Variabel Penelitian

Variabel

1. Pengertian Variabel

Ada beberapa definisi tentang variabel. Diantaranya adalah sebagai berikut:

a. Variabel adalah segala sesuatu yang akan menjadi objek pengamatan penelitian. Pengertian yang dapat diambil dari definisi tersebut ialah bahwa dalam penelitian terdapat sesuatu yang menjadi sasaran, yaitu variabel, sehingga variabel merupakan fenomena yang menjadi pusat perhatian penelitian untuk diobservasi atau diukur.

b. Variabel adalah konsep yang memiliki variasi nilai.

Definisi di atas mengandung makna bahwa sesuatu atau konsep dapat disebut variabel jika konsep tersebut memiliki variabilitas atau dapat dibedakan menjadi beberapa jenis atau kategori.

2. Klasifikasi Variabel

Variabel dapat diklasifikasikan berdasarkan skala pengukurannya, konteks hubungannya, dan dapat tidaknya variabel dimanipulasi.

a. Berdasarkan skala pengukurannya

1) Variabel nominal

Variabel nominal merupakan variabel dengan skala paling sederhana karena fungsinya hanya untuk membedakan atau memberi label suatu subjek atau kategori. Contoh variabel nominal : jenis kelamin (laki-laki dan perempuan).

2) Variabel ordinal

Variabel ordinal adalah variabel yang dibedakan menjadi beberapa secara bertingkat, contoh status sosial ekonomi : rendah, sedang, tinggi.

3) Variabel interval

Variabel interval adalahvariabel yang selain dimaksudkan untuk membedakan, mempunyaitingkatan, juga mempunyai jarak yang pasti atau satu kategori dengan kategori lainnya, contoh prestasi belajar : 5, 6, 7, 8, dst.

4) Variabel rasio

Variabel rasio merupakan variabel selain berisfat membedakan, mempunyai tingkatan yang jaraknya pasti, dan setiap nilai kategori diukur dari titik yang sama, contoh : berat badan, tinggi badan, dst.

Baca Juga: Transformasi Data

b. Berdasarkan konteks hubungannya

Variabel dalam suatu penelitian jumlahnya bisa lebih dari satu. Variabel-variabel tersebut saling berhubungan dan jika ditinjau dari konteks ini variable dibedakan menjadi :

1) Variabel bebas atau independent variables

Variabel bebas adalah variabel yang nilainya mempengaruhi variabel lainnya, yaitu variable terikat.

2) Variabel terikat atau dependent variabel

Variabel terikat merupakan variabel yang nilainya tergantung dari nilai vaiabel lainnya.

3) Variabel moderator atau variable intervening

Variabel moderator merupakan variable yang juga mem-pengaruhi variabel terikat, namun dalam penelitian penga-ruhnya tidak diutamakan.

4) Variabel perancu (confuding variable)

Variabel perancu merupakan variabel yang berhubungan variabel bebas dan variabel terikat, tetapi bukan variable antara.

5) Variabel kendali

Variabel kendali merupakan variabel yang juga mem-pengaruhi variabel terikat, tetapi dalam penelitian keberadaannya dijadikan netral.

6) Variabel rambang

Variabel rambang merupakan variabel yang juga ikut mempengaruhi variabel terikat namun pengaruhnya tidak begitu berarti, sehingga keberadaan variabel ini dalam penelitian diabaikan.

c. Berdasarkan dapat tidaknya variabel dimanipulasi

Ada variabel di mana peneliti dapat melakukan intervensi dan ada pula variable di mana peneliti tidak dapat melakukan intervensi. Atas dasar tinjauan ini, variabel dibedakan menjadi:

1) Variabel dinamis, adalah variabel yang dapat dimanipulasi atau diintervensi oleh peneliti, contoh : metoda mengajar, teknik pelatihan, strategi pembiasaan, dst.

2) Variabel statis, merupakan variabel yang tidak dapat diintervensi atau dimanipulasi oleh peneliti, contoh : jenis kelamin, umur, status perkawinan, dst.

3. Hubungan Antar Variabel

Hubungan antar variable dibedakan menjadi tiga jenis, yaitu : hubungan asimetris, hubungan simetris, dan hubungan timbal balik (Machfoedz, 2007: 29).

a. Hubungan asimetris

Pada hubungan asimetris, suatu variabel atau variabel-variabel bebas berhubungan dengan variabel atau variabel-variabel terikat.

Hubungan variabel asimetris dibedakan menjadi dua, yaitu:

1) Hubungan variabel bivariat: hubungan antara dua variabel.

Contoh hubungan asimetris bivariat : hubungan kecerdasan intelektual (X) dengan prestasi belajar (Y). Siswa yang mempunyai kecerdasan intelektual yang tinggi, presteasi belajarnya juga tinggi.

Secara visual hubungan tersebut dapat digambarkan sebagai berikut:

2) Hubungan variabel multivariat: hubungan antara tiga variabel atau lebih.

Contoh hubungan asimetris multivariate:

Hubungan kecerdasan intelektual (X₁), kecerdasan emosional

(X₂), dan motivsi belajar (X₃) dengan prestasi belajar (Y).

Secara visual hubungan tersebut dapat digambarkan sebagai

berikut:

b. Hubungan simetris

Hubungan variable secara simetris artinya ada hubungan antara dua variabel, tetapi variabel yang satu tidak disebabkan atau dipengaruhi oleh variable lainnya.

Contoh hubungan variable secara simetris:

Variabel tinggi badan (Y₁) dan variable berat badan (Y₂) merupakan variable terikat yang dipengaruhi oleh variabel pertumbuhan (X). Kedua variable terikat berhubungan tetapi variable yang satu tidak diengaruhi variable lainnya. Secara visual hubungan tersebut dapat digambarkan sebagai berikut:

c. Hubungan timbal balik

Hubungan variabel dikatakan bersifat timbal balik jika variabel yang satu mempengaruhi variabel lainnya dan

sebaliknya.

Contoh hubungan variabel secara timbal balik: Variabel rasa percaya diri (X) mempengaruhi prestasi belajar (Y) dan sebaliknya, prestasi belajar juga mempengaruhi rasa percaya diri.

Hubungan semacam ini dapat digambarkan sebagai berikut:

4. Pendefinisian Variabel Secara Operasional

a. Pengertian definisi operasional

Definisi operasional adalah definisi yang didasarkan atas sifat-sifat hal yang didefinisikan yang dapat diamati (Sumadi Suryabrata, 2000 76). Lain halnya dengan definisi konseptual, definisi konseptual lebih bersifat hipotetikal dan “tidak dapat diobservasi”. Karena definisi konseptual merupakan suatu konsep yang didefinisikan dengan referensi konsep yang lain. Definisi konseptual bermanfaat untuk membuat logika proses perumusan hipotesa (Sarwono, 2006).

b. Pentingnya operasionalisasi variabel

Variabel harus didefinisikan secara operasional agar lebih mudah dicari hubungannya antara satu variabel dengan lainnya dan pengukurannya. Tanpa operasionalisasi variabel, peneliti akan mengalami kesulitan dalam menentukan pengukuran hubungan antar variable yang masih bersifat konseptual.

Operasionalisasi variabel bermanfaat untuk: 1) mengidentifikasi kriteria yang dapat diobservasi yang sedang didefinisikan; 2) menunjukkan bahwa suatu konsep atau objek mungkin mempunyai lebih dari satu definisi operasional; 3) mengetahui bahwa definisi operasional bersifat unik dalam situasi dimana definisi tersebut harus digunakan (Sarwono, 2006).

c. Cara-Cara Menyusun Definisi Operasional

Ada tiga pendekatan untuk menyusun definisi operasional yaitu: 1) yang menekankan kegiatan apa yang perlu dilakukan, 2) yang menekankan pada bagaimana kegiatan itu dilakukan, dan 3) yang menekankan sifat-sifat statis yang didefinisikan. Ketiga cara menyusun definisi operasional tersebut dapat disebut sebagai definisi operasional tipe A atau pola I, definisi operasional pola B atau tipe II, dan definisi operasional tipe C atau pola III (Sumadi Suryabrata, 2000: 76-77; Sarwono, 2006).

1) Definisi Operasional Tipe A atau Pola I

Definisi operasional Tipe A dapat disusun didasarkan pada operasi yang harus dilakukan, sehingga menyebabkan gejala atau keadaan yang didefinisikan menjadi nyata atau dapat terjadi. Dengan menggunakan prosedur tertentu peneliti dapat membuat gejala menjadi nyata. Contoh: “Konflik” didefinisikan sebagai keadaan yang dihasilkan dengan menempatkan dua orang atau lebih pada situasi dimana masing-masing orang mempunyai tujuan yang sama, tetapi hanya satu orang yang akan dapat mencapainya.

2) Definisi Operasional Tipe B atau Pola II

Definisi operasional Tipe B dapat disusun didasarkan pada bagaimana objek tertentu yang didefinisikan dapat dioperasi-onalisasikan, yaitu berupa apa yang dilakukannya atau apa yang menyusun karaktersitik-karakteristik dinamisnya. Contoh: “Orang pandai” dapat didefinisikan sebagai seorang yang mendapatkan nilai-nilai tinggi di sekolahnya.

3) Definisi Operasional Tipe C atau Pola III

Definisi operasional Tipe C dapat disusun didasarkan pada penampakan seperti apa objek atau gejala yang didefinisikan tersebut, yaitu apa saja yang menyusun karaktersitik-karaktersitik statisnya. Contoh: “Orang pandai” dapat didefinisikan sebagai orang yang mempunyai ingatan kuat, menguasai beberapa bahasa asing, kemampuan berpikir baik, sistematis dan mempunyai kemampuan menghitung secara cepat.

d. Kriteria Keunikan

Dalam menyusun definisi operasional, definisi tersebut sebaiknya dapat mengidentifikasi seperangkat kriteria unik yang dapat diamati. Semakin unik suatu definisi operasional, maka semakin bermanfaat. Karena definisi tersebut akan banyak memberikan informasi kepada peneliti, dan semakin menghilangkan objek-objek atau pernyataan lain yang muncul dalam mendefinisikan sesuatu hal yang tidak kita inginkan tercakup dalam definisi tersebut secara tidak sengaja dan dapat meningkatkan adanya kemungkinan makna variable dapat direplikasi. Sekalipun demikian, keunikan / kekhususan tersebut tidak menjadi penghalang keberlakuannnya secara umum suatu konsep yang merupakan ciri validitas eksternal bagi desain penelitian yang kita buat.

Read More

Rumus Koreksi Yates

Rumus Koreksi Yates

Rumus Koreksi Yates merupakan salah satu dari beberapa rumus uji chi-squre.

Sebelum membahas lebih lanjut, kita harus mengenal beberapa jenis rumus chi-square, antara lain adalah:

1. Pearson Chi-Square
2. Continuity Correction/Yates Correlation/Koreksi Yates
3. Fisher Exact Test
4. Likelihood Ratio

Untuk menggunakan rumus ini, perlu bagi anda untuk membuat sebuah tabel kontingensi 2 x 2. Dengan tabel tersebut kita akan melakukan perhitungan.

Berikut Rumus Koreksi Yates:

Rumus Koreksi Yate's

Keterangan:
A, B, C, dan D adalah sel hasil persilangan dari dua variabel

Tabel Korekasi Yate's

Contoh:
Suatu penelitian ingin mengetahui: “apakah ada perbedaan cita-cita kelak setelah tamat S1 diantara mahasiswa & mahasiswi Fakultas A semester-VII?”

Hipotesis:

1. H0 = tidak ada perbedaan antara mahasiswa dan mahasiswi dalam hal cita-cita mereka kelak setelah tamat S1.
2. Ha = proporsi mahasiswi lebih banyak yang bercita-cita sebagai PNS  setelah mereka tamat S1 ketimbang mahasiswa.

Tabel kerja:

Contoh Tabel Koreksi Yate's

Penghitungan:

Contoh Hitung Koreksi Yate's

Contoh Hasil Hitung Koreksi Yate's

Besarnya degree of freedom (df) :
df =  (k-1)  (b-1)
   = (2-1)  (2-1)
 = 1

Catatan:

1. Teknik Chi-Square menganjurkan jika ada sel-sel yang berfrekuensi kecil (<5 kasus), maka dilakukan koreksi YATES.
2. Koreksi YATES hanya berlaku untuk tabel 2x2

Dari perhitungan di atas, didapatkan nilai:

Chi-square hitung = 6,79

Df = 1

Chi-Square Tabel pada Df 1 dan Signifikansi 0,05 = 3,841

Kesimpulan Statistik:

Chi-Square Hitung > Chi-Square tabel = Signifikan.

Read More

Uji Komparatif Non Parametris (Pengantar)

Blog ini memberikan penjelasan beberapa jenis uji komparatif dalam dunia statistik yang sering digunakan oleh para peneliti.

Pemilihan jenis uji statistik yang digunakan harus sesuai dengan bentuk hipotesisnya. Berikut penjelasannya:

HIPOTESIS KOMPARATIF

Hipotesis Komparatif merupakan dugaan terhadap perbandingan nilai dua sampel atau lebih, dalam hal komparasi ini terdapat beberapa macam yaitu:

Komparatif Non Parametris

A. KOMPARASI BERPASANGAN (RELATED) DALAM DUA SAMPEL

(Ada hub. Antara kelompok yang diuji (karakternya cenderung sama) lebih banyak digunakan pada penelitian eksperimental).

Metode pengujian yang dapat digunakan dua cara yaitu :
1. Satu kelompok diukur dua kali sebelum dan sesudah.
Misal :
Kinerja pegawai negeri diukur sebelum dan sesudah penataan lembaga.
2. Dua kelompok berpasangan diukur bersamaan.
Misal :
Kinerja dua lembaga pemerintah, lembaga A diberikan dirasionalisasi pegawainya , lembaga B tidak, kemudian diukur
apakah terdapat perbedaan kinerja diantara keduanya ?

Alat Uji yang bisa dipergunakan adalah :
a. Mc Nemar Test.
Syarat-syarat :
- Data Nominal ( ada / tidak perubahan)
- Bersifat Before after.
b. Sign Test
- Data nominal dengan tanda perubahan ( + / -)
- Bisa dipergunakan secara berpasangan.
c. Wilcoxon Mach Pair Test
- Data ordinal melihat perubahan (+/-) dengan skala, misal 1 – 10

Sampel :
Dua kelompok individu yang saling berhubungan dalam suatu kasus.
Contoh : Dua kelompok (masing2 40 ind) satu kelompok distimulasi, kelompok yang lain tidak.

B. KOMPARASI DUA SAMPEL INDEPENDEN

(karakternya cenderung berbeda) lebih banyak digunakan pada penelitian survey)

Contoh 2 sampel independen :
- pengusaha ekonomi kuat dengan pengusaha ekonomi lemah
- partai lama dan partai baru
- pria dan wanita

Alat uji yang dapat digunakan :

1. Mann Whitney Test
Digunakan bila menguji hipotesis komparatif dua sampel independen dengan data ordinal.
2. Kolmogorov Smirnov Test
Digunakan bila menguji hipotesis komparatif dua sampel independen dengan data ordinal dan disusun dalam tabel distribusi frekuensi dengan frekuensi kumulatif
3. Wald Wolfowitz Test
Test ini digunakan untuk menguji signifikansi hipotesis konparatif dua sampel independen bila datanya disusun dalam bentuk ordinal dan disusun dalm bentuk run.

C. KOMPARASI K SAMPEL BERPASANGAN/BERKORELASI

(Kelompok sampel lebih dari 2 (dengan karakter yang sama))

Di dalam penelitian ini kelompok sampel dapat diambil lebih dari dua dengan karakter sampel yang berhubungan, Misal kelompok pegawai negeri A, B dan C.

Alat Uji yang bisa dipakai
1. Test Cochran.
Test ini digunakan dalam pengujian hipotesis komparatif K sampel berkorelasi dengan data Nominal dan dikotomis (Ya/Tidak)
2. Test Friedman.
Friedman Two Way Anova (Analisis Varian Dua Jalan Friedman). Digunakan untuk menguji hipotesis komparatif K sampel berkorelasi dengan data ordinal (ranking).

D. KOMPARASI K SAMPEL INDEPENDEN/TIDAK BERKORELASI

(Kelompok sampel lebih dari 2 (dengan karakter yang berbeda ))

Di dalam penelitian ini kelompok sampel dapat diambil lebih dari dua dengan karakter sampel yang tidak berkorelasi, Misal misal pegawai dengan dengan golongan I, II dan III, atau Pegawai negeri sipil, tentara
dan swata.

Alat Uji yang dapat dipergunakan:
1. Median Extention.
Test ini dipergunakan untuk menguji hipotesis komparatif median k sampel independen dengan data ordinal, dalam test ini jumlah sampel tidak harus sama.
2. Analisis Varian Satu Jalan Kruskal Walls
Test ini dipergunakan untuk menguji hipotesis komparatif k sampel independen dengan data ordinal.

Sumber: Rihandoyo. 2009. Alat Uji ipotesis Penelitian Sosial Non Parametrik. Jurusan Administrasi Negara FISIP UNDIP

Read More

Rumus Chi Square

Chi-Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu jenis uji komparatif non parametris yang dilakukan pada dua variabel, di mana skala data kedua variabel adalah nominal. (Apabila dari 2 variabel, ada 1 variabel dengan skala nominal maka dilakukan uji chi square dengan merujuk bahwa harus digunakan uji pada derajat yang terendah).

Uji chi-square merupakan uji non parametris yang paling banyak digunakan. Namun perlu diketahui syarat-syarat uji ini adalah: frekuensi responden atau sampel yang digunakan besar, sebab ada beberapa syarat di mana chi square dapat digunakan yaitu:

1. Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual Count (F0) sebesar 0 (Nol).
2. Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja yang memiliki frekuensi harapan atau disebut juga expected count ("Fh") kurang dari 5.
3. Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell dengan frekuensi harapan yang kurang dari 5 tidak boleh lebih dari 20%.

Rumus chi-square sebenarnya tidak hanya ada satu. Apabila tabel kontingensi bentuk 2 x 2, maka rumus yang digunakan adalah "koreksi yates". Untuk rumus koreksi yates, sudah kami bahas dalam artikel sebelumnya yang berjudul "Koreksi Yates".

Apabila tabel kontingensi 2 x 2 seperti di atas, tetapi tidak memenuhi syarat seperti di atas, yaitu ada cell dengan frekuensi harapan kurang dari 5, maka rumus harus diganti dengan rumus "Fisher Exact Test".

Pada artikel ini, akan fokus pada rumus untuk tabel kontingensi lebih dari 2 x 2, yaitu rumus yang digunakan adalah "Pearson Chi-Square".

Rumus Tersebut adalah:

Untuk memahami apa itu "cell", lihat tabel di bawah ini:

Pendidikan	Pekerjaan		Total
	1	2
1	a	b	a+b
2	c	d	c+d
3	e	f	e+f
Total	a+c+e	b+d+f	N

Tabel di atas, terdiri dari 6 cell, yaitu cell a, b, c, d, e dan f.

Sebagai contoh kita gunakan penelitian dengan judul "Perbedaan Pekerjaan Berdasarkan Pendidikan".

Maka kita coba gunakan data sebagai berikut:

Responden	Pendidikan	Pekerjaan
1	1	1
2	2	2
3	1	2
4	2	2
5	1	2
6	3	2
7	2	2
8	1	2
9	2	2
10	1	2
11	1	2
12	3	1
13	3	1
14	2	1
15	1	2
16	3	2
17	2	2
18	2	2
19	1	1
20	2	2
21	3	1
22	1	1
23	3	2
24	1	2
25	3	1
26	2	2
27	1	2
28	1	2
29	2	2
30	1	1
31	2	2
32	2	1
33	2	1
34	1	1
35	2	2
36	1	1
37	3	2
38	2	2
39	2	1
40	3	2
41	1	1
42	3	2
43	1	1
44	2	2
45	1	1
46	3	1
47	3	2
48	2	1
49	3	2
50	2	1
51	2	1
52	2	2
53	3	2
54	1	1
55	2	2
56	2	2
57	1	1
58	3	1
59	2	1
60	3	1

Dari data di atas, kita kelompokkan ke dalam tabel kontingensi. Karena variabel pendidikan memiliki 3 kategori dan variabel pekerjaan memiliki 2 kategori, maka tabel kontingensi yang dipakai adalah tabel 3 x 2. Maka akan kita lihat hasilnya sebagai berikut:

Pendidikan	Pekerjaan		Total
	1	2
1	11	9	20
2	8	16	24
3	7	9	16
Total	26	34	60

Dari tabel di atas, kita inventarisir per cell untuk mendapatkan nilai frekuensi kenyataan, sebagai berikut:

Cell	F0
a	11
b	9
c	8
d	16
e	7
f	9

Langkah berikutnya kita hitung nilai frekuensi harapan per cell, rumus menghitung frekuensi harapan adalah sebagai berikut: 

Fh= (Jumlah Baris/Jumlah Semua) x Jumlah Kolom

1. Fh cell a = (20/60) x 26 = 8,667
2. Fh cell b = (20/60) x 34 = 11,333
3. Fh cell c = (24/60) x 26 = 10,400
4. Fh cell d = (24/60) x 34 = 13,600
5. Fh cell e = (16/60) x 26 = 6,933
6. Fh cell f = (16/60) x 34 = 9,067

Maka kita masukkan ke dalam tabel sebagai berikut:

Cell	F0	Fh
a	11	8,667
b	9	11,333
c	8	10,400
d	16	13,600
e	7	6,933
f	9	9,067

Langkah berikutnya adalah menghitung Kuadrat dari Frekuensi Kenyataan dikurangi Frekuensi Harapan per cell.

1. Fh cell a = (11 - 8,667)2 = 5,444
2. Fh cell b = (9 - 11,333)2 = 5,444
3. Fh cell c = (8 - 10,400)2 = 5,760
4. Fh cell d = (16 - 13,600)2 = 5,760
5. Fh cell e = (7 - 6,933)2 = 0,004
6. Fh cell f = (9 - 9,067)2 = 0,004

Lihat hasilya pada tabel di bawah ini:

Cell	F0	Fh	F0 - Fh	(F0 - Fh)2
a	11	8,667	2,333	5,444
b	9	11,333	-2,333	5,444
c	8	10,400	-2,400	5,760
d	16	13,600	2,400	5,760
e	7	6,933	0,067	0,004
f	9	9,067	-0,067	0,004

Kuadrat dari Frekuensi Kenyataan dikurangi Frekuensi Harapan per cell kemudian dibagi frekuensi harapannya:

1. Fh cell a = 5,444/8,667 = 0,628
2. Fh cell b = 5,444/11,333 = 0,480
3. Fh cell c = 5,760/10,400 = 0,554
4. Fh cell d = 5,760/13,600 = 0,424
5. Fh cell e = 0,004/6,933 = 0,001
6. Fh cell f = 0,004/9,067 = 0,000

Kemudian dari nilai di atas, semua ditambahkan, maka itulah nilai chi-square hitung. Lihat Tabel di bawah ini:

Cell	F0	Fh	F0 - Fh	(F0 - Fh)2	(F0 - Fh)2/Fh
a	11	8,667	2,333	5,444	0,628
b	9	11,333	-2,333	5,444	0,480
c	8	10,400	-2,400	5,760	0,554
d	16	13,600	2,400	5,760	0,424
e	7	6,933	0,067	0,004	0,001
f	9	9,067	-0,067	0,004	0,000
Chi-Square Hitung =					2,087

Maka Nilai Chi-Square Hitung adalah sebesar: 2,087.

Untuk menjawab hipotesis, bandingkan chi-square hitung dengan chi-square tabel pada derajat kebebasan atau degree of freedom (DF) tertentu dan taraf signifikansi tertentu. Apabila chi-square hitung >= chi-square tabel, maka perbedaan bersifat signifikan, artinya H0 ditolak atau H1 diterima.

DF pada contoh di atas adalah 2. Di dapat dari rumus -> DF = (r - 1) x (c-1)

di mana: r = baris. c = kolom.

Pada contoh di atas, baris ada 3 dan kolom ada 2, sehingga DF = (2 - 1) x (3 -1) = 2.

Apabila taraf signifikansi yang digunakan adalah 95% maka batas kritis 0,05 pada DF 2, nilai chi-square tabel sebesar = 5,991.

Karena 2,087 < 5,991 maka perbedaan tidak signifikan, artinya H0 diterima atau H1 ditolak.

Untuk mendapatkan nilai semua Chi-Square Tabel, maka baca artikel kami berjudul "Chi-Square tabel dalam Excel"

Read More