. Grup Yang Cocok
Salah satu cara untuk mengendalikan variabel pencemar atau "pengganggu" adalah
dengan mencocokkan berbagai kelompok dengan memilih karakteristik pengganggu dan
dengan sengaja menyebarkannya ke seluruh kelompok. Misalnya, jika ada 20 perempuan
di antara 60 anggota, maka setiap kelompok akan ditugaskan lima perempuan, sehingga
efek gender didistribusikan di empat kelompok. Demikian juga, faktor usia dan pengalaman
dapat dicocokkan di keempat kelompok, sehingga setiap kelompok memiliki campuran
individu yang serupa dalam hal jenis kelamin, usia, dan pengalaman. Karena faktor
pencemar yang dicurigai dicocokkan di seluruh kelompok, kita mungkin merasa nyaman
dengan mengatakan bahwa variabel X saja yang menyebabkan variabel Y, jika memang
demikian hasil penelitiannya.
2. Pengacakan
Cara lain untuk mengendalikan variabel pencemar adalah dengan menetapkan 60
anggota secara acak (yaitu, tanpa penentuan sebelumnya) ke empat kelompok. Artinya,
setiap anggota akan memiliki peluang yang diketahui dan sama untuk ditugaskan ke salah
satu dari empat kelompok ini. Misalnya, kita mungkin melemparkan nama ke-60 anggota
ke dalam topi dan menggambar nama mereka. 15 nama pertama yang ditarik dapat
dimasukkan ke kelompok pertama, 15 nama kedua untuk kelompok kedua, dan seterusnya,
atau orang pertama yang ditarik dapat ditugaskan ke kelompok pertama, orang kedua yang
ditarik ke kelompok kedua, dan seterusnya. . Jadi, dalam pengacakan, proses pengambilan
individu (yaitu, setiap orang memiliki peluang yang diketahui dan sama untuk ditarik) dan
penugasan mereka ke kelompok tertentu (setiap individu dapat ditugaskan ke salah satu
dari kelompok yang dibentuk) keduanya acak. Dengan demikian secara acak menugaskan
anggota ke grup, kami mendistribusikan variabel pengganggu di antara grup secara merata.
Artinya, variabel usia, jenis kelamin, dan pengalaman sebelumnya – variabel terkontrol –
 akan memiliki probabilitas yang sama untuk didistribusikan di antara kelompok-kelompok
tersebut.
Proses pengacakan idealnya memastikan bahwa setiap kelompok sebanding dengan
yang lain, dan bahwa semua variabel, termasuk pengaruh usia, jenis kelamin, dan
pengalaman sebelumnya, dikendalikan. Dengan kata lain, setiap kelompok akan memiliki
beberapa anggota yang memiliki pengalaman lebih banyak bercampur dengan mereka yang
kurang atau tidak memiliki pengalaman. Semua kelompok akan memiliki anggota dengan
komposisi usia dan jenis kelamin yang berbeda. Dengan demikian, pengacakan
memastikan bahwa jika variabel-variabel ini memang memiliki efek kontributif atau
pengganggu, kami telah mengendalikan efek pengganggu mereka (bersama dengan faktor-
faktor lain yang tidak diketahui) dengan mendistribusikannya ke seluruh kelompok. Hal ini
dicapai karena ketika kita memanipulasi variabel bebas dari tarif per satuan dengan tidak
memiliki sistem upah per satuan sama sekali untuk satu kelompok (kontrol) dan memiliki
tarif per satuan yang berbeda untuk tiga kelompok lainnya (percobaan), kita dapat
menentukan efek kausal dari potongan tersebut. tarif pada tingkat produksi. Setiap
kesalahan atau bias yang disebabkan oleh usia, jenis kelamin, dan pengalaman sebelumnya
sekarang didistribusikan secara merata di antara keempat kelompok. Setiap efek kausal
yang ditemukan akan melebihi dan di atas efek dari variabel pengganggu.
Keuntungan Dari Pengacakan:
Perbedaan antara pencocokan dan pengacakan adalah bahwa dalam kasus pertama
individu sengaja dan sadar dicocokkan untuk mengontrol perbedaan di antara anggota
kelompok, sedangkan dalam kasus terakhir kami berharap bahwa proses pengacakan akan
mendistribusikan ketidaksetaraan di antara kelompok, berdasarkan hukum. dari distribusi
normal. Dengan demikian, kita tidak perlu secara khusus memperhatikan faktor-faktor
pengganggu yang diketahui atau tidak diketahui.
Singkatnya, dibandingkan dengan pengacakan, pencocokan mungkin kurang
efektif, karena kita mungkin tidak mengetahui semua faktor yang mungkin dapat
mencemari hubungan sebab-akibat dalam situasi tertentu, dan karenanya gagal untuk
mencocokkan beberapa faktor penting di semua kelompok saat melakukan sebuah
eksperimen. Pengacakan, bagaimanapun, akan menangani ini, karena semua faktor
pencemar akan tersebar di semua kelompok. Selain itu, bahkan jika kita mengetahui
variabel pengganggu, kita mungkin tidak dapat menemukan kecocokan untuk semua
variabel tersebut. Misalnya, jika jenis kelamin adalah variabel pengganggu, dan jika hanya
ada dua wanita dalam desain eksperimental empat kelompok, kami tidak akan dapat
mencocokkan semua kelompok sehubungan dengan jenis kelamin. Pengacakan
memecahkan dilema ini juga. Dengan demikian, desain eksperimental laboratorium
melibatkan pengendalian variabel pencemar melalui proses pencocokan atau pengacakan,
dan manipulasi perlakuan.
E. Validitas Internal Eksperimen Lab
Validitas internal mengacu pada keyakinan yang kita tempatkan dalam hubungan
sebab-akibat. Dengan kata lain, ini menjawab pertanyaan, "Sejauh mana desain penelitian
 memungkinkan kita untuk mengatakan bahwa variabel independen A menyebabkan
perubahan pada variabel dependen B?" Seperti yang dicatat oleh Kidder dan Judd (1986),
dalam penelitian dengan validitas internal yang tinggi, kita relatif lebih mampu untuk
menyatakan bahwa hubungan tersebut bersifat kausal, sedangkan dalam penelitian dengan
validitas internal yang rendah, kausalitas tidak dapat disimpulkan sama sekali. Dalam
eksperimen laboratorium di mana hubungan sebab-akibat dibuktikan, validitas internal
dapat dikatakan tinggi.
Sejauh ini kita telah berbicara tentang membangun hubungan sebab-akibat dalam
lingkungan lab, yang merupakan lingkungan yang dibuat dan dikendalikan secara artifisial.
Anda sendiri mungkin pernah menjadi subjek yang mengambil bagian dalam salah satu
eksperimen lab yang dilakukan oleh departemen psikologi atau departemen lain di kampus
pada suatu waktu. Anda mungkin tidak diberi tahu secara spesifik tentang hubungan sebab-
akibat apa yang dicari oleh peneliti, tetapi Anda akan diberi tahu apa yang disebut "cerita
sampul". Artinya, Anda akan diberitahu secara umum tentang beberapa alasan penelitian
dan peran Anda di dalamnya, tanpa mengungkapkan tujuan sebenarnya. Setelah
eksperimen berakhir, Anda juga akan ditanyai dan diberi penjelasan lengkap tentang
eksperimen tersebut, dan pertanyaan apa pun yang mungkin Anda miliki akan dijawab. Ini
adalah bagaimana eksperimen laboratorium biasanya dilakukan: subjek dipilih dan
ditugaskan ke kelompok yang berbeda melalui pencocokan atau pengacakan; mereka
dipindahkan ke pengaturan lab; mereka diberi beberapa rincian studi dan tugas yang harus
dilakukan; dan semacam kuesioner atau tes lain diberikan sebelum dan sesudah tugas
selesai. Hasil penelitian ini menunjukkan hubungan sebab-akibat antara variabel yang
diteliti.
F. Validitas Eksternal Atau Generalisasi Lab Percobaan
Sejauh mana hasil yang ditemukan dalam pengaturan lab dapat ditransfer atau
digeneralisasikan ke pengaturan organisasi atau lapangan yang sebenarnya? Dengan kata
lain, jika kita menemukan hubungan sebab-akibat setelah melakukan percobaan
laboratorium, dapatkah kita dengan yakin mengatakan bahwa hubungan sebab-akibat yang
sama juga akan berlaku dalam pengaturan organisasi?
Pertimbangkan situasi berikut. Jika, dalam desain eksperimental laboratorium,
kelompok diberi tugas produksi sederhana untuk memasang baut dan mur ke bingkai
plastik, dan hasilnya menunjukkan bahwa kelompok yang dibayar per satuan lebih
produktif daripada mereka yang dibayar per jam, untuk sejauh mana kita kemudian dapat
mengatakan bahwa ini akan benar dari sifat canggih dari pekerjaan yang dilakukan dalam
organisasi? Tugas dalam pengaturan organisasi jauh lebih kompleks, dan mungkin ada
beberapa variabel pengganggu yang tidak dapat dikendalikan – misalnya, pengalaman.
Dalam keadaan seperti itu, kami tidak dapat memastikan bahwa hubungan sebab-akibat
yang ditemukan dalam eksperimen laboratorium kemungkinan besar akan benar dalam
pengaturan lapangan. Untuk menguji hubungan kausal dalam pengaturan organisasi,
eksperimen lapangan dilakukan. Ini sekarang akan dibahas secara singkat.
 Percobaan Lapangan
Eksperimen lapangan, sesuai dengan namanya, adalah eksperimen yang dilakukan
di lingkungan alami di mana pekerjaan berlangsung seperti biasa, tetapi perlakuan
diberikan kepada satu atau lebih kelompok. Jadi, dalam percobaan lapangan, meskipun
tidak mungkin untuk mengontrol semua variabel pengganggu karena anggota tidak dapat
ditempatkan secara acak ke dalam kelompok, atau dicocokkan, perlakuan masih dapat
dimanipulasi. Kelompok kontrol juga dapat diatur dalam eksperimen lapangan. Kelompok
eksperimen dan kontrol dalam eksperimen lapangan dapat terdiri dari orang-orang yang
bekerja di beberapa pabrik dalam radius tertentu, atau dari shift yang berbeda di pabrik
yang sama, atau dengan cara lain. Jika ada tiga shift yang berbeda di pabrik produksi,
misalnya, dan efek dari sistem upah borongan harus dipelajari, salah satu shift dapat
digunakan sebagai kelompok kontrol, dan dua shift lainnya diberikan dua perlakuan atau
perlakuan yang sama – yaitu, besaran upah yang berbeda atau besaran upah yang sama.
Setiap hubungan sebab-akibat yang ditemukan di bawah kondisi ini akan memiliki
generalisasi yang lebih luas untuk pengaturan produksi serupa lainnya, meskipun kami
mungkin tidak yakin sejauh mana tarif per satuan saja yang menjadi penyebab peningkatan
produktivitas, karena beberapa faktor pembaur lainnya. variabel tidak bisa dikendalikan.
Validitas Eksternal
Apa yang baru saja kita diskusikan dapat disebut sebagai masalah validitas eksternal
versus validitas internal. Validitas eksternal mengacu pada tingkat generalisasi hasil studi
kausal untuk pengaturan lain, orang, atau peristiwa, dan validitas internal mengacu pada
tingkat kepercayaan kita pada efek kausal (yaitu, bahwa variabel X menyebabkan variabel
Y). Eksperimen lapangan memiliki lebih banyak validitas eksternal (yaitu, hasilnya lebih
dapat digeneralisasikan ke pengaturan organisasi serupa lainnya), tetapi kurang validitas
internal (yaitu, kita tidak dapat memastikan sejauh mana variabel X saja yang menyebabkan
variabel Y). Perhatikan bahwa dalam percobaan lab, kebalikannya benar: validitas internal
tinggi tetapi validitas eksternal agak rendah. Dengan kata lain, dalam percobaan
laboratorium kita dapat yakin bahwa variabel X menyebabkan variabel Y karena kita telah
mampu mengendalikan variabel eksogen pengganggu lainnya, tetapi kita telah mengontrol
beberapa variabel dengan ketat untuk membangun hubungan sebab-akibat yang kami tidak
tahu sejauh mana hasil penelitian kami dapat digeneralisasi, jika sama sekali, ke pengaturan
lapangan. Dengan kata lain, karena setting lab tidak mencerminkan setting “dunia nyata”,
kita tidak tahu sejauh mana temuan lab secara valid mewakili realitas di dunia luar.
G. Trade-Off Antara Validitas Internal Dan Eksternal

Jadi ada trade-off antara validitas internal dan validitas eksternal. Jika kita
menginginkan validitas internal yang tinggi, kita harus bersedia menerima validitas
eksternal yang lebih rendah dan sebaliknya. Untuk memastikan kedua jenis validitas,
peneliti biasanya mencoba terlebih dahulu untuk menguji hubungan sebab akibat dalam
pengaturan buatan atau laboratorium yang dikontrol secara ketat, dan setelah hubungan
telah ditetapkan, mereka mencoba menguji hubungan sebab akibat dalam percobaan
lapangan. Desain eksperimental laboratorium di bidang manajemen sejauh ini telah
 dilakukan untuk menilai, antara lain, perbedaan gender dalam gaya kepemimpinan dan
bakat manajerial. Namun, perbedaan gender dan faktor lain yang ditemukan di
laboratorium sering tidak ditemukan dalam studi lapangan (Osborn dan Vicars, 1976).
Masalah validitas eksternal ini biasanya membatasi penggunaan eksperimen laboratorium
di area manajemen. Eksperimen lapangan juga jarang dilakukan karena konsekuensi yang
tidak diinginkan yang dihasilkan – personel menjadi curiga, persaingan dan kecemburuan
tercipta di antara departemen, dan sejenisnya.

H. Faktor-Faktor Yang Mempengaruhi Validitas Eksperimen

Bahkan studi laboratorium yang dirancang terbaik dapat dipengaruhi oleh faktor-
faktor yang mungkin mempengaruhi validitas internal percobaan laboratorium. Artinya,
beberapa faktor pengganggu mungkin masih ada yang dapat menawarkan penjelasan yang
bersaing tentang apa yang menyebabkan variabel terikat. Faktor pembaur yang mungkin
ini menimbulkan ancaman bagi internal keabsahan. Tujuh ancaman utama terhadap
validitas internal adalah efek dari sejarah, pematangan, pengujian (utama), seleksi,
kematian, regresi statistik, dan instrumentasi, dan ini dijelaskan di bawah dengan contoh.
Dua ancaman terhadap validitas eksternal adalah (interaktif) pengujian dan seleksi.
Ancaman terhadap validitas eksperimen ini dibahas selanjutnya.

1. Efek sejarah

Peristiwa atau faktor tertentu yang berdampak pada hubungan variabel bebas-
variabel terikat mungkin terjadi secara tidak terduga saat eksperimen sedang berlangsung,
dan riwayat peristiwa ini akan mengacaukan hubungan sebab-akibat antara kedua variabel,
sehingga mempengaruhi validitas internal. . Misalnya, katakanlah manajer Divisi Produk
Susu ingin menguji pengaruh promosi penjualan “beli satu, dapatkan satu gratis” pada
penjualan keju kemasan merek milik perusahaan selama seminggu. Dia dengan hati-hati
mencatat penjualan keju kemasan selama dua minggu sebelumnya untuk menilai pengaruh
promosi. Namun, tepat pada hari promosi penjualannya berlaku, Asosiasi Peternak Perah
tiba-tiba meluncurkan iklan multimedia tentang manfaat mengkonsumsi produk susu,
terutama keju. Penjualan semua produk susu, termasuk keju, naik di semua toko, termasuk
toko tempat eksperimen berlangsung. Di sini, karena iklan yang tidak terduga, orang tidak
dapat memastikan berapa banyak peningkatan penjualan keju kemasan yang dimaksud
karena promosi penjualan dan berapa banyak iklan dari Asosiasi Peternak Perah! Pengaruh
sejarah telah mengurangi validitas internal atau keyakinan yang dapat ditempatkan pada
kesimpulan bahwa promosi penjualan menyebabkan peningkatan penjualan.

Untuk memberikan contoh lain, katakanlah sebuah toko roti sedang mempelajari
efek penambahan bahan baru pada rotinya yang diharapkan dapat memperkaya dan
menawarkan nilai gizi lebih kepada anak-anak di bawah usia 14 tahun dalam waktu 30 hari,
tergantung pada asupan harian tertentu. . Pada awal percobaan, toko roti mengukur
kesehatan 30 anak melalui beberapa tolok ukur medis. Setelah itu, anak-anak diberi asupan
roti yang ditentukan setiap hari. Sayangnya, pada hari ke-20 percobaan, virus flu
menyerang kota dalam proporsi epidemi yang mempengaruhi sebagian besar anak-anak
 yang diteliti. Efek sejarah yang tak terduga dan tak terkendali ini, flu, telah mencemari studi
hubungan sebab-akibat untuk toko roti.

2. Efek pematangan

Kesimpulan sebab-akibat juga dapat terkontaminasi oleh efek dari berlalunya waktu
variabel lain yang tidak dapat dikendalikan. Efek kontaminasi tersebut dilambangkan
dengan efek pematangan. Efek pematangan adalah fungsi dari proses - baik biologis dan
psikologis - yang beroperasi dalam diri responden sebagai akibat dari berlalunya waktu.
Contoh proses pematangan termasuk bertambah tua, lelah, merasa lapar, dan bosan.
Dengan kata lain, mungkin ada efek pematangan pada variabel dependen murni karena
berlalunya waktu. Misalnya, katakanlah seorang direktur R & D berpendapat bahwa
peningkatan efisiensi pekerja akan terjadi dalam waktu tiga bulan jika teknologi canggih
diperkenalkan di lingkungan kerja. Jika pada akhir tiga bulan itu memang ditemukan
peningkatan efisiensi, akan sulit untuk mengklaim bahwa teknologi maju (dan itu saja)
meningkatkan efisiensi pekerja karena seiring berjalannya waktu, karyawan juga akan
mendapatkan pengalaman. , menghasilkan kinerja kerja yang lebih baik dan karenanya
meningkatkan efisiensi. Dengan demikian, validitas internal juga berkurang karena efek
pematangan karena sulit untuk menentukan dengan tepat berapa banyak peningkatan yang
disebabkan oleh pengenalan teknologi yang disempurnakan saja.

3. Efek pengujian

Seringkali, untuk menguji efek suatu perlakuan, subjek diberikan apa yang disebut
pretest. Artinya, pertama dilakukan pengukuran variabel terikat (pretest), kemudian
diberikan perlakuan, dan setelah itu dilakukan pengukuran kedua variabel terikat (posttest).
Perbedaan antara skor posttest dan pretest kemudian dikaitkan dengan perlakuan. Namun,
paparan peserta terhadap pretest dapat mempengaruhi validitas internal dan eksternal dari
temuan. Memang, proses tersebut dapat menyebabkan dua jenis efek pengujian.
Efek pengujian utama terjadi ketika pengamatan sebelumnya (pretest)
mempengaruhi pengamatan selanjutnya (posttest). Efek pengujian utama biasanya terjadi
karena peserta ingin konsisten. Mari kita asumsikan bahwa kita telah menguji pengaruh
iklan televisi (perlakuan) terhadap sikap terhadap merek menggunakan pretest dan posttest.
Misalkan tidak ada perbedaan yang signifikan dalam sikap terhadap merek yang
ditemukan. Temuan ini dapat mengarah pada kesimpulan bahwa iklan tersebut tidak efektif.
Namun, penjelasan alternatifnya adalah peserta kami mencoba untuk konsisten dan
menjawab pertanyaan-pertanyaan selanjutnya sehingga jawaban mereka sama dengan
jawaban yang mereka berikan pertama kali. Dengan demikian, pretest mungkin telah
mempengaruhi hasil eksperimen. Sepanjang garis ini, efek pengujian utama merupakan
ancaman lain terhadap validitas internal.
Efek pengujian interaktif terjadi ketika pretest mempengaruhi reaksi partisipan
terhadap perlakuan (variabel independen). Sekali lagi, mari kita asumsikan bahwa kita
sedang menguji pengaruh iklan televisi terhadap sikap terhadap merek menggunakan
pretest dan posttest. Mungkin karena pretest, peserta menonton iklan televisi lebih dekat
 daripada konsumen yang tidak ikut serta dalam percobaan. Untuk alasan ini, setiap efek
yang ditemukan belum tentu dapat digeneralisasikan ke populasi. Oleh karena itu, efek
pengobatan interaktif merupakan ancaman bagi validitas eksternal percobaan.
Singkatnya, efek pengujian dapat mempengaruhi validitas internal dan eksternal
dari temuan kami. Efek pengujian utama mengancam validitas internal, sedangkan efek
pengujian interaktif mengancam validitas eksternal.
4. Efek Bias Seleksi
Ancaman lain terhadap validitas internal dan eksternal dari temuan kami adalah
pemilihan peserta. Pertama, kita akan membahas bagaimana seleksi dapat mempengaruhi
validitas eksternal dari temuan kami. Kemudian, kita akan membahas bagaimana seleksi
dapat mempengaruhi validitas internal.
Dalam pengaturan lab, jenis peserta yang dipilih untuk eksperimen mungkin sangat
berbeda dari jenis karyawan yang direkrut oleh organisasi. Misalnya, mahasiswa di
universitas mungkin diberi tugas yang dimanipulasi untuk mempelajari efeknya terhadap
kinerja mereka. Namun, temuan dari eksperimen ini tidak dapat digeneralisasikan ke dunia
kerja nyata, di mana karyawan dan sifat pekerjaan keduanya sangat berbeda. Dengan
demikian, pemilihan subjek menimbulkan ancaman bagi validitas eksternal.
Ancaman terhadap validitas internal berasal dari pemilihan subjek yang tidak tepat
atau tidak cocok untuk kelompok eksperimen dan kontrol. Misalnya, jika eksperimen
laboratorium dibuat untuk menilai dampak lingkungan kerja terhadap sikap karyawan
terhadap pekerjaan, dan jika salah satu kondisi eksperimennya adalah membuat
sekelompok subjek bekerja selama sekitar dua jam di sebuah ruangan dengan suhu ringan.
bau busuk, peneliti etis mungkin mengungkapkan kondisi ini kepada calon subjek, yang
mungkin menolak untuk berpartisipasi dalam penelitian ini. Namun, beberapa sukarelawan
mungkin terpikat melalui insentif (misalnya pembayaran $70 untuk dua jam partisipasi
dalam penelitian). Relawan yang dipilih mungkin sangat berbeda dari yang lain (karena
mereka mungkin berasal dari lingkungan kekurangan) dan tanggapan mereka terhadap
pengobatan mungkin sangat berbeda. Bias tersebut dalam pemilihan mata pelajaran
mungkin mencemari hubungan sebab-akibat dan menimbulkan ancaman bagi validitas
internal juga. Oleh karena itu, pendatang baru, sukarelawan, dan orang lain yang tidak dapat
dicocokkan dengan kelompok kontrol menimbulkan ancaman terhadap validitas internal
dalam jenis eksperimen tertentu. Untuk alasan ini, pengacakan atau kelompok yang cocok
sangat dianjurkan.
5. Efek Kematian
Faktor pembaur lain pada hubungan sebab-akibat adalah kematian atau
pengurangan anggota dalam kelompok eksperimen atau kontrol, atau keduanya, saat
eksperimen berlangsung. Ketika komposisi kelompok berubah dari waktu ke waktu di
seluruh kelompok, perbandingan antar kelompok menjadi sulit, karena mereka yang keluar
dari eksperimen dapat mengacaukan hasil. Sekali lagi, kami tidak akan dapat mengatakan
seberapa besar efek yang diamati muncul dari pengobatan, dan berapa banyak yang
 disebabkan oleh anggota yang keluar, karena mereka yang tetap dengan eksperimen
mungkin bereaksi berbeda dari mereka yang keluar. Mari kita lihat sebuah contoh.
6. Efek Regresi Statistik
Efek regresi statistik muncul ketika anggota yang dipilih untuk kelompok
eksperimen memiliki skor ekstrim pada variabel dependen untuk memulai. Misalnya, jika
seorang manajer ingin menguji apakah dia dapat meningkatkan "keahlian menjual" dari
personel penjualan melalui program jenis Dale Carnegie, dia tidak boleh memilih mereka
yang memiliki kemampuan sangat rendah atau sangat tinggi untuk eksperimen tersebut.
Hal ini karena kita tahu dari hukum probabilitas bahwa mereka yang memiliki skor sangat
rendah pada suatu variabel (dalam hal ini, kemampuan penjualan saat ini) memiliki
kemungkinan lebih besar untuk menunjukkan peningkatan dan skor mendekati rata-rata
pada posttest setelah terkena perlakuan. . Fenomena skor rendah yang cenderung mencetak
lebih dekat dengan rata-rata ini dikenal sebagai "regresi menuju mean" (regresi statistik).
Demikian juga, mereka yang memiliki kemampuan sangat tinggi juga memiliki
kecenderungan lebih besar untuk mundur ke arah rata-rata – mereka akan mendapat skor
lebih rendah pada posttest daripada pada pretest. Dengan demikian, mereka yang berada di
kedua ujung kontinum sehubungan dengan variabel tidak akan "benar-benar"
mencerminkan hubungan sebab-akibat. Fenomena regresi statistik dengan demikian
merupakan ancaman lain terhadap validitas internal.
7. Efek Instrumentasi
Efek instrumentasi adalah sumber ancaman lain terhadap validitas internal. Ini
mungkin timbul karena perubahan alat ukur antara pretest dan posttest, dan bukan karena
perbedaan dampak perlakuan di akhir (Cook dan Campbell, 1979a). Misalnya, seorang
pengamat yang terlibat dalam mengamati pola perilaku tertentu pada responden sebelum
perlakuan mungkin mulai berkonsentrasi pada serangkaian perilaku yang berbeda setelah
perlakuan. Kerangka pengukuran perilaku (dalam arti, alat ukur) sekarang telah berubah
dan tidak akan mencerminkan perubahan perilaku yang dapat dikaitkan dengan
pengobatan. Hal ini juga berlaku dalam kasus instrumen pengukuran fisik seperti neraca
pegas atau instrumen terkalibrasi halus lainnya yang mungkin kehilangan akurasinya
karena kehilangan tegangan dengan penggunaan konstan, yang mengakibatkan pengukuran
akhir yang salah.
Dalam organisasi, efek instrumentasi dalam desain eksperimental dimungkinkan
ketika pretest dilakukan oleh eksperimen, perawatan diberikan kepada kelompok
eksperimen, dan posttest pada ukuran seperti kinerja dilakukan oleh manajer yang berbeda.
Satu manajer mungkin mengukur kinerja dengan unit keluaran akhir, manajer kedua
mungkin memperhitungkan jumlah penolakan juga, dan manajer ketiga mungkin juga
mempertimbangkan jumlah sumber daya yang dikeluarkan untuk menyelesaikan
pekerjaan! Di sini, setidaknya ada tiga alat ukur yang berbeda, jika kita memperlakukan
setiap manajer sebagai alat ukur kinerja. Dengan demikian, efek instrumentasi juga
menimbulkan ancaman terhadap validitas internal dalam desain eksperimental.
8. Mengidentifikasi Ancaman Terhadap Validitas
Mari kita periksa masing-masing dari tujuh kemungkinan ancaman terhadap
validitas dalam konteks.
1. Efek sejarah Tindakan dua anggota dalam kelompok partisipatif dengan cara bergerak
secara tak terduga dengan cara yang bersemangat dan mengatakan bahwa kepemimpinan
partisipatif adalah "hebat" dan "kinerja pasti tinggi dalam kelompok ini" mungkin telah
meningkatkan moral semua anggota dalam kelompok. Akan sulit untuk memisahkan
seberapa besar peningkatan moral yang disebabkan oleh kondisi partisipatif saja dan
seberapa besar antusiasme tiba-tiba yang ditunjukkan oleh kedua anggota.
2. Efek pematangan Diragukan bahwa pematangan memiliki pengaruh pada moral dalam
situasi ini, karena berlalunya waktu, dengan sendirinya, mungkin tidak banyak
berhubungan dengan peningkatan atau penurunan moral.
3. Efek pengujian Pretest kemungkinan telah membuat responden peka terhadap perlakuan
dan posttest. Dengan demikian, efek pengujian utama dan interaktif ada. Namun, jika
semua kelompok telah diberikan pre-dan posttests, efek pengujian utama (tetapi bukan efek
pengujian interaktif!) di semua grup akan diurus (yaitu, dibatalkan) dan posttest dari
masing-masing grup kelompok eksperimen bisa dibandingkan dengan kelompok kontrol
untuk mendeteksi efek pengobatan. Sayangnya, kelompok kontrol tidak diberikan pretest,
dan dengan demikian, skor posttest kelompok ini tidak bias oleh pretest – sebuah fenomena
yang bisa terjadi pada kelompok eksperimen. Oleh karena itu, tidak benar jika
membandingkan skor kelompok eksperimen dengan kelompok kontrol. Pengujian
interaktif menimbulkan ancaman bagi validitas eksternal dari temuan.
4. Efek bias seleksi Karena anggota secara acak ditugaskan ke semua kelompok, bias seleksi
seharusnya tidak mempengaruhi validitas internal temuan. Validitas eksternal dari temuan
juga seharusnya tidak terancam oleh seleksi: tidak ada alasan untuk berasumsi bahwa
peserta yang dipilih untuk eksperimen berbeda dari karyawan organisasi lainnya.
5. Efek kematian Karena anggota keluar dari dua kelompok eksperimen, efek kematian dapat
mempengaruhi validitas internal.
6. Efek regresi statistik Meskipun tidak secara khusus dinyatakan, kita dapat mengasumsikan
bahwa semua anggota yang berpartisipasi dalam percobaan dipilih secara acak dari
populasi yang terdistribusi normal, dalam hal ini masalah regresi statistik yang mencemari
percobaan tidak muncul.
7. Efek instrumentasi Karena kuesioner yang sama mengukur moral sebelum dan sesudah
perlakuan untuk semua anggota, seharusnya tidak ada bias instrumentasi.
Akibatnya, tiga dari tujuh ancaman terhadap validitas internal berlaku dalam kasus
ini. Sejarah, pengujian utama, dan efek kematian menjadi perhatian dan karenanya validitas
internal tidak akan tinggi. Efek pengujian interaktif mengancam validitas eksternal dari
temuan.
 Validitas Internal Dalam Studi Kasus
Jika ada beberapa ancaman terhadap validitas internal bahkan dalam eksperimen
laboratorium yang dikontrol ketat, seharusnya cukup jelas mengapa kita tidak dapat
menarik kesimpulan tentang hubungan sebab akibat dari studi kasus yang menggambarkan
peristiwa yang terjadi selama waktu tertentu. Kecuali studi eksperimental yang dirancang
dengan baik, secara acak menugaskan anggota ke kelompok eksperimen dan kontrol dan
berhasil memanipulasi pengobatan, menunjukkan kemungkinan hubungan sebab akibat,
tidak mungkin untuk mengatakan faktor mana yang menyebabkan yang lain. Misalnya, ada
beberapa penyebab yang dikaitkan dengan "Slice," minuman ringan yang diperkenalkan
oleh Pepsico Inc., tidak lepas landas setelah kesuksesan awalnya. Di antara alasan yang
diberikan adalah (1) pengurangan iklan untuk Slice, (2) beroperasi pada premis yang salah
bahwa konten jus di Slice akan menarik pembeli yang sadar kesehatan, (3) upaya Pepsico
untuk memeras merek terlalu cepat, ( 4) beberapa kesalahan strategis yang dibuat oleh
Pepsico, (5) meremehkan waktu yang dibutuhkan untuk membangun merek, dan
sejenisnya. Sementara semua di atas dapat memberikan dasar untuk mengembangkan
kerangka teoretis untuk menjelaskan varians dalam penjualan produk seperti Slice,
kesimpulan tentang hubungan sebab-akibat tidak dapat ditentukan dari peristiwa anekdot.
Tinjauan Faktor-Faktor Yang Mempengaruhi Validitas Internal Dan Eksternal
Sedangkan validitas internal menimbulkan pertanyaan tentang apakah pengobatan
itu sendiri atau beberapa faktor asing tambahan yang menyebabkan efek, validitas eksternal
menimbulkan masalah tentang generalisasi temuan ke pengaturan lain.
Pengujian interaktif dan efek seleksi dapat membatasi validitas eksternal dari
temuan kami. Ancaman terhadap validitas eksternal ini dapat dilawan dengan menciptakan
kondisi eksperimen yang sedekat mungkin dengan situasi di mana hasil eksperimen akan
digeneralisasi.
Setidaknya ada tujuh faktor pencemar yang mungkin mempengaruhi validitas
internal desain eksperimental. Ini adalah efek dari sejarah, pematangan, pengujian (utama),
instrumentasi, seleksi, regresi statistik, dan kematian. Namun, dimungkinkan untuk
mengurangi bias ini dengan meningkatkan tingkat kecanggihan desain eksperimental.
Sedangkan beberapa desain yang lebih canggih, yang dibahas selanjutnya, membantu
meningkatkan validitas internal hasil eksperimen, mereka juga menjadi mahal dan
memakan waktu. Berbagai jenis desain eksperimental dan sejauh mana validitas internal
dan eksternal terpenuhi di masing-masing dibahas selanjutnya.
I. Jenis Desain Eksperimental Dan Validitas
Mari kita pertimbangkan beberapa desain eksperimental yang umum digunakan dan
menentukan sejauh mana mereka menjaga terhadap tujuh faktor yang dapat mencemari
validitas internal hasil eksperimen. Semakin pendek rentang waktu eksperimen, semakin
kecil kemungkinan menghadapi efek sejarah, pematangan, dan kematian. Eksperimen yang
berlangsung satu atau dua jam biasanya tidak menemui banyak masalah ini. Hanya ketika
eksperimen tersebar di seluruh dunia
1. Posttest Hanya Dengan Kelompok Eksperimen Dan Kontrol
Beberapa desain eksperimental diatur dengan eksperimen dan kelompok kontrol,
yang pertama saja yang terkena pengobatan dan bukan yang terakhir. Efek pengobatan
dipelajari dengan menilai perbedaan hasil – yaitu skor posttest dari kelompok eksperimen
dan kontrol. Hal ini diilustrasikan pada Tabel 9.3 Berikut adalah kasus di mana efek
pengujian telah dihindari karena tidak ada pretest, hanya posttest. Perawatan harus diambil,
bagaimanapun, untuk memastikan bahwa kedua kelompok cocok untuk semua variabel
"gangguan" yang mungkin mencemari. Jika tidak, efek sebenarnya dari perlakuan tidak
dapat ditentukan hanya dengan melihat perbedaan nilai posttest dari kedua kelompok.
Pengacakan akan mengatasi masalah ini.
Mortalitas (putusnya individu dari kelompok) adalah masalah untuk semua desain
eksperimental, termasuk yang satu ini. Ini dapat mengacaukan hasil, dan dengan demikian
menimbulkan ancaman bagi validitas internal.
2. Desain Deret Waktu
Desain deret waktu (kadang-kadang disebut desain deret waktu terputus) berbeda
dari desain yang disebutkan di atas karena mengumpulkan data pada variabel yang sama
secara berkala (misalnya minggu, bulan, atau tahun). Dengan demikian, desain deret waktu
memungkinkan peneliti untuk menilai dampak suatu perlakuan dari waktu ke waktu.. Hal
ini menunjukkan bahwa serangkaian pengukuran terhadap variabel terikat dilakukan
sebelum dan sesudah perlakuan diberikan (baik oleh peneliti atau secara alamiah).
Masalah utama deret waktu adalah sejarah: peristiwa atau faktor tertentu yang
berdampak pada hubungan variabel bebas-variabel mungkin terjadi secara tidak terduga
saat eksperimen sedang berlangsung. Masalah lainnya adalah efek pengujian utama dan
interaktif, mortalitas, dan maturasi.
3. Desain Eksperimental Sejati
Desain eksperimen yang mencakup kelompok perlakuan dan kontrol dan mencatat
informasi sebelum dan sesudah kelompok eksperimen diberi perlakuan dikenal sebagai
desain eksperimen ex post facto. Ini dibahas di bawah ini.
4. Pretest Dan Posttest Eksperimen Dan Kelompok Control Rancangan
Desain ini dapat digambarkan secara visual seperti pada Tabel 9.4. Dua kelompok
- satu eksperimen dan kontrol lainnya - keduanya terkena pretest dan posttest. Satu-satunya
perbedaan antara kedua kelompok adalah bahwa yang pertama terkena pengobatan
sedangkan yang terakhir tidak. Mengukur perbedaan antara perbedaan skor post-dan pretest
dari kedua kelompok memberikan efek bersih dari perlakuan. Kedua kelompok telah
diekspos baik sebelum dan sesudah tes, dan kedua kelompok telah diacak; dengan demikian
kita dapat mengharapkan sejarah, pematangan, pengujian utama, dan efek instrumentasi
telah dikendalikan. Hal ini karena fakta bahwa apa pun yang terjadi dengan kelompok
eksperimen (misalnya, pematangan, sejarah, pengujian utama, dan instrumentasi) juga
terjadi dengan kelompok kontrol, dan dalam mengukur efek bersih (perbedaan perbedaan
 antara pra- dan skor posttest) kami telah mengendalikan faktor-faktor pencemar ini.
Melalui proses pengacakan, kami juga mengontrol efek bias seleksi dan regresi statistik.
Kematian bisa, sekali lagi, menimbulkan masalah dalam desain ini. Dalam
eksperimen yang memakan waktu beberapa minggu, seperti dalam hal menilai dampak
pelatihan terhadap pengembangan keterampilan, atau mengukur dampak kemajuan
teknologi terhadap efektivitas, beberapa subjek dalam kelompok eksperimen mungkin akan
keluar sebelum eksperimen berakhir. Ada kemungkinan mereka yang drop out dalam
beberapa hal berbeda dengan mereka yang bertahan sampai akhir dan mengambil posttest.
Jika demikian, kematian bisa menawarkan penjelasan saingan yang masuk akal untuk
perbedaan antara O2 dan O1. Efek pengujian interaktif juga dapat menyebabkan masalah
dalam desain ini; fakta bahwa peserta dalam kelompok eksperimen diminta untuk
melakukan pretest bisa membuat mereka lebih sensitif terhadap manipulasi.
5. Desain Empat Kelompok Solomon
Untuk mendapatkan lebih percaya diri dalam validitas internal dalam desain
eksperimental, itu adalah disarankan untuk mengatur dua kelompok eksperimen dan dua
kelompok kontrol untuk percobaan. Satu kelompok eksperimen dan satu kelompok kontrol
dapat diberikan pretest dan posttest, seperti yang ditunjukkan pada Tabel 9.5. Dua
kelompok lainnya hanya akan diberikan posttest. Di sini, efek pengobatan dapat dihitung
dengan beberapa cara berbeda, seperti yang ditunjukkan pada gambar. Sejauh kita
mendapatkan hasil yang hampir sama di setiap perhitungan yang berbeda, kita dapat
menghubungkan efeknya dengan perlakuan. Hal ini meningkatkan validitas internal hasil
desain eksperimen. Desain ini, yang dikenal sebagai desain empat kelompok Solomon,
mungkin yang paling komprehensif dan yang paling sedikit memiliki masalah dengan
validitas internal.
6. Desain Empat Kelompok Solomon Dan Ancaman Terhadap Validitas
Desain empat kelompok Solomon, juga dikenal sebagai desain enam studi empat
kelompok, adalah desain eksperimental yang sangat canggih. Desain ini mengontrol semua
ancaman terhadap validitas internal, kecuali kematian (yang merupakan masalah untuk
semua desain eksperimental) dan juga untuk efek pengujian interaktif. Untuk alasan ini,
desain empat grup Solomon sangat berguna ketika efek pengujian interaktif diharapkan.
Efek pengobatan (E) dapat dinilai dengan:
Jika semua Es serupa, hubungan sebab-akibat sangat valid.
Untuk dapat menghitung pengaruh perlakuan eksperimental, diperlukan perkiraan
pengukuran sebelumnya untuk Kelompok 3 dan 4. Estimasi terbaik dari ini premeasure
adalah rata-rata dari dua pretest; itu adalah, Bersama dengan enam pengamatan pra-dan
pasca-tes, perkiraan tindakan awal kemudian dapat digunakan untuk menghasilkan
perkiraan dampak perlakuan eksperimental (E), efek pengujian interaktif (I), dan efek
variabel tak terkendali (U). Perkiraan efek ini dibuat dengan membandingkan pengukuran
sebelum dan sesudah dari keempat kelompok.
 Persamaan berikut memberikan gambaran tentang dampak potensial dari perlakuan
eksperimental (E), efek pengujian interaktif (I), dan variabel tidak terkontrol (U) untuk
setiap kelompok:
Grup 1
Grup 2
Grup 3
Grup 4
Kita dapat menggunakan persamaan ini untuk memperkirakan efek E, I, dan U
dengan membandingkan pra-dan pascates kelompok. Misalnya, untuk memperkirakan
pengaruh stimulus eksperimental (E) hasil Kelompok 3 dan 4 digunakan:
Untuk menghitung pengaruh I (efek pengujian interaktif) digunakan hasil
Kelompok 1 dan 3: Dengan demikian kami dapat mengontrol efek pengujian interaktif yang
mengancam validitas eksternal dari temuan kami. Sekarang mari kita periksa bagaimana
ancaman terhadap validitas internal ditangani dalam desain empat kelompok Solomon.
Penting untuk dicatat bahwa subjek harus dipilih secara acak dan ditugaskan secara
acak ke dalam kelompok. Ini menghilangkan regresi statistik dan bias seleksi. Kelompok
2, kelompok kontrol yang terpapar baik pra-dan pascates, membantu kita untuk melihat
apakah riwayat, pematangan, pengujian (utama), instrumentasi, atau regresi mengancam
validitas internal. Kematian (kehilangan peserta selama percobaan) merupakan masalah
potensial untuk semua desain eksperimental, bahkan untuk yang satu ini.
Dengan demikian, desain eksperimen empat kelompok Solomon menjamin
validitas internal dan eksternal maksimum, mengesampingkan banyak hipotesis saingan
lainnya. Dimana membangun hubungan sebab-akibat sangat penting untuk kelangsungan
bisnis, misalnya perusahaan farmasi, yang sering menghadapi tuntutan hokum untuk
produk yang dipertanyakan, desain empat kelompok Solomon sangat berguna. Akan tetapi,
karena banyaknya subjek yang perlu direkrut, perhatian yang diperlukan untuk merancang
penelitian, waktu yang perlu dicurahkan untuk eksperimen, dan alasan lain, biaya untuk
melakukan eksperimen semacam itu tinggi. Untuk alasan ini jarang digunakan.
Tabel 9.6 merangkum ancaman terhadap validitas yang dicakup oleh desain
eksperimen yang berbeda. Jika semua subjek telah ditetapkan secara acak ke dalam
kelompok, maka bias seleksi dan regresi statistik dihilangkan dalam semua kasus.
Tabel 9.6 Ancaman utama terhadap validitas dalam desain eksperimen yang
berbeda ketika anggota dipilih dan ditetapkan secara acak
7. Studi Double-Blind
Ketika perawatan ekstrim dan ketelitian diperlukan dalam desain eksperimental,
seperti dalam kasus penemuan obat-obatan baru yang dapat berdampak pada kehidupan
manusia, studi buta dilakukan untuk menghindari bias yang mungkin muncul. Misalnya,
perusahaan farmasi yang bereksperimen dengan kemanjuran obat yang baru dikembangkan
 dalam tahap prototipe memastikan bahwa subjek dalam kelompok eksperimen dan kontrol
tetap tidak mengetahui siapa yang diberi obat, dan siapa plasebo. Studi semacam itu disebut
studi buta.
Ketika Aviron menguji dan mengumumkan vaksin Flu-mist, baik subjek maupun
peneliti yang memberikan vaksin kepada mereka tidak menyadari pengobatan yang “benar”
versus pengobatan “plasebo”. Seluruh proses dilakukan oleh lembaga pengujian luar yang
tahu siapa yang mendapat perawatan apa. Karena, dalam hal ini, baik eksperimen maupun
subjeknya dibutakan, studi semacam itu disebut studi double-blind. Karena tidak ada
gangguan dengan pengobatan dengan cara apapun, studi eksperimental semacam itu adalah
yang paling tidak bias. Seperti disebutkan sebelumnya, manajer jarang melakukan studi
hubungan sebab-akibat dalam organisasi yang menggunakan desain eksperimental karena
ketidaknyamanan dan gangguan yang mereka timbulkan pada sistem.
8. Desain Ex Post Facto
Hubungan sebab-akibat kadang-kadang dibangun melalui apa yang disebut desain
ex post facto. Di sini, tidak ada manipulasi variabel independen di laboratorium atau
pengaturan lapangan, tetapi subjek yang telah terpapar stimulus dan yang tidak terpapar
akan dipelajari. Misalnya, program pelatihan mungkin telah diperkenalkan dalam sebuah
organisasi dua tahun sebelumnya. Beberapa mungkin sudah melalui pelatihan sementara
yang lain mungkin tidak. Untuk mempelajari efek pelatihan pada kinerja, data kinerja
sekarang mungkin dikumpulkan untuk kedua kelompok. Karena penelitian tidak langsung
mengikuti setelah pelatihan, tetapi jauh kemudian, itu adalah desain ex post facto.
Rancangan percobaan yang lebih maju seperti rancangan acak lengkap, rancangan acak
kelompok, rancangan bujur sangkar latin, dan rancangan faktorial dijelaskan dalam
lampiran bab ini, bagi siswa yang tertarik dengan hal ini.
J. Simulasi
Sebuah alternatif untuk eksperimen lab dan lapangan yang saat ini digunakan dalam
penelitian bisnis adalah simulasi. Simulasi menggunakan teknik pembuatan model untuk
menentukan efek perubahan, dan simulasi berbasis komputer menjadi populer dalam
penelitian bisnis. Simulasi dapat dianggap sebagai percobaan yang dilakukan dalam
pengaturan yang dibuat khusus yang sangat dekat dengan lingkungan alam di mana
kegiatan biasanya dilakukan. Dalam pengertian itu, simulasi terletak di suatu tempat antara
laboratorium dan eksperimen lapangan, sejauh lingkungan dibuat secara artifisial tetapi
tidak terlalu berbeda dari "kenyataan". Peserta dihadapkan pada pengalaman dunia nyata
selama periode waktu tertentu, yang berlangsung dari beberapa jam hingga beberapa
minggu, dan mereka dapat secara acak ditugaskan ke kelompok perlakuan yang berbeda.
Jika perilaku manajerial sebagai fungsi dari perlakuan khusus yang akan dipelajari, subjek
akan diminta untuk beroperasi di lingkungan yang sangat mirip dengan kantor, dengan
meja, kursi, lemari, telepon, dan sejenisnya. Anggota akan secara acak ditugaskan peran
direktur, manajer, juru tulis, dan sebagainya, dan rangsangan khusus akan disajikan kepada
mereka. Jadi, sementara peneliti mempertahankan kontrol atas penugasan dan manipulasi,
subjek dibiarkan bebas beroperasi seperti di kantor nyata. Pada dasarnya, beberapa faktor
akan dibangun atau digabungkan dalam sistem simulasi dan faktor lainnya dibiarkan bebas
untuk bervariasi (perilaku peserta, dalam aturan permainan). Data variabel terikat dapat
diperoleh melalui observasi, rekaman video, rekaman audio, wawancara, atau angket.
Hubungan sebab akibat dapat diuji karena manipulasi dan kontrol dimungkinkan
dalam simulasi. Dua jenis simulasi dapat dibuat: satu di mana sifat dan waktu kejadian
simulasi sepenuhnya ditentukan oleh peneliti (disebut simulasi eksperimental), dan yang
lainnya (disebut simulasi bebas) di mana jalannya kegiatan setidaknya sebagian diatur oleh
reaksi peserta terhadap berbagai rangsangan saat mereka berinteraksi di antara mereka
sendiri. Looking Glass, simulasi gratis yang dikembangkan oleh Lombardo, McCall, dan
DeVries (1983) untuk mempelajari gaya kepemimpinan, telah cukup populer di bidang
manajemen.
Hubungan sebab-akibat lebih baik dibangun dalam simulasi eksperimental di mana
peneliti melakukan kontrol yang lebih besar. Namun, dalam simulasi yang melibatkan
beberapa minggu, mungkin ada tingkat pengurangan anggota yang tinggi. Simulasi
eksperimental dan gratis keduanya mahal, karena menciptakan kondisi dunia nyata dalam
pengaturan buatan dan mengumpulkan data selama periode waktu yang lama melibatkan
penyebaran banyak jenis sumber daya. Simulasi dapat dilakukan dalam pengaturan yang
dibuat khusus menggunakan mata pelajaran, komputer, dan model matematika. Steufert,
Pogash, dan Piasecki (1988), yang menilai kompetensi manajerial melalui simulasi bantuan
komputer enam jam, berpendapat bahwa teknologi simulasi mungkin satu-satunya metode
yang layak untuk secara bersamaan mempelajari beberapa jenis gaya eksekutif.
Simulasi berbasis komputer sering digunakan di bidang akuntansi dan keuangan.
Misalnya, efektivitas berbagai prosedur review analitik dalam mendeteksi kesalahan dalam
saldo akun telah diuji melalui simulasi (Knechel, 1986). Di bidang keuangan, manajemen
risiko telah dipelajari melalui simulasi. Simulasi juga telah digunakan untuk memahami
hubungan kompleks dalam pembiayaan program pensiun dan membuat keputusan investasi
yang penting (Perrier dan Kalwarski, 1989). Dimungkinkan untuk memvariasikan beberapa
variabel (demografi tenaga kerja, tingkat inflasi, dll.) secara tunggal atau bersamaan dalam
model tersebut.
Prototipe mesin dan instrumen seringkali merupakan hasil dari model simulasi.
Simulasi juga telah digunakan oleh banyak perusahaan untuk menguji ketahanan dan
kemanjuran berbagai produk. Kita juga akrab dengan simulator penerbangan, simulator
mengemudi, dan bahkan simulator reaktor nuklir. Di sini, pola visual yang disajikan terus
berubah sebagai respons terhadap reaksi individu (pilot, pengemudi, atau penangan darurat)
terhadap stimulus sebelumnya yang disajikan, dan bukan dalam urutan yang telah
ditentukan sebelumnya. Seluruh operasi bisnis, dari tata letak kantor hingga profitabilitas,
dapat disimulasikan menggunakan skenario prospektif yang berbeda. Dengan
meningkatnya akses ke teknologi canggih, dan kemajuan model matematika, simulasi
menjadi alat pengambilan keputusan manajerial yang penting. Sangat mungkin bahwa kita
akan melihat simulasi digunakan sebagai alat manajerial, untuk meningkatkan motivasi,
kepemimpinan, dan sejenisnya, di masa depan. Simulasi juga dapat diterapkan sebagai alat
manajerial pemecahan masalah di bidang perilaku dan administrasi lainnya. Model simulasi
 berbasis komputer yang terprogram dalam bidang perilaku memang dapat melayani
pengambilan keputusan manajerial dengan sangat baik.
K. Masalah Etika Dalam Penelitian Desain Eksperimental
Pada saat ini tepat untuk membahas secara singkat beberapa dari banyak masalah
etika yang terlibat dalam melakukan penelitian, beberapa di antaranya sangat relevan
dengan melakukan eksperimen laboratorium. Praktik berikut dianggap tidak etis:

• Memberi tekanan pada individu untuk berpartisipasi dalam eksperimen melalui paksaan,
atau menerapkan tekanan sosial.
• Memberikan tugas-tugas kasar dan mengajukan pertanyaan merendahkan yang
mengurangi harga diri mereka.
• Menipu subjek dengan sengaja menyesatkan mereka tentang tujuan penelitian yang
sebenarnya.
• Mengekspos peserta untuk stres fisik atau mental.
• Tidak mengizinkan subjek untuk menarik diri dari penelitian ketika mereka mau.
• Menggunakan hasil penelitian untuk merugikan partisipan, atau untuk tujuan yang tidak
mereka sukai.
• Tidak menjelaskan prosedur yang harus diikuti dalam percobaan.
• Mengekspos responden ke lingkungan yang berbahaya dan tidak aman.
• Tidak mewawancarai peserta secara lengkap dan akurat setelah eksperimen selesai.
• Tidak menjaga privasi dan kerahasiaan informasi yang diberikan oleh peserta.
• Menahan manfaat dari kelompok kontrol.
Item terakhir agak kontroversial apakah harus menjadi dilema etika atau tidak,
terutama dalam penelitian organisasi. Jika tiga insentif berbeda ditawarkan untuk tiga
kelompok eksperimen dan tidak ada yang ditawarkan kepada kelompok kontrol, itu adalah
fakta bahwa kelompok kontrol telah berpartisipasi dalam percobaan dengan sama sekali
tidak ada manfaat. Demikian pula, jika empat kelompok eksperimen yang berbeda
menerima empat tingkat pelatihan yang berbeda tetapi kelompok kontrol tidak, empat
kelompok lainnya telah memperoleh keahlian yang kelompok kontrol telah ditolak. Tetapi
haruskah ini dianggap sebagai dilema etika yang mencegah desain eksperimental dengan
kelompok kontrol dalam penelitian organisasi? Mungkin tidak, setidaknya karena tiga
alasan. Salah satunya adalah bahwa beberapa orang lain dalam sistem yang tidak
berpartisipasi dalam eksperimen juga tidak mendapat manfaat. Kedua, bahkan dalam
kelompok eksperimen, beberapa akan mendapat manfaat lebih dari yang lain (tergantung
pada sejauh mana faktor penyebab dimanipulasi). Akhirnya, jika hubungan sebab-akibat
ditemukan, sistem akan, kemungkinan besar, menerapkan pengetahuan yang baru
ditemukan cepat atau lambat dan semua orang pada akhirnya akan memperoleh
keuntungan. Asumsi bahwa kelompok kontrol tidak mendapat manfaat dari berpartisipasi
dalam percobaan mungkin tidak menjadi alasan yang cukup untuk tidak menggunakan
percobaan laboratorium atau lapangan.
 Banyak universitas memiliki "komite subjek manusia" untuk melindungi hak
individu yang berpartisipasi dalam semua jenis kegiatan penelitian yang melibatkan orang.
Fungsi dasar dari komite-komite ini adalah untuk melaksanakan tanggung jawab moral dan
etika sistem universitas dengan mempelajari prosedur-prosedur yang digariskan dalam
proposal penelitian dan memberikan stempel persetujuan mereka untuk penelitian tersebut.
Komite subyek manusia mungkin meminta penyelidik untuk memodifikasi prosedur
mereka atau menginformasikan subyek sepenuhnya, jika keadaan menuntutnya.
L. Implikasi Manajerial
Sebelum menggunakan desain eksperimental dalam studi penelitian, penting untuk
mempertimbangkan apakah desain tersebut diperlukan sama sekali, dan jika demikian,
pada tingkat kecanggihan apa. Ini karena desain eksperimental memerlukan upaya khusus
dan berbagai tingkat mengganggu aliran alami aktivitas. Beberapa pertanyaan yang perlu
dijawab dalam membuat keputusan ini adalah sebagai berikut:
1. Apakah benar-benar perlu untuk mengidentifikasi hubungan kausal, atau apakah cukup jika
korelasi yang menjelaskan varians dalam variabel dependen diketahui?
2. Jika penting untuk menelusuri hubungan sebab akibat, manakah di antara keduanya,
validitas internal atau validitas eksternal, yang lebih dibutuhkan, atau keduanya
diperlukan? Jika hanya validitas internal yang penting, eksperimen laboratorium yang
dirancang dengan cermat adalah jawabannya; jika generalisasi adalah kriteria yang lebih
penting, maka diperlukan percobaan lapangan; jika keduanya sama pentingnya, maka studi
laboratorium harus dilakukan terlebih dahulu, diikuti dengan eksperimen lapangan, jika
hasil yang pertama menjamin yang terakhir.
3. Apakah biaya merupakan faktor penting dalam penelitian? Jika demikian, akankah desain
eksperimental yang lebih sederhana daripada yang lebih canggih?
Meskipun manajer mungkin tidak sering tertarik pada hubungan sebab-akibat,
pengetahuan yang baik tentang desain eksperimental dapat mendorong beberapa studi
percontohan yang harus dilakukan untuk memeriksa apakah faktor-faktor seperti sistem
bonus, tarif per potong, jeda istirahat, dan sebagainya mengarah ke positif. hasil seperti
motivasi yang lebih baik, peningkatan kinerja kerja, dan kondisi kerja yang menguntungkan
lainnya di tempat kerja. Manajer pemasaran dapat menggunakan desain eksperimental
untuk mempelajari efek penjualan iklan, promosi penjualan, penetapan harga, dan
sejenisnya. Kesadaran akan manfaat simulasi sebagai alat penelitian juga dapat
menghasilkan upaya penelitian kreatif di bidang manajemen, seperti yang terjadi saat ini di
sisi manufaktur bisnis.
 Sampling

1. POPULASI
Populasi mengacu pada seluruh kelompok orang, peristiwa, atau hal-hal menarik yang
peneliti ingin selidiki. Ini adalah sekelompok orang, peristiwa, atau hal-hal menarik yang
peneliti ingin buat kesimpulannya (berdasarkan sampel statistik). Misalnya, jika CEO
sebuah perusahaan komputer ingin mengetahui jenis strategi periklanan yang diterapkan
oleh perusahaan komputer di Silicon Valley, maka semua perusahaan komputer yang
berada di sana akan menjadi populasinya. Jika seorang konsultan organisasi tertarik untuk
mempelajari efek dari kerja empat hari seminggu pada pekerja kerah putih di sebuah
perusahaan telepon di Irlandia, maka semua pekerja kerah putih di perusahaan tersebut akan
membentuk populasi. Jika regulator ingin mengetahui bagaimana pasien di panti jompo
yang dijalankan oleh sebuah perusahaan di Prancis dirawat, maka semua pasien di semua
panti jompo yang dijalankan oleh mereka akan menjadi populasi. Namun, jika regulator
hanya tertarik pada satu panti jompo tertentu yang dijalankan oleh perusahaan itu, maka
hanya pasien di panti jompo tersebut yang akan menjadi populasi.
2. ELEMEN

elemen merupakan salah satu anggota populasi. Jika 1000 pekerja kerah biru dalam
organisasi tertentu merupakan populasi yang diminati oleh seorang peneliti, setiap pekerja
kerah biru di dalamnya adalah sebuah elemen. Jika 500 potong mesin harus disetujui setelah
memeriksa beberapa, akan ada 500 elemen dalam populasi ini. Kebetulan, sensus adalah
menghitung semua elemen dalam populasi manusia.

3. SAMPEL

Sampel merupakan bagian dari populasi. Ini terdiri dari beberapa anggota yang dipilih
darinya. Dengan kata lain, beberapa, tetapi tidak semua, elemen populasi membentuk
sampel. Jika 200 anggota diambil dari populasi 1000 pekerja kerah biru, 200 anggota ini
menjadi sampel penelitian. Artinya, dari kajian terhadap 200 anggota ini, peneliti akan
menarik kesimpulan tentang seluruh populasi 1000 pekerja kerah biru. Demikian juga, jika
ada 145 pasien rawat inap di sebuah rumah sakit dan 40 di antaranya akan disurvei oleh
pengelola rumah sakit untuk menilai tingkat kepuasan mereka terhadap perawatan yang
diterima, maka 40 anggota ini akan menjadi sampel. Sampel demikian subkelompok atau
bagian dari populasi. Dengan mempelajari sampel, peneliti harus dapat menarik
kesimpulan yang dapat digeneralisasikan untuk populasi yang diminati.
4. SATUAN SAMPEL
Satuan pengambilan contoh adalah elemen atau kumpulan elemen yang tersedia untuk
dipilih dalam beberapa tahap proses pengambilan sampel. Contoh unit pengambilan sampel
dalam sampel bertingkat adalah blok kota, rumah tangga, dan individu dalam rumah tangga.
5. SUBJEK
Subjek adalah anggota tunggal dari sampel, seperti halnya elemen adalah anggota tunggal
dari populasi. Jika 200 anggota dari total populasi 1000 pekerja kerah biru menjadi sampel
penelitian, maka setiap pekerja kerah biru dalam sampel adalah subjek. Sebagai contoh
lain, jika sampel 50 mesin dari total 500 mesin akan diperiksa, maka masing-masing dari
50 mesin adalah subjek, sama seperti setiap mesin dalam populasi total 500 mesin adalah
elemen.
6. ALASAN PENGAMBILAN SAMPEL
Alasan untuk menggunakan sampel, daripada mengumpulkan data dari seluruh populasi,
sudah terbukti dengan sendirinya. Dalam penyelidikan penelitian yang melibatkan
beberapa ratus bahkan ribuan elemen, secara praktis tidak mungkin mengumpulkan data
dari, atau menguji, atau memeriksa setiap elemen. Kalaupun bisa, akan menjadi penghalang
dalam hal waktu, biaya, dan sumber daya manusia lainnya. Studi sampel daripada seluruh
populasi juga terkadang menghasilkan hasil yang lebih dapat diandalkan. Ini sebagian besar
karena kelelahan berkurang dan lebih sedikit kesalahan sehingga menghasilkan
pengumpulan data, terutama ketika sejumlah besar elemen terlibat. Dalam beberapa kasus,
juga tidak mungkin menggunakan seluruh populasi untuk mendapatkan pengetahuan
tentang, atau menguji, sesuatu. Perhatikan, misalnya, kasus bola lampu listrik. Dalam
menguji umur bola lampu, jika kita membakar setiap umbi yang dihasilkan, tidak akan ada
yang tersisa untuk dijual! Ini dikenal sebagaisampling destruktif.
7. KETERWAKILAN SAMPEL
Kebutuhan untuk memilih sampel yang tepat untuk penyelidikan penelitian tidak bisa
terlalu ditekankan. Kita tahu bahwa sampel jarang menjadi replika yang tepat dari populasi
yang diambilnya. Misalnya, sangat sedikit sampel berarti (X) cenderung persis sama
dengan rata-rata populasi (μ). Juga bukan standar deviasi sampel (S) cenderung sama
dengan standar deviasi populasi (σ). Namun, jika kita memilih sampel secara ilmiah, kita
bisa cukup yakin bahwa statistik sampel (misalnya,X, S, atauS2) cukup dekat dengan
parameter populasi (yaitu,μ,σ, atauσ2). Dengan kata lain, adalah mungkin untuk memilih
sampel sedemikian rupa sehingga mewakili populasi. Akan tetapi, selalu ada sedikit
kemungkinan bahwa nilai sampel berada di luar parameter populasi.
8. PROSES SAMPLING
Pengambilan sampel adalahprosesmemilih jumlah yang cukup dari elemen yang tepat dari
populasi, sehingga studi tentang sampel dan pemahaman tentang sifat atau karakteristiknya
memungkinkan kita untuk menggeneralisasikan sifat atau karakteristik tersebut ke elemen
populasi. Langkah-langkah utama dalam pengambilan sampel meliputi:
o Tentukan populasi.
o Tentukan kerangka sampel.
o Tentukan desain samplingnya.
o Tentukan ukuran sampel yang sesuai.

o Jalankan proses sampling.

9. MENDEFINISIKAN POPULASI
Pengambilan sampel dimulai dengan menentukan populasi sasaran secara tepat. Populasi
target harus didefinisikan dalam hal elemen, batas geografis, dan waktu. Misalnya, bagi
seorang bankir yang tertarik dengan kebiasaan menabung para pekerja kerah biru dalam
industri pertambangan di Amerika Serikat, populasi target mungkin adalah semua pekerja
kerah biru di industri tersebut di seluruh negeri. Untuk biro iklan yang tertarik dengan
kebiasaan membaca orang lanjut usia, populasi sasarannya mungkin penduduk Jerman
berusia 50 tahun ke atas. Contoh-contoh ini menggambarkan bahwa tujuan penelitian dan
ruang lingkup penelitian memainkan peran penting dalam menentukan populasi sasaran.
10. MENENTUKAN KERANGKA SAMPEL
Kerangka sampling adalah representasi (fisik) dari semua elemen dalam populasi dari mana
sampel diambil. Penggajian organisasi akan berfungsi sebagai kerangka sampling jika
anggotanya akan dipelajari. Demikian pula, daftar universitas yang memuat daftar semua
mahasiswa, fakultas, administrator, dan staf pendukung di universitas selama tahun
akademik atau semester tertentu dapat berfungsi sebagai kerangka sampling untuk studi
populasi universitas. Sebuah daftar siswa kelas bisa menjadi kerangka sampling untuk studi
siswa di kelas. Direktori telepon juga sering digunakan sebagai kerangka sampling untuk
beberapa jenis studi, meskipun memiliki bias yang melekat karena beberapa nomor tidak
terdaftar dan beberapa lainnya mungkin sudah usang.
Meskipun kerangka sampling berguna dalam memberikan daftar setiap elemen dalam
populasi, itu mungkin tidak selalu menjadi dokumen terkini dan terkini. Misalnya, nama
anggota yang baru saja keluar dari organisasi atau keluar dari universitas, serta anggota
yang baru saja bergabung dengan organisasi atau universitas mungkin tidak muncul dalam
daftar gaji organisasi atau universitas pada hari tertentu. Telepon yang terakhir dipasang
atau dilepas juga tidak akan disertakan dalam direktori telepon saat ini. Oleh karena itu,
meskipun kerangka sampling mungkin tersedia dalam banyak kasus, mungkin tidak selalu
sepenuhnya benar atau lengkap. Ketika kerangka sampling tidak persis sama dengan
populasikesalahan cakupanterjadi. Dalam beberapa kasus, peneliti mungkin mengenali
masalah ini dan tidak terlalu mengkhawatirkannya, karena perbedaan antara populasi target
dan kerangka sampling cukup kecil untuk diabaikan. Namun, dalam banyak kasus, peneliti
harus mengatasi kesalahan ini dengan mendefinisikan ulang populasi sasaran dalam hal
kerangka sampling, menyaring responden sehubungan dengan karakteristik penting untuk
memastikan bahwa mereka memenuhi kriteria populasi sasaran, atau menyesuaikan yang
dikumpulkan. data dengan skema pembobotan untuk mengimbangi kesalahan cakupan.
11. MENENTUKAN DESAIN SAMPLING
Ada dua jenis utama desain sampling: probabilitas dan nonprobability sampling. Di
pengambilan sampel probabilitas, elemen-elemen dalam populasi memiliki beberapa
peluang atau probabilitas yang diketahui dan tidak nol untuk dipilih sebagai subjek sampel.
Di sampling nonprobabilitas, elemen tidak memiliki peluang yang diketahui atau
ditentukan sebelumnya untuk terpilih sebagai subjek. Desain sampling probabilitas
digunakan ketika keterwakilan sampel penting untuk kepentingan generalisasi yang lebih
luas. Ketika waktu atau faktor lain, alih-alih generalisasi, menjadi kritis, nonprobability
sampling umumnya digunakan. Masing-masing dari dua desain utama ini memiliki strategi
pengambilan sampel yang berbeda. Bergantung pada tingkat generalisasi yang diinginkan,
tuntutan waktu dan sumber daya lainnya, dan tujuan penelitian, jenis desain sampling
probabilitas dan nonprobabilitas yang berbeda dipilih.
Pemilihan prosedur sampling adalah salah satu yang sangat penting. Oleh karena itu, bab
ini akan membahas secara rinci berbagai jenis desain pengambilan sampel, mengingat
halhal berikut dalam penentuan pilihan:
o Apa target populasi yang relevan dari fokus penelitian?

o Apa sebenarnya parameter yang ingin kita selidiki?

o Sampling frame seperti apa yang tersedia?

o Berapa biaya yang melekat pada desain pengambilan sampel?

o Berapa banyak waktu yang tersedia untuk mengumpulkan data dari sampel?

12. MENENTUKAN UKURAN SAMPEL

Apakah ukuran sampel 40 cukup besar? Atau apakah Anda memerlukan ukuran sampel 75,
180, 384, atau 500? Apakah sampel besar lebih baik daripada sampel kecil; yaitu, apakah
lebih representatif? Keputusan tentang seberapa besar ukuran sampel bisa menjadi
keputusan yang sangat sulit. Kami dapat meringkas faktor-faktor yang mempengaruhi
keputusan tentang ukuran sampel sebagai:
o Tujuan penelitian;
o Tingkat presisi yang diinginkan (interval kepercayaan);
o Risiko yang dapat diterima dalam memprediksi tingkat presisi (tingkat kepercayaan);
o Besarnya variabilitas dalam populasi itu sendiri;
o Kendala biaya dan waktu;
o Dalam beberapa kasus, ukuran populasi itu sendiri.
 Jadi, seberapa besar sampel Anda seharusnya merupakan fungsi dari enam faktor ini. Kita
akan berbicara lebih banyak tentang ukuran sampel nanti di bab ini, setelah kita membahas
desain pengambilan sampel.
13. KESALAHAN NON-RESPON
Kegagalan untuk memperoleh informasi dari sejumlah subjek yang termasuk dalam sampel
(non-response) dapat menyebabkan kesalahan non-respons. Kesalahan non- respons ada
sejauh mereka yang menanggapi survei Anda berbeda dari mereka yang tidak menjawab
(salah satu) karakteristik minat dalam studi Anda. Dua sumber penting dari nonrespon
adalah tidak di rumah dan penolakan. Cara yang efektif untuk mengurangi kejadian tidak
di rumah adalah menelepon kembali di lain waktu, sebaiknya di waktu yang berbeda.
Tingkat penolakan tergantung, antara lain, pada lamanya survei, metode pengumpulan data,
dan patronase penelitian. Oleh karena itu, penurunan panjang survei, dalam metode
pengumpulan data (wawancara pribadi bukan kuesioner surat), dan naungan penelitian
sering meningkatkan tingkat pengembalian keseluruhan. Surat pengantar yang
dipersonalisasi, sedikit insentif untuk berpartisipasi dalam studi, dan pemberitahuan
sebelumnya bahwa survei sedang berlangsung juga dapat membantu Anda meningkatkan
tingkat respons. Meskipun demikian, hampir tidak mungkin untuk sepenuhnya
menghindari non-respons dalam survei.
14. SAMPLING PROBABILITAS

Ketika elemen-elemen dalam populasi memiliki peluang yang diketahui untuk dipilih
sebagai subjek dalam sampel, kami menggunakan desain sampling probabilitas.
Pengambilan sampel probabilitas dapat bersifat tidak terbatas (pengambilan sampel acak
sederhana) atau terbatas (pengambilan sampel probabilitas kompleks).

a) Pengambilan sampel acak tidak terbatas atau sederhana

Dalamsampling probabilitas tak terbatasdesain, lebih dikenal sebagai contoh acak

sederhana, setiap elemen dalam populasi memiliki adiketahui dan setarapeluang terpilih
sebagai subjek. Katakanlah ada 1000 elemen dalam populasi, dan kita membutuhkan
sampel 100. Misalkan kita menjatuhkan potongan kertas di topi, masing-masing bertuliskan
nama salah satu elemen, dan menarik 100 dari topi itu dengan mata kita tertutup. Kita tahu
bahwa bidak pertama yang ditarik akan memiliki peluang 1/1000 untuk ditarik, yang
berikutnya memiliki peluang untuk ditarik 1/999, dan seterusnya. Dengan kata lain, kita
tahu bahwa probabilitas terpilihnya salah satu dari mereka adalah 1 dalam jumlah populasi,
dan kita juga tahu bahwa setiap elemen di topi memiliki probabilitas yang sama atau sama
untuk dipilih. Kita tentu tahu bahwa komputer dapat menghasilkan angka acak dan
seseorang tidak harus melalui proses yang membosankan untuk mengeluarkan nama dari
topi!

Ketika kita menarik elemen-elemen dari populasi, kemungkinan besar pola distribusi
karakteristik yang ingin kita selidiki dalam populasi juga terdistribusi dalam subjek yang
kita gambar untuk kita. Rancangan pengambilan sampel ini, yang dikenal sebagai
 pengambilan sampel acak sederhana, memiliki bias paling kecil dan menawarkan
kemampuan generalisasi yang paling besar. Namun, proses pengambilan sampel ini dapat
menjadi tidak praktis dan mahal; selain itu, daftar populasi yang sepenuhnya diperbarui
mungkin tidak selalu tersedia. Untuk alasan ini dan lainnya, desain sampling probabilitas
lainnya sering dipilih sebagai gantinya.

b) Sampling Probabilitas terbatas atau kompleks

Sebagai alternatif dari desain sampling acak sederhana, beberapapengambilan sampel

probabilitas kompleks(probabilitas terbatas) desain dapat digunakan. Prosedur
pengambilan sampel probabilitas ini menawarkan alternatif yang layak, dan terkadang lebih
efisien, untuk desain tak terbatas yang baru saja kita diskusikan. Efisiensi ditingkatkan
karena lebih banyak informasi dapat diperoleh untuk ukuran sampel tertentu menggunakan
beberapa prosedur pengambilan sampel probabilitas yang kompleks daripada desain
pengambilan sampel acak sederhana. Lima desain sampling probabilitas kompleks yang
paling umum – sampling sistematik, sampling acak bertingkat, sampling kluster, sampling
area, dan sampling ganda – sekarang akan dibahas.
c) Pengambilan sampel sistematis
Pengambilan sampel sistematis desain melibatkan menggambar setiap elemen ke dalam
populasi dimulai dengan elemen yang dipilih secara acak antara 1 dan Prosedurnya
dicontohkan di bawah ini.
Contoh
Jika kita menginginkan sampel 35 rumah tangga dari total populasi 260 rumah di suatu
wilayah tertentu, maka kita dapat mengambil sampel setiap tujuh rumah mulai dari nomor
acak dari 1 sampai 7. Misalkan nomor acak adalah 7, maka rumah diberi nomor 7, 14, 21,
28, dan seterusnya, akan dijadikan sampel sampai 35 rumah terpilih. Satu masalah yang
harus diingat dalam desain sampling sistematik adalah kemungkinan bias sistematik yang
menyusup ke dalam sampel. Dalam contoh di atas, misalnya, katakanlah setiap rumah
ketujuh adalah rumah sudut. Jika fokus studi penelitian yang dilakukan oleh industri
konstruksi adalah untuk mengendalikan “polusi suara” yang dialami oleh penghuni melalui
penggunaan bahan penyaring yang tepat, maka penghuni rumah pojok mungkin tidak
terpapar kebisingan sebanyak rumah yang berada di dalamnya. di antara. Oleh karena itu,
informasi tentang tingkat kebisingan yang dikumpulkan dari penghuni rumah sudut
mungkin membiaskan data peneliti. Kemungkinan menarik kesimpulan yang salah dari
data tersebut demikian tinggi. Mengingat ruang lingkup bias sistematis seperti itu, peneliti
harus mempertimbangkan rencana dengan hati-hati dan memastikan bahwa desain
pengambilan sampel sistematis sesuai untuk penelitian, sebelum memutuskannya. Untuk
survei pasar, survei sikap konsumen, dan sejenisnya, desain sampling sistematik sering
digunakan, dan direktori telepon sering berfungsi sebagai kerangka sampling untuk desain
sampling ini. peneliti harus mempertimbangkan rencana dengan hati-hati dan memastikan
bahwa desain pengambilan sampel sistematis sesuai untuk penelitian, sebelum
memutuskannya. Untuk survei pasar, survei sikap konsumen, dan sejenisnya, desain
 sampling sistematik sering digunakan, dan direktori telepon sering berfungsi sebagai
kerangka sampling untuk desain sampling ini. peneliti harus mempertimbangkan rencana
dengan hati-hati dan memastikan bahwa desain pengambilan sampel sistematis sesuai
untuk penelitian, sebelum memutuskannya. Untuk survei pasar, survei sikap konsumen,
dan sejenisnya, desain sampling sistematik sering digunakan, dan direktori telepon sering
berfungsi sebagai kerangka sampling untuk desain sampling ini.
d) Pengambilan sampel acak bertingkat

Sementara pengambilan sampel membantu memperkirakan parameter populasi, mungkin

ada subkelompok elemen yang dapat diidentifikasi dalam populasi yang mungkin
diharapkan memiliki parameter berbeda pada variabel yang menarik bagi peneliti.
Misalnya, bagi Direktur Manajemen Sumber Daya Manusia yang tertarik untuk menilai
sejauh mana pelatihan yang menurut karyawan dalam sistem dibutuhkan, seluruh
organisasi akan membentuk populasi untuk dipelajari. Tetapi jangkauan, kualitas, dan
intensitas pelatihan yang diinginkan oleh manajer tingkat menengah, manajer tingkat
bawah, penyelia lini pertama, analis komputer, pekerja klerikal, dan seterusnya akan
berbeda untuk setiap kelompok. Pengetahuan tentang jenis perbedaan kebutuhan yang ada
untuk kelompok yang berbeda akan membantu direktur mengembangkan program
pelatihan yang bermanfaat dan bermakna bagi setiap kelompok dalam organisasi. Oleh
karena itu, data harus dikumpulkan dengan cara yang akan membantu penilaian kebutuhan
pada setiap tingkat subkelompok dalam populasi. Unit analisis kemudian akan berada di
tingkat kelompok dan proses pengambilan sampel acak bertingkat akan berguna.

e) Pengambilan sampel acak

Pengambilan sampel acak bertingkat proporsional dan tidak proporsional Setelah populasi
telah distratifikasi dengan cara yang berarti, sampel anggota dari setiap strata dapat ditarik
menggunakan pengambilan sampel acak sederhana atau prosedur pengambilan sampel
sistematik. Subjek yang diambil dari setiap strata dapat proporsional atau tidak
proporsional dengan jumlah elemen dalam strata tersebut. Misalnya, jika sebuah organisasi
mempekerjakan 10 manajer puncak, 30 manajer menengah, 50 manajer tingkat bawah, 100
penyelia, 500 juru tulis, dan 20 sekretaris, dan sampel bertingkat sekitar 140 orang
diperlukan untuk beberapa survei tertentu, peneliti dapat memutuskan untuk memasukkan
dalam sampel 20% anggota dari setiap strata. Artinya, akan ada anggota yang terwakili
dalam sampel dari setiap strata sebandingdengan jumlah total elemen dalam strata
masingmasing. Ini berarti bahwa dua dari atas, enam dari tengah, dan sepuluh dari tingkat
manajemen yang lebih rendah akan dimasukkan dalam sampel.
f) Pengambilan sampel klaster

Sampel kluster adalah sampel yang dikumpulkan dalam kelompok atau potongan elemen
yang, idealnya, merupakan agregat alami dari elemen dalam populasi. Di pengambilan
sampel klaster, populasi target pertama kali dibagi menjadi cluster. Kemudian, sampel acak
dari cluster diambil dan untuk setiap cluster yang dipilih, semua elemen atau sampel elemen
 dimasukkan ke dalam sampel. Sampel klaster menawarkan lebih banyak heterogenitas
dalam kelompok dan lebih banyak homogenitas di antara kelompok – kebalikan dari apa
yang kami temukan dalam pengambilan sampel acak bertingkat, di mana ada homogenitas
dalam setiap kelompok dan heterogenitas antar kelompok.

Jenis tertentu dari cluster sampling adalah pengambilan sampel wilayah. Dalam hal ini,
cluster terdiri dari area geografis seperti kabupaten, blok kota, atau batas tertentu dalam
suatu lokalitas. Jika Anda ingin mensurvei penduduk suatu kota, Anda akan mendapatkan
peta kota, mengambil sampel blok kota, dan memilih responden di setiap blok kota.
Pengambilan sampel kebutuhan konsumen sebelum membuka toko swalayan 24 jam di
bagian kota tertentu akan melibatkan pengambilan sampel area. Rencana lokasi untuk toko
ritel, iklan yang berfokus khusus pada penduduk lokal, dan program TV dan radio yang
disiarkan di area tertentu semuanya dapat menggunakan desain pengambilan sampel area
untuk mengumpulkan informasi tentang minat, sikap, kecenderungan, dan perilaku orang
area lokal.

g) Pengambilan sampel cluster satu tahap dan multitahap

Sejauh ini kita telah membahas pengambilan sampel klaster satu tahap, yang melibatkan
pembagian populasi ke dalam klaster yang sesuai, memilih secara acak jumlah klaster yang
diperlukan sebagai subjek sampel, dan menyelidiki semua elemen di setiap klaster yang
dipilih secara acak. Pengambilan sampel cluster juga dapat dilakukan dalam beberapa tahap
dan kemudian dikenal sebagaipengambilan sampel cluster bertingkat. Misalnya, jika kita
melakukan survei nasional terhadap rata-rata simpanan bank bulanan, pengambilan sampel
kluster pertama-tama akan digunakan untuk memilih lokasi geografis perkotaan,
semiperkotaan, dan pedesaan untuk dipelajari. Pada tahap selanjutnya, daerah-daerah
tertentu di masing-masing lokasi ini akan dipilih. Pada tahap ketiga, bank-bank di setiap
wilayah akan dipilih. Dengan kata lain, pengambilan sampel klaster multitahap melibatkan
pengambilan sampel probabilitas dari unit pengambilan sampel utama; dari masing-masing
unit primer ini, sampel probabilitas dari unit sampling sekunder kemudian diambil; tingkat
ketiga dari sampling probabilitas dilakukan dari masing-masing unit sekunder ini, dan
seterusnya, sampai kita telah mencapai tahap akhir penguraian unit-unit sampel, ketika kita
mengambil sampel setiap anggota dalam unit-unit tersebut.
h) Pengambilan sampel ganda
Rencana ini terpaksa ketika informasi lebih lanjut diperlukan dari subset kelompok dari
mana beberapa informasi telah dikumpulkan untuk studi yang sama. Rancangan
pengambilan sampel di mana awalnya sampel digunakan dalam penelitian untuk
mengumpulkan beberapa informasi awal yang menarik, dan kemudian subsampel dari
sampel utama ini digunakan untuk memeriksa masalah secara lebih rinci, disebut
pengambilan sampel ganda. Misalnya, wawancara terstruktur mungkin menunjukkan
bahwa subkelompok responden memiliki lebih banyak wawasan tentang masalah
organisasi. Responden ini mungkin akan diwawancarai lagi dan mengajukan pertanyaan
tambahan. Penelitian ini mengadopsi prosedur double sampling.
 15. TINJAUAN DESAIN SAMPLING PROBABILITAS

Ada dua rencana pengambilan sampel probabilitas dasar: pengambilan sampel acak tidak
terbatas atau sederhana, dan rencana pengambilan sampel probabilitas terbatas atau
kompleks. Dalam desain pengambilan sampel acak sederhana, setiap elemen dalam
populasi memiliki peluang yang diketahui dan sama untuk dipilih sebagai subjek. Rencana
probabilitas kompleks terdiri dari lima desain pengambilan sampel yang berbeda. Dari
kelima ini, desain sampling klaster mungkin yang paling murah dan juga paling tidak dapat
diandalkan, tetapi digunakan ketika tidak ada daftar elemen populasi yang tersedia. Desain
stratified random sampling mungkin yang paling efisien, dalam arti bahwa untuk jumlah
subjek sampel yang sama, ia menawarkan informasi yang tepat dan terperinci. Desain
pengambilan sampel sistematis memiliki bahaya bawaan dari kemungkinan bias sistematis.
Pengambilan sampel area adalah bentuk pengambilan sampel kluster yang populer,

16. SAMPLING NON PROBABILITAS

Disampling nonprobabilitas desain, unsur-unsur dalam populasi tidak memiliki

probabilitas yang melekat pada pemilihan mereka sebagai subjek sampel. Ini berarti bahwa
temuan dari studi sampel tidak dapat secara meyakinkan digeneralisasikan ke populasi.
Seperti yang dinyatakan sebelumnya, bagaimanapun, peneliti mungkin, kadang-kadang,
kurang peduli tentang generalisasi daripada mendapatkan beberapa informasi awal dengan
cara yang cepat dan murah. Mereka kemudian mungkin menggunakan pengambilan sampel
nonprobabilitas. Kadang-kadang nonprobability sampling adalah satu-satunya cara untuk
mendapatkan data, seperti yang akan dibahas nanti. Beberapa rencana pengambilan sampel
nonprobabilitas lebih dapat diandalkan daripada yang lain dan dapat menawarkan beberapa
petunjuk penting untuk informasi yang berpotensi berguna terkait dengan populasi.
a) Pengambilan sampel kenyamanan
Seperti namanya, pengambilan sampel kenyamanan mengacu pada koleksi dari informasi
dari anggota populasi yang mudah tersedia untuk menyediakannya.
Orang akan mengharapkan kontes "Pepsi Challenge" diselenggarakan berdasarkan
pengambilan sampel yang mudah. Kontes semacam itu, dengan tujuan untuk menentukan
apakah orang lebih menyukai satu produk daripada yang lain, dapat diadakan di pusat
perbelanjaan yang dikunjungi oleh banyak pembeli. Mereka yang cenderung mengikuti tes
dapat membentuk sampel untuk mempelajari berapa banyak orang yang lebih menyukai
Pepsi daripada Coke atau produk X daripada produk Y. Sampel seperti itu adalah sampel
kenyamanan.

Pertimbangkan contoh lain. Sampel kenyamanan dari lima petugas yang menghadiri
demonstrasi etalase pesaing di pameran daerah pada malam sebelumnya menawarkan
informasi kepada wakil presiden perusahaan tentang produk "baru" pesaing dan strategi
penetapan harga mereka, yang membantu VP untuk merumuskan beberapa gagasan tentang
langkah selanjutnya yang akan diambil oleh perusahaan. Sampling praktis paling sering
 digunakan selama fase eksplorasi proyek penelitian dan mungkin merupakan cara terbaik
untuk mendapatkan beberapa informasi dasar dengan cepat dan efisien.

b) Pengambilan sampel Keputusan

Judgment sampling melibatkan pilihan subjek yang paling menguntungkan ditempatkan

atau dalam posisi terbaik untuk memberikan informasi yang dibutuhkan. Misalnya, jika
seorang peneliti ingin mengetahui apa yang dibutuhkan manajer wanita untuk mencapai
puncak, satu-satunya orang yang dapat memberikan informasi langsung adalah wanita yang
telah naik ke posisi presiden, wakil presiden, dan pejabat penting. eksekutif tingkat atas
dalam organisasi kerja. Mereka secara wajar dapat diharapkan untuk memiliki pengetahuan
ahli karena telah melalui pengalaman dan proses itu sendiri, dan mungkin dapat
memberikan data yang baik atau informasi kepada peneliti. Dengan demikian,pengambilan
sampel penilaiandesain digunakan ketika jumlah atau kategori orang yang terbatas
memiliki informasi yang dicari. Dalam kasus seperti itu, semua jenis pengambilan sampel
probabilitas lintas bagian dari seluruh populasi tidak memiliki tujuan dan tidak berguna.

Sampling penilaian dapat membatasi generalisasi temuan, karena fakta bahwa kami
menggunakan sampel ahli yang mudah tersedia bagi kami. Namun, itu adalah satu- satunya
metode pengambilan sampel yang layak untuk mendapatkan jenis informasi yang
diperlukan dari kantong orang yang sangat spesifik yang memiliki fakta yang dibutuhkan
dan dapat memberikan informasi yang dicari. Dalam pengaturan organisasi, dan khususnya
untuk riset pasar, para pemimpin opini yang sangat berpengetahuan termasuk dalam
sampel. Pendapat, pandangan, dan pengetahuan yang tercerahkan merupakan sumber data
yang kaya. Pengambilan sampel penilaian membutuhkan upaya khusus untuk menemukan
dan mendapatkan akses ke individu yang memiliki informasi yang diperlukan. Seperti yang
telah disebutkan, desain sampling ini mungkin satu-satunya yang berguna untuk menjawab
jenis pertanyaan penelitian tertentu.

c) Pengambilan Sampel Kouta

Pengambilan sampel kuota, jenis purposive sampling kedua, memastikan bahwa kelompok
tertentu terwakili secara memadai dalam penelitian melalui pemberian kuota. Umumnya,
kuota yang ditetapkan untuk setiap subkelompok didasarkan pada jumlah total setiap
kelompok dalam populasi. Namun, karena ini adalah rencana pengambilan sampel
nonprobabilitas, hasilnya tidak dapat digeneralisasikan untuk populasi.
Pengambilan sampel kuota dapat dianggap sebagai bentuk pengambilan sampel bertingkat
proporsional, di mana proporsi orang yang telah ditentukan sebelumnya diambil sampelnya
dari kelompok yang berbeda, tetapi berdasarkan kenyamanan. Misalnya, dapat diduga
bahwa sikap kerja pekerja kerah biru dalam sebuah organisasi sangat berbeda dengan
pekerja kerah putih. Jika ada 60% pekerja kerah biru dan 40% pekerja kerah putih di
organisasi ini, dan jika total 30 orang akan diwawancarai untuk menemukan jawaban atas
pertanyaan penelitian, maka kuota 18 pekerja kerah biru dan 12 pekerja putih -pekerja kerah
akan membentuk sampel, karena angka ini mewakili 60% dan 40% dari ukuran sampel. 18
pekerja kerah biru yang mudah tersedia dan 12 pekerja kerah putih pertama akan diambil
sampelnya sesuai dengan kuota ini. Tak perlu dikatakan, sampel mungkin tidak sepenuhnya
mewakili populasi; maka generalisasi temuan akan
dibatasi. Namun, kemudahan yang ditawarkannya dalam hal tenaga, biaya, dan waktu
membuat pengambilan sampel kuota menarik untuk beberapa upaya penelitian. Sampling
kuota juga menjadi kebutuhan ketika subset populasi kurang terwakili dalam organisasi –
misalnya, kelompok minoritas, mandor, dan sebagainya. Dengan kata lain, pengambilan
sampel kuota memastikan bahwa semua subkelompok dalam populasi cukup terwakili
dalam sampel. Sampel kuota pada dasarnya adalah sampel bertingkat dari mana subjek
dipilih secara tidak acak.
Di tempat kerja (dan masyarakat) yang semakin heterogen karena demografi yang berubah,
pengambilan sampel kuota diharapkan dapat digunakan lebih sering di masa mendatang.
Misalnya, pengambilan sampel kuota dapat digunakan untuk mendapatkan beberapa
gagasan tentang kecenderungan pembelian dari berbagai kelompok etnis, untuk
mengetahui bagaimana karyawan dari berbagai negara memandang budaya organisasi, dan
seterusnya.
Meskipun pengambilan sampel kuota tidak dapat digeneralisasikan seperti pengambilan
sampel acak bertingkat, hal itu menawarkan beberapa informasi, yang menjadi dasar
penyelidikan lebih lanjut, jika perlu, dapat dilanjutkan. Artinya, ada
kemungkinan bahwa tahap pertama penelitian akan menggunakan desain nonprobabilitas
sampling kuota, dan setelah beberapa informasi bermanfaat diperoleh, desain probabilitas
akan mengikuti. Kebalikannya juga sangat mungkin. Rancangan pengambilan sampel
probabilitas dapat menunjukkan area baru untuk penelitian, dan desain pengambilan sampel
nonprobabilitas dapat digunakan untuk mengeksplorasi kelayakannya.
d) Tinjauan desain pengambilan sampel nonprobabilitas
Ada dua jenis utama desain nonprobability sampling: convenience sampling dan purposive
sampling. Convenience sampling adalah yang paling tidak dapat diandalkan dari semua
desain sampling dalam hal generalisasi, tetapi kadangkadang mungkin satu-satunya
alternatif yang layak ketika informasi yang cepat dan tepat waktu diperlukan, atau untuk
tujuan penelitian eksplorasi. Rencana pengambilan sampel purposif terbagi dalam dua
kategori: penilaian dan desain pengambilan sampel kuota. Sampling penilaian, meskipun
terbatas dalam generalisasi, terkadang menjadi pilihan desain pengambilan sampel terbaik,
terutama ketika ada populasi terbatas yang dapat menyediakan informasi yang dibutuhkan.
Pengambilan sampel kuota sering digunakan dengan pertimbangan biaya dan waktu serta
kebutuhan untuk mewakili elemen minoritas secara memadai dalam populasi. Meskipun
generalisasi dari semua desain nonprobability sampling sangat terbatas.
17. Pengambilan sampel dalam penelitian lintas budaya

Sama seperti dalam pengembangan instrumen dan pengumpulan data, saat terlibat dalam
penelitian lintas budaya, seseorang harus peka terhadap masalah pemilihan sampel yang
cocok di berbagai negara. Sifat dan jenis organisasi yang dipelajari, apakah subjek berasal
dari daerah pedesaan atau perkotaan, dan jenis desain pengambilan sampel yang digunakan,
semuanya harus serupa di negara yang berbeda untuk memungkinkan perbandingan yang
sebenarnya.
18. Masalah presisi dan kepercayaan pada penentuan ukuran sampel

Setelah membahas berbagai desain sampling probabilitas dan nonprobabilitas, sekarang

kita perlu memusatkan perhatian pada aspek kedua dari masalah desain sampling – ukuran
sampel. Misalkan kita memilih 30 orang dari populasi 3000 melalui prosedur pengambilan
sampel acak sederhana. Apakah kita dapat menggeneralisasi temuan kita ke populasi
dengan percaya diri, karena kita telah memilih desain probabilitas yang paling dapat
digeneralisasikan? Berapa ukuran sampel yang diperlukan untuk membuat generalisasi
yang cukup tepat dengan keyakinan? Apa yang dimaksud dengan presisi dan keyakinan?
Masalah-masalah ini akan dipertimbangkan sekarang.
Sampel yang andal dan valid harus memungkinkan kita untuk menggeneralisasi temuan
dari sampel ke populasi yang sedang diselidiki. Dengan kata lain, statistik sampel harus
merupakan perkiraan yang andal dan mencerminkan parameter populasi sedekat mungkin
dalam margin kesalahan yang sempit. Tidak ada statistik sampel (X, untuk contoh) akan
menjaditepatsama dengan parameter populasi (μ), tidak peduli seberapa canggih desain
sampling probabilitas. Ingatlah bahwa alasan utama dari desain probabilitas adalah untuk
meningkatkan probabilitas bahwa statistik sampel akan sedekat mungkin dengan parameter
populasi! Padahal perkiraan titik Xmungkin tidak secara akurat mencerminkan rata-rata
populasi,μ, perkiraan interval dapat dibuat di manaμakan berbohong, dengan probabilitas
terpasang - yaitu, pada tingkat kepercayaan tertentu. Masalah interval kepercayaan dan
tingkat kepercayaan dibahas dalam diskusi berikut tentang presisi dan kepercayaan.
19. Trade-off antara keyakinan dan presisi
Kami telah mencatat bahwa jika kami menginginkan lebih presisi, atau lebih percaya diri,
atau keduanya, ukuran sampel perlu ditingkatkan - kecuali, tentu saja, ada sangat sedikit
variabilitas dalam populasi itu sendiri. Namun, jika ukuran sampel (n) tidak dapat
ditingkatkan, untuk alasan apa pun – katakanlah, kami tidak dapat membayar biaya
pengambilan sampel yang meningkat – kemudian, dengan hal yang saman,satu-satunya
cara untuk mempertahankan tingkat presisi yang sama adalah dengan mengabaikan
kepercayaan yang dapat digunakan untuk memprediksi perkiraan kami. Artinya, kita
mengurangi tingkat kepercayaan atau kepastian perkiraan kita. Pertukaran antara presisi
dan kepercayaan diri ini diilustrasikan dalam Gambar 10.4(a) dan B). Gambar 10.4(a)
menunjukkan bahwa 50% dari waktu rata-rata sebenarnya akan berada dalam kisaran
sempit yang ditunjukkan pada gambar, 0,25 di setiap ekor mewakili 25% ketidakpercayaan,
atau kemungkinan membuat kesalahan, dalam estimasi kami di kedua sisi.Gambar 10.4(b)
menunjukkan bahwa 99% dari waktu kita mengharapkan rata-rata yang sebenarnyaμjatuh
dalam kisaran yang jauh lebih luas yang ditunjukkan pada gambar dan hanya ada
kemungkinan 0,005% bahwa kita membuat kesalahan dalam estimasi ini.
Yaitu, di Gambar 10.4(a) , kami memiliki lebih banyak presisi tetapi kurang percaya diri
(tingkat kepercayaan kami hanya 50%). DiGambar 10.4(b) , kami memiliki keyakinan
tinggi (99%), tetapi kami jauh dari tepat – artinya, estimasi kami berada dalam rentang
interval yang luas.

Gambar 10.4 Ilustrasi trade-off antara presisi dan keyakinan. (a) Lebih presisi tetapi
kurang percaya diri; (b) lebih percaya diri tetapi kurang presisi.

Dengan demikian menjadi penting bagi peneliti untuk mempertimbangkan setidaknya

empat aspek saat membuat keputusan tentang ukuran sampel yang diperlukan untuk
melakukan penelitian:

1. Berapa banyak ketelitian yang benar-benar dibutuhkan dalam memperkirakan

karakteristik populasi yang diminati – yaitu, apa itubatasdari kesalahan yang diijinkan?

2. Berapa banyak kepercayaan diri yang benar-benar dibutuhkan – yaitu, berapa banyak
peluang dapatkah kita membuat kesalahan dalam memperkirakan parameter populasi?

3. Sejauh mana adavariabilitasdalam populasi tentang karakteristik yang diselidiki?

4. Apakah yangbiaya-manfaatfitanalisis peningkatan ukuran sampel?

20. Sampel data dan pengujian hipotesis

Sejauh ini kita telah membahas data sampel sebagai alat untuk memperkirakan parameter
populasi, tetapi data sampel juga dapat digunakan untuk menguji hipotesis tentang nilai
populasi daripada hanya untuk memperkirakan nilai populasi. Prosedur untuk pengujian ini
menggabungkan informasi yang sama seperti estimasi interval, tetapi tujuan di balik kedua
metode tersebut agak berbeda.
Mengacu pada contoh sebelumnya tentang rata-rata pembelian nilai dolar pelanggan di
department store, alih-alih mencoba memperkirakan nilai pembelian rata-rata pelanggan
toko dengan tingkat akurasi tertentu, katakanlah sekarang kita ingin menentukan apakah
pelanggan menghabiskan jumlah rata-rata yang sama dalam pembelian di Department
Store A seperti di Department Store B
21. Menentukan ukuran sampel

Sekarang kita menyadari fakta bahwa ukuran sampel diatur oleh tingkat presisi dan
kepercayaan yang diinginkan, bagaimana kita menentukan ukuran sampel yang diperlukan
untuk penelitian kita? Prosedurnya dapat diilustrasikan melalui contoh.
Misalkan seorang manajer ingin 95% yakin bahwa penarikan bulanan yang diharapkan di
bank akan berada dalam interval kepercayaan ± $500. Katakanlah studi sampel klien
menunjukkan bahwa penarikan rata-rata yang dilakukan oleh mereka memiliki standar
deviasi $3500. Berapa ukuran sampel yang dibutuhkan dalam kasus ini?
Kami mencatat sebelumnya bahwa rata-rata populasi dapat diperkirakan dengan
menggunakan rumus:

Karena tingkat kepercayaan yang dibutuhkan di sini adalah 95%, berlakuKnilainya adalah
1,96 (tmeja). Estimasi interval ± $500 harus mencakup sebaran (1,96 × kesalahan standar).
Itu adalah,

Ukuran sampel yang ditunjukkan di atas adalah 188. Namun, katakanlah bank ini memiliki
otal klien hanya 185. Ini berarti kami tidak dapat mengambil sampel 188 klien. Dalam hal
ini, kami dapat menerapkan rumus koreksi dan melihat ukuran sampel apa yang diperlukan
untuk memiliki tingkat presisi dan keyakinan yang sama mengingat fakta bahwa kami
hanya memiliki 185 klien. Rumus koreksinya adalah sebagai berikut:

di manaNadalah jumlah total elemen dalam populasi,nadalah ukuran sampel yang akan
diestimasi, adalah standard error dari pendugaan rata-rata, danSadalah standar deviasi
ratarata sampel.
Menerapkan rumus korelasi, kami menemukan itu
Kami sekarang akan mengambil sampel 94 dari total 185 klien.
Untuk memahami dampak presisi dan/atau keyakinan terhadap ukuran sampel, mari kita
coba mengubah tingkat keyakinan yang diperlukan dalam contoh penarikan bank, yang
memerlukan ukuran sampel 188 untuk tingkat keyakinan 95%. Katakanlah manajer bank
sekarang ingin 99% yakin bahwa penarikan bulanan yang diharapkan akan berada dalam
interval ±$500. Berapa ukuran sampel yang sekarang dibutuhkan?

Sampel sekarang harus ditingkatkan 1,73 kali (dari 188 menjadi 325) untuk meningkatkan
tingkat kepercayaan dari 95% menjadi 99%!
22. Efisiensi dalam pengambilan sampel

Efisiensi dalam pengambilan sampel dicapai ketika, untuk tingkat presisi tertentu
(kesalahan standar), ukuran sampel dapat dikurangi, atau untuk ukuran sampel tertentu (n),
tingkat presisi dapat ditingkatkan. Beberapa desain sampling probabilitas lebih efisien
daripada yang lain. Prosedur pengambilan sampel acak sederhana tidak selalu merupakan
rencana yang paling efisien untuk diadopsi; beberapa desain sampling probabilitas lainnya
seringkali lebih efisien. Rencana pengambilan sampel acak bertingkat seringkali
merupakan yang paling efisien, dan desain pengambilan sampel acak bertingkat yang tidak
proporsional terbukti lebih efisien daripada desain pengambilan sampel proporsional dalam
banyak kasus. Pengambilan sampel kluster kurang efisien daripada pengambilan sampel
acak sederhana karena pada umumnya terdapat lebih banyak homogenitas di antara subjek
dalam kluster daripada yang ditemukan dalam elemen dalam populasi. Pengambilan sampel
klaster multitahap lebih efisien daripada pengambilan sampel klaster satu tahap ketika ada
lebih banyak heterogenitas yang ditemukan pada tahap sebelumnya. Sering ada trade-off
antara efisiensi waktu dan biaya (seperti yang dicapai dalam desain pengambilan sampel
nonprobabilitas) dan efisiensi presisi (seperti yang dicapai dalam banyak rencana
pengambilan sampel probabilitas). Pemilihan rencana pengambilan sampel tergantung pada
tujuan penelitian, serta pada tingkat dan sifat efisiensi yang diinginkan.
23. Pengambilan sampel yang terkait dengan studi kualitatif

Pengambilan sampel untuk penelitian kualitatif sama pentingnya dengan pengambilan

sampel untuk penelitian kuantitatif. Sampling kualitatif dimulai dengan mendefinisikan
secara tepatpopulasi target. Sebagai teknik pengambilan sampel, penelitian kualitatif
umumnya menggunakan sampling nonprobabilitaskarena tidak bertujuan untuk menarik
kesimpulan statistik. Sampling purposifadalah salah satu teknik yang sering digunakan
dalam penyelidikan kualitatif: subjek dipilih berdasarkan keahlian dalam subjek yang
sedang diselidiki. Penting bahwa subjek dipilih sedemikian rupa sehingga mencerminkan
keragaman populasi.
Salah satu bentuk purposive sampling adalahpengambilan sampel teoretis, diperkenalkan
oleh Glaser dan Strauss (1967) dalam karya mereka tentang grounded theory. Syaratteori
membumimengungkapkan gagasan bahwa teori akan muncul dari data melalui proses
berulang yang melibatkan pengambilan sampel berulang, pengumpulan data, dan analisis
data sampai 'kejenuhan teoretis' tercapai. Saturasi teoretis tercapai kapan tidak ada
informasi baru tentang subjek yang muncul dalam kasus berulang. Pengambilan sampel
teoretis mungkin atau mungkin tidak dimulai dengan pengambilan sampel purposive, tetapi
pengambilan sampel subjek tambahan diarahkan oleh kerangka teoretis yang muncul.
Menurut Glaser (1978) pengambilan sampel teoretis terjadi ketika "analis bersama-sama
mengumpulkan, memberi kode, dan menganalisis datanya dan memutuskan data apa yang
akan dikumpulkan selanjutnya dan di mana menemukannya, untuk mengembangkan
teorinya saat muncul" (hal. 36 ).
Karena tidak mungkin memprediksi kapan kejenuhan teoretis tercapai, Anda tidak dapat
menentukan berapa banyak subjek yang perlu dijadikan sampel pada awal studi Anda.
Sebaliknya, aturan umum dalam penelitian kualitatif adalah Anda terus mengambil sampel
sampai Anda tidak mendapatkan informasi baru atau tidak lagi mendapatkan wawasan
baru. Perhatikan bahwa ukuran sampel, oleh karena itu, setidaknya sebagian, bergantung
pada heterogenitas populasi.

24. Implikasi manajerial

Kesadaran akan desain pengambilan sampel dan ukuran sampel membantu manajer untuk
memahami mengapa metode pengambilan sampel tertentu digunakan oleh para peneliti. Ini
juga memfasilitasi pemahaman implikasi biaya dari desain yang berbeda, dan trade-off
antara presisi dan keyakinan vis-à-vis biaya. Hal ini memungkinkan manajer untuk
memahami risiko yang mereka ambil dalam mengimplementasikan perubahan
berdasarkan hasil studi penelitian. Saat membaca artikel jurnal, pengetahuan ini juga
membantu manajer menilai generalisasi temuan dan menganalisis implikasi mencoba
rekomendasi yang dibuat di dalamnya dalam sistem mereka sendiri.
 Quantitative data analysis

Topik yang dibahas

1. Menyiapkan data untuk analisis

a. Pengkodean dan entri data
b. Mengedit data
c. Transformasi data
2. Merasakan data
a. Frekuensi
b. Ukuran kecenderungan dan dispersi sentral
c. Hubungan antar variabel
d. Hubungan antara dua variabel nominal: uji
e. Korelasi
3. Excelsior Enterprises – statistik deskriptif bagian 1
4. Menguji kebaikan data
a. Reliabilitas
b. Validitas
5. Excelsior Enterprises – memeriksa keandalan langkah-langkah multi-item.
6. Excelsior Enterprises – statistik deskriptif bagian 2

Tujuan Bab Setelah menyelesaikan Bab 11 Anda harus dapat:

• Kode dan masukkan tanggapan wawancara

• Edit tanggapan wawancara

• Tangani kelalaian

• Mengubah data

• Membuat file data

• Rasakan data

Uji kebaikan data setelah data dikumpulkan dari sampel populasi yang representatif,
langkah selanjutnya adalah menganalisisnya untuk menguji hipotesis penelitian. Namun,
sebelum kita dapat mulai menganalisis data untuk menguji hipotesis, beberapa langkah
awal perlu diselesaikan. Ini membantu memastikan bahwa data akurat, lengkap, dan cocok
untuk analisis lebih lanjut.
 Bab ini membahas langkah-langkah awal ini secara rinci. Cara termudah untuk
mengilustrasikan analisis data adalah melalui sebuah kasus. Oleh karena itu kami akan
memperkenalkan kasus Excelsior Enterprises terlebih dahulu.

Contoh
Excelsior Enterprises adalah perusahaan menengah, manufaktur dan penjualan
instrumen dan persediaan yang dibutuhkan oleh industri perawatan kesehatan, termasuk
instrumen tekanan darah, instrumen bedah, aksesori gigi, dan sebagainya. Perusahaan,
dengan total 360 karyawan yang bekerja tiga shift, berjalan cukup baik tetapi bisa
melakukan jauh lebih baik jika tidak mengalami pergantian karyawan di hampir semua
tingkatan dan di semua departemen. Presiden perusahaan memanggil tim peneliti untuk
mempelajari situasi dan membuat rekomendasi tentang masalah turnover.
Karena akses ke mereka yang telah meninggalkan perusahaan akan sulit, tim peneliti
menyarankan kepada presiden agar mereka berbicara dengan karyawan saat ini dan,
berdasarkan masukan mereka dan survei literatur, cobalah untuk mendapatkan faktor-
faktor yang mempengaruhi niat karyawan untuk tetap bersama, atau meninggalkan,
perusahaan. Karena penelitian sebelumnya telah menunjukkan bahwa niat untuk pergi
(ITL) adalah prediktor yang sangat baik dari omset aktual, presiden setuju.
Tim pertama kali melakukan wawancara tidak terstruktur dengan sekitar 50
karyawan di berbagai tingkatan dan dari berbagai departemen. Pernyataan luas mereka
adalah: "Kami di sini untuk mencari tahu bagaimana Anda mengalami kehidupan kerja
Anda. Beri tahu kami apa pun yang Anda anggap penting bagi Anda dalam pekerjaan Anda,
karena masalah terkait dengan pekerjaan Anda, lingkungan, organisasi, pengawasan, dan
apa pun yang menurut Anda relevan. Jika kami mendapatkan penanganan yang baik tentang
masalah yang terlibat, kami mungkin dapat membuat rekomendasi yang tepat kepada
manajemen untuk meningkatkan kualitas kehidupan kerja Anda. Kami hanya ingin
berbicara dengan Anda sekarang, dan memberikan kuesioner nanti."
Setiap wawancara biasanya berlangsung sekitar 45 menit, dan catatan tentang
tanggapan ditulis oleh anggota tim. Ketika tanggapan ditabulasi, menjadi jelas bahwa
masalah yang paling sering diangkat oleh responden, dalam satu atau lain bentuk, terkait
dengan tiga bidang utama: pekerjaan (karyawan mengatakan pekerjaan itu membosankan
atau terlalu kompleks; ada kurangnya kebebasan untuk melakukan pekerjaan seperti yang
diinginkan, dll.), Ketidakadilan yang dirasakan (komentar seperti "Saya menempatkan
lebih banyak dalam pekerjaan saya daripada yang saya dapatkan darinya."); dan kelelahan
(komentar seperti "ada begitu banyak pekerjaan yang harus dilakukan sehingga pada akhir
hari kita kelelahan secara fisik dan emosional"; "kami merasa sering perlu mengambil cuti
karena kelelahan"; dan lain-lain).
Sebuah survei literatur mengkonfirmasi bahwa variabel-variabel ini adalah prediktor
niat yang baik untuk pergi dan pergantian berikutnya. Selain itu, kepuasan kerja juga
ditemukan sebagai prediktor penting niat untuk pergi. Kerangka teoritis dikembangkan
berdasarkan wawancara dan survei literatur, dan empat hipotesis (dinyatakan kemudian)
dikembangkan. Selanjutnya, kuesioner dirancang menggabungkan langkahlangkah yang
divalidasi dengan baik dan dapat diandalkan untuk pengayaan pekerjaan, kesetaraan yang
dirasakan, kelelahan, kepuasan kerja, dan niat untuk pergi. Ekuitas yang dirasakan diukur
dengan lima item survei: (1) "Saya berinvestasi lebih banyak dalam pekerjaan saya
daripada yang saya dapatkan darinya"; "Saya terlalu memaksakan diri mengingat apa yang
saya dapatkan sebagai balasannya"; (3) 'Untuk upaya yang saya lakukan dalam organisasi,
saya mendapatkan banyak imbalan" (terbalik); (4) "Jika saya memperhitungkan dedikasi
saya, perusahaan harus memberi saya pelatihan yang lebih baik"; dan (5) "Secara umum,
manfaat yang saya terima dari organisasi lebih besar daripada upaya yang saya lakukan di
dalamnya" (terbalik). Pengayaan pekerjaan diukur pada skala Likert empat item: (1)
"Pekerjaannya cukup sederhana dan berulang" (terbalik); (2) "Pekerjaan itu mengharuskan
saya untuk menggunakan sejumlah keterampilan tingkat yang kompleks atau lebih tinggi";
(3) "Pekerjaan itu membutuhkan banyak kerja sama dengan orang lain"; dan (4) "Pekerjaan
itu sendiri tidak terlalu signifikan atau penting dalam skema hal-hal yang lebih luas"
(terbalik). ). Peserta menanggapi item-item ini dalam skala lima poin, mulai dari "Saya
tidak setuju sepenuhnya" (1) hingga "Saya setuju sepenuhnya" (5). Burnout diukur dengan
Burnout Measure Short Version (BMS). BMS mencakup sepuluh item yang mengukur
tingkat kelelahan fisik, emosional, dan mental individu. Responden diminta untuk menilai
frekuensi pengalaman mereka terhadap setiap item yang muncul dalam kuesioner
(misalnya, lelah atau tidak berdaya) pada skala mulai dari 1 (tidak pernah) hingga 5 (selalu).
Kepuasan kerja diukur dengan peringkat item tunggal "kepuasan dengan pekerjaan Anda
saat ini", menggunakan skala lima poin "tidak sama sekali-sangat banyak". Niat untuk pergi
diukur menggunakan dua item survei: "Dengan tingkat kepastian apa Anda berniat
meninggalkan organisasi ini dalam tahun depan untuk jenis pekerjaan lain" (item 1) "untuk
jenis pekerjaan yang sama" (item 2)? Peserta menunjukkan pada skala peringkat empat poin
tingkat kepastian mereka. Variabel demografis seperti usia, pendidikan. Jenis kelamin,
masa jabatan, departemen, dan shift kerja juga dimasukkan dalam kuesioner.
Kuesioner diberikan secara pribadi kepada 174 karyawan yang dipilih berdasarkan
stratified random sampling yang tidak proporsional. Tanggapan dimasukkan ke dalam
komputer. Setelah itu, data diserahkan untuk dianalisis untuk menguji hipotesis berikut,
yang dirumuskan oleh para peneliti:

H1: Pengayaan pekerjaan memiliki efek negatif pada niat untuk pergi.

H2: Ekuitas yang dirasakan memiliki efek negatif pada niat untuk pergi.

H3: Burnout memiliki efek positif pada niat untuk pergi.

H4: Kepuasan kerja memediasi hubungan antara pengayaan pekerjaan, kesetaraan yang
dirasakan, dan kelelahan pada niat untuk pergi.

1. Menyiapkan data untuk dianalisis

Setelah data diperoleh melalui kuesioner, mereka perlu dikodekan, dimasukkan, dan
diedit. Artinya, skema kategorisasi harus disiapkan sebelum data dapat diketik. Kemudian,
outlier, inkonsistensi, dan respons kosong, jika ada, harus ditangani dengan cara tertentu.
Masing-masing tahap persiapan data ini dibahas di bawah ini.
a. Pengkodean dan entri data
Langkah pertama dalam persiapan data adalah pengkodean data. Pengkodean data
melibatkan penetapan nomor untuk tanggapan peserta sehingga mereka dapat dimasukkan
ke dalam database. Pada Bab 8, kita membahas kemudahan menggunakan lembar scanner
untuk mengumpulkan data kuesioner; Lembar tersebut memfasilitasi masuknya respons
langsung ke komputer tanpa memasukkan data secara manual. Namun, jika, karena alasan
apa pun, ini tidak dapat dilakukan, maka mungkin ide yang baik untuk menggunakan
lembar pengkodean terlebih dahulu untuk mentranskripsikan data dari kuesioner dan
kemudian memasukkan data. Metode ini, berbeda dengan membolak-balik setiap kuesioner
untuk setiap item, menghindari kebingungan, terutama ketika ada banyak pertanyaan dan
sejumlah besar kuesioner juga.

Mengkodekan tanggapan
Dalam kuesioner Excelsior Enterprises, kami memiliki 22 item yang mengukur
keadilan yang dirasakan, pengayaan pekerjaan, kelelahan, kepuasan kerja, dan niat untuk
pergi, dan enam variabel demografis, seperti yang ditunjukkan pada Gambar 11.1,
kuesioner sampel.
 Tanggapan karyawan khusus ini (peserta # 1 dalam file data) terhadap 22 pertanyaan
pertama dapat dikodekan dengan menggunakan nomor aktual yang dilingkari oleh
responden (1, 2, 3, 1, 4, 5, 1, 3, 3,
dll.). Pengkodean variabel demografis agak kurang jelas. Misalnya, masa jabatan adalah
kasus khusus, karena ini adalah variabel dua kategori. Dimungkinkan untuk menggunakan
pendekatan pengkodean yang menetapkan 1 = paruh waktu dan 2 = penuh waktu. Namun,
menggunakan 0 = paruh waktu dan 1 = penuh waktu (ini disebut pengkodean tiruan) sejauh
ini merupakan pendekatan yang paling populer dan direkomendasikan karena membuat
hidup kita lebih mudah dalam tahap analisis data. Oleh karena itu, kami mengkodekan masa
jabatan (penuh waktu) dengan 1 untuk peserta #1. Shift kerja (shift ketiga) dapat berkode
3, departemen (produksi) 2, dan usia 54 tahun. Jenis kelamin dapat dikodekan 0 (laki-laki),
dan akhirnya pendidikan (kurang dari sekolah menengah) dapat dikodekan 1.
Pada tahap ini Anda juga harus memikirkan bagaimana Anda ingin membuat kode
nontanggapan. Beberapa peneliti membiarkan non-tanggapan kosong, yang lain
menetapkan '9', '99' atau '.' Semua pendekatan baik-baik saja, selama Anda mengkodekan
semua non-respons dengan cara yang sama.
Kesalahan manusia dapat terjadi saat pengkodean. Oleh karena itu, setidaknya 10%
dari kuesioner berkode harus diperiksa keakuratan pengkodeannya. Pemilihan mereka
dapat mengikuti prosedur pengambilan sampel yang sistematis. Artinya, setiap formulir ke-
n yang dikodekan dapat diverifikasi keakuratannya. Jika banyak kesalahan ditemukan
dalam sampel, semua item mungkin harus diperiksa.
Entri data
Setelah respons dikodekan, mereka dapat dimasukkan ke dalam database. Data
mentah dapat dimasukkan melalui program perangkat lunak apa pun. Misalnya, Editor Data
SPSS, yang terlihat seperti spreadsheet dan ditunjukkan pada Gambar 11.2, dapat
memasukkan, mengedit, dan melihat konten file data.
Figure 11.2 The SPSS Data Editor
 Setiap baris editor mewakili kasus atau pengamatan (dalam hal ini peserta penelitian
kami – 174 dalam studi Excelsior Enterprises), dan setiap kolom mewakili variabel (di sini
variabel didefinisikan sebagai item informasi yang berbeda yang Anda kumpulkan untuk
kasus Anda; dengan demikian ada 28 variabel dalam kuesioner Excelsior Enterprises).
Penting untuk selalu menggunakan kolom pertama untuk tujuan identifikasi;
Tetapkan nomor ke setiap kuesioner, tulis nomor ini di halaman pertama kuesioner, dan
masukkan nomor ini di kolom pertama file data Anda. Ini memungkinkan Anda untuk
membandingkan data dalam file data dengan jawaban peserta, bahkan setelah Anda
mengatur ulang file data Anda. Kemudian, mulailah memasukkan tanggapan peserta ke
dalam file data.
b. Mengedit data
Setelah data dimasukkan, mereka perlu diedit. Misalnya, respons kosong, jika ada,
harus ditangani dengan cara tertentu, dan data yang tidak konsisten harus diperiksa dan
ditindaklanjuti. Pengeditan data berkaitan dengan mendeteksi dan mengoreksi data yang
tidak logis, tidak konsisten, atau ilegal dan kelalaian dalam informasi yang dikembalikan
oleh peserta penelitian.
Contoh respons yang tidak logis adalah respons outlier. Outlier adalah pengamatan
yang secara substansial berbeda dari pengamatan lainnya. Outlier tidak selalu merupakan
kesalahan meskipun kesalahan data (kesalahan entri) adalah kemungkinan sumber outlier.
Karena outlier memiliki dampak besar pada hasil penelitian, mereka harus diselidiki
dengan cermat untuk memastikan bahwa mereka benar. Anda dapat memeriksa dispersi
variabel nominal dan/atau ordinal dengan mendapatkan nilai minimum dan maksimum
serta tabel frekuensi. Ini akan dengan cepat mengungkapkan outlier yang paling jelas.
Untuk data interval dan rasio, alat bantu visual (seperti scatterplot atau boxplot) adalah
metode yang baik untuk memeriksa outlier.
Tanggapan yang tidak konsisten adalah tanggapan yang tidak selaras dengan
informasi lain. Misalnya, seorang peserta dalam penelitian kami mungkin telah menjawab
pernyataan ekuitas yang dirasakan seperti pada Gambar 11.3. Perhatikan bahwa semua
jawaban karyawan ini menunjukkan bahwa peserta menemukan bahwa manfaat yang dia
terima dari organisasi menyeimbangkan upaya yang dia lakukan dalam pekerjaannya,
kecuali untuk jawaban atas pernyataan ketiga. Dari empat tanggapan lainnya kita dapat
menyimpulkan bahwa peserta dalam semua kemungkinan merasa bahwa, untuk upaya yang
dia lakukan ke dalam organisasi, dia mendapatkan banyak imbalan dan telah membuat
kesalahan dalam menanggapi pernyataan khusus ini. Tanggapan terhadap pernyataan ini
kemudian dapat diedit oleh peneliti.
Gambar 11.3 Contoh kemungkinan jawaban yang tidak konsisten

Namun, ada kemungkinan bahwa responden dengan sengaja menunjukkan bahwa dia
tidak mendapatkan banyak imbalan atas upaya yang dia lakukan ke dalam organisasi. Jika
demikian, kami akan memperkenalkan bias dengan mengedit data. Oleh karena itu,
perhatian besar harus diambil dalam menghadapi tanggapan yang tidak konsisten seperti
ini. Bila memungkinkan, diinginkan untuk menindaklanjuti dengan responden untuk
mendapatkan data yang benar, meskipun ini adalah solusi yang mahal.
Jika sejumlah besar pertanyaan – katakanlah, 25% dari item dalam kuesioner – tidak
terjawab, mungkin ide yang baik untuk membuang kuesioner dan tidak memasukkannya
ke dalam kumpulan data untuk analisis. Dalam acara ini, penting untuk menyebutkan
jumlah tanggapan yang dikembalikan tetapi tidak digunakan karena data yang hilang secara
berlebihan dalam laporan akhir yang diserahkan kepada sponsor penelitian. Namun, jika
hanya dua atau tiga item yang dibiarkan kosong dalam kuesioner dengan, katakanlah, 30
item atau lebih, kita perlu memutuskan bagaimana tanggapan kosong ini akan ditangani.
Salah satu cara untuk menangani respons kosong adalah dengan mengabaikannya
ketika analisis selesai. Pendekatan ini dimungkinkan di semua program statistik dan
merupakan opsi default di sebagian besar dari mereka. Kerugian dari pendekatan ini adalah,
tentu saja, itu akan mengurangi ukuran sampel, kadang-kadang bahkan ke ukuran yang
tidak pantas, kapan pun itu variabel tertentu terlibat dalam analisis. Selain itu, jika data
yang hilang tidak hilang sepenuhnya secara acak, metode ini dapat membuat bias hasil
penelitian Anda. Untuk alasan ini, mengabaikan respons kosong paling cocok untuk contoh
di mana kita telah mengumpulkan sejumlah besar data, jumlah data yang hilang relatif
kecil, dan hubungan begitu kuat sehingga mereka tidak terpengaruh oleh data yang hilang
(Hair et al., 1995).
Solusi alternatif adalah dengan melihat pola respons peserta terhadap pertanyaan lain
dan, dari jawaban ini, menyimpulkan jawaban logis untuk pertanyaan untuk respons yang
hilang. Solusi alternatif kedua adalah menetapkan nilai rata-rata tanggapan semua orang
yang telah menanggapi item tertentu kepada item tersebut. Faktanya, ada banyak cara untuk
menangani tanggapan kosong (lihat Hair et al., 1995), masing-masing memiliki kelebihan
dan kekurangannya sendiri.

Perhatikan bahwa jika banyak responden telah menjawab "tidak tahu" untuk item
atau item tertentu, penyelidikan lebih lanjut mungkin bermanfaat. Pertanyaannya mungkin
 tidak jelas atau, karena alasan tertentu, peserta mungkin enggan atau tidak dapat menjawab
pertanyaan tersebut.
c. Transformasi data
Transformasi data, variasi pengkodean data, adalah proses mengubah representasi
numerik asli dari nilai kuantitatif ke nilai lain. Data biasanya diubah untuk menghindari
masalah pada tahap selanjutnya dari proses analisis data. Misalnya, para ekonom sering
menggunakan transformasi logaritmik agar datanya lebih merata. Jika, misalnya, data
pendapatan, yang seringkali didistribusikan secara tidak merata, dikurangi menjadi nilai
logaritmiknya, pendapatan tinggi dibawa lebih dekat ke ujung bawah skala dan
memberikan distribusi yang lebih dekat ke kurva normal.
Jenis transformasi data lainnya adalah penilaian terbalik. Ambil contoh, ukuran
ketidaksetaraan yang dirasakan dari kasus Excelsior Enterprises. Ketidaksetaraan yang
dirasakan diukur dengan lima item survei: (1) "Saya berinvestasi lebih banyak dalam
pekerjaan saya daripada yang saya dapatkan darinya"; (2) "Saya terlalu memaksakan diri
mempertimbangkan apa yang saya dapatkan sebagai balasannya"; (3) "Untuk upaya yang
saya lakukan ke dalam organisasi, saya mendapat banyak imbalan" (terbalik); (4) "Jika saya
memperhitungkan dedikasi saya, organisasi harus memberi saya pelatihan praktis yang
lebih baik"; dan (5) "Secara umum, manfaat yang saya terima dari organisasi lebih besar
daripada upaya yang saya lakukan" (terbalik). Untuk item pertama, kedua, dan keempat,
skor yang menunjukkan kesepakatan tinggi akan negatif, tetapi untuk pertanyaan ketiga
dan kelima, skor yang menunjukkan kesepakatan tinggi akan positif. Untuk menjaga
konsistensi dalam arti respons, item pertama, kedua, dan keempat harus diberi skor terbalik
(perhatikan bahwa kami mengukur ekuitas dan bukan ketidaksetaraan). Dalam hal ini, 5
(saya sepenuhnya setuju) akan diubah menjadi 1 (saya sama sekali tidak setuju), 4 menjadi
2, dan seterusnya.
Transformasi data juga diperlukan ketika beberapa pertanyaan telah digunakan untuk
mengukur satu konsep. Dalam kasus seperti itu, skor pada pertanyaan asli harus
digabungkan menjadi skor tunggal (tetapi hanya setelah kami menetapkan bahwa
konsistensi interitem memuaskan! (lihat Menguji Kebaikan Data yang dibahas nanti dalam
bab ini). Misalnya, karena lima item telah digunakan untuk mengukur konsep "ekuitas yang
dirasakan", skor "ekuitas yang dirasakan" baru harus dihitung dari skor pada lima item
individu (tetapi hanya setelah item 1, 2, dan
4 telah dikodekan terbalik). Ini melibatkan penghitungan
skor yang dijumlahkan (per kasus / peserta) dan kemudian membaginya dengan jumlah
item (lima dalam kasus ini). Misalnya, karyawan kami # 1 telah melingkari, masing-
masing, 1, 2, 3, 1, dan 4 pada lima partisipasi dalam pertanyaan pengambilan keputusan;
skornya pada item setelah item 1, 2, dan 4 telah dikodekan terbalik adalah 5, 4, 3, 5, dan 4.
Skor gabungan pada persepsi keadilan adalah /. Skor gabungan ini termasuk dalam kolom
baru di SPSS. Sangat mudah untuk menghitung variabel baru, menggunakan kotak dialog
Compute, yang terbuka ketika ikon Transform dipilih (Gambar 11.4).
Gambar 11.4 Mengubah data dengan SPSS

Perhatikan bahwa berguna untuk mengatur skema untuk mengkategorikan respons

sedemikian rupa sehingga beberapa item yang mengukur konsep semuanya dikelompokkan
bersama. Jika pertanyaan yang mengukur suatu konsep tidak bersebelahan tetapi tersebar
di berbagai bagian kuesioner, harus berhati-hati untuk memasukkan semua item tanpa
kelalaian atau penyertaan yang salah.

2. Merasakan data
Kita dapat memperoleh perasaan untuk data dengan memperoleh ringkasan visual atau
dengan memeriksa kecenderungan sentral dan penyebaran variabel. Kita juga bisa
mengenal data kita dengan memeriksa hubungan antara dua variabel. Dalam Bab 6, kami
menjelaskan bahwa operasi statistik yang berbeda pada variabel dimungkinkan, tergantung
pada tingkat di mana variabel diukur. Tabel 11.1 merangkum hubungan antara jenis skala,
analisis data, dan metode memperoleh ringkasan visual untuk variabel.
Tabel 11.1 Jenis skala, analisis data, dan metode memperoleh ringkasan visual untuk
variable
 Tabel 11.1 menunjukkan bahwa, tergantung pada skala ukuran kita, mode, median,
atau rata-rata, dan rentang semi-interkuartil, deviasi standar, atau varians akan memberi
kita ide bagus tentang bagaimana para peserta dalam penelitian kita bereaksi terhadap item-
item dalam kuesioner. Statistik ini dapat dengan mudah diperoleh, dan akan menunjukkan
apakah respons berkisar secara memuaskan di atas skala. Jika respons terhadap setiap item
individu dalam skala tidak memiliki penyebaran (rentang) yang baik dan menunjukkan
variabilitas yang sangat sedikit, maka peneliti mungkin curiga bahwa pertanyaan tertentu
mungkin tidak diucapkan dengan benar. Bias, jika ada, juga dapat dideteksi jika responden
cenderung merespons dengan cara yang sama terhadap semua item – yaitu, mereka hanya
berpegang pada titik-titik tertentu pada skala. Ingatlah bahwa jika tidak ada variabilitas
dalam data, maka tidak ada varians yang dapat dijelaskan! Dengan demikian, merasakan
data adalah langkah pertama yang diperlukan dalam semua analisis data. Berdasarkan
perasaan awal ini, analisis terperinci lebih lanjut mungkin dilakukan untuk menguji
kebaikan data.
Para peneliti berusaha keras untuk mendapatkan kecenderungan sentral, kisaran,
dispersi, dan statistik lainnya untuk setiap item yang mengukur variabel dependen dan
independen, terutama ketika ukuran untuk suatu konsep baru dikembangkan.
Statistik deskriptif untuk satu variabel disediakan oleh frekuensi, ukuran
kecenderungan sentral, dan dispersi. Ini sekarang dijelaskan
a. Frekuensi
Frekuensi hanya mengacu pada berapa kali berbagai subkategori dari fenomena tertentu
terjadi, dari mana persentase dan persentase kumulatif dari kejadiannya dapat dengan
mudah dihitung.
Excelsior Enterprises – frekuensi
Frekuensi untuk jumlah individu di berbagai departemen untuk sampel Excelsior
Enterprises ditunjukkan dalam Output 11.1. Dapat dilihat dari sana bahwa jumlah individu
terbesar dalam sampel berasal dari Departemen Produksi (28,1%), diikuti oleh Departemen
Penjualan (25,3%). Hanya tiga individu (1,7%) yang berasal dari Hubungan Masyarakat,
dan lima individu masingmasing dari Departemen Keuangan, Pemeliharaan, dan Akuntansi
(masing-masing 2,9%). Rendahnya jumlah sampel di beberapa departemen adalah fungsi
dari total populasi (sangat sedikit anggota) di departemen tersebut.
Output 11.1 Frekuensi Dari menu, pilih:
Analisis
Statistik Deskriptif
Frekuensi
(Pilih variabel yang relevan) Pilih yang dibutuhkan:
Statistik . . .
Grafik...
Format (untuk urutan di mana hasil akan ditampilkan)

Output

Dari frekuensi yang diperoleh untuk variabel lain (hasil tidak ditampilkan di sini)
ditemukan bahwa 79,9% responden adalah laki-laki dan 20,1% perempuan; sekitar 62%
bekerja shift pertama, 20% shift kedua, dan 18% shift ketiga. Sekitar 16% responden
bekerja paruh waktu dan 84% penuh waktu. Sekitar 8% memiliki kurang dari gelar sekolah
menengah, 39% ijazah sekolah menengah, 32% gelar sarjana, 20% gelar master, dan 1%
memiliki gelar doktor.
Dengan demikian kami memiliki profil karyawan di organisasi ini, yang berguna
untuk menggambarkan sampel di Bagian Metode dari Laporan Tertulis (lihat Bab 14).
Contoh lain di mana distribusi frekuensi akan berguna adalah ketika (1) seorang manajer
pemasaran ingin mengetahui berapa banyak unit (dan berapa proporsi atau persentase) dari
setiap merek kopi yang dijual di wilayah tertentu selama periode tertentu, (2) konsultan
pajak ingin menghitung berapa kali ukuran perusahaan yang berbeda (kecil, menengah,
 besar) diaudit oleh IRS, dan (3) analis keuangan ingin melacak berapa kali saham
perusahaan manufaktur, industri, dan utilitas kehilangan atau mendapatkan lebih dari
sepuluh poin di Bursa Efek New York selama periode enam bulan.
• Bagan batang dan bagan pai
Frekuensi juga dapat ditampilkan secara visual sebagai bagan batang, histogram, atau
bagan pai. Bagan batang, histogram, dan bagan pai membantu kami memahami data kami.

• Excelsior Enterprises - diagram batang Gambar

11.5 memberikan representasi grafis dari hasil yang tercantum dalam tabel di Output 11.1.
Gambar 11.5 Diagram batang kategori karyawan

Distribusi frekuensi, diagram batang, histogram, dan bagan pai memberikan banyak
informasi dasar tentang data. Ukuran kecenderungan sentral dan penyebaran akan
membantu kita untuk lebih memahami data kita. Ini dibahas selanjutnya.
b. Ukuran kecenderungan sentral dan dispersi
Ada tiga ukuran kecenderungan sentral: rata-rata, median, dan mode. Ukuran dispersi
meliputi rentang, simpangan baku, dan varians (di mana ukuran kecenderungan pusat
adalah ratarata), dan rentang interkuartil (di mana ukuran kecenderungan pusat adalah
median).
Ukuran kecenderungan sentral
Rata-rata
Rata-rata, atau rata-rata, adalah ukuran kecenderungan sentral yang menawarkan
gambaran umum tentang data tanpa membanjiri seseorang dengan masing-masing
pengamatan dalam kumpulan data. Misalnya, departemen produksi mungkin menyimpan
catatan terperinci tentang berapa banyak unit produk yang diproduksi setiap hari. Namun,
untuk memperkirakan persediaan bahan baku, yang mungkin ingin diketahui manajer
hanyalah berapa unit per bulan, rata-rata, departemen telah berproduksi selama enam bulan
terakhir. Ukuran kecenderungan sentral ini – yaitu, rata-rata – mungkin menawarkan
kepada manajer ide bagus tentang jumlah bahan yang perlu ditebar.
Rata-rata atau rata-rata dari satu set, katakanlah, sepuluh pengamatan, adalah jumlah
dari sepuluh pengamatan individu dibagi dengan sepuluh (jumlah total pengamatan)
Median
Median adalah item sentral dalam sekelompok pengamatan ketika mereka disusun
dalam urutan naik atau turun. Mari kita ambil contoh untuk memeriksa bagaimana median
ditentukan sebagai ukuran kecenderungan sentral.
Contoh
Katakanlah gaji tahunan sembilan karyawan di sebuah departemen adalah sebagai berikut:
$65 000, $30 000, $25 000, $64 000, $35 000, $63 000, $32 000, $60 000, dan $61 000.
Gaji rata-rata di sini adalah sekitar $48 333, tetapi rata-ratanya adalah $60.000. Artinya,
ketika disusun dalam urutan menaik, angkanya adalah sebagai berikut: $25 000, $30 000,
$32 000, $35 000, $60 000, $61 000, $63 000, $64 000, $65 000, dan angka di tengah
adalah $60.000. Jika ada jumlah karyawan genap, maka median akan menjadi rata-rata dari
dua gaji menengah.
Mode
Dalam beberapa kasus, serangkaian pengamatan tidak cocok untuk representasi
yang bermakna melalui rata-rata atau median, tetapi dapat ditandai dengan fenomena yang
paling sering terjadi. Misalnya, di departemen di mana ada 10 wanita kulit putih, 24 pria
kulit putih, 3 wanita Afrika-Amerika, dan 2 wanita Asia, kelompok yang paling sering
terjadi – modusnya – adalah pria kulit putih. Baik rata-rata maupun median tidak dapat
dihitung atau diterapkan dalam kasus ini. Juga tidak ada cara untuk menunjukkan ukuran
dispersi apa pun. Kami telah mengilustrasikan bagaimana mean, median, dan mode dapat
menjadi ukuran yang berguna dari kecenderungan pusat, berdasarkan jenis data yang kami
miliki. Kami sekarang akan memeriksa dispersi.
Ukuran dispersi
Selain mengetahui bahwa ukuran tendensi sentral adalah rata-rata, median, atau
modus (tergantung pada jenis data yang tersedia), orang juga ingin mengetahui variabilitas
yang ada dalam sekumpulan pengamatan. Seperti ukuran tendensi sentral, ukuran dispersi
juga unik untuk data nominal dan interval.
Dua set data mungkin memiliki rata-rata yang sama, tetapi dispersinya bisa berbeda.
Misalnya, jika Perusahaan A menjual masing-masing 30, 40, dan 50 unit produk selama
bulan April, Mei, dan Juni, dan Perusahaan B menjual 10, 40, dan 70 unit selama periode
yang sama, rata-rata unit terjual per bulan oleh kedua perusahaan adalah sama – 40 unit –
tetapi variabilitas atau penyebaran di perusahaan terakhir lebih besar.
 Tiga pengukuran dispersi yang berhubungan dengan rata-rata adalah jangkauan,
varians, dan standar deviasi, yang dijelaskan di bawah ini.
Rentang
Rentang mengacu pada nilai ekstrim dalam satu set pengamatan. Kisarannya adalah
antara 30 dan 50 untuk Perusahaan A (penyebaran 20 unit), sedangkan kisarannya adalah
antara 10 dan 70 unit (penyebaran 60 unit) untuk Perusahaan B. Ukuran dispersi lain yang
lebih bermanfaat adalah varians.
Varians
Varians . dihitung dengan mengurangkan rata-rata dari setiap pengamatan dalam
kumpulan data, mengambil kuadrat dari perbedaan ini, dan membagi totalnya dengan
jumlah pengamatanDalam contoh di atas, varians untuk masing-masing dua perusahaan
adalah:

Seperti yang dapat kita lihat, varians jauh lebih besar di Perusahaan B daripada
Perusahaan A. Hal ini mempersulit manajer Perusahaan B untuk memperkirakan berapa
banyak barang yang akan disimpan. daripada untuk manajer Perusahaan A. Dengan
demikian, varians memberikan indikasi seberapa tersebarnya data dalam kumpulan data.
Standar deviasi
Standar deviasi, yang merupakan ukuran lain dari dispersi untuk data skala interval dan
rasio, menawarkan indeks penyebaran distribusi atau variabilitas dalam data. Ini adalah
ukuran dispersi yang sangat umum digunakan, dan hanyalah akar kuadrat dari varians.
Dalam kasus kedua perusahaan di atas, standar deviasi untuk Perusahaan A dan B masing-
masing adalah 66,7 dan 600 atau 8,167 dan 24,495.
Deviasi rata-rata dan standar adalah statistik deskriptif yang paling umum untuk data
berskala interval dan rasio. Standar deviasi, bersama dengan rata-rata, adalah alat yang
sangat berguna karena aturan statistik berikut, dalam distribusi normal:
1. Secara praktis, semua pengamatan termasuk dalam tiga standar deviasi dari rata-
rata atau rata-rata.
2. Lebih dari 90% pengamatan berada dalam dua standar deviasi rata-rata.
3. Lebih dari separuh pengamatan berada dalam satu standar deviasi rata-rata.
Ukuran dispersi lainnya
Ketika median adalah ukuran tendensi sentral, persentil, desil, dan kuartil menjadi
bermakna. Sama seperti median membagi total bidang pengamatan menjadi dua bagian
yang sama, kuartil membaginya menjadi empat bagian yang sama, desil menjadi sepuluh,
dan persentil menjadi 100 bagian yang sama. Persentil berguna ketika data dalam jumlah
besar, seperti skor GRE atau GMAT, ditangani. Ketika area pengamatan dibagi menjadi
100 bagian yang sama, terdapat 99 titik persentil. Skor apa pun yang diberikan memiliki
probabilitas 0,01 bahwa itu akan jatuh di salah satu poin tersebut. Jika skor John berada di
persentil ke-16, ini menunjukkan bahwa 84% dari mereka yang mengikuti ujian mendapat
skor lebih baik daripada dia, sementara 15% lebih buruk.
Seringkali kita tertarik untuk mengetahui posisi kita dibandingkan dengan orang
lain – apakah kita berada di tengah, di atas 10 atau 25%, atau di bawah 20 atau 25%, atau
di mana? Misalnya, jika dalam tes yang diselenggarakan perusahaan, Tuan Chou mendapat
skor 78 dari total 100 poin, dia mungkin tidak senang jika berada di 10% terbawah di antara
rekanrekannya (peserta tes), tetapi mungkin cukup senang. jika dia berada di 10% teratas,
meskipun skornya tetap sama. Posisinya dalam kaitannya dengan yang lain dapat
ditentukan oleh median tendensi sentral dan persentilnya.
Ukuran dispersi untuk median, rentang interkuartil, terdiri dari 50% tengah
pengamatan (yaitu, pengamatan tidak termasuk bagian bawah). dan kuartil 25% teratas).
Jangkauan interkuartil sangat berguna ketika perbandingan dibuat di antara beberapa
kelompok. Misalnya, perusahaan telepon dapat membandingkan tagihan pelanggan jarak
jauh di beberapa daerah dengan mengambil sampel tagihan pelanggan dari masing-masing
kota untuk dibandingkan. Dengan memplot kuartil pertama dan ketiga dan membandingkan
median dan spread, mereka bisa mendapatkan ide bagus tentang di mana tagihan cenderung
tertinggi, sejauh mana perbedaan pelanggan dalam frekuensi penggunaan panggilan jarak
jauh, dan seterusnya. Ini dilakukan dengan membuat plot kotak-dan-kumis untuk setiap
area. Plot kotak-dan-kumis adalah perangkat grafis yang menggambarkan kecenderungan
sentral, persentil, dan variabilitas. Sebuah kotak digambar, memanjang dari kuartil pertama
ke kuartil ketiga, dan garis ditarik dari kedua sisi kotak ke skor ekstrim, seperti yang
ditunjukkan pada Gambar 11.6(a). Angka 11.6(b) memiliki median yang diwakili oleh titik
di dalam setiap kotak. Perbandingan berdampingan dari berbagai plot dengan jelas
menunjukkan nilai tertinggi, jangkauan, dan sebaran untuk setiap daerah atau kota. Untuk
pembahasan lebih lengkap mengenai hal ini, lihat Salvia (1990).
Gambar 11.6
(a) Plot kotak-dan-kumis; (b) perbandingan tagihan telepon di tiga kota.
Singkatnya, kami telah mengilustrasikan bagaimana rata-rata, median, dan modus dapat
menjadi ukuran tendensi sentral yang berguna, bergantung pada jenis data yang tersedia.
Demikian pula, kami telah menunjukkan bagaimana standar deviasi (dan varians, yang
merupakan kuadrat dari standar deviasi), dan rentang interkuartil adalah ukuran dispersi
yang berguna. Jelas, tidak ada ukuran dispersi yang terkait dengan mode.
c. Hubungan antar variabel
Dalam proyek penelitian yang mencakup beberapa variabel, selain mengetahui
statistik deskriptif variabel, kita sering ingin mengetahui bagaimana satu variabel terkait
dengan variabel lainnya. Artinya, kami ingin melihat sifat, arah, dan pentingnya bivariat
dari variabel yang digunakan dalam penelitian (yaitu, hubungan antara dua variabel di
antara variabel yang disadap dalam penelitian).
Tes nonparametrik tersedia untuk menilai hubungan antara variabel yang diukur
pada skala nominal atau ordinal. Korelasi peringkat Spearman dan korelasi peringkat
Kendall digunakan untuk menguji hubungan antara dua variabel ordinal. Matriks korelasi
digunakan untuk menguji hubungan antara variabel interval dan/atau rasio.
d. Hubungan antara dua variabel nominal: test
Terkadang kita mungkin ingin mengetahui apakah ada hubungan antara dua variabel
nominal atau apakah keduanya independen satu sama lain. Sebagai contoh: (1) Apakah
menonton iklan produk di televisi (ya/tidak) berhubungan dengan pembelian produk
tersebut oleh individu (beli/jangan beli)? (2) Apakah jenis pekerjaan yang dilakukan
individu (pekerjaan kerah putih/pekerjaan kerah biru) merupakan fungsi dari warna
kulitnya (putih/bukan putih)? Perbandingan semacam itu dimungkinkan dengan mengatur
data berdasarkan kelompok atau kategori dan melihat apakah ada hubungan yang signifikan
secara statistik. Sebagai contoh, kita dapat mengumpulkan data dari sampel 55 orang yang
warna kulit dan sifat pekerjaannya, diambil dari hitungan frekuensi, dapat diilustrasikan
seperti pada Tabel 11.2 dalam tabel kemungkinan dua per dua. Hanya dengan melihat Tabel
11.2, tampak pola yang jelas bahwa mereka yang berkulit putih memegang pekerjaan kerah
putih. Hanya sedikit orang bukan kulit putih yang memegang pekerjaan kerah putih. Jadi,
sepertinya ada hubungan antara warna kulit dan jenis pekerjaan yang ditangani; keduanya
tampaknya tidak independen. Hal ini dapat dikonfirmasi secara statistik dengan uji chi
square ( ) uji nonparametrik – yang menunjukkan apakah pola yang diamati disebabkan
oleh kebetulan atau tidak. Seperti yang kita ketahui, uji nonparametrik digunakan ketika
normalitas distribusi tidak dapat diasumsikan seperti pada data nominal atau ordinal. Tes
membandingkan frekuensi yang diharapkan (berdasarkan probabilitas) dan frekuensi
yang diamati, dan statistik diperoleh dengan rumus:

di mana statistik chi-kuadrat; Oi adalah frekuensi yang diamati dari isel kedan Ei adalah
frekuensi harapan. Statistik dengan tingkat signifikansinya dapat diperoleh untuk setiap
kumpulan data nominal melalui analisis komputer.
Tabel 11.2 Tabel kontingensi warna kulit dan jenis pekerjaan
 Dengan demikian, dalam menguji perbedaan hubungan antar variabel berskala
nominal, statistik (chi-kuadrat) berguna. Hipotesis nol akan ditetapkan untuk menyatakan
bahwa tidak ada hubungan yang signifikan antara dua variabel (warna kulit dan sifat
pekerjaan, dalam contoh di atas), dan hipotesis alternatif akan menyatakan bahwa ada
hubungan yang signifikan.
Statistik chi-kuadrat dikaitkan dengan derajat kebebasan (df), yang menunjukkan ada atau
tidaknya hubungan yang signifikan antara dua variabel nominal. Jumlah derajat kebebasan
kurang dari jumlah sel dalam kolom dan baris. Jika ada empat sel (dua dalam satu kolom
dan dua dalam satu baris), maka jumlah derajat kebebasannya adalah 1, yaitu [(2–1) × (2–
1)]. Statistik chi-kuadrat untuk berbagai df disajikan pada Tabel III di akhir buku ini.
Statistik juga dapat digunakan untuk beberapa level dari dua variabel nominal.
Misalnya, seseorang mungkin tertarik untuk mengetahui apakah empat kelompok
karyawan produksi, penjualan, pemasaran, dan personel Litbang bereaksi terhadap
kebijakan dalam empat cara yang berbeda (yaitu, tanpa minat sama sekali, dengan minat
ringan, minat sedang). , dan minat yang intens). Di sini, nilai uji independensi dihasilkan
dengan tabulasi silang data dalam 16 sel – yaitu, mengklasifikasikan data dalam empat
kelompok karyawan dan empat kategori minat. Derajat kebebasan di sini adalah 9, yaitu
[(4–1) × (4–1)].
Uji signifikansi dengan demikian membantu kita untuk melihat apakah dua
variabel nominal berhubungan atau tidak. Selain uji tersebut, uji lain, seperti uji
probabilitas eksak Fisher dan Cochran Q digunakan untuk menentukan hubungan antara
dua variabel berskala nominal.
e. Korelasi
Matriks korelasi Pearson akan menunjukkan arah, kekuatan, dan pentingnya
hubungan bivariat di antara semua variabel yang diukur pada tingkat interval atau rasio.
Korelasi diperoleh dengan menilai variasi dalam satu variabel karena variabel lain juga
bervariasi. Demi kesederhanaan, katakanlah kami telah mengumpulkan data pada dua
variabel – harga dan penjualan – untuk dua produk yang berbeda. Volume penjualan pada
setiap tingkat harga dapat diplot untuk setiap produk, seperti yang ditunjukkan pada
diagram pencar pada Gambar 11.7(a) dan 11.7(b).
Gambar 11.7 (a) Diagram pencar tanpa pola yang terlihat; (b) diagram pencar yang
menunjukkan kemiringan ke bawah atau negatif.
 Gambar 11.7(b) menunjukkan pola yang dapat dilihat tentang bagaimana kedua
faktor bervariasi secara bersamaan (tren pencar adalah garis lurus ke bawah), sedangkan
Gambar 11.7(a) tidak. Melihat diagram pencar pada Gambar 11.7(b), tampaknya ada
korelasi negatif langsung antara harga dan penjualan untuk produk ini. Artinya, saat harga
naik, penjualan produk turun secara konsisten. Gambar 11.7(a) menunjukkan tidak ada pola
yang dapat ditafsirkan untuk produk lain.
Koefisien korelasi yang menunjukkan kekuatan dan arah hubungan dapat dihitung
dengan menerapkan rumus yang mempertimbangkan dua rangkaian angka – dalam hal ini,
volume penjualan yang berbeda pada harga yang berbeda. Secara teoritis, mungkin ada
korelasi positif sempurna antara dua variabel, yang diwakili oleh 1,0 (plus 1), atau korelasi
negatif sempurna yaitu –1,0 (minus 1). Namun, tak satu pun dari ini akan ditemukan dalam
kenyataan ketika menilai korelasi antara dua variabel yang diharapkan berbeda satu sama
lain.
Sementara korelasi dapat berkisar antara −1.0 dan +1.0, kita perlu mengetahui
apakah ada korelasi yang ditemukan antara dua variabel yang signifikan atau tidak (yaitu,
apakah itu terjadi semata-mata secara kebetulan atau jika ada probabilitas tinggi dari
keberadaan aktualnya). Seperti yang kita ketahui, signifikansi p = 0,05 adalah tingkat
konvensional yang diterima secara umum dalam penelitian ilmu sosial. Ini menunjukkan
bahwa 95 kali dari 100, kita dapat yakin bahwa ada korelasi yang benar atau signifikan
antara kedua variabel, dan hanya ada 5% kemungkinan bahwa hubungan tersebut tidak
benar-benar ada. Jika terdapat korelasi sebesar 0,56 (dilambangkan sebagai r = 0,56) antara
dua variabel A dan B, dengan 𝑝<0,01, maka kita tahu bahwa ada hubungan positif antara
kedua variabel dan kemungkinan ketidakbenarannya adalah 1% atau kurang. Artinya, lebih
dari 99% dari waktu yang kita harapkan korelasi ini ada. Korelasi sebesar 0,56 juga
menunjukkan bahwa variabel menjelaskan varians satu sama lain sebesar 31,4% (0,562).
Kami tidak tahu variabel mana menyebabkan yang mana, tetapi kami tahu bahwa
kedua variabel tersebut terkait satu sama lain. Dengan demikian, hipotesis yang
mendalilkan hubungan positif (atau negatif) yang signifikan antara dua variabel dapat diuji
dengan memeriksa korelasi antara keduanya.
Koefisien korelasi Pearson sesuai untuk variabel skala interval dan rasio, dan Rank
Spearman atau koefisien Kendall's Tau sesuai ketika variabel diukur pada skala ordinal.
Setiap korelasi bivariat dapat diperoleh dengan mengklik menu yang relevan,
mengidentifikasi variabel, dan mencari statistik parametrik atau nonparametrik yang sesuai.
3. Excelsior Enterprises – statistik deskriptif bagian 1
Statistik deskriptif seperti maksimum, minimum, rata-rata, standar deviasi, dan
varian diperoleh untuk item berskala interval dari studi Excelsior Enterprises. Prosedurnya
ditunjukkan pada Output 11.2 .
Output 11.2 Statistik deskriptif: tendensi sentral dan dispersi Dari menu, pilih:
Analisis
Statistik Deskriptif
Deskriptif (Pilih variabel) Opsi . . .

(Pilih statistik relevan yang diperlukan)

OUTPUT
 Hasil yang disajikan pada tabel di Keluaran 11.2 menunjukkan bahwa:
• ada pengamatan yang hilang untuk setiap item kecuali untuk item burnout10, itl1 dan itl2;
• ada kode ilegal untuk item jobchar1 (6 telah dimasukkan dalam setidaknya satu sel),
burnout3 (sekali lagi, 6 telah dimasukkan dalam setidaknya satu sel), dan itl2 (5 telah
dimasukkan dalam setidaknya satu sel) ;
• tanggapan untuk setiap item individu memiliki penyebaran yang baik.
Tindakan yang tepat diambil untuk memperbaiki entri ilegal. Pemeriksaan lebih
lanjut dari data yang hilang mengungkapkan bahwa setiap peserta menjawab semua atau
sebagian besar pertanyaan. Oleh karena itu, tidak ada kuesioner yang dibuang. Data yang
hilang akan diabaikan selama analisis selanjutnya.

Dari sini, kami dapat melanjutkan dengan analisis terperinci lebih lanjut untuk
menguji kebaikan data kami.

4. Menguji kebaikan data

Reliabilitas dan validitas pengukuran sekarang dapat diuji.
a. Reliabilitas
Reliabilitas suatu ukuran ditetapkan dengan menguji konsistensi dan stabilitas.
Konsistensi menunjukkan seberapa baik butir-butir yang mengukur suatu konsep saling
berkaitan sebagai satu set. Alpha Cronbach adalah koefisien reliabilitas yang menunjukkan
seberapa baik item dalam satu set berkorelasi positif satu sama lain. Alfa Cronbach dihitung
dari segi interkorelasi rata-rata di antara item yang mengukur konsep. Semakin dekat alpha
Cronbach ke 1, semakin tinggi reliabilitas konsistensi internal.
Ukuran lain dari reliabilitas konsistensi yang digunakan dalam situasi tertentu
adalah koefisien reliabilitas split-half. Karena ini mencerminkan korelasi antara dua bagian
dari satu set item, koefisien yang diperoleh akan bervariasi tergantung pada bagaimana
skala dibagi. Kadangkadang reliabilitas split-half diperoleh untuk menguji konsistensi
ketika lebih dari satu skala, dimensi, atau faktor, dinilai. Item di setiap dimensi atau faktor
dipisahkan, berdasarkan beberapa logika yang telah ditentukan sebelumnya (Campbell,
1976). Di hampir setiap kasus, Cronbach's alpha adalah tes yang memadai untuk reliabilitas
konsistensi internal. Anda akan melihat nanti di bab ini bagaimana alfa Cronbach diperoleh
melalui analisis komputer.
Stabilitas suatu ukuran dapat dinilai melalui reliabilitas bentuk paralel dan reliabilitas
tes-tes ulang. Ketika korelasi tinggi antara dua bentuk ukuran yang serupa (lihat Bab 7)
diperoleh, reliabilitas bentuk paralel terbentuk. Keandalan tes-tes ulang dapat ditentukan
dengan menghitung korelasi antara tes yang sama yang diberikan pada dua periode waktu
yang berbeda.

Excelsior Enterprises – memeriksa keandalan pengukuran multi-item

Karena keadilan distributif, kelelahan, pengayaan pekerjaan, dan niat untuk keluar diukur
dengan skala multi-item, konsistensi jawaban responden terhadap item skala harus diuji
untuk setiap ukuran. Dalam Bab 7, kami menjelaskan bahwa alfa Cronbach adalah tes
konsistensi interitem yang populer. Tabel 11.3 memberikan ikhtisar alfa Cronbach untuk
empat variabel. Tabel ini menunjukkan bahwa alfa semuanya jauh di atas 0,60.
Tabel 11.3 Reliability of the Excelsior Enterprises measures

Secara umum, reliabilitas kurang dari 0,60 dianggap buruk, yang berada dalam
kisaran 0,70, dapat diterima , dan yang di atas 0,80 bagus. Dengan demikian, reliabilitas
konsistensi internal dari ukuran yang digunakan dalam penelitian ini dapat dianggap dapat
diterima untuk ukuran pengayaan pekerjaan dan baik untuk ukuran lainnya.
Penting untuk dicatat bahwa semua item dengan kata-kata negatif dalam kuesioner
pertama-tama harus dibalik sebelum item diajukan untuk uji reliabilitas. Kecuali jika semua
item yang mengukur suatu variabel berada dalam arah yang sama, reliabilitas yang
diperoleh akan salah.
Contoh hasil yang diperoleh untuk tes alfa Cronbach untuk pengayaan pekerjaan,
bersama dengan instruksi tentang cara memperolehnya, ditampilkan di Output 11.3.
Output 11.3 Analisis Keandalan Dari menu, pilih:
Analisis
Skala
Analisis Keandalan. .
Pilih variabel yang membentuk skala.
Pilih Model Alpha (ini adalah opsi default).
Klik Statistik.
Pilih Skala jika item dihapus di bawah Deskriptif

Output

Reliabilitas pengukuran pengayaan pekerjaan disajikan pada tabel pertama di

Output 11.3. Tabel kedua memberikan ikhtisar alfa jika kita mengambil salah satu item dari
pengukuran. Misalnya, terlihat bahwa jika item pertama (Jobchar1) dikeluarkan, alfa
Cronbach dari pengukuran tiga item baru akan menjadi 0,577. Artinya alfa akan turun jika
kita mengambil item 1 dari ukuran kita. Sebaliknya, jika kita mengeluarkan item 3, alfa kita
akan naik menjadi 0,851. Perhatikan bahwa, dalam hal ini, kami tidak akan mengambil
item 3 karena dua alasan. Pertama, alfa kami di atas 0,7 sehingga kami tidak perlu
melakukan tindakan perbaikan apa pun. Kedua, jika kita mengeluarkan item 3, validitas
ukuran kita mungkin akan menurun. Kami tidak memasukkan item 3 secara cuma-cuma
dalam ukuran aslinya!
Namun, jika alfa Cronbach kami terlalu rendah (di bawah 0,60) maka kami dapat
menggunakan tabel ini untuk mengetahui item mana yang harus dihapus dari ukuran kami
untuk meningkatkan konsistensi interitem. Perhatikan bahwa, biasanya, mengambil item,
meskipun meningkatkan reliabilitas ukuran kami, mempengaruhi validitas ukuran kami
dengan cara yang negatif.
Sekarang kami telah menetapkan bahwa konsistensi interitem memuaskan untuk
ekuitas yang dirasakan, pengayaan pekerjaan, kelelahan, dan niat untuk keluar, skor pada
pertanyaan awal dapat digabungkan menjadi satu skor. Misalnya, skor “persepsi ekuitas”
yang baru dapat dihitung dari skor pada lima item “persepsi ekuitas” individu (namun
hanya setelah item 1, 2, dan 4 diberi kode terbalik). Demikian pula, skor “pengayaan
pekerjaan” yang baru dapat dihitung dari skor pada empat item “pengayaan pekerjaan”
individu, dan seterusnya. Kami telah menjelaskan bahwa ini melibatkan penghitungan skor
yang dijumlahkan (per kasus/peserta) dan kemudian membaginya dengan jumlah item.
b. Validitas
Validitas faktorial dapat dibentuk dengan mengirimkan data untuk analisis faktor. Hasil
analisis faktor (teknik multivariat) akan mengkonfirmasi muncul atau tidaknya dimensi
yang diteorikan. Ingat dari Bab 6 bahwa langkah-langkah dikembangkan dengan terlebih
dahulu menggambarkan dimensi untuk mengoperasionalkan konsep tersebut. Analisis
faktor mengungkapkan apakah dimensi memang disadap oleh item dalam ukuran, seperti
yang diteorikan. Validitas terkait kriteria dapat ditetapkan dengan menguji kekuatan ukuran
untuk membedakan individu yang diketahui berbeda (lihat diskusi mengenai validitas
konkuren dan prediktif di Bab 7). Validitas konvergen dapat ditetapkan ketika ada tingkat
korelasi yang tinggi antara dua sumber berbeda yang menanggapi ukuran yang sama
(misalnya, baik supervisor maupun bawahan menanggapi dengan cara yang sama terhadap
ukuran sistem penghargaan yang dirasakan yang diberikan kepada mereka). Validitas
diskriminan dapat dibangun ketika dua konsep yang jelas berbeda tidak berkorelasi satu
sama lain (misalnya, keberanian dan kejujuran; kepemimpinan dan motivasi; sikap dan
perilaku). Validitas konvergen dan diskriminan dapat dibangun melalui matriks multitrait
multimetode, yang pembahasan lengkapnya berada di luar cakupan buku ini. Mahasiswa
yang tertarik untuk mengetahui lebih jauh tentang analisis faktor dan matriks multitrait
multimetode dapat merujuk pada buku-buku tentang mata pelajaran tersebut. Ketika ukuran
yang divalidasi dengan baik digunakan, tentu saja, tidak perlu menetapkan validitasnya lagi
untuk setiap studi. Keandalan item dapat, bagaimanapun, diuji.

5. Excelsior Enterprises – statistik deskriptif bagian 2

Setelah skor baru untuk ekuitas yang dirasakan, pengayaan pekerjaan, kelelahan,
dan niat untuk keluar telah dihitung, kami siap untuk menganalisis data lebih lanjut.
 Statistik deskriptif seperti maksimum, minimum, rata-rata, standar deviasi, dan varian
sekarang dapat diperoleh untuk multi-item, variabel independen dan dependen berskala
interval. Terlebih lagi, matriks korelasi juga dapat diperoleh untuk memeriksa bagaimana
variabel dalam model kita terkait satu sama lain.
Ini akan membantu kita menjawab pertanyaan seperti:
▪ Apa persepsi karyawan tentang pengayaan pekerjaan?
▪ Berapa banyak karyawan yang memiliki tingkat kejenuhan yang mana?
▪ Apakah karyawan puas dengan pekerjaan mereka?
▪ Apakah ada banyak perbedaan sejauh mana karyawan memandang hubungan dengan
perusahaan sebagai adil?
▪ Berapa persentase karyawan yang cenderung meninggalkan organisasi?
▪ Apa hubungan antara ekuitas yang dirasakan, kelelahan, pengayaan pekerjaan, kepuasan
kerja, dan niat untuk keluar?
Statistik deskriptif seperti maksimum, minimum, mean, standar deviasi, dan varians
diperoleh untuk variabel independen dan dependen berskala interval dalam studi Excelsior
Enterprises. Hasilnya ditunjukkan pada Tabel 11.4. Dapat disebutkan bahwa semua
variabel kecuali ITL disadap pada skala lima poin. ITL diukur pada skala empat poin.
Tabel 11.4 Statistik deskriptif untuk variabel independen dan dependen

Dari hasil tersebut, dapat dilihat bahwa rata-rata ekuitas yang dirasakan agak rendah
(2,32 pada skala lima poin), seperti rata-rata pada kelelahan yang dialami (2,55). Kepuasan
kerja ratarata (3,22 pada skala lima poin), dan pekerjaan dianggap agak diperkaya (3,40).
Rata-rata 2,21 pada skala empat poin untuk ITL menunjukkan bahwa sebagian besar
responden tidak cenderung untuk pergi atau tinggal. Minimal 1 menunjukkan bahwa ada
beberapa yang tidak berniat untuk pergi sama sekali, dan maksimum 4 menunjukkan bahwa
ada yang serius mempertimbangkan untuk pergi. Tabel 11.5 memberikan penjelasan yang
lebih rinci tentang niat karyawan untuk keluar. Tabel ini menunjukkan bahwa sekelompok
besar karyawan secara serius mempertimbangkan untuk meninggalkan Excelsior
Enterprises! Menguji hipotesis kami akan meningkatkan pemahaman kami tentang
mengapa karyawan mempertimbangkan untuk meninggalkan Excelsior Enterprises dan
akan memberi kami alat yang berguna untuk mengurangi niat karyawan untuk keluar dari
perusahaan.
Tabel 11.5 Tabel frekuensi niat untuk keluar

Singkatnya, ekuitas yang dirasakan agak rendah, tidak banyak kelelahan yang
dialami, pekerjaan yang dirasakan cukup kaya, kepuasan kerja rata-rata, dan tidak ada niat
yang kuat untuk bertahan dengan organisasi maupun untuk meninggalkannya. Varians
untuk semua variabel agak tinggi, menunjukkan bahwa jawaban peserta tidak selalu sangat
dekat dengan ratarata semua variabel.
Matriks korelasi Pearson yang diperoleh untuk lima variabel skala interval
ditunjukkan pada Tabel 11.6.

Tabel 11.6 Korelasi antara variabel independen dan dependen

 Dari hasil, kami melihat bahwa niat untuk keluar, seperti yang diharapkan, secara
signifikan berkorelasi negatif dengan kepuasan kerja, kesetaraan yang dirasakan, dan
pengayaan pekerjaan. Artinya, niat untuk keluar rendah jika kepuasan kerja dan perlakuan
yang adil dialami, dan pekerjaan diperkaya. Namun ketika individu mengalami burnout
(kelelahan fisik dan emosional), niat untuk keluar juga meningkat (korelasi positif 0,531).
Kepuasan kerja juga berkorelasi positif dengan ekuitas yang dirasakan, dan pekerjaan yang
diperkaya. Ini berkorelasi negatif dengan kelelahan dan ITL. Korelasi semua dalam arah
yang diharapkan.
Penting untuk dicatat bahwa tidak ada korelasi yang melebihi 0,55 untuk sampel ini.
Jika korelasi antara variabel dependen lebih tinggi (katakanlah, 0,75 ke atas), kita mungkin
memiliki masalah kolinearitas dalam analisis regresi kita.
Setelah kami memperoleh statistik deskriptif untuk variabel independen dan
dependen dalam penelitian kami, kami dapat menguji hipotesis kami. Pengujian hipotesis
akan dibahas pada bab selanjutnya.
 DATA ANALYSIS AND INTERPRETATION

1. Analisis Data

Analasis data adalah proses pengolahan data dengan tujuan untuk menemukan informasi
yang berguna yang dapat dijadikan dasar dalam pengambilan keputusan untuk solusi suatu
permasalahan. Proses analisis ini meliputi kegiatan pengelompokan data berdasarkan
karakteristiknya, melakukan pembersihan data, mentransformasi data, membuat model data
untuk menemukan informasi penting dari data tersebut.

• Jenis analisis data

1. Analisis kualitatif adalah analisis secara sistematis yang tidak menggunakan model
matematika atau statistika. Analisis ini dilakukan dengan membaca tabel, grafik, atau data
lainnya yang sudah tersedia yang diperoleh dari berbagai sumber dengan Teknik
pengumpulan data tertentu.

2. Analisis kuantitatif adalah analisis yang menggunakan model matematika atau

statistika dalam memproses datanya. Hasil analisis biasanya berupa angka – angka yang
akan disajikan dan diuraikan oleh peneliti.

• Fungsi – fungsi analisis data

1. Analisis data dapat berfungsi menjadi bahan penilaian

2. Analisis data juga bisa digunakan untuk menanggapi sebuah masalah eksklusif

3. Memecahkan perseteruan serta memilih sebuah keputusan.

4. Data yang diperoleh asal hasil analisis pula bisa digunakan buat acuan pada sebuah
kegiatan yang diperlukan

5. Dapat digunakan pada sebuah aktivitas menjadi sebuah perencanaan

• Teknik menganalisis data

1. Pengumpulan data

Pengumpulan data yang dibutuhkan tentunya menjadi salah satu tahapan yang wajib
dilakukan.
2. Penyuntingan

Penyuntingan adalah aktivitas memeriksa segala macam data yang telah didapatkan apakah
sudah sesuai dengan rumusan masalah dalam penelitian.

3. Pengkodean

Pengkodean adalah tahap untuk memberikan symbol atau tanda terhadap data – data yang
telah didapatkan untuk nantinya dianalisis.

4. Tabulasi

Tabulasi adalah tahap penyusunan dan menyajikan data yang telah didapat sesuai dengan
tujuan dari penelitian atau dengan kata lain tahapan tabulasi ini adalah tahap memasukkan
data-data yang telah diberi tanda kedalam suatu tabel.

5. Analisis data

Setelah tahapan-tahapan pengelohan dilakukan, selanjutnya adalah menganalisis data.

Analisis ini dilakukan supaya data bisa ditafsirkan sebagai suatu informasi yang jelas.

6. Penafsiran data

Tahap terakhir adalah menafsirkan hasil analisis data. Apapun hasil datanya baik secara
kuantitatif, data yang disajikan dalam bentuk kalimat simpulan yang bisa dipahami oleh
pembaca.

• Hal yang perlu diperhatikan dalam pemilihan Teknik analisis data

1. Memahami karakteristik dari penelitian

Maksudnya adalah kitaharus tahu lebih dulu bagaimanan karakteristik permasalahan di

dalam penelitian yang akan dilakukan

2. Mengetahui data yang didapat

Penelitian tentunya harus mengetahui bagaimana data yang akan didapatkan agar bisa
memilih Teknik analisis.

3. Karakter populasi

Karakter populasi juga perlu dipahami agar Teknik analisis bisa menjadi tepat sasaran.

4. Banyaknya variable

Pemilihan Teknik analisis data juga perlu memerhatikan banyaknya variable yang
digunakan di dalam penelitian. Sebab, jumlah variabel juga bisa menentukan Teknik
analisisnya.
2. Interpretasi data

Interpretasi data adalah proses meninjau data dan sampai pada kesimpulan yang relevan
dengan menggunakan berbagai metode analisis.

Dalam istilah bisnis, interpretasi data adalah pelaksanaan berbagai proses. Proses ini
menganalisis dan merevisi data untuk mendapatkan wawasab dan mengenali pola dan
perilaku yang muncul.

Interpretasi data juga dapat diartikan sebagai kegiatan yang memiliki tujuan untuk
menggabungkan berbagai hasil dari analisis yang dibuat dengan berbagai hasil dari analisis
yang dibuat dengan berbagai hasil dari analisis yang dibuat dengan berbagai bentuk,
misalnya dari bentuk kriteria, dari bentuk pertanyaan, maupun dari standar khusus.

• Jenis interpretasi data

1. Metode interpretasi data kualitatif

Jenis interpretasi data yang pertama adalah metode interpretasi data kualitatif. Metode jenis
ini digunakan untuk melakukan analisis data pada penelitian kualitatif, atau yang dikenal
juga sebagai data kategoris. Biasanya, metode ini pengerjaannya bukan menggunakan
angka atau pola untuk menggambarkan data, melainkan menggunakan teks.

Oleh sebab itu, biasanya teks yang digunakan pada interpretasi data pada data kualitatif ini
lebih rumit dan memakan waktu banyak. Sehingga besar kemungkinan akan terjadi banyak
kesalahan jika dianalisis dalam kondisi yang asli. Maka dari itu, pengkodean yang
dilakukan perlu untuk didokumentasikan dengan tujuan agar data atau dokumentasi
tersebut dapat digunakan lagi oleh orang lain.

Dalam metode interpretasi data kualitatif, dibagi menjadi dua jenis yaitu:

a. Data nominal

Data nominal merupakan data yang diberikan pada objek atau kategori yang tidak
menggambarkan tentang kedudukan pada objek tersebut, melainkan hanya sekedar label
atau kode data. Sehingga, data nominal pada metode interpretasi data kualitatif ini bersifat
saling lepas atau tidak berhubungan antara yang satu dengan yang lain.

b. Data ordinal

Data ordinal merupakan data yang memiliki penomoran objek atau memiliki
pengkategorian yang disusun menurut besarnya, yaitu dari tingkat yang paling rendah ke
tingkat yang paling tinggi, atau sebaliknya dengan jarak atau rentang yang tidak harus
sama. Ciri-ciri dari data ordinal pada metode interpretasi data kualitatif ini yaitu kategori
datanya dapat disusun berdasarkan urutan yang logis dan sesuai dengan besarnya
karakteristik yang dimiliki.
2. Metode interpretasi data kuantitatif

Metode ini biasanya digunakan untuk menganalisis data yang digunakan pada penelitian
kuantitatif, atau yang biasanya juga dikenal sebagai data numerik. Data kuantitatif ini juga
dibagi lagi mejadi dua jenis yaitu:

a. Data diskrit

Data diskrit adalah informasi yang hanya dapat mengambil nilai tertentu dan tidak dapat
dibuat lebih presisi, sehingga nilai yang ada di dalam data tersebut mungkin terbatas.

b. Data kontinu

Data kontinu adalah data yang dapat mengambil nilai apa pun, yang biasanya di dalam
batas-batas tertentu, sehingga dapat dibagi lagi menjadi bagian yang lebih halus. Data
kontinu ini dibagi lagi menjadi data interval dan juga data rasio, dengan menggunakan
semua tipe data numerik.

• Langkah – langkah dalam menginterpretasikan data

1. Mengumpulkan data

Langkah pertama dalam interpretasi data adalah mengumpulkan semua data yang relevan.
Melakukan ini dengan terlebih dahulu memvisualisasikannya dalam batang, grafik, atau
diagram lingkaran. Langkah ini bertujuan untuk menganalisis data secara akurat dan tanpa
bias.

2. Mengembangkan penemuan

Ini adalah ringkasan dari hasil pengumpulan data. Data secara menyeluruh untuk
mengidentifikasi tren, pola, atau perilaku. Jika meneliti sekelompok orang menggunakan
populasi sampel, ini adalah bagian di mana memeriksa pola perilaku. Anda dapat
membandingkan pengurangan ini dengan kumpulan data sebelumnya, kumpulan data
serupa, atau hipotesis umum di industri.

3. Menarik kesimpulan

Setelah mengembangkan temuan dari kumpulan data, Anda dapat menarik kesimpulan
berdasarkan tren yang ditemukan. Temuan harus menjawab pertanyaan yang mendorong
penelitian Anda.

4. Memberikan rekomendasi

Prosedur interpretasi data berakhir dengan tahap ini. Setiap kesimpulan penelitian harus
menyertakan rekomendasi. Karena rekomendasi adalah ringkasan dari temuan dan
kesimpulan, rekomendasi itu harus singkat. Hanya ada dua pilihan untuk rekomendasi;
dapat merekomendasikan tindakan atau menyarankan penelitian tambahan.
Secara keseluruhan, interpretasi data merupakan faktor penting dalam pengambilan
keputusan berbasis data. Ini harus dilakukan secara teratur sebagai bagian dari proses
interpretasi berulang.