Menurut Usman et al (1995) jenis data dapat digolongkan menjadi tiga, yaitu data ordinal, data interval, dan data rasio.
1. Data Ordinal
Data ordinal adalah data yang sudah diurutkan dari jenjang yang paling rendah sampai ke jenjang yang paling tinggi, atau sebaliknya tergantung peringkat selera pengukuran yang subjektif terhadap objek tertentu. Kita dapat menyatakan bahwa saya lebih suka jeruk A daripada jeruk B meskipun sama-sama tergolong jenis jeruk. Selanjutnya jeruk B kita bobot 1 dan jeruk A kita bobot 2, pembobotan biasanya merupakan urutannya.
Oleh sebab itu, data ordinal disebut juga sebagai data berurutan, data berjenjang, data berpangkat, data tata jenjang, data ranks, dan data petala, data bertangga atau data bertingkat.
Pemberian jenjang tersebut pada umumnya dapat dilakukan sebagai berikut : mula-mula kita urutkan data itu mulai dari yang terendah sampai yang tertinggi. Demikian juga sebaliknya, kemudian berilah angka 1 untuk yang tertinggi, angka 2 pada yang berada di bawahnya dan seterusnya.
2. Data Interval
Data interval memiliki sifat-sifat nominal dari data ordinal. Disamping itu ada sifat tambahan lainnya pada data interval yaitu mempunyai nol mutlak.
26 Akibatnya ia mempunyai skala interval yang sama jaraknya. Pengukuran data interval tidak memberikan jumlah yang absolut dari objek yang diukur.
Contohnya adalah sebagai berikut : dalam Indeks Prestasi Komulatif (IPK) mahasiswa dikenal standar-standar penilaian sebagai berikut:
A = 4, B = 3, C = 2, D = 1
Interval antara A dengan B = 4 – 3 = 1 Interval antara B dengan C = 3 – 2 = 1 Interval antara C dengan D = 2 – 1 = 1 Interval antara A dengan C = 4 – 2 = 2 Interval antara B dengan D = 3 – 1 = 2 Interval antara A dengan D = 4 – 1 = 3
Interval antara A dengan D – Interval D dengan C
= (A-C) + (C-D) = (4-2) + (2-1) = 3
Contoh-contoh lainnya dari data interval adalah : persepsi, tanggapan, dan sebagainya. Data interval bersifat ekskuisif, mempunyai urutan, mempunyai ukuran baru, tetapi tidak mempunyai nilai nol mutlak.
3. Data Rasio
Data rasio mengandung sifat-sifat interval, dan selain itu ia sudah mempunyai nilai nol mutlak. Contoh dari data rasio diantaranya adalah berat badan, tinggi, panjang, atau jarak. Misalnya kita mempunyai data panjang A = 10 m, B = 20 m, C = 30 m, dan D = 40 m. Kita dapat menyimpulkan bahwa panjang D = 4 x A atau 2 x B. Panjang B dapat disebut sebagai 2 x A atau 1 2⁄ x D dan seterusnya. Data rasio ini sering dipakai dalam penelitian keilmuan atau enginering. Karena data rasio, ordinal, dan interval merupakan hasil pengukuran, maka pada ketiga data tersebut ditemui adanya bilangan pecahan. Data rasio bersifat ekskuisif, mempunyai urutan, mempunyai ukuran baru, dan mempunyai nilai nol mutlak.
27 2.13 Tabulasi dan Pengolahan Data
Tabulasi data dilakukan untuk mendapatkan hasil berupa data yang siap digunakan pada tahap analisis berikutnya. Dalam tahap tabulasi dilakukan pengelompokkan data kedalam parameter-parameter dalam tahap analisis, dari data awal yang masih berupa kumpulan kuesioner hasil pengisian di lapangan, laporan-laporan pekerjaan dan time schedule. Tabulasi data dapat dikategorikan menjadi empat yaitu data kompetensi supervisor proyek, data biaya pelaksanaan proyek kontruksi, mutu hasil produksi proyek konstruksi dan data laporan pekerjaan proyek konstruksi serta time schedule . Data dari pengisian kuesioner mengenai kompetensi supervisor proyek dan mengenai biaya pelaksanaan proyek konstruksi serta mutu hasil produksi berupa lima pilihan jawaban yaitu SB, B, C, K dan SK kemudian diberi nilai atau bobot menggunakan Skala Likert. Skala Likert digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau kelompok tentang kejadian atau gejala sosial (Riduwan, 2006).
1. Jawaban sangat baik (SB) diberi nilai/bobot = 5 2. Jawaban baik (B) diberi nilai/bobot = 4
3. Jawaban cukup baik (C) diberi nilai/bobot = 3 4. Jawaban kurang baik (K) diberi nilai/bobot = 2
5. Jawaban sangat kurang baik (SK) diberi nilai/bobot = 1
Sedangkan untuk data dari laporan pekerjaan serta time schedule berupa perbandingan kurva S antara laporan pekerjaan yang telah dilaksanakan dalam proyek konstruksi yang bersangkutan dengan time schedule yang telah direncanakan sebelumnya. Data yang diperoleh dari perbandingan kurva S tersebut telah ditetapkan dengan skala ordinal kemudian diberi bobot dengan kriteria sebagai berikut:
1. 1,00 s.d <1,00 diberi nilai/bobot = 5 2. 0,80 s.d 0,99 diberi nilai/bobot = 4 3. 0,50 s.d 0,79 diberi nilai/bobot = 3 4. 0,20 s.d 0,49 diberi nilai/bobot = 2 5. 0,00 s.d 0,19 diberi nilai/bobot = 1
28 2.14 Pengujian Kuesioner
Instrumen penelitian memegang peranan penting dalam penelitian, karena kualitas data yang diperoleh dalam banyak hal ditentukan oleh kualitas instrumen yang digunakan. Jika instrumen yang digunakan dalam penelitian dapat dipertanggungjawabkan, maka data yang diperoleh nantinya juga dapat dipertanggungjawabkan. Artinya data yang bersangkutan dapat mewakili atau mencerminkan keadaan sesuatu yang diukur pada diri subjek penelitian atau sipemilik data (Nurgiyantoro et al., 2004). Sehingga instrumen-instrumen penelitian tadi harus memiliki kualifikasi secara ilmiah, yang mana persyaratan kualifikasi tersebut berupa aspek reliabilitas dan validitas.
2.14.1 Uji Reliabilitas
Reliabilitas (reliability, kepercayaan) menunjuk pada pengertian apakah sebuah instrumen dapat mengukur sesuatu yang diukur secara konsisten dari waktu ke waktu (Nurgiyantoro et al., 2004). Salah satu metode pengujian reliabilitas adalah dengan menggunakan metode Alpha-Cronbach. Standar yang digunakan dalam menentukan relaibel dan tidaknya suatu instrumen penelitian umunya adalah perbandingan antara nilai r hitung dengan r tabel pada taraf signifikan 5%. Apabila dilakukan pengujian reliabilitas dengan metode Alpha-Cronbach, maka nilai r hitung diwakili oleh nilai Alpha (Triton, 2006). Menurut Santoso dalam Triton (2006) apabila Alpha hitung bernilai positif, maka suatu instrumen penelitian dapat disebut relaibel. Adapun rumus yang digunakan dalam metode ini adalah sebagai berikut:
σi2 = (∑𝑋𝑖)
2− (∑𝑋𝑖)2𝑁
𝑁 (2.2)
Keterangan:
σi2 : varians butir pertanyaan ke-n (misal ke-1, ke-2, ke-3, dan seterusnya)
∑Xi2 : jumlah skor jawaban subjek untuk butir pertanyaan ke-n r = 𝑘
𝑘−1 (1 − (∑𝜎𝑖)2
(𝜎)2 ) (2.3)
Keterangan:
r : koefisien reliabilitas
k : jumlah butir pertanyaan (soal)
29 σi2 : varians butir pertanyaan (soal)
σ2 : varians skor test
Tingkat reliabilitas dengan metode Alpha-Cronbach diukur berdasarkan skala Alpha 0 sampai dengan 1. Apabila skala tersebut dikelompokkan dalam lima kelas dengan range yang sama, maka ukuran kemantapan Alpha dapat diinterpretasi seperti tabel berikut (Triton, 2006):
Tabel 2.2 Tingkat Reliabilitas Berdasarkan Nilai Alpha
Alpha Tingkat Reliabilitas
0,00 s.d 0,20 Kurang reliabel
>0,20 s.d 0,40 Agak reliabel
>0,40 s.d 0,60 Cukup reliabel
>0,60 s.d 0,80 Reliabel
>0,80 s.d 1,00 Sangat reliabel
Sumber: Triton (2006)
2.14.2 Uji Validitas
Validitas berkaitan dengan “apakah instrumen yang dimaksud untuk mengukur sesuatu itu memang dapat mengukur secara tepat sesuatu yang akan diukur tersebut”. Validitas sendiri terdiri dari dua jenis kategori validitas yakni (Nurgiyantoro et al., 2004):
1. Validitas berdasarkan analisa rasional
Validitas berdasarkan analisa rasional terdiri dari:
a. Validitas konstruk (construct validity) merupakan validitas yang mempertanyakan, apakah butir-butir pertanyaan dalam instrumen tersebut telah sesuai dengan konsep keilmuan yang bersangkutan.
Sehingga menyusun butir-butir pertanyaan didasarkan pada teori-teori yang terkait dengan permasalahan yang diangkat.
b. Validitas isi (content validity) merupakan validitas yang mempertanyakan bagaimana kesesuaian antara instrumen dengan tujuan dan deskripsi bahan yang diajarkan atau deskripsi masalah yang akan diteliti. Untuk mengetahui kesesuaian kedua hal tersebut, penyusunan instrumen haruslah berdasarkan pada kisi-kisi yang sengaja disiapkan.
30 Kisi-kisi tersebut memuat deskripsi bahan, indikator-indikator terhadap masalah yang diangkat tersebut.
2. Validitas yang bersifat empirik
Validitas yang bersifat empirik memerlukan data-data di lapangan dari hasil penyebaran instrumen penelitian yang berupa data kuantitatif, jadi untuk keperluan analisa validitas ini memerlukan jasa statistik. Adapun bagian-bagian dari analisa validitas yang bersifat empirik adalah sebagai berikut:
a. Validitas sejalan (concuren validity) mempertanyakan apakah kemampuan atau karakteristik subjek penelitian dalam suatu bidang sesuai dengan kemampuan atau karakteristik lain yang dalam bidang yang sama. Analisa pengujian ini menggunakan teknik korelasi Product Moment :
r = 𝑁∑𝑋𝑌−(∑𝑋)(∑𝑌)
√(𝑁∑𝑋2)−(∑𝑋)2.(𝑁∑𝑌2)−(∑𝑌)2) (2.4)
Keterangan:
r = koefisien korelasi N = jumlah sampel
Nilai r selalu terletak antara -1 dan +1 (-1 < r < +1) r = +1, berarti adanya korelasi positif sempurna r = -1, berarti adanya korelasi negatif sempurna r = 0, berarti tidak ada korelasi antara variabel
Kriteria yang digunakan untuk menentukan derajat pengaruh antara dua variabel adalah sebagai berikut (Usman et al., 1995):
0,00 tidak ada korelasi
0,01-0,20 korelasi yang sangat rendah 0,21-0,40 korelasi yang rendah 0,41-0,60 korelasi yang agak rendah 0,61-0,80 korelasi yang cukup 0,81-0,99 korelasi yang tinggi 1,00 korelasi yang sangat tinggi
31 b. Validitas ramalan (predictive validity) mempertanyakan apakah penampilan atau unjuk kerja subjek penelitian yang sekarang dapat digunakan untuk meramalkan penampilan atau unjuk kerja di waktu datang.