*HUBUNGAN-HUBUNGAN DALAM PENELITIANKorelasi dan KausalitasXYXYXYXY

*HUBUNGAN-HUBUNGAN DALAM PENELITIANHubungan langsung dan tidak langsungXYZHubungan langsung Z ke YHubungan tidak langsung Z ke Y melalui XVHubungan tidak langsung Z ke Y melalui X dan VContoh hubungan Z ke Y

*JENIS-JENIS MODEL STRUKTURALXZVPath Analysis ModelsHanya melibatkan variabel-variabel indikator tanpa melibatkan analisis terhadap konstruk atau konsep yang ingin diukurIni berarti semua variabel yang dilihat adalah terukur atau terobservasiY

*JENIS-JENIS MODEL STRUKTURALZ1Confirmatory factor analysis modelsZ2Z3X1X2X3Y1Y2Bertujuan untuk mengevaluasi pola-pola hubungan antara beberapa konstrukDalam model tidak diasumsikan adanya arah hubungan antara konstruk, tetapi hanya ada hubungan korelatifVariabel konstruk merupakan variabel yang tidak terobservasiSetiap konstruk dibangun oleh beberapa indikator

*JENIS-JENIS MODEL STRUKTURALStructural Equation ModelingZ1Z2Z3Z4X1X3Y2Y3V2V1Y1Menganalisis sekaligus variabel indikator, variabel laten/konstruk,dan kekeliruan pengukuranMenganalisis hubungan antara indikator dengan konstruk yang dikenal dengan nama measurement equationMenganalisis hubungan antara variabel laten satu dengan variabel laten yang lain yang dikenal dengan nama structural equationX2

*JENIS-JENIS VARIABEL KETIGAContoh : pendidikan status pekerjaan independent variable dependent variableSekarang ditelusuri variabel apakah yang mempengaruhi pendidikan, untuk itu perlu dilibatkan variabel antecedent, misalkan kemampuan orang tua Variabel AntecedentKemampuan orang tua pendidikan status pekerjaanAntecedent variable Z independent variable X dependent variable YTiga persyaratan yang diperlukan 1.Semua variabel harus menunjukkan hubungan 2.Jika variabel antecedent dikontrol, maka hubungan antara independent dan dependent variable sangat kuat3.Jika variabel independent dikontrol, maka hubungan antara variabel antecedent dengan dependent variable harus kecil

Persyaratan (1) diuji melalui matrix korelasi, jika semua signifikan berarti terpenuhi.

Persyaratan (2) dan (3) diuji menggunakan korelasi parsial. Hipotesa yang diuji adalah Ho : pxy.z = 0 Jika signifikan maka persyaratan kedua terpenuhi, tetapi bila nonsignifikan berarti persyaratan ketiga terpenuhi.

*JENIS-JENIS VARIABEL KETIGAContoh : Kemampuan orang tua status pekerjaan independent variable dependent variableSekarang ditelusuri variabel apakah yang langsung mempengaruhi status pekerjaan , untuk itu perlu dilibatkan variabel intervening, misalkan pendidikan Variabel InterveningKemampuan orang tua pendidikan status pekerjaanIndependent variable X intervening variable Z dependent variable YTiga persyaratan yang diperlukan 1.Semua variabel harus menunjukkan hubungan 2.Jika variabel independent dikontrol, maka hubungan antara intervening dan dependent variable sangat kuat3.Jika variabel intervening dikontrol, maka hubungan antara independent dengan dependent variable harus kecil

Persyaratan (1) diuji melalui matrix korelasi, jika semua signifikan berarti terpenuhi.

Persyaratan (2) dan (3) diuji menggunakan korelasi parsial. Hipotesa yang diuji adalah Ho : pxy.z = 0 Jika signifikan maka persyaratan kedua terpenuhi, tetapi bila nonsignifikan berarti persyaratan ketiga terpenuhi.

*JENIS-JENIS VARIABEL KETIGAContoh : pendidikan status pekerjaan independent variable dependent variableDalam penelitian seringkali ditemui hubungan antara variabel X dan Y lemah. Patut dicurigai hal ini disebabkan karena adanya variabel ketiga yang ditempatkan dalam model. Bisa terjadi hubungan antara Z dan X adalah positip, tetapi hubungan antara Z dan Y adalah negatif. Akibatnya hubungan antara X dan Y menjadi lemah. Dalam kasus ini variabel ketiga Z dikatakan variabel penekan (suppresor) Variabel SuppresorVariabel Suppresor

*JENIS-JENIS VARIABEL KETIGAPada waktu menganalisis hubungan antara X dan Y diperoleh hasil tanda yang positip. Sekarang, bila dimasukkan variabel ketiga Z dalam model ternyata menyebabkan hubungan antara X dan Y menjadi negatif, maka variabel ketiga tersebut (Z) dikatakan sebagai variabel distorter. Variabel Distorterpendidikan status pekerjaanindependent variable X dependent variable Ypendidikan status pekerjaanindependent variable X dependent variable YZ+Variabel Distorter

*MENGAPA HARUS PATH?DEKANDOSENDOSENMAHASISWADEKANDANA PEMBANGUNANANALISA REGRESI BERGANDAPATH ANALYSISMAHASISWA

*PENGERTIAN DASAR PATH ANALYSISMenggunakan regresi, sehingga asumsi-asumsi dalam regresi klasik mengikat model path analysis.Bertujuan untuk menguji apakah model yang diusulkan cocok dengan data. Caranya dengan membandingkan korelasi teoritis dengan korelasi empiris. Bila sama berarti model cocok atau fit, sebaliknya tidak cocok.Secara formal pengujian tersebut hanya menggunakan koefisien korelasi determinasi (R2).Asumsi-asumsi standard yang harus dipenuhi sebelum membangun model Path Analysis antara lain : (1) berbentuk rekursif, (2) hubungan satu arah, (3) linear, aditif dan kausal, (4) berdistribusi normal, (5) tidak ada multikolineariti, (6) semua variabel terukur, minimal dalam skala interval.

*Linear, Aditif, Kausal X1 = + X2 + X3 +

Nonlinear, Aditif, Kausal Log X1 = Log + Log X2 + Log X3 + Persyaratan multikolineariti bagi beberapa ahlidiabaikan, karena menurut mereka tujuan menggunakan path analysis salah satunyaadalah untuk mengatasi multikolinearitiNominal : variabel jenis kelamin (Pria dan Wanita)Ordinal : tidak penting = 1 cukup penting = 2 penting= 3 sangat penting= 4Interval: pertumbuhan dan derajadRasio: kilogram dan meterBEBERAPA CONTOH YANG MEMENUHI DAN TIDAK MEMENUHI SYARAT

*TAHAPAN-TAHAPAN MEMBANGUN MODEL PATH ANALYSISPENGEMBANGAN MODEL BERBASIS TEORI DAN STUDI EMPIRISMEMBUAT GAMBAR HUBUNGAN KAUSALITAS DENGAN DIAGRAM JALURMENGKONVERSI DIAGRAM JALUR KEDALAM PERSAMAAN- PERSAMAAN STRUKTURAL DAN SPESIFIKASI MODELPENGUMPULAN DATA DAN PENGUKURAN VARIABELMENENTUKAN MATRIK INPUT DAN TEKNIK ESTIMASIEVALUASI MODELIIIIIIIVVVI

*LANGKAH I : PENGEMBANGAN MODEL BERBASIS TEORI DAN STUDI EMPIRISKeyakinan peneliti untuk mengajukan model kausalitas harus berlandaskan kepada sebuah atau beberapa JUSTIFIKASI TEORITIS yang mapan dan berlaku general. Namun ada kalanya dengan menelaah beberapa STUDI EMPIRIS, peneliti diperkenankan juga membangun model kausalitas.Path Analysis sebenarnya bukan untuk menghasilkan kausalitas yang baru, tetapi untuk membenarkan adanya kausalitas teoritis yang ada berdasarkan pengujian dengan data empirik. Karena itu model ini adalah sebuah CONFIRMATORY TECHNIQUE, lawannya EXPLORATORY FACTOR ANALYSIS.Dengan demikian ada dua komponen yang elementer dalam membangun model Path Analysis yaitu TEORI dan DATA.

*JUSTIFIKASI TEORI DAN STUDI EMPIRISPada dasarnya pengaruh langsung kecerdasan terhadap pengetahuan awal sama dengan pengaruh langsung kecerdasan terhadap hasil belajar karena pengetahuan awal merupakan hasil belajar di masa lalu. Pratomo et al (dalam Azwar, 2002:168) menemukan korelasi inteligensi dengan prestasi belajar sebesar 0,276 yang signifikan pada taraf 5%. Kusumaningrum (1985:179) membuktikan ada hubungan berbanding lurus IQ dengan prestasi belajar sebesar 0,14. Di samping itu, ia juga berhasil membuktikan ada hubungan antara IQ dengan nilai tes masuk sebesar 0,23. Gorzelanczyk et al (1998:3) mengkorelasikan kecerdasan dengan komponenkomponen proses belajar. Rata-rata koefisien korelasi IQ dengan komponen-komponen proses belajar sebesar 0,11278. Sebaliknya, Rivai (2000:6) menemukan adanya hubungan positif yang signifikan antara inteligensi dengan hasil belajar matematika ekonomi dengan r = 0,869. Dengan koefisien determinasi sebesar 0,6190, inteligensi memberikan kontribusi sebesar 61,90% pada hasil belajar MATEMATIKA EKONOMI. Berdasarkan kerangka berpikir dan hasil-hasil penelitian di atas, dapat diduga kuat terdapat hubungan langsung positif yang signifikan INTELEGENSI dengan PENGETAHUAN AWAL dan HASIL BELAJARINTELEGENSICONTOH : HUBUNGAN ANTARA INTELEGENSI DENGAN PENGETAHUAN AWAL DAN HASIL BELAJAR MATEMATIKA EKONOMIHASIL BELAJAR MATEMATIKA EKONOMIPENGETAHUAN AWALBACK

*LANGKAH II : MEMBUAT GAMBAR HUBUNGAN KAUSALITAS DENGAN DIAGRAM JALURBerdasarkan pendalaman teori-teori lainnya, akhirnya dapat dibuat Diagram Jalur yang lengkap mengenai HUBUNGAN ANTARA INTELEGENSI DENGAN PENGETAHUAN AWAL DAN HASIL BELAJAR MATEMATIKA EKONOMIBACK

*LANGKAH III : KONVERSI DIAGRAM JALUR KEDALAM PERSAMAAN-PERSAMAAN STRUKTURALDalam membuat persamaan-persamaan struktural perlu diperhatikan mana yang menjadi variabel endogen dan mana yang menjadi eksogen. Selain itu karena keterbatasan kita didalam menggali variabel-variabel kausalitas lainya, maka informasi-informasi yang tidak bisa ditangkap tersebut harus dimasukkan dalam variabel gangguan atau disturbance error variable. Seringkali variabel endogen ditempatkan juga sebagai variabel penjelas untuk variabel endogen lainnya. Karena itu secara umum bentuk persamaan struktural dalam model path analysis adalah :Endogen = eksogen + endogen + errorSesuai diagram yang sudah dibangun sebelumnya kita bisa mebuat persamaan struktural sebagai berikut :

*Y1 = 1 X1 + 2 X2 + 1Y2 = 1 X1 + 2 X2 + 1 Y1 + 2BACKCONTOH DIAGRAM JALUR DAN PERSAMAANNYA

*LANGKAH IV : PENGUMPULAN DATA DAN PENGUKURAN VARIABELVariabel-variabel X1, X2, Y1 dan Y2 harus terukur, minimal dalam bentuk interval.Semua variabel tersebut diukur menggunakan data-data yang dikumpulkan. Dan untuk mengumpulkan data-data yang dimaksud, sekaligus dapat digunakan untuk mengukur variabel operasional diperlukan beberapa langkah penelitian.1. Jenis data2. Jenis skala pengukuran3. Tipe skala pengukuran4. Sumber data5. Cara mengumpul data6. Instrumen pengumpulan data7. Penyusunan intrumen-instrumen penelitian8. Sampling9. Validasi dan releabilitas data

Data yang digunakan sebagai indikator variabel operasional adalah data yang valid dan reliabel. Untuk memperoleh ini semua tahapan penelitian di atas harus dilakukan.

*JENIS DATAData kualitatif : data yang berhubungan dengan kategorisasi, karakteristik berwujud pertanyaan atau berupa kata-kata.Data kuantitatif : data-data yang berwujud numerik atau angka atau bilangan.JENIS SKALA PENGUKURANBertujuan untuk mengklasifikasi variabel yang diukur agar tidak terjadi kesalahan dalam menentukan analisis data dan langkah-langkah penelitian selanjutnyaSkala nominal : fungsi bilangan hanya sebagai simbol.Skala ordinal : skala yang dibentuk berdasarkan rangking.Skala interval : skala yang menunjukkan jarak antara satu data dengan data yang lain, tidak mempunyai titik nol.Skala ratio : skala yang mempunyai angka nol mutlakSemua data yang berskala interval dan ratio adalah data kuantitatif yang tepat digunakan dalam statistik parametrik. Agar data-data kualitatif (skala ordinal dan nominal) dapat dianalisis dengan statistik parameterik, maka data-data tersebut harus dikonversi kedalam skala interval, caranya ?

*Skala Guttman : merupakan skala kumulatif yang biasa digunakan untuk mencari jawaban yang tegas, jelas dan konsisten (Ya dan tidak, benar dan salah, setuju dan tidak setuju, dan lain-lain).Skala Diferensial Semantik : yang memuat serangkaian karakteristik bipolar (dua kutup).Skala Thurstone : meminta seseorang untuk memilih pertanyaan yang ia setujui dari beberapa pernyataan yang menyajikan pandangan berbeda-beda

Selain keempat skala di atas ada lagi Skala Rating. Kalau empat skala di atas bertujuan untuk mengkonversi data kualitatif menjadi kuantitatif, tetapi untuk skala rating, data kuantitatif yang ditafsirkan dengan kualitatif.TIPE SKALA PENGUKURAN

Skala Likert : digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok.SUMBER DATA DAN CARA MENGUMPULKAN DATASumber data dapat berupa data primer dan atau data sekunder. Dikumpulkan dengan cara kuesioner, angket, wawancara, pengamatan, ujian atau tes.

*INSTRUMEN PENGUMPULAN DATA DAN PENYUSUNANNYADalam metode pengumpulan data sudah ditetapkan bagaimana data itu dikumpulkan. Sekarang bagaimana caranya ? Untuk itu kita harus tetapkan instrumen-instrumen dari metode yang ditetapkan tersebut.Misalkan sudah ditetapkan data dikumpulkan dengan cara menyebar angket atau kuesioner. Untuk itu instrumen yang harus dibuat bisa berbentuk kuesioner terbuka, tertutup, atau menggunakan checklist. LANGKAH-LANGKAH MENYUSUN INSTRUMEN PENELITIANMengidentifikasi variabel-variabel penelitianMenjabarkan variabel tersebut menjadi sub-variabelMenderetkan diskriptor dari setiap indikatorMerumuskan setiap deskriptor menjadi butir-butir instrumen

KISI-KISI INSTRUMEN

*CONTOH : Pengaruh Motivasi, Kemampuan dan Loyalitas terhadap Kualitas Kerja

Variabel penjelas (bebas): MOTIVASI, KEMAMPUAN, LOYALITAS Variabel yang dijelaskan (terikat) : KUALITAS KERJAKISI-KISI INSTRUMEN

VariabelDimensi(sub-variabel)IndikatorDeskriptorNomer Butir

IMotivasi1. Motif Kerja(a). Gaji(b). Kenyamanan Kerja(c). Fasilitas kerja1. Upah yang layak2. Penilaian kerja3. Tempat kerja yang baik1.11.21.32. Harapan

(a). Sifat kepemimpinan

(b). Kedisiplinan4. Loyalitas pimpinan5 Simpatik6. Disiplin yang bijaksana1.41.51.6

*TEKNIK PENGAMBILAN SAMPEL DAN JUMLAH SAMPELTEKNIK SAMPLING random sampling, cluster sampling, two stage sampling, multistage sampling, purposive sampling, dan lain-lain.JUMLAH SAMPELBeberapa pedoman menentukan jumlah sampel untuk model path analysis :Tergantung pada jumlah parameter yang diestimasi. Pedomannya, 5-10 kali jumlah parameter yang diestimasi dalam model path.Untuk teknik maximum likelihood jumlah sampel yang tepat adalah 100-200 sampel.Menurut Hair et al ukuran sampel yang sesuai adalah 100-200.Menghitung sendiri berdasarkan model path analysis dan koefisien korelasi populasi, yang dilakukan dengan beberapa iterasi hingga diperoleh jumlah sampel yang tepat.

*UJI VALIDITASVALIDITAS ISIVALIDITAS KONSTRUKUJI VALIDITASTercermin pada besaran koefisien korelasi antara skor butir dengan skor total instrumen. Dikatakan valid bila koefisien korelasinya signifikan dan positipPengujian dilakukan dengan menggunakan kriteria-kriteria eksternal, namun tetap menggunakan koefisien korelasiVALIDITAS INTERNALVALIDITAS EKSTERNALVALIDITAS EMPIRISTelaah konsep atau teori yang membentuknyaTelaah kisi-kisi tes, lebih berdasarkan logikaMempunyai ukuran statistik. Instrumen diuji berdasarkan kriteria-kriteria

*KONSISTENSI TANGGAPANKONSISTENSI GABUNGAN ITEMUJI RELIABILITASUJI RELIABILITASMempersoalkan apakah tanggapan responden terhadap instrumen tersebut sudah baik atau konsisten. Dalam hal ini apabila suatu instrumen telah digunakan kepada responden, kemudian digunakan kembali pada respoonden yang sama, apakah hasilnya masih tetap mantap konsisten seperti hasil yang pertama.Teknik test-retestTeknik belah duaBentuk EkivalenBerkaitan dengan kemantapan atau konsistensi antara item-item suatu tes. Maknanya, apakah terhadap responden yang sama, item yang satu menunjukkan hasil ukur yang sama dengan item yang lainnya ? Dengan kata lain hasil ukur item yang satu dengan item yang lain tidak kontradiksi.Rumus Kuder-RichardsonRumus Alpa-CronbachRumus HoytBACK

*LANGKAH V : MENENTUKAN MATRIK INPUT DAN ESTIMASIMATRIK KORELASITujuan : untuk melihat pola hubungan antara variabelKelemahan : menyederhanakan interpretasi karena satuan pengukuran dihilangkan

MATRIK VARAN-KOVARIANTujuan : untuk menguji teoriKelemahan : interpretasinya menjadi agak sulit karena koefisien-koefisiennya diinterpretasikan melalui unit-unit pengukuranMENENTUKAN MATRIK INPUTMAXIMUM LIKELIHOOD :Bila ukuran sampel Kecil, < 200, dan asumsi normalitas terpenuhi.

MAXIMUM LIKELIHOOD ATAU GENERALIZED LEAST SQUARE:Bila ukuran sampel antara 200-500 dan asumsi normalitas cukup dipenuhi

ASYMPTOTICALLY DISTRIBUTION-FREE:Bila ukuran sampel besar, lebih dari 500 dan asumsi normalitas tidak terpenuhiMENENTUKAN METODE ESTIMASIBACK

*LANGKAH VI : EVALUASI MODEL1. APRIORI TEST ATAU EVALUASI MODEL SECARA TEORITIS. MENYANGKUT MASALAH TANDA HUBUNGAN ANTARA VARIABEL.

2.STATISTIC TEST ATAU UJI SIGNIFIKANSI MODEL, DIANTARANYA UJI PARSIAL UNTUK MASING-MASINGKOEFISIEN, DAN UJI SERENTAK UNTUK MODEL

MODEL DIKATAKAN PALING BAIK JIKA BISA LOLOS DARI DUA TES INI. JIKA HANYA SALAH SATU SAJA, MAKA PERLU DIDAHULUKAN UJI MANA YANG LEBIH DIPENTINGKAN. ATAU MELAKUKANRESPESIFIKASI MODEL HINGGA DIPEROLEH YANG SIGNIFIKAN.BACK

*