Professional Documents
Culture Documents
Final Proposal Gian Neysa A012221113
Final Proposal Gian Neysa A012221113
Disusun Oleh :
A012221113
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
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 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
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.
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.
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.
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 :
- 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.
2.1 Wawancara
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.
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.
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.
Mengajukan pertanyaan tidak bias untuk memastikan bahwa ada meminimalkan bias dalam
respon merupakan hal penting.
c. Mengklarifikasi persoalan
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.
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.
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.
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
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.
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.
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.
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.
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.
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.
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.
6) Leading questions
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?”
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).
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.
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.
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.
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.
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.
Kuesioner harus diakhiri dengan catatan yang sopan, mengingatkan responden untuk
memeriksa bahwa semua item telah diisi.
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.
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.
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.
Studi observasional adalah penelitian yang dilakukan tanpa melakukan intervensi terhadap
subyek penelitian (masyarakat) yang diarahkan untuk menjelaskan suatu keadaan atau
situasi.
a. Observasional kualitatif
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.
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)
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.
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.
Observasi Mekanis, proses pengamatan dengan menggunakan alat bantu mekanis. Seperti
kamera video, penghitung lalu lintas (traffic counters), dan alat bantu mekanis lainnya.
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.
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.
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.
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.
f. Peneliti tidak boleh menghadapkan responden pada situasi yang mengancam baik secara
fisik maupun mental.
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.
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.
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.
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
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.
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.
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.
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.
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.
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 Berapa banyak waktu yang tersedia untuk mengumpulkan data dari sampel?
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.
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).
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.
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
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.
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.
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,
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.
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.
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.
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.
Gambar 10.4 Ilustrasi trade-off antara presisi dan keyakinan. (a) Lebih presisi tetapi
kurang percaya diri; (b) lebih percaya diri tetapi kurang presisi.
2. Berapa banyak kepercayaan diri yang benar-benar dibutuhkan – yaitu, berapa banyak
peluang dapatkah kita membuat kesalahan dalam memperkirakan parameter populasi?
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%!
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.
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.
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
• Tangani kelalaian
• Mengubah 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.
H4: Kepuasan kerja memediasi hubungan antara pengayaan pekerjaan, kesetaraan yang
dirasakan, dan kelelahan pada niat untuk pergi.
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
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.
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.
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.
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.
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 . . .
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.
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.
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
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.
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.
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 data juga bisa digunakan untuk menanggapi sebuah masalah eksklusif
4. Data yang diperoleh asal hasil analisis pula bisa digunakan buat acuan pada sebuah
kegiatan yang diperlukan
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
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.
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 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.
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.