FAKTOR YANG MENENTUKAN UKURAN SAMPEL DAN CONTOHNYA

Faktor yang menentukan ukuran sampel dan contohnya adalah: a.     Pentingnya keputusan. b.     Sifat dari penelitian. c.     Jumlah variabel d.     Sifat dari analisa. e.     Ukuran sample dalam penelitian sejenis f.      Tingkat luasnya akibat. g.     Tingkat penyelesaian. h.     Keterbatasan sumber. Umumnya, untuk keputusan yang lebih penting, banyak informasi yang diperlukan, dan informasi yang akan diperoleh sangat tepat. Sifat dari penelitian juga mempengaruhi ukuran sample. Untuk explaratory research design, seperti yang digunakan dalam riset kualitatif, ukuran sample adalah khusus kecil. Untuk conclusive research, seperti survey deskriptif, sample besar yang akan digunakan. Keputusan tentang ukuran yang digunakan juga ditentukan oleh pertimbangan-pertimbangan keterbatasan sumber daya yang tersedia, misalnya masalah biaya dan waktu yang terbatas. Keterbatasan yang lain termasuk ketersediaan personel yang berkualitas untuk mengumpulkan data. Faktor terpenting dalam menentukan ukuran sampel yang dibutuhkan untuk mengestimasi sebuah parameter populasi adalah ukuran dari varians populasi. Semakin besar dispersi atau varians dalam populasi, semakin besar pula jumlah sampel yang diperlukan untuk menghasilkan ketepatan estimasi (Cooper & Emory : 1995). Walaupun periset pemasaran seringkali dipengaruhi oleh keuangan dalam keputusan terhadap ukuran sampel, pada beberapa kejadian dia akan menghitung ukuran sampel yang diperlukan dalam rangka untuk memberikan dia terhadap keluasan interval yang dia inginkan dan derajat kepercayaan yang diinginkan.  Hubungan antara tiga pertimbangan ini telah siap timbul jika diketahui bahwa (untuk populasi terbatas) setengah dari lebar estimasi interval (h) adalah sama dengan z.^x­.  Dalam persamaan ini simbol untuk x­ estimasi dinyatakan sebagai z ^sx­. dan h = zs^x­ = zs^/Ön. Simpangan baku harus merupakan suatu angka  estimasi karean sampel tidak akan terpilih sementara periset mencoba untuk memutuskan ukuran sampel.  Biasanya estimasinya tentang simpangan baku akan berdasarkan pada pengalaman sebelumnya dalam bekerja dengan populasi yang sama. Tiga komponen tentang hubungan di atas membentuk dasar untuk mengijinkan periset dalam mengembangkan dua tingkat yang diinginkannya pada saat yang ketiga diijinkan untuk mencari tingkatnya sendiri.  Jika periset menetapkan kepercayaan (z) yang dia inginkan dan ukuran interval, dia harus kemudian terikat pada ukuran sampel yang telah ditetapkan dengan persamaan yang dapat dinyatakan dalam bentuk n n = z² ^s²/h² Contoh Periset berharap untuk mengambil suatu sampel dari populasi tetapi sedang mencoba memutuskan berapa besar sampel yang akan diambil.  Dia memutuskan untuk suatu tingkat kepercayaan sebesar 95 persen dan juga menginginkan lebar intervalnya tidak lebih besar dari 5.  Jika dia mengestimasi bahwa populasinya memiliki suatu simpangan baku sebesar 7, berapa besar sampel yang akan diperlukan? Pemecahan: n = z² ^s²/h² = (1.96)²(7)²/(2.5)² = 30.1 Dengan dasar pada perhitungan ini periset akan mungkin memilih pendekatan konservatif untuk kebutuhannya dan menetapkan ukuran sampel sebesar 31. Pada kasus populasi terbatas, harus dicatat bahwa keputusan pada ukuran sampel mungkin (jika n  0.05 N) membutuhkan penyelesaian untuk n dalam persamaan:           h = z.sx = z. . Jika bekerja dengan proporsi maka perlu dicatat bahwa interval setengah dinyatakan sebagai: h = z.sx        h = z Jika diselesaikan untuk n persamaan ini:           z² (pq)   n = ­­­­­­­­­­       h² Karena periset belum memiliki nilai sampel untuk p dan q, dia membuat estimasi untuk    kedua komponen tersebut.  Kekurangan akan dasar untuk mengestimasi dia mungkin akan mengambil pendekatan konservatif untuk menjamin bahwa dia mendapatkan suatu sampel yang cukup besar.  Dalam kasus estimasi sehubungan dengan proporsi, pendekatan ini memakai untu nilai p = 0.5 dan q = 0.5.  Yang perlu dicatat bahwa hasil kali p dan q adalah pada tingkat terbesar jika p = 0.5.  Jika hasil kali adalah pada hasil terbesarnya, ukuran sampel adalah terbesar.

TAHAPAN PROBABILITAS DAN NONPROBABILITAS

Tahap sampel probabilitas Terdapat empat metode dalam penarikan sampel probabilitas. Metode dalam penarikan sampel probabilitas akan dijelaskan sebagai berikut: (Asep, 2005) 1.      Sampel Acak Sederhana Metode sampel acak sederhana merupakan suatu prosedur yang memungkinkan setiap elemen dalam populasi akan memiliki peluang yang sama untuk dijadikan sampel. 2.      Sampel Berstrata Metode penarikan sampel berstrata merupakan suatu prosedr penarikan sampel berstrata yang dalam hal ini suatu subsampel –subsampel acak sederhana ditarik dari setiap strata yang kurang lebih sama dalam beberapa karakteristik. Ada dua macam penarikan sampel berstrata yaitu, proporsional dan Non-Proporsional. 3.      Sampel Berkelompok Metod penarikan data sampel berkelompok merupakan suatu prosedur penarikan sampel probabilitas yang memilih sub-populasi yang disebut cluster, kemudian setiap elemen didalam kelompok dipilih sebagai anggota sampel 4.      Sampel Sistematik Metode penarikan sampel sistematik, populasi dibagi dengan ukuran sampel yang diperlukan (n) dan sampel diperoleh dengan cara mengambil setiap subyek ke-n. Tahap sampel nonprobabilitas Terdapat  lima teknik pengambilan teknik sampling non probabilistik. Berikut ini adalah uraian penjelasan dari ke lima teknik sampling non probabilistik: (Al-Assaf, 2009) 1.      Teknik Haphazard Teknik hapzard adalah teknik pengambilan sampel dimana satuan pengamatannya diperoleh secara sembarangan atau sedapatnya. 2.      Teknik Voluntary Teknik voluntary adalah teknik yang dilakukan jika satuan sampling dikumpulkan atas dasar sukarela. 3.      Teknik Purposive Teknik purposive merupakan teknik  pengambilan sampel yang dilakukan dengan memilih satuan sampling atas dasar pertimbangan sekelompok pakar di bidangilmu yang sedang diteliti 4.      Teknik Snowball Teknik snowball merupakan teknik pengambilan sampel dimana satuan pengamatan diambil berdasarkan informasi dari satuan pengamatan sebelumnya yang sudah terpilih. 5.      Teknik Kuota Teknik pengambilan sampel ini banyak diterapkan pada penelitian pasar dan penelitian pengumpulan pendapat (opinion poll) atau jejak pendapat. Teknik dilakukan dengan melakukan penjatahan terhadap kelompok satuanpengamatan secara berjenjang.

METODE PEMILIHAN SAMPEL PROBABILITAS DAN NONPROBABILITAS

Metode pemilihan sampel probabilitas lebih memungkinkan memperoleh sampel yang representatif daripada metode pemilihan sampel nonprobabilitas karena Teknik sampling probabilitas (probability) merupakan teknik yang memberikan peluang  atau kesempatan yang sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi anggota sampel. Selain itu probability sampling merupakan pemilihan sampel tidak dilakukan secara subjektif, dalam arti sampel yang terpilih tidak didasarkan semata-mata pada keinginan si peneliti sehingga setiap anggota populasi memiliki kesempatan yang sama (acak) untuk terpilih sebagai sampel. Dengan demikian diharapkan sampel yang terpilih dapat digunakan untuk mendug karakteristik populasi secara objektif..Teknik Probilitas ini bertujuan mendapatkan data seakurat mungkin agar diketahui jarak pasti dari kondisi ideal. (Asep, 2005) Metode Penarikan Sampel Probabilitas Terdapat empat metode dalam penarikan sampel probabilitas. Metode dalam penarikan sampel probabilitas akan dijelaskan sebagai berikut: (Asep, 2005) 1.       Sampel Acak Sederhana Metode sampel acak sederhana merupakan suatu prosedur yang memungkinkan setiap elemen dalam populasi akan memiliki peluang yang sama untuk dijadikan sampel. 2.      Sampel Berstrata Metode penarikan sampel berstrata merupakan suatu prosedr penarikan sampel berstrata yang dalam hal ini suatu subsampel –subsampel acak sederhana ditarik dari setiap strata yang kurang lebih sama dalam beberapa karakteristik. Ada dua macam penarikan sampel berstrata yaitu, proporsional dan Non-Proporsional. 3.      Sampel Berkelompok Metod penarikan data sampel berkelompok merupakan suatu prosedur penarikan sampel probabilitas yang memilih sub-populasi yang disebut cluster, kemudian setiap elemen didalam kelompok dipilih sebagai anggota sampel 4.       Sampel Sistematik Metode penarikan sampel sistematik, populasi dibagi dengan ukuran sampel yang diperlukan (n) dan sampel diperoleh dengan cara mengambil setiap subyek ke-n. Sedangkan Teknik non-probilitas merupakan teknik yang tidak memberikan peluang atau kesempatan sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel. Teknik ini terdiri sampling sistematis, sampling kuota, sampling aksidental, sampling purposive, sampling jenuh dan snowball sampling. nonprobability sampling seringkali menjadi alternative pilihan dengan pertimbangan yang terkait dengan penghematan biaya, waktu dan tenaga serta keterandalan subjektifitas peneliti. Di samping itu pertimbangan lainnya adalah walaupun probability sampling mungkin saja lebih unggul dalam teori, tetapi dalam pelaksanaannya seringkali dijumpai adanya beberapa kesalahan akibat kecerobohan dari si pelaksananya. Dalam penggunaan non-probability sampling, pengetahuan, kepercayaan dan pengalaman seseorang seringkali dijadikan pertimbangan untuk menentukan anggota populasi yang akan dipilih sebagai sampel. Pengambilan sampel dengan memperhatikan factor-faktor tersebut menyebabkan tidak semua anggota populasi memiliki kesempatan yang sama untuk dipilih secara acak sebagai sampel. Dalam prakteknya terkadang ada bagian tertentu dari populasi tidak dimasukkan dalam pemilihan sampel untuk mewakili populasi. Teknik Pengambilan Sampel Non-Probability Terdapat  lima teknik pengambilan teknik sampling non probabilistik. Berikut ini adalah uraian penjelasan dari ke lima teknik sampling non probabilistik: (Al-Assaf, 2009) 1.      Teknik Haphazard Teknik hapzard adalah teknik pengambilan sampel dimana satuan pengamatannya diperoleh secara sembarangan atau sedapatnya. 2.      Teknik Voluntary Teknik voluntary adalah teknik yang dilakukan jika satuan sampling dikumpulkan atas dasar sukarela. 3.      Teknik Purposive Teknik purposive merupakan teknik  pengambilan sampel yang dilakukan dengan memilih satuan sampling atas dasar pertimbangan sekelompok pakar di bidangilmu yang sedang diteliti 4.      Teknik Snowball Teknik snowball merupakan teknik pengambilan sampel dimana satuan pengamatan diambil berdasarkan informasi dari satuan pengamatan sebelumnya yang sudah terpilih. 5.      Teknik Kuota Teknik pengambilan sampel ini banyak diterapkan pada penelitian pasar dan penelitian pengumpulan pendapat (opinion poll) atau jejak pendapat. Teknik dilakukan dengan melakukan penjatahan terhadap kelompok satuanpengamatan secara berjenjang.

PENGERTIAN POPULASI, POPULASI TARGET, SAMPELSBYEK, DAN KERANGKA SAMPEL

1.      Pengertian Populasi Populasi adalah merupakan wilayah generalisasi yang terdiri dari obyek/subyek yang memiliki kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Itulah definisi populasi dalam penelitian. Populasi di sini maksudnya bukan hanya orang atau makhluk hidup, akan tetapi juga benda-benda alam yang lainnya. Populasi juga bukan hanya sekedar jumlah yang ada pada obyek atau subyek yang dipelajari, akan tetapi meliputi semua karakteristik, sifat-sifat yang dimiliki oleh obyek atau subyek tersebut. Bahkan satu orangpun bisa digunakan sebagai populasi, karena satu orang tersebut memiliki berbagai karakteristik, misalnya seperti gaya bicara, disiplin, pribadi, hobi, dan lain sebagainya. Di bawah ini beberapa pengertian populasi menurut para ahli: Menurut, Ismiyanto – populasi adalah keseluruhan subjek atau totalitas subjek penelitian yang dapat berupa; orang, benda, / suatu hal yang di dalamnya dapat diperoleh dan atau dapat memberikan informasi (data) penelitian. Sedangkan Arikunto – Populasi adalah keseluruhan objek penelitian. Apabila seseorang ingin meneliti semua elemen yang ada dalam wilayah penelitian, maka penelitiannya merupakan penelitian populasi. Dan menurut Sugiyono – Populasi adalah wilayah generalisasi yang terdiri atas, obyek/subjek yang mempunyai kuantitas & karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. 2.      Pengertian Populasi Target Populasi yang menjadi sasaran akhir penerapan hasil penelitian disebut sebagai populasi target (target population). Beberapa ahli menyatakan sebagai ranah atau domain. 3.      Pengertian Sampel sebagian atau wakil dari populasi yang diambil dengan menggunakan cara-cara tertentu. Dalam pengambilan sampel ini didasarkan pada pendapat Sutrisno Hadi (2004:81) yang mengatakan bahwa, sebenarnya tidaklah ada sesuatu ketetapan mutlak beberapa prosen suatu sampel harus diambil dari populasi ketidak adaan ketetapan yang mutlak itu tidak perlu keragu-raguan pada seorang peneliti. Sedangkan menurut Margono (2007:125), teknik sampling adalah cara untuk menentukan sampel yang jumlahnya sesuai dengan ukuran sampel yang akan dijadikan sumber data sebenarnya, dengan memperhatikan sifat-sifat dan penyebaran populasi agar diperoleh sampel yang representatif. Dari kedua pendapat diatas dapat diambil kesimpulan bahwa besar kecilnya sampel dalam ukuran penelitian itu tidak ditentukan oleh populasi akan tetapi dinyatakan oleh dasar teori, mutu pelaksanaan, serta pengelolaannya, sehingga peneliti tidak usah ragu dalam pengambilan sampel. 4.      Pengertian Subyek Subjek atau subyek adalah bagian klausa yang menandai apa yang dibicarakan oleh pembicara. Bagian klausa yang lain selain subjek adalah predikat. Subjek tidak selalu sama dengan pelaku atau aktor, terutama dalam kalimat pasif. Contoh: "Kamu ditangkap polisi" dan "polisi menangkap kamu" memiliki pelaku/aktor yang sama, yaitu "polisi" sedangkan subjeknya berbeda: "kamu" dan "polisi". 5.      Pengertian Kerangka Sampel adalah suatu daftar berisikan unit-unit sampling.

CONTOH INSTRUMEN MENGGUNAKAN SKALA PENGUKURAN

1.     DATA NOMINAL Ø  Jenis kelamin manusia, 1 untuk pria, 2 untuk wanita. Ø  Misalnya tentang jenis olahraga yakni tenis, basket, dan renang. Masing-masing anggota set di atas kita berikan angka, misalnya tenis (1), basket (2) dan renang (3). Tetapi angka yang diberikan tidak menunjukkan bahwa tingkat olahraga basket lebih tinggi dari tenis ataupun sebaliknya. Ø  Misalnya bentuk bank syariah di Indonesia: Bank Umum Syariah diberi kategori 2; BPR Syariah diberi kategori l. Ø  Data mengenai barang-barang yang dihasilkan oleh sebuah mesin dapat digolongkan dalam kategori cacat atau tidak cacat. Barang yang cacat bisa diberi angka 0 dan yang tidak cacat diberi angka 1. Ø  Status pernikahan yang terdiri dari tiga kategori yaitu: (1) Belum menikah, (2) Menikah, (3) Janda/ Duda. Data tersebut memiliki sifat-sifat yang sama dengan data tentang jenis kelamin. 2.     DATA ORDINAL Ø  Contoh: Mengubah nilai ujian ke nilai prestasi, yaitu: 1)   nilai A adalah dari 80-100 2)   nilai B adalah dari 65-79 3)   nilai C adalah dari 55-64 4)   nilai D adalah dari 45-54 5)   nilai E adalah dari 0-44 Ø  Misalnya dalam skala Likert (Moh Nazir), mulai dari sangat setuju, setuju, ragu-ragu, tidak setuju sampai sangat tidak setuju. Ø  Jawaban pertanyaan tentang kecenderungan masyarakat untuk menghadiri rapat umum pemilihan kepala daerah, mulai dari tidak pernah absen menghadiri dengan kode 5, kadang-kadang saja menghadiri dengan kode 4, kurang menghadiri dengan kode 3, tidak pernah menghadiri dengan kode 2, sampai tidak ingin menghadiri sama sekali dengan kode 1. Ø  Contoh Skala Ordinal: ü  Urutkan merk sepeda motor berikut dari yang paling anda sukai. ü  Merk                                        Ranking ü  Yamaha                                ……….                       ü  Honda                                    ………. ü  Suzuki                                     ………. ü  Kawasaki                              ………. Ø  Sistem kepangkatan dalam dunia militer adalah satu contoh dari data berskala ordinal Pangkat dapat diurutkan atau dirangking dari Prajurit sampai Sersan berdasarkan jasa, dan lamanya pengabdian. Jika peneliti merangking data lamanya pengabdian maka peneliti dapat memberikan nilai 1, 2, 3, … , 4 dst masing-masing terhadap seseorang anggota ABRI yang berpangkat Prajurit, Kopral, Sersan, dst. 3.     DATA INTERVAL Ø  Data ini memiliki ciri sama dengan ciri pada data ordinal ditambah satu ciri lagi, yaitu urutan kategori data mempunyai jarak yang sama. A    B    C    D    E 1      2    3     4    5 interval A sampai C adalah 3-1=2. Interval C sampai D adalah 4-3=1. Kedua interval ini dapat dijumlahkan menjadi 2+1=3. atau interval antara A dan D adalah 4-1=3. Pada data ini yang dijumlahkan bukanlah kuantitas atau besaran, melainkan interval dan tidak terdapat titik nol absoult. Ø  Misalnya tentang nilai ujian 6 orang mahasiswa, yakni A, B, C, D, E dan F diukur dengan ukuran interval pada skala prestasi dengan ukuran 1,2,3,4,5 dan 6, maka dapat dikatakan bahwa beda prestasi antara mahasiswa C dan A adalah 3-1=2. Beda prestasi antara mahasiswa C dan F adalah 6-3=3. Tetapi tidak bisa dikatakan bahwa prestasi mahasiswa E adalah 5 kali prestasi mahasiswa A ataupun prestasi mahasiswa F adalah 3 kali lebih baik dari prestasi mahasiswa B. Ø  Data tentang suhu empat buah benda A, B, C , dan D yaitu masing-masing 20. 30, 60, dan 70 derajat Celcius, maka data tersebut adalah data dengan skala pengukuran interval karena selain dapat dirangking, peneliti juga akan tahu secara pasti perbedaan antara satu data dengan data lainnya. Perbedaan data suhu benda pertama dengan benda kedua misalnya, dapat dihitung sebesar 10 derajat, dst. Namun dalam skala interval, tidak mungkin kita melakukan perbandingan antara satu data dengan data yang lainnya. Kita tidak dapat mengatakan bahwa suhu 60 derajat Celcius dari benda C dan 30 derajat Celcius untuk suhu benda B berarti bahwa benda C 2x lebih panas dari benda B. Ø  Kecerdasan intelektual yang dinyatakan dalam IQ. Rentang IQ 100 sampai 110 memiliki jarak yang sama dengan 110 sampai 120. Namun demikian tidak dapat dinyatakan orang yang memiliki IQ 150 tingkat kecerdasannya 1,5 kali dari orang yang memiliki IQ 100. Ø  Dalam banyak kegiatan penelitian, data skor yang diperoleh melalui kuesioner (misalnya skala sikap atau intensitas perilaku) sering dinyatakan sebagai data interval setelah alternatif jawabannya diberi skor yang ekuivalen (setara) dengan skala interval, misalnya: Skor (5) untuk jawaban “Sangat Setuju” Skor (4) untuk jawaban “Setuju” Skor (3) untuk jawaban “Tidak Punya Pendapat” Skor (2) untuk jawaban “Tidak Setuju” Skor (1) untuk jawaban “Sangat Tidak Setuju” Dalam pengolahannya, skor jawaban kuesioner diasumsikan memiliki sifat-sifat yang sama dengan data interval.  4.     DATA RASIO Ø  Contoh : A dan B adalah dua mahasiswa Universitas “X” yang nilai mata kuliah statistik 1 masing-masing 60 dan 90. Ukuran rasionya dapat dinyatakan bahwa nilai B adalah nilai 1,5 kali nilai A. Ø  Jika ada 4 pengemudi, A, B, C dan D mempunyai pendapatan masing-masing perhari Rp10.000 , Rp30.000 , Rp40.000 dan Rp50.000. bila dilihat dengan ukran rasio maka pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Pendapatan pengemudi D adalah 5 kali pendapatan pengemudi A. Dengan kata lain, rasio antara pengemudi C dan A adalah 4:1, rasio antara pengemudi D dan A adalah 5:1. Ø  Berat badan bayi yang diukur dengan skala rasio, bayi A memiliki berat badan 3 kg. Bayi B memiliki berat 2 kg dan bayi C memiliki berat 1 kg. Jika diukur dengan skala rasio, maka bayi A memiliki rasio berat badan 3 kali dari berat badan bayi C, dst. Ø  Data mengenai berat adalah data yang berskala rasio. Dengan skala ini kita dapat mengatakan bahwa data berat badan 80 kg adalah 10 kg lebih berat dari yang 70 kg, tetapi juga dapat mengatakan bahwa data 80 kg adalah 2x lebih berat dari data 40 kg. Ø  Data hasil pengukuran berat suatu benda yang dinyatakan dalam gram memiliki semua sifat-sifat sebagai data interval. Benda yang beratnya 1 kg berbeda secara nyata dengn benda yang beratnya 2kg. Ukuran berat benda dapat diurutkan mulai dari yang terberat sampai yang teringan. Perbedaan antara benda yang beratnya 1 kg dengan 2 kg memiliki rentang berat yang sama dengan perbedaan antara benda beratnya 2 kg dengan 3 kg. Angka 0 kg menunjukkan tidak ada benda (berat) yang diukur. Benda yang beratnya 2 kg 2 kali lebih berat dibandingkan dengan benda yang beratnya 1 kg.

SKALA PENGUKURAN PENELITIAN

1.    Data nominal Sebelum kita membicarakan bagaimana alat analisis data digunakan, berikut ini akan diberikan ulasan tentang bagaimana sebenarnya data nominal yang sering digunakan dalam statistik nonparametrik bagi mahasiswa. Menuruti Moh. Nazir, data nominal adalah ukuran yang paling sederhana, dimana angka yang diberikan kepada objek mempunyai arti sebagai label saja, dan tidak menunjukkan tingkatan apapun. Ciri-ciri data nominal adalah hanya memiliki atribut, atau nama, atau diskrit. Data nominal merupakan data diskrit dan tidak memiliki urutan. Bila objek dikelompokkan ke dalam set-set, dan kepada semua anggota set diberikan angka, set-set tersebut tidak boleh tumpang tindih dan bersisa. Misalnya tentang jenis olah raga yakni tenis, basket dan renang. Kemudian masing-masing anggota set di atas kita berikan angka, misalnya tenis (1), basket (2) dan renang (3). Jelas kelihatan bahwa angka yang diberikan tidak menunjukkan bahwa tingkat olah raga basket lebih tinggi dari tenis ataupun tingkat renang lebih tinggi dari tenis. Angka tersebut tidak memberikan arti apa-apa jika ditambahkan. Angka yang diberikan hanya berfungsi sebagai label saja. Begitu juga tentang suku, yakni Dayak, Bugis dan Badui. Tentang partai, misalnya Partai Bulan, Partai Bintang dan Partai Matahari. Masing-masing kategori tidak dinyatakan lebih tinggi dari atribut (nama) yang lain. Seseorang yang pergi ke Jakarta, tidak akan pernah mengatakan dua setengah kali, atau tiga seperempat kali. Tetapi akan mengatakan dua kali, lima kali, atau tujuh kali. Begitu juga tentang ukuran jumlah anak dalam suatu keluarga. Numerik yang dihasilkan akan selalu berbentuk bilangan bulat, demikian seterusnya. Tidak akan pernah ada bilangan pecahan. Data nominal ini diperoleh dari hasil pengukuran dengan skala nominal. Menuruti Sugiono, alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang digunakan untuk data nominal adalah Coefisien Contingensi. Akan tetapi karena pengujian hipotesis Coefisien Contingensi memerlukan rumus Chi Square (χ2), perhitungannya dilakukan setelah kita menghitung Chi Square. Penggunaan model statistik nonparametrik selain Coefisien Contingensi tidak lazim dilakukan. 2.    Data ordinal Bagian lain dari data kontinum adalah data ordinal. Data ini, selain memiliki nama (atribut), juga memiliki peringkat atau urutan. Angka yang diberikan mengandung tingkatan. Ia digunakan untuk mengurutkan objek dari yang paling rendah sampai yang paling tinggi, atau sebaliknya. Ukuran ini tidak memberikan nilai absolut terhadap objek, tetapi hanya memberikan peringkat saja. Jika kita memiliki sebuah set objek yang dinomori, dari 1 sampai n, misalnya peringkat 1, 2, 3, 4, 5 dan seterusnya, bila dinyatakan dalam skala, maka jarak antara data yang satu dengan lainnya tidak sama. Ia akan memiliki urutan mulai dari yang paling tinggi sampai paling rendah. Atau paling baik sampai ke yang paling buruk. Misalnya dalam skala Likert (Moh Nazir), mulai dari sangat setuju, setuju, ragu-ragu, tidak setuju sampai sangat tidak setuju. Atau jawaban pertanyaan tentang kecenderungan masyarakat untuk menghadiri rapat umum pemilihan kepala daerah, mulai dari tidak pernah absen menghadiri, dengan kode 5, kadang-kadang saja menghadiri, dengan kode 4, kurang menghadiri, dengan kode 3, tidak pernah menghadiri, dengan kode 2 sampai tidak ingin menghadiri sama sekali, dengan kode 1. Dari hasil pengukuran dengan menggunakan skala ordinal ini akan diperoleh data ordinal. Alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang lazim digunakan untuk data ordinal adalah Spearman Rank Correlation dan Kendall Tau. 3.    Data interval Pemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran ordinal dan ditambah satu sifat lain, yakni jarak yang sama pada pengukuran dinamakan data interval. Data ini memperlihatkan jarak yang sama dari ciri atau sifat objek yang diukur. Akan tetapi ukuran interval tidak memberikan jumlah absolut dari objek yang diukur. Data yang diperoleh dari hasil pengukuran menggunakan skala interval dinamakan data interval. Misalnya tentang nilai ujian 6 orang mahasiswa, yakni A, B, C, D, E dan F diukur dengan ukuran interval pada skala prestasi dengan ukuran 1, 2, 3, 4, 5 dan 6, maka dapat dikatakan bahwa beda prestasi antara mahasiswa C dan A adalah 3 – 1 = 2. Beda prestasi antara mahasiswa C dan F adalah 6 – 3 = 3. Akan tetapi tidak bisa dikatakan bahwa prestasi mahasiswa E adalah 5 kali prestasi mahasiswa A ataupun prestasi mahasiswa F adalah 3 kali lebih baik dari prestasi mahasiswa B. Dari hasil pengukuran dengan menggunakan skala interval ini akan diperoleh data interval. Alat analisis (uji hipotesis asosiatif) statistik parametrik yang lazim digunakan untuk data interval ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression. 4.    Data rasio Ukuran yang meliputi semua ukuran di atas ditambah dengan satu sifat yang lain, yakni ukuran yang memberikan keterangan tentang nilai absolut dari objek yang diukur dinamakan ukuran rasio (data rasio). Data rasio, yang diperoleh melalui pengukuran dengan skala rasio memiliki titik nol. Karenanya, interval jarak tidak dinyatakan dengan beda angka rata-rata satu kelompok dibandingkan dengan titik nol di atas. Oleh karena ada titik nol, maka data rasio dapat dibuat perkalian ataupun pembagian. Angka pada data rasio dapat menunjukkan nilai sebenarnya dari objek yang diukur. Jika ada 4 orang pengemudi, A, B, C dan D mempunyai pendapatan masing-masing perhari Rp. 10.000, Rp.30.000, Rp. 40.000 dan Rp. 50.000. Bila dilihat dengan ukuran rasio maka pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Pendapatan pengemudi D adalah 5 kali pendapatan pengemudi A. Pendapatan pengemudi C adalah 4/3 kali pendapatan pengemudi B. Dengan kata lain, rasio antara pengemudi C dan A adalah 4 : 1, rasio antara pengemudi D dan A adalah 5 : 1, sedangkan rasio antara pengemudi C dan B adalah 4 : 3. Interval pendapatan pengemudi A dan C adalah 30.000, dan pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Contoh data rasio lainnya adalah berat badan bayi yang diukur dengan skala rasio. Bayi A memiliki berat 3 Kg. Bayi B memiliki berat 2 Kg dan bayi C memiliki berat 1 Kg. Jika diukur dengan skala rasio, maka bayi A memiliki rasio berat badan 3 kali dari berat badan bayi C. Bayi B memiliki rasio berat badan dua kali dari berat badan bayi C, dan bayi C memiliki rasio berat badan sepertiga kali berat badan bayi A, dst. Dari hasil pengukuran dengan menggunakan skala rasio ini akan diperoleh data rasio. Alat analisis (uji hipotesis asosiatif) yang digunakan adalah statistik parametrik dan yang lazim digunakan untuk data rasio ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression.Sesuai dengan ulasan jenis pengukuran yang digunakan, maka variabel penelitian lazimnya bisa di bagi menjadi 4 jenis variabel, yakni variabel (data) nominal, variabel (data) ordinal, variabel (data) interval, dan variabel (data) rasio. Variabel nominal, yaitu variabel yang dikategorikan secara diskrit dan saling terpisah satu sama lain, misalnya status perkawinan, jenis kelamin, suku bangsa, profesi pekerjaan seseorang dan sebagainya. Variabel ordinal adalah variabel yang disusun atas dasar peringkat, seperti motivasi seseorang untuk bekerja, peringkat perlombaan catur, peringkat tingkat kesukaran suatu pekerjaan dan lain-lain. Variabel interval adalah variabel yang diukur dengan ukuran interval seperti indek prestasi mahasiswa, skala termometer dan sebagainya, sedangkan variabel rasio adalah variabel yang disusun dengan ukuran rasio seperti tingkat penganggguran, penghasilan, berat badan, dan sebagainya.

PENGERTIAN UNIT ANALISIS DALAM PENELITIAN

Pengertian unit analisis dalam penelitian adalah satuan tertentu yang diperhitungkan sebagai subjek penelitian. Dalam pengertian yang lain, Unit analisis diartikan sebagai sesuatu yang berkaitan dengan fokus/ komponen yang diteliti. Unit analisis ini dilakukan oleh peneliti agar validitas dan reabilitas penelitian dapat terjaga. Karena terkadang peneliti masih bingung membedakan antara objek penelitian, subjek penelitian dan sumber data. Unit analisis suatu penelitian dapat berupa individu, kelompok, organisasi, benda, wilayah dan waktu tertentu sesuai dengan pokus permasalahannya. Contohnya penelitian Victor Tanja Himpunan Mahasiswa Islam : Sejarah dan Kedudukannya di Tengah Gerakan-gerakan Muslim pembaharu di Indonesia. Dalam penelitian ini unit analisisnya adalah HMI sebagai organisasi.

PERBEDAAN STUDI KEPUSTAKAAN, LABORATORIUM, DAN LAPANGAN

Perbedaan studi kepustakaan, laboratorium, dan lapangan 1. Penelitian pustaka (Library Research) Suatu penelitian yang yang dilakukan di ruang perpustakaan untuk menghimun dan menganalisis  data yang bersumber dari perpustakaan, baik berupa buku, majalah ilmiah, kisah-kisah sejarah, dokumen- dokumen maupun materi perpustakaan lainnyayang dapat dijadikan rujukan dalam penulisan ilmiah. 2. Penelitian laboratorium, suatu penelitian yang dilakukan di dalam laboratorium yaitu suatu tempat yang dilengkapi perangkat khusus untuk melakukan penyelidikan terhadap gejala tertentu melalui tes-tes atau uji yang juga dilakukan untuk menyusun karya ilmiah. 3. Penelitian Lapangan yatu suatu penelitian yag dilakukan di lapangan ata di lokasi penelitian, suatu tempat yang dipiih sebagai lokasi untuk menyelidiki gejala objektif yang juga dilakukan dalam rangka penyusunan karya ilmiah.

CONTOH-CONTOH HIPOTESIS

·         Contoh hipotesis deskriptif adalah Seorang mahasiwa mengamati di salah satu kampus swasta ataupun negeri 3 dari 5 Mahasiswi memakai flatshoes kekampus. ·         Contoh hipotesis komparatif adalah Bagaimanakah produktifitas kinerja guru di SD X jika dibandingkan dengan kinerja guru di SD Y ·         Contoh hipotesis korelasional adalah Asumsi: Jumlah tenaga ahli dalam suatu perusahaan berhubungan dengan tingkat hasil produksi Tenaga ahli akan sulit bekerja di bawah peraturan kerja yang ketat Peraturan kerja dalam perusahaan berhubungan dengan tingkat hasil produksi. Hipotesis: Semakin besar jumlah tenaga ahli dalam suatu perusahaan, semakin rendah tingkat keketatan peraturan kerja perusahaan, berhubungan dengan h menerima proses perdamaian hasil produksi yang semakin meningkat. ·         Contoh hipotesis proposisi adalah Proposisi: Pelanggan telepon selular menetapkan pilihan operator yang menurutnya paling memuaskan Hipotesis: Ada hubungan mutu pelayanan operator telepon selular dengan kepuasan pelanggan ·         Contoh hipotesis jika-maka adalah Jika pegawai mengalami tekanan dalam bekerja yang lebih rendah, maka mereka akan memperoleh kepuasan kerja yang lebih tinggi. ·         Contoh hipotesis makin-semakin adalah Semakin besar jumlah tenaga ahli dalam suatu perusahaan, semakin rendah tingkat keketatan peraturan kerja perusahaan, berhubungan dengan hasil produksi yang semakin meningkat. ·         Contoh hipotesis Alternatif (Ha) adalah Ada pengaruh signifikan kenaikan gaji terhadap kinerja pegawai Contoh hipotesis NOL (Ho) adalah Tidak ada pengaruh signifikan kenaikan gaji terhadap kinerja pegawai

PENGERTIAN HIPOTESIS DAN CIRI HIPOTESIS

Pengertian hipotesis adalah jawaban sementara terhadap masalah yang masih bersifat praduga karena masih harus dibuktikan kebenarannya. Ciri hipotesis yang baik adalah 1) Hipotesis harus mempunyai daya penjelas 2) Hipotesis harus menyatakan hubungan yang diharapkan ada di antara variabel-variabel-variabel. 3) Hipotesis harus dapat diuji 4) Hipotesis hendaknya konsistesis dengan pengetahuan yang sudah ada. 5) Hipotesis hendaknya dinyatakan sesederhana dan seringkas mungkin.

PENGERTIAN KERANGKA BERPIKIR DAN TELAAH LITERATUR

Kerangka berpikir adalah penjelasan sementara terhadap suatu gejala yang menjadi objek permasalahan kita. Kerangka berpikir iini disusun dengan berdasarkan pada tinjauan pustaka dan hasil penelitian yang relevan atau terkait. Kerangka berpikir ini merupakan suatu argumentasi kita dalam merumuskan hipotesis. Telaah literatur adalah kajian kritis atas pembahasan suatu topik yang sudah ditulis oleh para peneliti atau ilmuwan yang terakreditasi (diakui kepakarannya). Kepakaran diakui bila penelitian dipublikasikan melalui jurnal/seminar bertaraf nasional atau internasional atau dalam bentuk cetakan buku yang representatif.

FAKTOR YANG MENJADI PERTIMBANGAN PENELITI DALAM PENYUSUNAN KERANGKA TEORI

Faktor yang menjadi pertimbangan peneliti dalam penyusunan kerangka teori 1.    Variabel-variabel yang dianggap relevan untuk diteliti harus diidentifikasi secara jelas dan diberi label. 2.    Penjelasan tentang bagaimana hubungan antara satu variabel dengan variabel lainnya. 3.    Penjelasan sifat  hubungan antar variable tersebut, positif atau negatif. 4.    Penyertaan diagram sebagai visualisasi, agar pembaca lebih mempunyai gambaran.