BAB 2
LANDASAN TEORI
2.1 Data
Data merupakan bentuk jamak dari datum, yang mempunyai arti pemberian atau penyajian. Secara definitif dapat diartikan sebagai kumpulan angka, fakta, fenomena atau keadaan yang merupakan hasil pengamatan, pengukuran, atau pencacahan terhadap karakteristik atau sifat dari obyek yang dapat berfungsi untuk membedakan obyek yang satu dengan lainnya padasifat yang sama (Solimun, 2001, hal: 2).
2.2.1 Menurut Sifat
Data terbagi atas dua golongan berdasarkan sifatnya, yaitu :
a. Data Kualitatif
Data kualitatif adalah data yang sifatnya hanya menggolongkan saja.
Termasuk dalam klasifikasi data tipe ini adalah data yang berskala ukur nominal dan ordinal. Sebagai contoh adalah data kepuasan pelanggan (tinggi, sedang, rendah).
b. Data Kuantitatif
Data kuantitatif adalah data yang berbentuk angka. Termasuk dalam klasifikasi data tipe ini adalah data yang berskala ukur interval dan rasio.
Sebagai contoh data kuantitatif adalah data tinggi badab siswa, misalnya : 130 cm, 135 cm, 140 cm, dan sebagainya.
2.2.2 Menurut Sifat Kekontinyuannya
Berdasarkan sifat kekontinyuannya data hasil pengamatan dapat dibedakan menjadi dua, yaitu :
a. Data Diskrit
Data diskrit adalah data hasil pengamatan yang hanya menempati angka- angka tertentu pada sebuah garis. Sebagai contoh adalah data jumlah mahasiswa STAIN Malang dari tahun 2001-2005. Jumlah mahasiswa tersebut hanya berada pada angka-angka tertentu saja, yaitu : 5000, 5200, 5500, 5600, dan 6000 orang.
b. Data Kontinyu
Data kontinyu adalah data yang menempati seluruh angka pada sebuah garis. Sebagai contoh data ini adalah data pendapatan orangtua mahasiswa
= Rp 1.000.000 – Rp 3.000.000. Data ini tentu saja menempati semua angka yang berada pada rentang nilai tersebut.
2.2.3 Menurut Sumber
Menurut sumbernya data terbagi atas dua bagian, yaitu :
a. Data Internal
Data internal adalah data yang didapat dari dalam perusahaan atau organisasi dimana riset dilakukan. Sebagai contoh adalah data keadaan produksi pabrik.
b. Data Eksternal
Data eksternal adalah data yang menggambarkan keadaan di luar organisasi. Data eksternal itu sendiri terbagi atas dua bagian, yaitu :
1. Data Primer
Data primer adalah data yang langsung dikumpulkan oleh orang yang berkepentingan atau yang memakai data tersebut. Data ini diperoleh dari hasil wawancara atau kuesioner.
2. Data Sekunder
Data sekunder adalah data primer yang diperoleh dari pihak lain atau data primer yang telah diolah lebih lanjut dan disajikan. Sebagai contoh adalah data nilai siswa di sebuah sekolah.
2.2 Skala Pengukuran Data
Pengukuran dapat didefinisikan sebagai suatu proses sistimatik dalam menilai dan membedakan sesuatu obyek yang diukur. Pengukuran tersebut diatur menurut kaidah- kaidah tertentu. Kaidah-kaidah yang berbeda menghendaki skala serta pengukuran yang berbeda pula. Skala merupakan suatu prosedur pemberian angka atau simbol lain kepada sejumlah ciri tersebut. Skala pengukuran oleh S.S Steven (1976) dibagi atas empat bagian, yaitu :
1. Skala Nominal
Skala Nominal merupakan skala yang paling lemah/rendah di antara skala pengukuran yang ada. Skala nominal hanya bisa membedakan benda atau peristiwa yang satu dengan yang lainnya berdasarkan nama (predikat) dan tidak diasumsikan adanya tingkatan antara satu kategori dan kategori lainnya dalam satu variabel. Oleh karena itu skala ini sering dikenal dengan skala yang mengandung unsur penamaan. Skala ini digunakan untuk mengklasifikasikan obyek-obyek atau kejadian-kejadian ke dalam kelompok (kategori) yang terpisah untuk menunjukkan kesamaan atau perbedaan ciri-ciri tertentu dari obyek yang diamati. Kategori tersebut biasanya dilambangkan dengan huruf atau simbol.
Contoh :
Jenis kelamin 1 = Pria 2 = Wanita 2. Skala Ordinal
Skala ordinal adalah skala yang bertujuan untuk membedakan antara kategori-kategori dalam satu variabel dengan asumsi bahwa ada urutan atau tingkatan skala. Angka-angka ordinal lebih menunjukkan urutan
peringkat. Angka-angka tersebut tidak menunjukkan kuantitas absolut, tidak pula memberikan petunjuk bahwa interval-interval antara setiap dua angka itu sama.
Contoh :
Seorang anggota ABRI dapat dikelompokkan menurut pangkatnya, yaitu mayor, kapten, letnan. Dimana hubungan antar kelas-kelas terdapat urutan tertentu (mayor > kapten > letnan).
3. Skala Interval
Skala interval adalah skala suatu variabel yang selain membedakan dan mempunyai tingkatan, juga diasumsikan mempunyai jarak yang pasti antara satu kategori dengan kategori yang lain dalam satu variabel.
Contoh :
Nilai prestasi yang telah ditransfer dalam bentuk huruf A, B, C, D, E.
Selanjutnya diberi bobot masing-masing 4, 3, 2, 1, dan 0. Sehingga interval A dan B sama dengan interval D dan E, juga interval A dan C sama dengan antara C dan E.
4. Skala Rasio
Skala rasio adalah skala suatu variabel yang selain membedakan dan mempunyai tingkatan serta jarak antara suatu nilai dengan nilai yang lainnya, juga diasumsikan bahwa setiap nilai variabel diukur dari suatu keadaan atau titik yang sama (mempunyai titik nol mutlak). Angka-angka pada skala menunjukkan besaran sesungguhnya dari sifat yang diukur.
Contoh :
Berat benda A adalah 30 kg dan berat benda B adalah 60 kg.
2.3 Skala Instrumen (Model Skala Sikap)
Bentuk-bentuk skala instrumen (model skala sikap) yang sering digunakan dalam penelitian ada 5 macam, yaitu :
a. Skala Likert
Skala likert digunakan untuk mengatur sikap , pendapatan, dan persepsi seseorang atau sekelompok orang tentang kejadian atau gejala sosial. Pada
skala likert variabel yang akan diukur dijabarkan menjadi subvariabel.
Kemudian subvariabel dijabarkan lagi menjadi indikator-indikator yang terukur ini yang mana menjadi titik tolak untuk membuat item instrumen yang berupa pertanyaan yang perlu dijawab responden. Setiap jawaban diungkapkan dengan kata-kata, misalnya :
Sangat Setuju (SS) = 5
Setuju (S) = 4
Netral (N) = 3 Tidak Setuju (TS) = 2 Sangat Tidak Setuju (STS) = 1 b. Skala Gutman
Skala Gutman mengukur suatu dimensi saja dari suatu variabel multidimensi. Skala Gutman ialah skala yang digunakan untuk jawaban yang bersifat jelas (tegas) dan konsisten.
Misalnya : yakin-tidak yakin, benar-salah, setuju-tidak setuju, dan sebagainya.
c. Skala Diferensial Semantik
Skala diferensial semantik atau skala perbedaan semantik berisikan serangkaian bipolar (dua kutub). Responden diminta untuk menilai suatu obyek atau konsep pada suatu skala yang mempunyai dua ajektif yang bertentangan.
Misalnya : panas-dingin, popular-tidak popular, bagus-buruk, dan sebagainya.
d. Rating Scale
Rating scale yaitu data mentah yang didapat berupa angka kemudian ditafsirkan dalam pengertian kualitatif.
Misalnya : ketat-longgar, lemah-kuat, positif-negatif.
e. Skala Thurstone
Skala thurstone meminta responden untuk memilih jawaban pertanyaan yang ia setujui dari beberapa pertanyaan yang menyajikan pandangan-pandangan yang berbeda-beda. Pada umumnya setiap item mempunyai asosiasi nilai antara 1 sampai 10 tetapi nilai-nilainya tidak diketahui oleh responden.
2.4 Teknik Pengumpulan Data
Di dalam suatu penelitian diperlukan teknik-teknik untuk pengumpulan data. Menurut Iqbal Hasan (2002, hal :38) teknik pengumpulan data terbagi atas :
a. Kuesioner
Kuesioner adalah teknik pengumpulan data dengan menyerahkan atau mengirimkan daftar pertanyaan untuk diisi sendiri oleh responden. Dalam penelitian survei pemakaian kuesioner merupakan hal penting untuk mengumpulkan data. Analisis data kualitatif dan kuantitatif berdasarkan kuesioner tersebut. Sebuah kuesioner yang baik adalah sebuah kuesioner yang mengandung pertanyaan yang baik pula, dalam arti sedemikian sehingga tidak menimbulkan arti yang lain pada diri responden. Pertanyaan- pertanyaan yang ada pada sebuah kuesioner harus jelas dan mudah dimengerti sehingga mengurangi tingkat kesalahan interprestasi responden dalam pengisian kuesioner. Berdasarkan jenis pertanyaan kueisoner dapat dibedakan menjadi 3 macam, yaitu:
1. Pertanyaan Tertutup
Pertanyaan tertutup yaitu pertanyaan yang telah disertai pilihan jawaban. Responden tinggal memilih salah satu jawaban yang tersedia. Pertanyaan tertutup dapat berupa pertanyaan pilihan berganda atau skala.
2. Pertanyaan Terbuka
Pertanyaan tertutup yaitu pertanyaan yang telah disertai pilihan jawaban. Responden tinggal memilih salah satu jawaban yang tersedia. Pertanyaan tertutup dapat berupa pertanyaan pilihan berganda atau skala.
3. Pertanyaan Kombinasi Tertutup dan Terbuka
Pertanyaan kombinasi tertutup dan terbuka telah diberi jawaban tetapi kemudian disertai dengan jawaban terbuka.
4. Pertanyaan Semi Tertutup
Pertanyaan semi tertutup yaitu pertanyaan yang sudah disertai pilihan jawaban namun masih memungkinkan untuk menambahkan jawaban terbuka.
b. Wawancara
Wawancara adalah teknik pengumpulan data dengan mengajukan pertanyaan secara langsung oleh pewawancara kepada responden dan jawaban responden dicatat atau direkam dengan alat perekam.
c. Observasi
Secara luas, observasi atau pengamatan berarti setiap kegiatan untuk melakukan pengukuran. Akan tetapi observasi atau pengamatan disini diartikan lebih sempit, yaitu pengamatan dengan menggunakan indera pengeliatan yang berarti tidak mengajukan pertanyan-pertanyaan.
2.5 Populasi dan Sampel
2.5.1 Populasi
Populasi adalah himpunan unit penelitian yang lengkap/utuh yang terdiri dari nilai/skor/ukuran peubah-peubah yang bersifat majemuk. Selain itu terdapat juga beberapa pengertian populasi yang lain, diantaranya yaitu populasi adalah wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2009, hal: 61).
Nana Syaodih Sukmadinata (2008, hal: 250) juga menyebutkan bahwa orang- orang, lembaga, organisasi, benda-benda yang menjadi sasaran penelitian merupakan anggota populasi. Anggota populasi yang terdiri atas orang-orang biasa disebut subyek penelitian, tetapi kalau bukan orang disebut obyek penelitian. Penelitian tentang suatu obyek mungkin diteliti langsung terhadap obyeknya, tetapi mungkin juga hanya dinyatakan kepada orang yang mengetahui atau bertanggung jawab terhadap obyek tersebut. Orang yang diminta menjelaskan obyek yang diteliti disebut responden.
Sedangkan menurut Santoso dan Tjiptono (2002, hal: 79) populasi merupakan sekumpulan orang atau objek yang memiliki kesamaan dalam satu atau beberapa hal dan yang membentuk masalah pokok dalam suatu riset khusus. Populasi yang akan diteliti harus didefinisikan dengan jelas sebelum penelitian dilakukan. Sehingga dapat disimpulkan bahwa populasi tidak hanya terbatas pada manusia, tetapi juga obyek dan benda-benda alam yang lain. Populasi juga bukan sekedar jumlah yang ada pada obyek/subyek yang dipelajari, tetapi meliputi seluruh karakteristik/sifat yang dimiliki oleh subyek atau obyek itu.
2.5.2 Sampel
Sampel adalah bagian dari populasi yanng memberikan keterangan atau data untuk suatu penelitian yang terdiri dari nilai/skor/ukuran peubah-peubah yang bersifat terbatas jumlahnya. Tidak semua anggota dari populasi target diteliti. Penelitian hanya dilakukan terhadap sekelompok anggota populasi yang mewakili populasi. Kelompok kecil yang secara nyata kita teliti dan tarik kesimpulan dari padanya disebut sampel (Nana Syaodih Sukmadinata, 2008, hal: 250).
Pengertian lainnya yaitu sampel adalah bagian dari jumlah dan karakteristik populasi. Misalnya karena keterbatasan dana, tenaga dan waktu, maka peneliti dapat menggunakan sampel yang diambil dari populasi itu. Kesimpulan sampel akan berlaku untuk populasi. Untuk itu sampel yang diambil dari populasi harus betul-betul representatif (mewakili) (Sugiyono, 2009, hal: 62).
2.6 Teknik Sampling
Pemilihan teknik pengambilan sampel merupakan upaya penelitian untuk mendapat sampel yang representatif (mewakili), yang dapat menggambarkan populasinya.
Teknik pengambilan sampel secara garis besar terbagi atas dua, yaitu :
2.6.1 Teknik Sampling Random (Probability Sampling)
Pada tipe pengambilan sampel secara random ini setiap unit populasi mempunyai kesempatan yang sama untuk diambil sebagai sampel. Faktor pemilihan atau penunjukan sampel yang diambil semata-mata karena pertimbangan peneliti akan dihindarkan. Karena jika maka akan mengakibatkan terjadinya bias.
Dengan cara random, bias pemilihan dapat diperkecil sekecil mungkin. Ini merupakan salah satu usaha untuk mendapatkan sampel yang representatif. Selain itu pemilihan sampel dengan cara ini juga memiliki beberapa keuntungan, yaitu derajat kepercayaan terhadap sampel dapat ditentukan, beda penaksiran parameter populasi dengan statistik sampel dapat diperkirakan, serta besar sampel yang akan diambil dapat dihitung secara statistik. Pemilihan sampel dengan teknik sampling random ini mempunyai lima cara, yaitu :
a. Sampel Random Sederhana (Simple Random sampling)
Sampel random sederhana adalah teknik pengambilan sampel secara acak dimana masing-masing subjek atau unit dari populasi memiliki peluang yang sama dan independen (tidak bergantung) untuk terpilih sebagai sampel. Keuntungan dari teknik ini adalah memungkinkan peneliti mengetahui besarnya sampling error (margin of error) penelitian dan memberikan sampel yang secara rata-rata representatif terhadap populasi.
Sedangkan kerugiannya, peneliti harus memiliki daftar (sampling frame) setiap subjek yang ada dalam populasi dan skema sampling random ini membutuhkan perencanaan lebih matang serta biaya yang besar jika populasi besar.
b. Stratified Random Sampling
Teknik ini merupakan teknik pengambilan sampel dengan membagi populasi sasaran dalam strata (subpopulasi) menurut karakteristik tertentu yang dianggap penting oleh peneliti, status sosio-ekonomi, atau geografis, lalu melakukan pengambilan sampel dari masing-masing strata secara random. Keuntungan dengan teknik ini adalah bahwa kelompok-kelompok
dari populasi yang dipandang penting oleh peneliti dapat terwakili secara proporsional.
c. Cluster sampling
Cluster sampling adalah teknik pengambilan sampel dimana unit tempat pengambialn adalah kelompok atau klaster subjek dan bukan individu.
Meskipun unit pengambilan adalah klaster, namun pengamatan/pengukuran variabel dilakukan pada masing-masing individu dalam klaster terpilih, sesuai dengan batasan populasi sasaran (Streiner et al, 1989).
d. Systematic Sampling
Systematic sampling menuntut kepada peneliti untuk memilih unsur populasi secara sistematis, yaitu unsur populasi yang bisa dijadikan sampel adalah yang keberapa. Pengambilan sampel ini lebih menekankan pada sistem interval dari hasil proses random. Pengambilan sampel sistematik lebih menghemat waktu dan lebih sederhana. Jika peneliti dihadapkan pada ukuran populasi yang banyak dan tidak memiliki alat pengambil data secara random maka cara pengambilan sampel sistematis dapat digunakan.
e. Area Sampling
Teknik ini dipakai ketika peneliti dihadapkan pada situasi bahwa populasi penelitiannya tersebar di berbagai wilayah.
2.6.2 Teknik Sampling Non-Random (Non Probability Sampling)
Teknik sampling nonrandom adalah teknik pengambilan sampel yang tidak memberi peluang/kesempatan sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel. Pemilihan sampel dengan teknik sampling nonrandom ini mempunyai empat cara, yaitu :
a. Sampling Purposive
Sampling purposive merupakan teknik pemilihan sampel yang bertujuan untuk mendapatkan subjek-subjek yang memiliki sejumlah karakteristik
tertentu, atau mendapatkan kelompok-kelompok penelitian yang sebanding sehingga dapat dianalisis dengan valid.
b. Sampling Kuota
Sampling kuota merupakan teknik pemilihan sampel nonrandom dimana peneliti membagi populasi ke dalam kategori (strata), lalu memberikan jatah jumlah subjek untuk masing-masing stratum tersebut (Kothari, 1990;
Vogt, 1993; Polgar dan Thomas, 2000).
c. Sampling Aksidental
Ini merupakan tipe pemilihan sampel yang sampelnya diambil atas dasar seandainya saja, tanpa direncanakan lebih dahulu. Juga jumlah sampel yang dikehenadaki tidak berdasrkan pertimbangan yang dapat dipertanggung jawabkan, melainkan asal memenuhi keperluan saja.
Kesimpulan yang diperoleh bersifat kasar dan sementara saja.
d. Snawball Sampling
Snawball sampling atau sampling bola salju merupakan sebuah metode pemilihan sampel dengan pertama-tama menghubungi seseorang atau sekelompok responden, lalu meminta mereka untuk memberikan saran tentang orang yang dipandang memiliki informasi penting dan bersedia untuk berpartisipasi dalam penelitian (Rice dan Ezzy, 2000). Teknik pengambilan sampel ini dapat digunakan untuk penelitian kuantitatif maupun kualitatif (Utarini et al, 2003).
2.7 Variabel
2.7.1 Menurut Sifat
Berdasarkan sifatnya variabel terbagi atas dua, yaitu :
1. Variabel Kualitatif
Variabel Kualitatif adalah menunjukkan sifat kualitas dari obyek yang menghasilkan data kualitatif melalui pengamatan. Dalam menganalisis data kualitatif (yang berasal dari data kualitatif ini), bila mana akan menggunakan
metode statistika maka data kualitatif tersebut harus dikuantitatifkan melalui cara pemberian skor (skoring). Hal ini diperlukan mengingat metode statistika merupakan metode komputasi dengan pendekatan kuantitatif. Data demikian ini termasuk data diskrit dengan skala ukur nominal atau ordinal.
2. Variabel Kuantitatif
Variabel Kuantitatif, adalah variabel yang menujukkan sifat kuantitas, akan menghasilkan data kuantitatif melalui cara pencacahan, atau pengukuran, atau pemeriksaan laboratorium dll, yang bisa berupa data diskrit atau kontinyu dengan skala ukur interval dan rasio.
2.7.2 Menurut Keberadaan, Keterkaitan, dan Struktur Pengaruhnya
Berdasarkan keberadaan, keterkaitan, serta struktur pengaruhnya, variabel terbagi atas
1. Variabel Bergantung
Variabel bergantung (dependen variabel) adalah suatu variabel yang menjadi pusat perhatian peneliti (tercakup dalam hipotesis penelitian), yang keragamannya (variabilitasnya) ditentukan atau bergantung/dipengaruhi oleh variabel lain.
2. Variabel Bebas
Variebel bebas (independent variabel) adalah suatu variabel yang menjadi pusat perhatian peneliti (termuat dalam permasalahan penelitian) yang keragamannya sebagai akibat dari manipulasi atau intervensi peneliti atau merupakan suatu keadaan atau kondisi atau fenomena yang ingin diselidiki, diteliti dan dikaji. Variabel ini mempengaruhi variabel tergantung.
3. Variabel Pembaur
Variabel Pembaur (confounding variabel), adalah suatu variabel dalam penelitian yang tidak menjadi pusat perhatian peneliti dan berpengaruh terhadap variabel tergantung dan pengaruh tersebut mencampuri atau berbaur dengan variabel bebas. Suatu penelitian biasanya ingin mengetahui pengaruh variabel bebas terhadap tergantung yang tentunya pengaruh tersebut harus terbebas dari berbaurnya pengaruh variabel-variabel yang lain.
4. Variabel Penyerta
Variabel penyerta (Concomitant) adalah suatu variabel dalam penelitian yang tidak merupakan pusat perhatian peneliti, akan tetapi muncul dan berpengaruh terhadap keragaman variabel tergantung dan pengaruh tersebut membaur (cofounding) dengan variabel bebas. Variabel ini tidak dapat dikendalikan , sehingga tetap menyertai (terikut) dalam proses penelitian, dengan konsekuensi data harus diamati dan pengaruh baurnya harus dieliminir. Pengaruh baur tersebut dapat dihilangkan (dieliminasi) pada tahap analisi data, misalnya dengan anova atau manova.
5. Variabel Kendali
Variabel Kendali (Control Variabel) adalah variabel yang bukan merupakan pusat perhatian peneliti, akan tetapi berpengaruh terhadap keragaman variabel tergantung dan pengaruh tersebut dapat dikendalikan. Pengendalian ini biasanya dilakukan dengan cara blocking, yaitu mengelompokkan obyek penelitian menjadi kelompok-kelompok yang relatip homogen atau dengan cara ekxklusi (mengeluarkan obyek yang tidak memenuhi kriteria) dan inklusi (memilih dan menjadikan obyek yang memenuhi kriteria untuk diikutkan dalam penelitian / kajian). Bilamana dilakukan dengan cara pengelompokan (blocking), maka pada tahap analisis data pengaruh blocking ini harus dihilangkan, misalnya dengan ANOVA Two Way.
2.8 Analisis Data
2.8.1 Uji dalam Pengolahan Data
a. Uji Validitas
Validitas menunjukkan sejauh mana suatu alat pengukur itu mengukur apa yang ingin diukur. Seandainya peneliti ingin mengukur kuesioner di dalam pengumpulan data penelitian, maka kuesioner yang disusunnya harus mengukur apa yang ingin diukurnya.
Validitas terbagi atas empat macam, yaitu : 1. Validitas Isi (Content Validity)
Sebuah tes dikatakan memiliki validitas isi apabila mengukur tujuan khusus tertentu yang sejajar dengan materi atau isi pelajaran yang diberikan. Misalnya seorang peneliti ingin mengukur bagaimana persepsi konsumen terhadap suatu produk.
2. Validitas Konstruk (Construct Validity)
Sebuah tes dikatakan memiliki validitas konstruksi apabila butir- butir soal yang membangun tes tersebut mengukur setiap aspek berpikir seperti yang disebutkan dalam tujuan instruksional khusus.
3. Validitas “ada sekarang” (Concurrent Validity)
Validitas ini lebih umum dikenal dengan validitas empiris. Sebuah tes dikatakan memiliiki validitas empiris jika hasilnya sesuai dengan pengalaman. Misalnya seorang guru ingin mengetahui apakah tes sumatif yang disusun sudah valid atau belum.
4. Validitas Prediksi (Predictive Validity)
Memprediksi artinya meramal, dan meramal selalu mengenai hal yang akan datang, sehingga sekarang ini belum terjadi. Sebuah tes dikatakan memiliki validitas prediksi apabila mempunyai kemampuan untuk meramalkan apa yang akan terjadi pada masa yang akan datang.
b. Uji Reliabilitas
Reliabilitas adalah indeks yang menunjukkan sejauh mana suatu alat pengukur dapat dipercaya atau diandalkan. Bila suatu alat pengukur dipakai dua kali untuk mengukur gejala yang sama dan hasil pengukuran diperoleh relatif koefisien, maka alat pengukur tersebut reliabel. Adapun teknik perhitungan reliabel ada beberapa cara, yaitu sebagai berikut :
1. Teknik Pengukuran Ulang (Testretest)
Teknik ini meminta kepada responden yang sama untuk menjawab pertanyaan dalam alat pengukuran sebanyak dua kali. Caranya
perhitungannya adalah dengan mengkorelasikan jawaban pada wawancara pertama dengan jawaban pada wawancara kedua.
2. Teknik Belah Dua
Untuk menggunakan teknik belah dua sebagai cara menghitung reliabilitas alat pengukur, maka alat pengukur yang disususn harus memiliki cukup banyak item pertanyaan yang mengukur aspek yang sama.
3. Teknik Bentuk Paralel.
Perhitungan reliabilitas dilakukan dengan membuat dua jenis alat pengukur yang mengukur aspek yang sama. Kedua alat ukur tersebut diberikan pada responden yang sama, kemudian dicari validitasnya untuk masing-masing jenis.
4. Internal Consistency Reliability
Internal consistency reliability berisi tentang sejauh mana item-item instrumen bersifat homogen dan mencerminkan konstruk yang sama sesuai dengan yang melandasinya. Suatu variabel dikatakan reliabel jika memberikan nilai cronbach alpha > 0,60 (Ghozali, 2005) atau nilai cronbach alpha > 0,80 (Kuncoro, 2003).
2.8.2 Metode Analisis Data
Kualitas data yang digunakan sangat menentukan hasil atau kesimpulan yang diperoleh. Bila datanya berkualitas baik maka informasi yang akan diperoleh juga baik dan sebaliknya. Kualitas data ditentukan oleh akurasinya. Data yang tidak akurat ditunjukkan oleh adanya data pencilan (outliers). Data ini harus dibuang agar tidak merusak hasil. Selain itu juga diperlukan pemeriksaan normalitas data. Baberapa analisis data diantaranya sebagai berikut :
a. Analisis Deskriptif
Analisis deskriptif berhubungan dengan pengumpulan dan peringkasan data, serta penyajian hasil peringkasan tersebut. Analisis data diskriptif sangat bermanfaat untuk menganalisis data populasi atau untuk menganalisis kajian atau penelitian yang obyeknya berupa populasi. Kajian
atau penelitian demikian bisa jadi dalam bentuk studi kasus. Contoh bentuk penyajiannya adalah histogram, diagram pastel, dan sebagainya.
b. Analisis Parametrik Dan Nonparametrik
Pada dasarnya data statistik terbagi menjadi dua macam, yaitu statisitik parametrik dan statistik nonparametrik. Statistik parametrik dilakukan jika sampel yang akan dipakai berasal dari populasi yang berdistribusi normal.
Jumlah data yang digunakan dalam analisis ini minimal 30 sampel dan menggunakan yang berupa data interval dan ratio. Sedangkan statistik non parametrik digunakan untuk menganalisis data yang jumlahnya dibawah 30 (sangat sedikit) serta datanya berupa data ordinal dan nominal. Disamping itu metode non parametrik tidak mengharuskan data berdistribusi normal, karena itu metode ini sering dinamakan uji distribusi bebas (distribution free test). Dengan demikian metode ini dapat dipakai untuk segala distribusi data dan lebih luas penggunaanya.
c. Analisis Hubungan
Analisis hubungan secara garis besar dibedakan menjadi analisis keeratan hubungan (korelasi), bentuk hubungan (regresi atau model aritmatika) dan analisis sebab akibat (analisis jalur atau path analisis, LISREL). Pada tulisan ini akan diuraikan kesesuaian setiap metode dengan jenis data berdasarkan skala pengukurannya. Disamping itu juga akan kelihatan kesetaraan berbagai metode analisis, misalnya parametrik dengan non parametrik.
d. Analisi Perbandingan (Komparatif)
Analisis perbandingan dapat dibedakan menjadi pembandingan satu populasi (terhadap nilai tertentu / standar yang dihipotesiskan), pembandingan dua populasi dan pembandingan lebih dari dua populasi.
Disamping itu juga dibedakan menjadi parametrik dengan non parametrik, dan univariate dengan multivariat.
e. Analisis Peubah Tunggal (Univariat) dan Peubah Ganda (Multivariat) Untuk mengukur keeratan hubungan dan pengaruh diantara hasil-hasil pengamatan dari populasi yang mempunyai dua atau lebih varian maka dilakukan dengan analisis peubah tunggal (univariat) akan tetapi apabila
dalam suatu penelitian melibatkan banyak variabel dan antar variabel tersebut saling berkorelasi, maka analisis yang tepat adalah analisis peubah ganda (multivariat).
2.9 Analisis Regresi
Analisis regresi adalah teknik statstika yang berguna untuk memerikas dan memodelkan hubungan diantara variabel-variabel. Analisis regresi dapat digunakan untuk dua hal pokok, yaitu :
a. Untuk memperoleh suatu persamaan dari garis yang menunjukkan persamaan hubungan antara dua variabel. Persamaan dan garis yang dihasilkan bisa berupa persamaan garis bentuk linier maupun nonlinier.
b. Untuk menaksir suatu variabel yang disebut variabel tak bebas (terikat) dengan variabel lain yang disebut variabel bebas berdasarkan hubungan yang ditunjukkan persamaan regresi tersebut.
Berdasarkan amatan dan analisis data, penyelesaian regersi ini dapat berupa persamaan linier maupun nonlinier. Oleh karena itu analisis regresi ini terbagi atas regresi linier dan regresi nonlinier. Yang termasuk ke dalam regresi linier adalah regresi linier sederhana, regresi linier berganda, dan sebagainya. Ssedangkan yang termasuk regresi nonlinier adalah regresi model parabola kuadratik, model parabola kubik, model eksponen, model geometrik, regresi logistik, dan sebagainya.
2.10 Analisis Regresi Logistik
Model regresi merupakan komponen penting dalam beberapa analisis data dengan menggambarkan hubungan antara variabel respon dan satu atau beberapa variabel
penjelas. Pada umumnya analisis regresi digunakan untuk menganalisis data dengan variabel respon berupa data kuantitatif. Akan tetapi sering juga ditemui kasus dengan variabel responnya bersifat kualitatif/kategori. Untuk mengatasi masalah tersebut maka dapat digunakan model regresi logistik.
Pendekatan model persamaan regresi logistik digunakan karena dapat menjelaskan hubungan antara variabel bebas dan peluangnya yang bersifat tidak linear, ketidaknormalan sebaran dari variabel terikat, serta keragaman respon yang tidak konstan dan tidak dapat dijelaskan oleh model regresi linear biasa (Agresti, 1990). Menurut Hosmer (1989), metode regresi logistik adalah suatu metode analisis statistika yang mendeskripsikan hubungan antara peubah respon yang memiliki dua kategori atau lebih dengan satu atau lebih peubah penjelas berskala kategori atau interval. Yang dimaksud dengan peubah kategorik yaitu peubah yang berupa data nominal dan ordinal.
Menurut Kleinbaum (1994) regresi logistik merupakan pendekatan model matematika yang dapat digunakan untuk menjelaskan hubungan antara beberapa variabel prediktor X terhadap variabel respon yang bersifat dikotomus atau biner Y.
Model regresi logistik diperlukan pada saat data respon bersifat kategorik (variabel indikator) karena akan ada beberapa permasalahan yang muncul yang tidak memungkinkan untuk tetap menggunakan regresi klasik (Kutner et al., 2004)
Regresi logistik biner adalah salah satu metode statistika yang sering digunakan untuk mengklasifikasikan sejumlah pengamatan dengan respon biner ke dalam beberapa kelompok berdasarkan satu atau lebih variabel prediktor. Melalui metode ini akan dihasilkan peluang dari masingmasing kategori respon yang akan dijadikan sebagai pedoman pengklasifikasian dan suatu pengamatan akan masuk kedalam respon kategori tertentu berdasarkan nilai peluang yang terbesar.
Pada Regresi logistik biner (dikotomus), variabel responnya mempunyai dua kategori. Fenomena dimana variabel responnya dua (bivariat) dan masing-masing berkategorikan biner, dapat dianalisis mengunakan regresi logistik biner bivariat, dengan asumsi antar peubah respon biner terdapat dependensi. Menurut Kuncoro
(2001, hal: 217) regresi logistik cukup baik dan sering digunakan. Hal ini karena regresi logistik memiliki beberapa keuntungan dibandingkan regresi lainnya, yaitu :
1. Regresi logistik tidak memiliki asumsi normalitas atas variabel bebas yang digunakan dalam model. Artinya variabel penjelas tidak harus memiliki distribusi normal, linier, maupun memiliki varian yang sama dalam setiap group.
2. Variabel dalam regresi logistik dapat berupa campuran dari variabel kontinyu, diskrit, dan dikotomis.
3. Regresi logistik amat bermanfaat digunakan apabila distribusi respon atas variabel terikat diharapkan non linier dengan satu atau lebih variabel bebas.
Adapun bentuk umum regresi logistik tersebut adalah :
)
( 0 1 1 2 2 6
1 ) 1 (
Xk
X
e X
x
p −β +β +β + +β
= + L
Dengan :
p(x) = peluang memutuskan berobat ke Rumah Sakit β0,β1,β2,L,βk = koefisien-koefisien
X1,X2,L,Xk = variabel-variabel bebas
2.10.1 Uji Model Persamaan Regresi Logistik
Uji ini sering disebut juga sebagai uji ketepatan model. Uji ini digunakan untuk mengatahui apakah model regresi logistk sudah sesuai dengan data observasi yang diperoleh. Untuk menilai ketepatan model regresi logistik dalam penelitian ini diukur dengan nilai chi square dengan uji Hosmer dan Lemeshow. Pengujian ini akan melihat nilai goodness of fit test yang diukur dengan nilai chi square pada tingkat signifikansi, dimana tingkat signifikansi pada penelitian ini adalah 5%. Adapun model pengujiannya adalah sebagai berikut :
H0 : ( )
6 2 2 1 1
1 0
) 1 (
Xk
X
e X
x
p −β +β +β + +β
= + L
H1 : ( )
6 2 2 1 1
1 0
) 1 (
Xk
X
e X
x
p −β +β +β + +β
≠ + L
Untuk menguji hipotesis digunakan model Hosmer and Lemeshow’s goodness of fit test. Jika nilai Hosmer and Lemeshow’s goodness of fit test statistik sama dengan atau kurang dari 0,05, maka hipotesis nol ditolak yang berari ada perbedaan signifikan antara model dengan nilai observasinya atau goodness fit model tidak baik, karena model tidak dapat memprediksi nilai observasinya. Jika nilai statistik Hosmer and Lemeshow’s goodness of fit lebih besar dari 0,05, maka hipotesis nol diterima dan berarti model mampu memprediksikan nilai obsevasinya atau dapat dikatakan model cocok dengan observasinya (Ghozali, 2001:218).
2.10.2 Negelkerke R2
Nilai Negelkerke R ini akan menunjukkan seberapa besar variabel-variabel bebas 2 penelitian ini menjelaskan variabel terikatnya. Nilai Negelkerke R biasanya dibentuk 2 dalam persen agar dapat mengetahui dengan pasti seberapa jauh penjelasan variabel- variabel bebas terhadap variabel terikatnya.
2.10.3 Odds Rasio
Odds ratio didefinisikan sebagai perbandingan dari nilai variabel sukses terhadap variabel bernilai gagal. Dengan kata lain odds rasio menjelaskan seberapa besar pengaruh variabel sukses dibanding variabel gagal terhadap suatu eksperimen atau observasi. Pada kasus penelitian dengan regresi logistik, nilai ini dapat dilihat dari nilai Exp(B) pada hasil analisis data. Hasil tersebut akan menunjukkan pengaruh setiap variabel-variabel bebas terhadap variabel terikatnya.
