Metopen 11,12,13.docx

METODE PENELITIAN BISNIS BAB 11, 12, DAN 13

Kelompok 6 : 1. Agatha Puspitasari

/5

2. Vincentia Laksmi P

/ 16

3. Maria Brigita D K

/ 18

4. Anastasya Ayu C P

/ 35

5. Sasmila Natania

/ 36

6. Agnes Felinda N

/ 37

7. Anastasia Indriani

/ 38

FAKULTAS BISNIS DAN EKONOMIKA UNIVERSITAS ATMA JAYA YOGYAKARTA 2019

BAB 11. PENGUKURAN VARIABEL: DEFINISI OPERASIONAL

BAGAIMANA VARIABEL DIUKUR Pengukuran adalah penetapan angka atau simbol lain untuk karakteristik (atau atribut) objek sesuai dengan seperangkat aturan yang ditentukan sebelumnya. Objek termasuk orang, unit bisnis strategis, perusahaan. Contoh karakteristik objek adalah motivasi berprestasi, efektivitas organisasi, kenikmatan berbelanja. Penting bagi Anda untuk menyadari bahwa Anda tidak dapat mengukur objek, tetapi Variabel tertentu cocok untuk diukur dengan alat ukur yang tepat. Namun ketika kita masuk ke ranah perasaan, sikap, dan persepsi subjektif orang, pengukuran faktorfaktor atau variabel-variabel ini menjadi lebih sulit. Dengan demikian, setidaknya ada dua jenis variabel: satu cocok untuk pengukuran yang objektif dan tepat; yang lain lebih samar dan tidak cocok untuk pengukuran yang akurat karena sifatnya yang abstrak dan subyektif.

DEFINISI OPERASIONAL (OPERASIONALISASI) Salah satu cara untuk mengukur variabel yang abstrak adalah mereduksi gagasan atau konsep abstrak ini menjadi perilaku dan atau karakteristik yang dapat diamati. Dengan kata lain, gagasan abstrak dipecah menjadi perilaku atau karakteristik yang dapat diamati. Pengurangan konsep abstrak untuk membuatnya terukur dengan cara yang nyata disebut operasionalisasi konsep. Ada beberapa langkah dalam operasionalisasi, yaitu membuat definisi konstruk yang ingin Anda ukur. Pada langkah ini perlu memikirkan tentang konten ukuran, yaitu instrumen yang sebenarnya mengukur konsep yang ingin diukur harus dikembangkan. Selanjutnya, format respons yang diperlukan, dan akhirnya, validitas dan keandalan skala pengukuran harus dinilai.

Operasionalisasi: dimensi dan elemen Contoh kehausan dan kebutuhan akan kognisi menggambarkan bagaimana konsep abstrak dioperasionalkan dengan menggunakan elemen yang dapat diamati dan diukur. 34 item diperlukan untuk mengukur kebutuhan akan kognisi. 34 item ini diperlukan

karena jika kita menggunakan kurang dari 34 item ini, skala pengukuran kita mungkin tidak akan mewakili seluruh domain atau semesta kebutuhan untuk kognisi; dengan kata lain, ukurannya mungkin tidak akan mencakup set item (atau elemen) yang memadai dan representatif. Sebagai konsekuensinya, ukurannya tidak akan valid

Mengoperasionalkan konsep (multidimensi) motivasi berprestasi Misalkan kita tertarik untuk membangun hubungan antara gender dan motivasi berprestasi. Untuk menguji hubungan ini kita harus mengukur gender dan motivasi berprestasi. Pada titik ini, Anda mungkin akan mengerti bahwa mengukur gender tidak akan menimbulkan masalah, tetapi mengukur motivasi berprestasi mungkin akan bermasalah, karena konstruk yang terakhir bersifat abstrak dan subyektif. Setelah kita mendefinisikan konstruk, langkah selanjutnya dalam proses mengukur konstruk abstrak seperti motivasi berprestasi adalah menelusuri literatur untuk mengetahui apakah ada ukuran konsep yang ada. Baik jurnal ilmiah dan "buku pegangan berskala" adalah sumber penting dari tindakan yang ada. Penggunaan skala pengukuran yang ada memiliki beberapa keunggulan. Pertama, ini menghemat banyak waktu dan energi. Kedua, ini memungkinkan Anda untuk memverifikasi temuan orang lain dan untuk membangun karya orang lain.

Dimensi dan elemen motivasi berprestasi Mari kita coba mengoperasionalkan "motivasi berprestasi," konsep yang menarik bagi para pendidik, manajer, dan siswa. Lima karakteristik luas tipikal berikut mungkin dimiliki oleh orang dengan motivasi berprestasi tinggi: 1. Mereka akan didorong oleh pekerjaan. Orang seperti itu akan bekerja setiap saat, enggan mengambil cuti, dan bertahan bahkan dalam menghadapi beberapa kemunduran. Jenis perilaku ini cocok untuk diukur. Variabel ini, ketika diukur, akan menempatkan individu dalam sebuah kontinum mulai dari mereka yang paling tidak didorong oleh pekerjaan hingga mereka yang hidupnya adalah pekerjaan. Ini, kemudian, akan memberikan beberapa indikasi sejauh mana motivasi berprestasi mereka.

2. Banyak dari mereka umumnya tidak berminat untuk bersantai dan mengarahkan perhatian mereka pada apa pun selain aktivitas pekerjaan. Mereka yang dapat bersantai akan menunjukkan bahwa mereka umumnya tidak memikirkan pekerjaan selama di rumah, menghabiskan waktu untuk hobi, dan melakukan kegiatan sosial atau berkumpul bersama keluarga pada waktu senggang. 3. Lebih memilih untuk bekerja sendiri daripada dengan orang lain. Individu dengan motivasi berprestasi tinggi tidak memiliki kesabaran dengan orang yang tidak efektif dan enggan bekerja dengan orang lain. Mungkin ada orang lain yang tidak termotivasi pencapaian yang tinggi. Mungkin juga ada yang cukup bersedia

untuk

bekerja

dengan

hampir

semua

orang.

Dengan

demikian,

ketidaksabaran dengan ketidakefektifan juga dapat diukur dengan mengamati perilaku. 4. Dengan pikiran dan hati yang ditentukan pada pencapaian dan pencapaian, mereka lebih suka melakukan pekerjaan yang menantang daripada pekerjaan yang mudah dan menyenangkan. Ukuran seberapa bersemangat orang dalam mencari pekerjaan yang menantang dapat diperoleh dengan bertanya kepada karyawan. Preferensi karyawan untuk berbagai jenis pekerjaan kemudian dapat ditempatkan pada sebuah kontinum mulai dari mereka yang lebih suka pekerjaan yang cukup rutin hingga mereka yang lebih suka pekerjaan dengan peningkatan tantangan yang progresif. Individu yang berorientasi pada pencapaian cenderung realistis dan memilih pekerjaan yang cukup menantang dan dalam jangkauan pencapaian. Mereka yang memiliki motivasi berprestasi rendah mungkin akan memilih pekerjaan yang lebih rutin. 5. Mereka ingin sekali mengetahui bagaimana mereka maju dalam pekerjaan mereka seiring berjalannya waktu dengan cara mendapatkan umpan balik. Umpan balik, baik positif maupun negatif, menunjukkan kepada mereka seberapa banyak yang mereka capai dan capai. Dengan melacak seberapa sering individu mencari umpan balik dari orang lain selama periode waktu tertentu, karyawan dapat kembali ditempatkan pada kontinum mulai dari mereka yang mencari umpan balik yang luas dari semua sumber hingga mereka yang tidak pernah mencari umpan balik dari siapa saja kapan saja.

Apa yang bukan operasionalisasi Sama seperti penting untuk memahami apa itu operasionalisasi, sama pentingnya untuk mengingat apa yang bukan. Operasionalisasi tidak menggambarkan korelasi konsep. Misalnya, kesuksesan dalam kinerja tidak dapat menjadi dimensi motivasi berprestasi, meskipun orang yang termotivasi kemungkinan besar akan bertemu dengannya. Dengan demikian, jelas bahwa mengoperasionalkan konsep tidak terdiri dari menggambarkan alasan, anteseden, konsekuensi, atau berkorelasi dari konsep. Sebaliknya, ia menggambarkan karakteristiknya yang dapat diamati untuk dapat mengukur konsep tersebut. Penting untuk mengingat ini karena jika kita salah mengoperasionalkan konsep atau membingungkan mereka dengan konsep lain, maka kita tidak akan memiliki langkah-langkah yang valid.

DIMENSI INTERNASIONAL DARI OPERASIONALISASI Dalam melakukan penelitian transnasional, penting untuk mengingat bahwa variabel tertentu memiliki arti dan konotasi berbeda dalam kebudayaan yang berbeda. Misalnya istilah “love (cinta)” merupakan subyek untuk beberapa intepretasi dalam kebudayaan yang berbeda dan memiliki setidaknya 20 intepretasi berbeda di sejumlah negara. Dengan cara yang sama, konsep “knowledge (pengetahuan)” disamakan dengan “jnana (bahasa Hindi)” dalam beberapa budaya Timur dan ditafsirkan sebagai realization of Almighty (realisasi Yang Maha Kuasa).” Sehingga, menjadi hal bijak jika peneliti yang berasal dari sebuah negara dengan bahasa yang berbeda mencari bantuan dari sarjana lokal untuk mendefinisikan secara operasional konsep-konsep tertentu ketika melakukan penelitian lintas budaya.

BAB 12 PENGUKURAN: PENSKALAAN, RELIABILITAS, DAN VALIDITAS

Pengukuran adalah penggunaan angka-angka atau simbol lain untuk mencirikan ( atau menatribusikan) objek

berdasarkan sekumpulan aturan

yang telah ditentukan

sebelumnya.

EMPAT JENIS SKALA Skala (scale) adalah perangkat atau mekanisme di mana para individu diketahui berdasarkan bagaimana individu tersebut berbeda satu sama lain pada variabel ketertarikan (minat) dalam penelitian kita. Penskalaan melibatkan pembuatan kontinum (rangkaian) di mana objek ditemukan. Skala Likert (Likert scale) adalah suatu skala yang dirancang untuk menelaah seberapa kuat subjek menyetujui suatu pernyataan.

Skala Nominal Skala nominal (nominal scale) adalah skala yang memungkinkan peneliti untuk menempakan subjek berdasarkan kategori atau kelompok tertentu. Sebagai contoh, terkait dengan variabel gender, responden dapat dikelompokkan ke dalam dua kategori—pria dan wanita. Kedua kelompok tersebut bisa diberi kode nomor 1 dan 2. Nomor-nomor tersebut berfungsi sebagai label kategori yang sederhana dan sesuai, tanpa nilai intrinsik, selain menempatkan responden pada satu atau dua kategori yang tidak sama, atau saling lepas (mutually exclusive). Perhatikan bahwa kategori juga lengkap secara kolektif (collectively exhaustive).

Skala Ordinal Skala ordinal (ordinal scale) tidak hanya mengkategorikan variabel-variabel dalam suatu cara untuk menunjukkan perbedaan di antara berbagaikategori, tetapi juga mengurutkannya menjadi beberapa cara yang bermakna. Skala ordinal dapat digunakan dengan variabel apa pun untuk berbagai kategori yang digunakan berdasarkan beberapa pilihan.

Skala ordinal membantu peneliti untuk menentukan presentase responden yang menggangap interaksi dengan orang lain sebagai hal paling penting, responden yang menganggap menggunakan sejumlah keterampilan berbeda sebagai yang hal penting, dan seterusnya. Pengetahuan tersebut dapat membantu mendesain pekerjaan yang dianggap paling berkualitas oleh sebagian besar karyawan.

Skala Interval Skala interval (interval scale) memungkinkan kita melakukan operasi aritmetika tertentu terhadap data yang dikumpulkan dari responden. Sementara skala nominal hanya memungkinkan

kita

untuk

membedakan

kelompok

secara

kualitatif

dengan

mengkategorikannya ke dalam kumpulan yang saling lepas dan lengkap secara kolektif dan skala ordinal mengurutkan tingkatan preferensi, skala interval membuat kita dapat mengukur jarak di antara dua titik pada skala. Hal ini membantu kita untuk menghitung mean (rerata hitung) dan standar deviasi (simpangan baku—standar deviation) respons terhadap variabel. Dengan kata lain, skala interval tidak hanya mengelompokkan individu menurut kategori tertentu dan menentukan urutan kelompok, namun juga mengukur besar (magnitude) perbedaan preferensi antar individu.

Skala Rasio Skala Rasio mengatasi kekurangan titik awal yang berubah-ubah (arbitrer) pada skala interval, yaitu skala rasio memiliki titik nol absolut—absolute (berlawanan dengan berubah-ubah arbitrer), yang merupakan titik pengukuran yang berarti. Jadi, skala ratio (ratio scale) tidak hanya mengukur besaran perbedaan antartitik pada skala, namun juga menunjukkan proporsi dalam perbedaan tersebut.

RATING SCALES Skala rating berikut yang sering digunakan dalam bisnis penelitian: 

Dichotomous scale



Category scale



Semantic differential scale



Numerical scale



Itemized rating scale



Likert scale



Fixed or constant sum rating scale



Stapel scale



Graphic rating scale



Consensus scale Thurstone sama muncul Interval skala dan skala multidimensi, kurang sering

digunakan. Kita akan secara singkat menjelaskan masing-masing di atas timbangan sikap.

Skala dichotomous Skala dichotomous digunakan untuk memperoleh jawaban ya atau tidak, seperti pada contoh di bawah ini. Perhatikan bahwa skala nominal yang digunakan untuk menimbulkan tanggapan.

Semantik diferensial skala Beberapa atribut bipolar diidentifikasi di ekstrem skala, dan responden diminta untuk menunjukkan sikap mereka, pada apa mungkin disebut ruang semantik, terhadap individu tertentu, obyek, atau acara pada masing-masing atribut. Bipolar kata sifat yang digunakan mungkin menggunakan istilah-istilah seperti sebagai baik-buruk; Kuat – lemah; Panas-dingin.

Skala numerik Skala numerik serupa dengan skala diferensial semantik, dengan perbedaan bahwa nomor pada skala lima poin atau tujuh-titik disediakan, dengan bipolar kata pada kedua ujungnya, seperti digambarkan di bawah ini. Ini skala juga sering diperlakukan sebagai skala interval, meskipun secara resmi ordinal di alam.

Skala rating terperinci skala titik lima atau tujuh-titik dengan jangkar, yang diperlukan, disediakan untuk setiap item dan Termohon negara nomor yang sesuai di samping setiap item, atau

lingkaran nomor yang relevan terhadap setiap item, sesuai contoh-contoh yang mengikuti. Tanggapan untuk item yang kemudian disimpulkan. Ini menggunakan skala interval.

Likert scale Tanggapan atas sejumlah item penyadapan konsep tertentu atau variabel dapat dianalisis item oleh item, tapi itu juga dimungkinkan untuk menghitung total atau summated Skor untuk setiap responden dengan menjumlahkan di seluruh item. Pendekatan summated yang digunakan secara luas, dan oleh karena itu Skala Likert juga dirujuk sebagai skala summated.

Jumlah tetap atau konstan skala Responden diminta di sini untuk mendistribusikan yang diberikan beberapa poin di berbagai item seperti contoh di bawah. Ini lebih dalam sifat skala ordinal.

Stapel skala Skala ini secara bersamaan langkah-langkah arah dan intensitas dari sikap terhadap item di bawah study. Karakteristik menarik untuk mempelajari ditempatkan di pusat dengan skala numerik yang mulai, mengatakan, dari 3 untuk −3, di kedua sisi item, seperti digambarkan dalam contoh di bawah. Ini memberikan gambaran tentang bagaimana dekat atau jauh individu respon terhadap rangsangan adalah. Karena ini tidak memiliki titik nol mutlak, ini adalah skala interval.

Skala grafis rating Representasi grafis membantu responden untuk menunjukkan pada skala ini jawaban ke suatu pertanyaan tertentu dengan menempatkan tanda pada titik yang tepat pada baris, seperti dalam contoh berikut. Ini adalah skala ordinal, meskipun contoh berikut mungkin membuatnya terlihat seperti skala interval.

Konsensus skala Timbangan juga dapat dikembangkan oleh konsensus, mana panel hakim memilih item tertentu, yang dalam pandangan yang mengukur konsep yang relevan. Item yang dipilih terutama berdasarkan kebenaran atau relevansi dengan konsep. Seperti skala konsensus dikembangkan setelah item yang dipilih telah diperiksa dan diuji untuk validitas dan Reliabilitas.

Timbangan lainnya Ada juga beberapa skala metode canggih seperti multidimensi scaling, mana benda-benda, orang, atau keduanya, Visual skala, dan analisis penglibatan dilakukan. Ini memberikan citra visual hubungan dalam ruang antara dimensi membangun.

RANKING SCALES Seperti telah disebutkan, ranking scales digunakan untuk menyadap preferensi antara dua atau lebih objek atau item (ordinal di alam). Namun, peringkat tersebut mungkin tidak memberikan petunjuk yang pasti untuk beberapa jawaban yang dicari.Alternatif metode yang digunakan adalah perbandingan berpasangan, memaksa pilihan, dan skala komparatif, yang dibahas di bawah ini.

Perbandingan pasangan Skala perbandingan pasangan digunakan ketika, antara jumlah kecil benda, responden diminta untuk memilih antara dua objek pada satu waktu. Ini membantu untuk menilai preferensi.

Semakin besar jumlah objek atau rangsangan, semakin besar jumlah

perbandingan berpasangan yang disajikan untuk responden, dan semakin besar kelelahan responden. Oleh karena itu, perbandingan pasangan adalah metode yang baik jika jumlah rangsangan disajikan kecil.

Forced choice Forced choice memungkinkan responden peringkat objek relatif terhadap satu sama lain, antara alternatif disediakan. Ini lebih mudah bagi responden, terutama jika jumlah pilihan untuk digolongkan terbatas jumlahnya.

Comparative scale Comparative scale menyediakan patokan atau titik acuan untuk menilai sikap objek saat ini, peristiwa, atau situasi di bawah study. Contoh penggunaan skala perbandingan berikut. Skala rating yang digunakan untuk mengukur paling perilaku konsep. Peringkat skala yang digunakan untuk membuat perbandingan atau peringkat variabel-variabel yang telah mengetuk pada skala nominal.

INTERNATIONAL DIMENSIONS OF SCALING Selain dari kepekaan terhadap operasional definisi konsep-konsep dalam budaya lain, masalah scaling juga perlu ditangani dalam penelitian lintas budaya. Budaya yang berbeda bereaksi berbeda terhadap masalah scaling. Barry (1969), misalnya, menemukan bahwa di beberapa negara, skala tujuh-titik yang lebih sensitif daripada skala empat poin di eliciting bias tanggapan.

Kebaikan Tindakan (Goodness For Measure) Timbangan yang dikembangkan seringkali tidak sempurna, dan kesalahan cenderung terjadi dalam pengukuran variabel sikap. Penggunaan instrumen yang lebih baik akan memastikan lebih akurat dalam hasil, yang pada gilirannya akan meningkatkan kualitas ilmiah penelitian. Karenanya, dalam beberapa hal, kita perlu menilai “kebaikan” dari tindakan yang dikembangkan. Artinya, kita perlu cukup yakin bahwa instrumen yang kita gunakan dalam penelitian kita memang mengukur variabel yang seharusnya, dan mereka mengukurnya secara akurat.Pertama, analisis item dari respons terhadap pertanyaan yang mengetuk variabel dilakukan, dan kemudian reliabilitas dan validitas tindakan ditetapkan, seperti dijelaskan di bawah ini. 1. Analisis barang Analisis barang dilakukan untuk melihat apakah barang-barang dalam instrumen itu ada di sana atau tidak. Setiap item diperiksa karena kemampuannya untuk membedakan antara subyek-subyek yang total skornya tinggi dan mereka yang memiliki skor rendah. Dengan kata lain, validitas berkaitan dengan apakah kita mengukur konsep yang tepat,

dan keandalan dengan stabilitas dan konsistensi pengukuran. Validitas dan reliabilitas ukuran membuktikan keakuratan ilmiah yang telah masuk ke dalam studi penelitian. 2. Validitas Beberapa jenis uji validitas digunakan untuk menguji kebaikan tindakan dan penulis menggunakan istilah yang berbeda untuk menunjukkannya. Demi kejelasan, kami dapat mengelompokkan tes validitas di bawah tiga judul besar: validitas konten, validitas terkait kriteria, dan membangun validitas. 

Validitas konten

Validitas konten memastikan bahwa tindakan tersebut mencakup serangkaian item yang memadai dan representatif yang menyentuh konsep. Semakin banyak item skala mewakili domain atau alam semesta dari konsep yang diukur, semakin besar validitas konten. Dengan kata lain, validitas isi adalah fungsi seberapa baik dimensi dan elemen konsep telah digambarkan. Panel juri dapat membuktikan keabsahan konten instrumen. −

Validitas terkait kriteria ditetapkan ketika ukuran membedakan individu pada kriteria yang diperkirakan akan diprediksi.

−

Validitas serentak ditetapkan ketika skala mendiskriminasi individu yang diketahui berbeda; yaitu, skor mereka harus berbeda pada instrument.

−

Validitas prediktif menunjukkan kemampuan alat ukur untuk membedakan antara individu dengan mengacu pada kriteria masa depan.



Bangun validitas

Bangun validitas memberi kesaksian tentang seberapa baik hasil yang diperoleh dari penggunaan ukuran tersebut sesuai dengan teori-teori di mana tes ini dirancang. −

Validitas konvergen ditentukan ketika skor yang diperoleh dengan dua instrumen berbeda yang mengukur konsep yang sama sangat berkorelasi.

−

Validitas diskriminan ditetapkan ketika, berdasarkan teori, dua variabel diprediksi tidak berkorelasi, dan skor yang diperoleh dengan mengukurnya memang secara empiris terbukti demikian.

Beberapa cara di mana bentuk validitas di atas dapat ditetapkan adalah melalui yang berikut:

-

Analisis korelasional (seperti dalam kasus membangun validitas konkuren dan prediktif atau validitas konvergen dan diskriminan).

-

Analisis faktor, teknik multivariat yang mengkonfirmasi dimensi konsep yang telah ditetapkan secara operasional, serta menunjukkan item mana yang paling sesuai untuk setiap dimensi (menetapkan validitas konstruk).

-

Matriks multitrait, multimethod korelasi yang berasal dari mengukur konsep dengan bentuk dan metode yang berbeda, juga membangun kekuatan pengukuran.

3. Reabilitas Keandalan suatu pengukuran menunjukkan sejauh mana hal itu tanpa bias (bebas kesalahan) dan karenanya memastikan pengukuran yang konsisten sepanjang waktu dan melintasi berbagai item dalam instrumen. Dengan kata lain, keandalan ukuran adalah indikasi stabilitas dan konsistensi yang digunakan instrumen untuk mengukur konsep dan membantu menilai “kebaikan” suatu ukuran. 

Stabilitas langkah-langkah

Kemampuan ukuran untuk tetap sama dari waktu ke waktu - meskipun kondisi pengujian yang tidak terkendali atau keadaan responden itu sendiri - merupakan indikasi stabilitas dan kerentanan yang rendah terhadap perubahan dalam situasi. Ini membuktikan "kebaikannya" karena konsepnya diukur secara stabil, tidak peduli kapan itu dilakukan. Dua uji stabilitas adalah keandalan uji ulang dan keandalan bentuk paralel. 

Keandalan uji – pengujian ulang

Koefisien reliabilitas yang diperoleh dengan pengulangan ukuran yang sama pada kesempatan kedua disebut reliabilitas test-retest. Artinya, ketika kuesioner yang berisi beberapa item yang seharusnya mengukur konsep diberikan kepada satu set responden, sekarang dan lagi untuk responden yang sama, katakan beberapa minggu hingga enam bulan kemudian, maka korelasi antara skor yang diperoleh pada dua waktu yang berbeda dari satu dan rangkaian responden yang sama disebut koefisien uji-tes ulang. Semakin tinggi, semakin baik reliabilitas pengujian-pengujian ulang, dan konsekuensinya, stabilitas ukuran lintas waktu.



Keandalan bentuk paralel

Ketika respons pada dua set tindakan yang sebanding dengan mengetuk konstruk yang sama sangat berkorelasi, kami memiliki keandalan bentuk paralel. Kedua formulir memiliki item serupa dan format respons yang sama, satu-satunya perubahan adalah katakata dan urutan atau urutan pertanyaan. 

Konsistensi internal langkah-langkah

Konsistensi internal langkah-langkah merupakan indikasi homogenitas item dalam ukuran yang menyentuh konstruksi. Dengan kata lain, barang-barang tersebut harus "digantung sebagai satu set," dan mampu mengukur konsep yang sama secara independen sehingga responden melampirkan makna keseluruhan yang sama untuk setiap item. Ini dapat dilihat dengan memeriksa apakah item dan himpunan bagian item dalam instrumen pengukuran berkorelasi tinggi. Konsistensi dapat diperiksa melalui reliabilitas konsistensi antar unit dan uji reliabilitas setengah-setengah. 

Keandalan konsistensi antar unit

Reliabilitas konsistensi interitem adalah tes konsistensi jawaban responden untuk semua item dalam suatu ukuran. Sejauh item merupakan ukuran independen dari konsep yang sama, mereka akan berkorelasi satu sama lain. Tes yang paling populer dari reliabilitas konsistensi antar item adalah koefisien alpha Cronbach. 

Keandalan separuh-separuh

Split-half reliability mencerminkan korelasi antara dua bagian instrumen. Perkiraan akan bervariasi tergantung pada bagaimana item dalam pengukuran dibagi menjadi dua bagian. Kehandalan separuh-separuh mungkin lebih tinggi dari alpha Cronbach hanya dalam keadaan ada lebih dari satu dimensi respon mendasar yang disadap oleh ukuran dan ketika kondisi tertentu lainnya terpenuhi juga.

SKALA PENGUKURAN FORMATIF VERSUS REFLEKTIF Apa itu skala reflektif? Dalam skala reflektif, item (semuanya!) Diharapkan berkorelasi. Berbeda dengan item yang digunakan dalam skala formatif, dibahas selanjutnya, setiap item dalam skala reflektif diasumsikan memiliki dasar yang sama (konstruk minat yang mendasarinya).

Oleh karena itu, peningkatan nilai konstruk akan diterjemahkan menjadi peningkatan nilai untuk semua item yang mewakili konstruk. Skala yang berisi item yang tidak selalu terkait disebut skala formatif. Kami telah menjelaskan bahwa skala formatif digunakan ketika sebuah konstruk (seperti kepuasan kerja) dipandang sebagai kombinasi penjelasan dari indikator-indikatornya (promosi, upah, kepuasan dengan pengawasan, rekan kerja, dan pekerjaan); yaitu, ketika perubahan dalam salah satu indikator (dimensi) diharapkan untuk mengubah skor konstruk keseluruhan, terlepas dari nilai indikator lainnya (dimensi). Indeks Deskripsi Pekerjaan bersifat formatif, karena peningkatan nilai salah satu indikatornya, seperti "peluang untuk promosi," diharapkan diterjemahkan ke dalam skor yang lebih tinggi untuk kepuasan kerja, terlepas dari nilai indikator lainnya.

BAB 13 SAMPLING: POPULASI, ELEMEN, SAMPEL, UNIT PENGAMBILAN SAMPEL, DAN SUBJEK

Populasi (population) mengacu pada keseluruhan kelompok orang, kejadian, atau hal-hal yang menarik yang ingin peneliti investigasi. Populasi adalah sekolompok orang, kejadian, atau hal-hal menarik di mana peneliti ingin membuat opini. Jika para pembuat peraturan ingin mengetahui bagaimana pasien di panti nompo yang dikelola oleh sebuah perusahaan di Prancis dirawat,maka seluruh pasien di semua panti jompo yang dikelola tersebut akan membentuk populasi. Elemen (element) adalah satu anggota populasi. Jika 1000 pekerja kerah biru dalam organisasi tertentu menjadi populasi studi bagi seorang peneliti, tiap pekerja kerah biru dari populasi tersebut adalah elemen. Sampel (sample) adalah sebagian dari populasi. Sampel terdiri atas sejumlah anggota yang dipilih dari populasi. Dengan kata lain, beberapa namun tidak semua, elemen populasi membentuk sampel. Jika 200 anggota diambil dari populasi 1000 pekerja kerah biru, 200 anggota tersebut menjadi sampel untuk penelitian. Sehingga sampel adalah subkelompok atau sebagian dari populasi. Peneliti mampu menarik kesimpulan yang dapat digeneralisasikan terhadap populasi ketertarikan. Unit pengambilan sampel (unit sampling) adalah elemen atau rangkaian elemen yang tersedia untuk memilih pada beberapa tahap proses pengambilan sampel. Contoh dari unit pengambilan sampel sampel dalam sampel multitahap adalah blok kota, keluarga, dan individu dalam keluarga. Subjek (subject) adalaha salah satu anggota dari sampel, sebagaimana elemen adakah satu anggota dari populasi. Contoh, jika sampel 50 mesin dari total 500 mesin akan diuji, maka tiap mesin dari 50 mesin tersebyt adalah subjek, seperti halnya tiap mesin dalam tottal 500 mesin adalah elemen.

PARAMETER Karakteristik dari populasi seperti µ (mean populasi), 𝜎 (standar deviasi populasi), dan 𝜎 2 (varians populasi) dikaitkan dengan parameternya. Dengan kata lain,

statistik sampel-X (mean sampel), S (standar deviasi), dan 𝑆 2 ( variasi dalam sampel) digunakan sebgaia perkiraan parameter populasi µ, 𝜎, dan 𝜎 2 .

ALASAN PENGAMBILAN SAMPEL Dalam investigasi penelitian yang melibatkan beberapa ratus dan bahkan ribuan elemen, secara praktis mustahil untuk mengumpulkan data, menguji dan menelaah tiap elemen. Studi terhadap sampel dibandingkan terhadap seluruh populasi terkadang juga dapat menghasilkan hasil yang lebih reliabel. Hal tersebut sebagian besar karena kelelahan berkurang, sehingga kesalahan dalam pengumpulan data lebuh sedikit, terutama ketika elemen terlibat.

TINGKAT REPRESENTASI SAMPEL Kita mengetahui bahwa jarang sampel akan menjadi replika yang tepat dari populasi di mana sampel tersebut diambil. Misalnya sangat sedikit rata-rata/mean sampel (𝑋) yang secara tepat akan sama dengan rata-rata/mean populasi ( µ), maupun standar deviasi sampel (𝑆) akan menjadi sama dengan standar deviasi populasi (𝜎). NORMALITAS DISTRIBUSI Dari teorema limit tengah (central limit theorem) kita mengetahui bahwa distrubusi pengambilan sampel dari rata-rata (mean) sampel didistribusikan secara normal. Ukuran sampel n meningkat, rata-rata sampel acak diambil dari pendekatan populasi apa pun yang secara praktis merupakan distribusi dengan rata-rata (mean) µ dan standar deviasi 𝜎. Jika sifat populasi tidak terlalu terwakili (overrepresented) atau kurang terwakili (underpresented) dalam sampel, kita memiliki sampel representatif. Jika sebuah sampel memiliki nilai yang sanagat tinggi pada variabel yang kiya pelajari, rata-rata sampel X akan jauh lebih tinggi daripada rata-rata populasi µ. Sebaliknya, jika subjek sampel terdiri dari elemen dalam populasi dengan nilai yang sangat rendah pafa variabel ketertarikan, rata-rata sampel akan jauh lebih rendah dibandingkan dengan rata-rata populasi sebenarnya µ. Akan tetapi, jika desain pengambilan sampel dan ukuran sampel tepat,

rata-rata sampel X akan berada dalam kisaran yang hampir sama dengan rata-rata populasi sebenarnya. PROSES PENGAMBILAN SAMPEL Pengambilan sampel adalah proses memilih sejjumlah elemen yang tepat dari populasi, sehingga studi terhadap sampel dan pemahaman tentang sifat atau karakteristiknya akan membuat kita dapat mengeneralisasikan sifata atau karakteristik tersebut pada elemen populasi. Berikut merupaka langkah-langkah utama dalam pengambilan sampel: 1. Menentukan populasi 2. Menentukan kerangka sampel 3. Menentukan desian pengambilan sampel 4. Menentukan ukuran sampel yang sama 5. Melaksanakan proses pengambilan sampel

SAMPLING PROBABILITAS Ketika elemen-elemen dalam populasi memiliki peluang yang diketahui dan bukan nol untuk dipilih sebagai subjek dalam sampel, kami menggunakan desain sampling probabilitas. Sampling probabilitas dapat berupa tidak dibatasi (pengambilan sampel acak sederhana) atau dibatasi (sampel probabilitas kompleks) di alam.

Pengambilan sampel acak yang tidak dibatasi atau sederhana Dalam desain sampling probabilitas tidak terbatas, yang lebih dikenal sebagai sampling acak sederhana, setiap elemen dalam populasi memiliki peluang yang diketahui dan setara untuk dipilih sebagai subjek.

Sampling probabilitas terbatas atau kompleks Sebagai alternatif dari desain sampel acak sederhana, beberapa desain sampel probabilitas kompleks (probabilitas terbatas) dapat digunakan. Prosedur pengambilan sampel probabilitas ini menawarkan alternatif yang layak, dan terkadang lebih efisien,

dari desain tidak terbatas yang baru saja kita diskusikan. Lima desain pengambilan sampel probabilitas kompleks yang paling umum - pengambilan sampel sistematis, pengambilan sampel bertingkat stratified, pengambilan sampel kluster, pengambilan sampel area, dan pengambilan sampel ganda - sekarang akan dibahas.

Sampling sistematis 

Pengambilan sampel acak berstrata

Sementara pengambilan sampel membantu memperkirakan parameter populasi, mungkin ada subkelompok elemen yang dapat diidentifikasi dalam populasi yang mungkin diharapkan memiliki parameter berbeda pada variabel yang diminati oleh peneliti. 

Pengambilan sampel cluster

Sampel cluster adalah sampel yang dikumpulkan dalam kelompok atau potongan elemen yang, idealnya, adalah agregat alami elemen dalam populasi. Dalam pengambilan sampel cluster, populasi target pertama-tama dibagi menjadi beberapa kelompok. Kemudian, sampel acak cluster diambil dan untuk setiap cluster yang dipilih baik semua elemen atau sampel elemen dimasukkan dalam sampel. 

Pengambilan sampel satu tahap dan multistage

Dengan kata lain, pengambilan sampel multistage cluster melibatkan pengambilan sampel probabilitas unit pengambilan sampel primer; dari masing-masing unit primer ini, sampel probabilitas unit pengambilan sampel sekunder kemudian diambil; tingkat ketiga dari sampling probabilitas dilakukan dari masing-masing unit sekunder ini, dan seterusnya, sampai kita telah mencapai tahap akhir penguraian untuk unit sampel, ketika kita mengambil sampel setiap anggota dalam unit tersebut. 

Pengambilan sampel ganda

Rencana ini terpaksa ketika informasi lebih lanjut diperlukan dari subset kelompok dari mana beberapa informasi telah dikumpulkan untuk studi yang sama. Desain pengambilan sampel dimana awalnya sampel digunakan dalam penelitian untuk mengumpulkan beberapa informasi awal yang menarik, dan kemudian subsampel sampel primer ini digunakan untuk memeriksa masalah ini secara lebih rinci, disebut sampling ganda. 

Review desain sampling probabilitas

Ada dua rencana pengambilan sampel probabilitas dasar: pengambilan sampel acak yang tidak dibatasi atau sederhana, dan rencana pengambilan sampel probabilitas terbatas atau kompleks. Dalam desain sampel acak sederhana, setiap elemen dalam populasi memiliki peluang yang diketahui dan setara untuk dipilih sebagai subjek. Rencana probabilitas yang kompleks terdiri dari lima desain pengambilan sampel yang berbeda.

SAMPLING NONPROBABILITAS Dalam desain sampel nonprobability, elemen-elemen dalam populasi tidak memiliki probabilitas yang melekat pada dipilihnya mereka sebagai subjek sampel. Ini berarti bahwa temuan dari studi sampel tidak dapat secara umum disamaratakan kepada populasi.

Sampling kenyamanan Sesuai namanya, convenience sampling mengacu pada pengumpulan informasi dari anggota populasi yang dengan mudah tersedia untuk menyediakannya. Convenience sampling paling sering digunakan selama fase eksplorasi suatu proyek penelitian dan mungkin merupakan cara terbaik untuk mendapatkan beberapa informasi dasar dengan cepat dan efisien.

Pengambilan sampel dengan tujuan Pengambilan sampel di sini terbatas pada tipe orang tertentu yang dapat memberikan informasi yang diinginkan, baik karena mereka adalah satu-satunya yang memilikinya, atau mereka sesuai dengan beberapa kriteria yang ditetapkan oleh peneliti. Jenis desain pengambilan sampel ini disebut purposive sampling, dan dua tipe utama dari purposive sampling - judgment sampling dan quota sampling - sekarang akan dijelaskan.

Sampling penilaian Sampling penilaian melibatkan pilihan subjek yang paling menguntungkan ditempatkan atau dalam posisi terbaik untuk memberikan informasi yang diperlukan.

Pengambilan sampel kuota Tahap pertama penelitian akan menggunakan desain nonprobability dari kuota sampling, dan begitu beberapa informasi yang berguna telah diperoleh, desain probabilitas akan mengikuti. Kebalikannya juga sepenuhnya mungkin. Desain sampling probabilitas mungkin menunjukkan area baru untuk penelitian, dan desain sampling nonprobability mungkin digunakan untuk mengeksplorasi kelayakannya.

Review desain pengambilan sampel yang nonprobability Ada dua jenis utama dari desain pengambilan sampel yang tidak dapat dipertanyakan: convenience sampling dan purposive sampling. Convenience sampling adalah yang paling tidak dapat diandalkan dari semua desain pengambilan sampel dalam hal kemampuan generalisasi, tetapi kadang-kadang itu mungkin satu-satunya alternatif ketika informasi cepat dan tepat waktu dibutuhkan, atau untuk tujuan penelitian eksplorasi. Rencana pengambilan sampel Purposive terbagi dalam dua kategori: penilaian dan desain kuota sampling.

ISU PRESISI DAN PERCAYA DIRI DALAM MENENTUKAN UKURAN SAMPEL Tidak ada statistik sampel (X, misalnya) yang akan persis sama dengan parameter populasi (μ), Meskipun estimasi titik X mungkin tidak secara akurat mencerminkan ratarata populasi, μ, estimasi interval dapat dibuat di mana μ akan terletak, dengan probabilitas terpasang - yaitu, pada tingkat kepercayaan tertentu. Masalah interval kepercayaan dan tingkat kepercayaan dibahas dalam diskusi berikut tentang ketepatan dan kepercayaan diri.

Presisi Presisi mengacu pada seberapa dekat perkiraan kami dengan karakteristik populasi yang sebenarnya. Biasanya, kami memperkirakan parameter populasi berada dalam kisaran, berdasarkan perkiraan sampel. Presisi adalah fungsi dari kisaran variabilitas dalam distribusi sampling mean sampel. Kesalahan standar dihitung dengan rumus berikut:

Kepercayaan Kepercayaan menunjukkan seberapa yakin kita bahwa estimasi kita akan benarbenar berlaku untuk populasi. Pada dasarnya, kepercayaan mencerminkan tingkat kepastian yang dengannya kita dapat menyatakan bahwa perkiraan parameter populasi, berdasarkan statistik sampel, akan tetap benar. Tingkat kepercayaan dapat berkisar dari 0 hingga 100%.

Sampel Data, Presisi, dan Keyakinan dalam Estimasi Ketepatan dan kepercayaan diri adalah masalah penting dalam pengambilan sampel. Karena estimasi titik tidak memberikan ukuran kesalahan yang mungkin, kami melakukan estimasi interval untuk memastikan estimasi parameter populasi yang relatif akurat. Singkatnya, ukuran sampel, n, adalah fungsi dari: 1. variabilitas dalam populasi; 2. presisi atau akurasi yang dibutuhkan; 3. tingkat kepercayaan yang diinginkan; dan 4. jenis rencana pengambilan sampel yang digunakan - misalnya, pengambilan sampel acak sederhana versus pengambilan sampel acak bertingkat.

DATA SAMPEL DAN PENGUJIAN HIPOTESIS Membahas data sampel sebagai cara memperkirakan parameter populasi, tetapi data sampel juga dapat digunakan untuk menguji hipotesis tentang nilai-nilai populasi daripada sekadar untuk memperkirakan nilai-nilai populasi. Prosedur untuk pengujian ini menggabungkan informasi yang sama seperti dalam estimasi interval, tetapi tujuan di balik kedua metode agak berbeda.

UKURAN SAMPEL Baik desain pengambilan sampel dan ukuran sampel penting untuk menetapkan keterwakilan sampel untuk generalisasi. Jika desain pengambilan sampel yang tepat tidak digunakan, ukuran sampel yang besar tidak dengan sendirinya akan memungkinkan

temuan untuk digeneralisasikan ke populasi. Demikian juga, kecuali ukuran sampel memadai untuk tingkat presisi dan kepercayaan yang diinginkan, tidak ada desain pengambilan sampel, betapapun canggihnya, akan bermanfaat bagi peneliti dalam memenuhi tujuan penelitian.

Efisiensi Dalam Pengambilan Sampel Efisiensi dalam pengambilan sampel dicapai ketika, untuk tingkat presisi tertentu (kesalahan standar), ukuran sampel dapat dikurangi, atau untuk ukuran sampel tertentu (n), tingkat presisi dapat ditingkatkan. Beberapa desain pengambilan sampel probabilitas lebih efisien daripada yang lain. Prosedur pengambilan sampel acak sederhana tidak selalu merupakan rencana yang paling efisien untuk diterapkan; beberapa desain pengambilan sampel probabilitas lainnya seringkali lebih efisien.

SAMPLING SEBAGAI HUBUNGAN DENGAN STUDI KUALITATIF Pengambilan sampel kualitatif dimulai dengan mendefinisikan populasi target secara tepat. Sebagai teknik pengambilan sampel, penelitian kualitatif umumnya menggunakan nonprobability sampling karena tidak bertujuan untuk menarik kesimpulan statistik. Pengambilan sampel Purposive adalah salah satu teknik yang sering digunakan dalam penyelidikan kualitatif: subyek dipilih berdasarkan keahlian dalam subjek yang sedang diselidiki.

IMPLIKASI MANAJERIAL Kesadaran desain pengambilan sampel dan ukuran sampel membantu manajer untuk memahami mengapa metode pengambilan sampel tertentu digunakan oleh peneliti. Ini juga memfasilitasi pemahaman tentang implikasi biaya desain yang berbeda, dan pertukaran antara presisi dan kepercayaan terhadap biaya. Ini memungkinkan manajer untuk memahami risiko yang mereka ambil dalam menerapkan perubahan berdasarkan hasil penelitian. Saat membaca laporan penelitian atau artikel jurnal, pengetahuan ini juga membantu manajer untuk menilai generalisasi temuan dan menganalisis implikasi dari mencoba rekomendasi yang dibuat di dalamnya dalam sistem mereka sendiri.