Rangkuman Tool Statistik MultivariatA. Pengertian dan Contoh penggunaan dalam penelitian. 1. Path Analysis Menurut Kerlinger, N. Fred (Terjemahan Landung R. Simatupang, 1990: 990) dinyatakan bahwa analisis jalur (path analysis) adalah suatu bentuk terapan dari analisis multi regresi dan digunakan untuk membantu konseptualisasi masalah atau menguji hipotesis yang kompleks sehingga dapat dihitung pengaruh langsung dan tidak langsung dari variable-variabel bebas terhadap variable terikat. Contoh: Contoh model Path Analysis

Dengan notasi-notasi yang digunakan sebagai berikut: (gamma) (beta) (phi) (zeta) Y X : koefisien pengukur hubungan antara variabel endogen dengan eksogen : koefisien yang mengukur hubungan antar variabel dependen (endogen). : koefisien yang mengukur hubungan antar variabel independen (eksogen). : varian peubah latent yg tdk terjelaskan model : variabel dependen (endogen) : variabel independen (eksogen)

Persamaan struktural dari model Path Analysis di atas adalah:

Langkah-langkah dalam analisis jalur sebagai berikut: 1. Merancang model berdasarkan konsep dan teori 2. Pemeriksaan terhadap asumsi yang melandasi 3. Pendugaan parameter atau perhitungan koefisien jalur 4. Pengujian model 5. Interpretasi model

2. Analisi Faktor Suatu analisis data untuk mengetahui faktor-faktor yang dominan dalam menjelaskan suatu masalah. Merupakan salah satu metode multivariate yang digunakan untuk menganalisis variabel-variabel yang diduga memiliki keterkaitan satu sama lain sehingga keterkaitan tersebut dapat dijelaskan dan dipetakan atau dikelompokkan pada faktor yang tepat.

Contoh: suatu studi ingin mengetahui faktor-faktor dominan yang menentukan keberhasilan program keluarga berencana. Misalkan ada sekitar 20 peubah bebas yang digunakan untuk menentukan hal tersebut. Analisis faktor akan menentukan faktor-faktor apa saja dari ke 20 peubah tersebut yang merupakan faktor-faktor dominan dalam menentukan keberhasilan program keluarga berencana.

3. Multi Dimensional Scalling Multidimensional Scaling merupakan sekelompok prosedur untuk

menggambarkan persepsi dan preferensi responden secara visual sebagai hubungan geometris antara beberapa hal dalam suatu ruang multidimensi.

Contoh: contoh penerapan multidimensional scaling pada riset pemasaran adalah studi kasus tentang analisis posisi relatif produk operator seluler GSM (Global System for Mobile) prabayar yang meliputi Merck A, B, C, D, E dan F dengan

populasi mahasiswa dari berbagai perguruan tinggi di Yogyakarta sebagai pengguna produk tersebut. Dari hasil penerapan tersebut didapatkan peta persepsi konsumen tentang kinerja masing-masing produk, posisi masing-masing produk menurut persepsi konsumen, serta keunggulan dan kekurangan masing- masing produk. Bagi pihak perusahaan produk tersebut diketahui produk mana saja yang dianggap menjadi pesaing dan strategi apa saja yang seharusnya dilakukan oleh perusahaan dalam berkompetisi dengan perusahaan pesaing. 4. Cluster Analysis Analisis cluster merupakan teknik multivariat yang mempunyai tujuan utama untuk mengelompokkan objek-objek berdasarkan karakteristik yang dimilikinya. Analisis cluster mengklasifikasi objek sehingga setiap objek yang paling dekat kesamaannya dengan objek lain berada dalam cluster yang sama. Contoh: Kita ingin mengidentifikasi kelompok-kelompok pertunjukkan televisi yang menarik pemirsa yang mirip di setiap kelompok masing-masing. Dengan menggunakan analisis k-means cluster, kita dapat membuat kluster-kluster beberapa pertunjukkan televisi kedalam kelompok yang sama didasarkan pada karakteristik para pemirsa pertunjukkan tersebut. Kegunaan utama hal ini ialah untuk mengidentifikasi segmen-segmen untuk pemasaran yang akan bermanfaat untuk strategi pemasaran. Untuk menggunakan teknik ini persyaratan yang harus dipenuhi, diantaranya ialah: Data yang digunakan untuk analisis ini ialah data kuantitatif berskala interval atau rasio. Metode yang ada ialah hubungan antara kelompok (between-groups linkage), hubungan dalam kelompok (within-groups linkage), kelompok terdekat (nearest neighbor), kelompok berikutnya (furthest neighbor), kluster centroid (centroid clustering), kluster median (median clustering), dan metode Ward's.

5. Conjoint Analysis Analisis Conjoint (Conjoint Analysis) merupakan suatu metode dalam analisis multivariat yang dapat digunakan untuk mengukur tingkat preferensi konsumen

terhadap suatu produk baik berupa barang atau jasa. Analisis ini digunakan untuk mendapatkan kombinasi atau komposisi dari atribut-atribut suatu produk atau jasa yang paling disukai oleh konsumen. Tujuannya adalah untuk menentukan tingkat kepentingan relatif (utility) atribut-atribut pada proses pemilihan yang dilakukan oleh konsumen sehingga dapat diketahui komposisi produk dan faktor yang paling disukai oleh konsumen. Contoh : Berdasarkan analisis Conjoint seorang pedagang akan lebih tepat untuk menentukan profil barang seperti apa yang paling pas untuk dijual disuatu daerah.

Untuk merancang suatu model penelitian conjoint, maka perlu ditentukan dulu atribut-atribut yang akan diteliti beserta masing-masing levelnya. Misalnya dipilih 3 atribut, atribut kecepatan terdiri dari 3 level kecepatan (100, 200 dan 300 Mhz), atribut kapasitas Memori terdiri dari 3 level (8, 16 dan 32 Mbyte) dan atribut harga terdiri dari 3 level (1 , 3 dan 4 Juta Rupiah). Jika ke-3 atribut tersebut dikombinasikan maka akan terdapat 3 x 3 x 3 = 27 profil komputer. Prosedur ORTHOPLAN yang merupakan bagian dari conjoint bertugas untuk memperingkas ke-27 profil tersebut secara lebih realistis, karena mengingat bahwa tidak mungkin terdapat profil komputer dengan kecepatan 300 Mhz, memori 32 Byte akan tetapi berharga 1 juta rupiah. Orthoplan akan membuat konfigurasi profil yang mungkin dengan sebuah pendekatan yang disebut sebagai Fractional Factorial. Misalnya diperoleh konfigurasi komputer (profile) yang mungkin sebanyak 9 profil, maka ke-9 profil komputer itulah yang akan diajukan kepada responden untuk diisi preferensinya. Sistem pengisian preferensi Conjoint dapat mengikuti 2 model yaitu : sistem rangking (menggunakan kartu hasil PLANCARD) dan sistem score. Conjoint Analysis (CA) akan mengevaluasi ke-9 profil komputer tersebut, sehingga diperoleh tingkat kepentingan (importance) dan tingkat kegunaan

(utility) dari setiap level atribut. Untuk memeriksa validitas hasil analisis maka ada sebagian kartu / profile yang ditahan untuk dijadikan sample holdout. Guna memperjelas hasil analisis maka analisis Conjoint secara automatis akan memperlihatkan salah satu dari sekian banyak diagram, sebagaimana contoh di bawah ini :

Diagram di atas menunjukkan bahwa atribut harga memiliki tingkat kepentingan yang paling tinggi dibandingkan dengan 2 atribut lainnya. Hal ini menunjukkan bahwa masyarakat pada umumnya akan membeli komputer dengan terlebih dahulu mempertimbangkan variabel harga. Mengenai level harga, kecepatan dan kapasitas memori yang lebih cenderung dipilih oleh masyarakat akan dijelaskan oleh analisis Conjoint dengan menggunakan Part-Worth diagram.

6. Analisis Korelasi Kanonikal Pengertian dari analisis korelasi kanonikal ialah suatu teknik statistik yang digunakan untuk menentukan tingkatan asosiasi linear antara dua perangkat variable, dimana masing-masing perangkat terdiri dari beberapa variable. Sebenarnya analisis korelasi kanonikal merupakan perpanjangan dari analisis regresi linear berganda yang berfokus pada hubungan antara dua perangkat variable yang berskala interval. Fungsi utama teknik ini ialah untuk melihat hubungan linieritas antara variable-variabel kriteria (variable-variabel tergantung) dengan beberapa variable bebas yang berfungsi sebagai predictor.

-

Contoh : seorang peneliti ingin mengkaji korelasi antara seperangkat variable dalam perilaku berbelanja sebagai kriteria dan beberapa variable mengenai personalitas sebagai predictor. Tujuan penelitian ini ialah peneliti ingin mengetahui bagaimana beberapa karakteristik personalitas tersebut

mempengaruhi perilaku berbelanja, misalnya pembuatan daftar belanja, jumlah toko yang dikunjungi, dan frekuensi belanja dalam satu minggu.

Untuk menggunakan teknik analisis ini syarat-syarat yang harus dipenuhi diantaranya ialah:

Variabel bebas terdiri dari lebih dari dua variable yang berskala interval. Variabel tergantung terdiri dari lebih dari dua variable yang berskala interval. Hubungan antar variabel bebas dan tergantung bersifat linier. Artinya semua variabel bebas mempengaruhi secara searah terhadap semua variable tergantung, misalnya korelasi antara variable-variabel bebas personalitas yang digunakan sebagai predictor dengan variablevariabel tergantung yang digunakan sebagai kriteria bersifat searah. Jika nilai variabel variable personalitas besar, maka nilai variablevariabel perilaku berbelanja harus besar juga. Jika terjadi variabel variable personalitas besar bernilai besar sedang nilai variable-variabel perilaku berbelanja menjadi mengecil, maka hal ini berlawanan dengan asumsi linieritas.

Tidak boleh terjadi multikolinieritas pada masing-masing kelompok variabel bebas dan variabel tergantung yang akan dikorelasikan.

B. Validitas dan Reliabilitas 1. Pengertian dan Jenis-jenis Validitas Validitas adalah suatu ukuran yang menunjukan tingkat kevalidan atau kesahihan suatu instrumen. Prinsif validitas adalah pengukuran atau pengamatan yang berarti prinsif keandalan instrumen dalam mengumpulkan data. Instrumen

harus dapat mengukur apa yang seharusnya diukur. Jadi validitas lebih menekankan pada alat pengukuran atau pengamatan. Menurut Azwar (1986) validitas berasal dari kata validity yang mempunyai arti sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Menurut Arikunto (1999) validitas adalah suatu ukuran yang menunjukkan tingkat kesahihan suatu tes. Menurut Nursalam (2003) validitas adalah suatu ukuran yang menunjukkan tingkat kevalidan atau kesahihan suatu instrumen. Berdasarkan beberapa pendapat tentang pengertian validitas di atas, maka dapat diambil kesimpulan bahwa validitas adalah suatu standar ukuran yang menunjukkan ketepatan dan kesahihan suatu instrumen. Menurut Arikunto (1999) suatu tes dikatakan valid apabila tes tersebut mengukur apa yang hendak diukur. Tes memiliki validitas yang tinggi jika hasilnya sesuai dengan kriteria, dalam arti memiliki kesejajaran antara tes dan kriteria. Sisi lain dari pengertian validitas adalah aspek kecermatan pengukuran. Suatu alat ukur yang valid tidak hanya mampu menghasilkan data yang tepat akan tetapi juga harus memberikan gambaran yang cermat mengenai data tersebut. Jenis-jenis Validitas Menurut Sudijono (2009) terdapat berbagai jenis validitas, antara lain:

a. Pengujian Validitas Tes Secara Rasional Validitas rasional adalah validitas yang diperoleh atas dasar hasil pemikiran, validitas yang diperoleh dengan berpikir secara logis.

-

Validitas Isi (Content Validity) Validitas isi dari suatu tes hasil belajar adalah validitas yang diperoleh setelah dilakukan penganalisisan, penelususran atau pengujian terhadap isi yang terkandung dalam tes hasil belajar tersebut. Validitas isi adalah yang ditilik dari segi isi tes itu sendiri sebagai alat pengukur hasil belajar yaitu: sejauh mana tes hasil belajar sebagai alat pengukur hasil belajar peserta didik, isisnya telah dapat mewakili secara representatif terhadap keseluruhan materi atau bahkan pelajaran yang seharusnya diteskan (diujikan).

-

Validitas konstruksi (Construct Validity) Validitas konstruksi dapat diartikan sebagai validitas yang ditilik dari segi susunan, kerangka atau rekaannya. Adapun secara terminologis, suatu tes hasil belajar dapat dinyatakan sebagai tes yang telah memiliki validitas konstruksi, apabila tes hasil belajar tersebut telalh dapat dengan secara tepat mencerminkan suatu konstruksi dalam teori psikologis.

b. Pengujian Validitas Tes Secara Empirik Validitas empirik adalah ketepatan mengukur yang didasarkan pada hasil analisis yang bersifat empirik. Dengan kata lain, validitas empirik adalah validitas yang bersumber pada atau diperoleh atas dasar pengamatan di lapangan. Validitas ramalan (Predictive validity) Validitas ramalan adalah suatu kondisi yang menunjukkan seberapa jauhkah sebuah tes telah dapat dengan secara tepat menunjukkan kemampuannya untuk meramalkan apa yang bakal terjadi pada masa mendatang. Validitas bandingan (Concurrent Validity) Tes sebagai alat pengukur dapat dikatakan telah memiliki validitas bandingan apabila tes tersebut dalam kurun waktu yang sama dengan secara tepat mampu menunjukkan adanya hubungan yang searah, antara tes pertama dengan tes berikutnya.

2. Pengertian dan Jenis-jenis Reliabilitas Reliabilitas adalah kesamaan hasil pengukuran atau pengamatan bila fakta atau kenyataan hidup tadi diukur atau diamati berkali kali dalam waktu yang berlainan. Alat dan cara mengukur atau mengamati sama sama memegang peranan penting dalam waktu yang bersamaan. Menurut Sugiono (2005) Pengertian Reliabilitas adalah serangkaian pengukuran atau serangkaian alat ukur yang memiliki konsistensi bila pengukuran yang dilakukan dengan alat ukur itu dilakukan secara berulang. Reabilitas tes adalah tingkat keajegan (konsitensi) suatu tes, yakni sejauh mana suatu tes dapat dipercaya untuk menghasilkan skor yang ajeg, relatif tidak

berubah walaupun diteskan pada situasi yang berbeda-beda. Menurut Sukadji (2000) reliabilitas suatu tes adalah seberapa besar derajat tes mengukur secara konsisten sasaran yang diukur. Reliabilitas dinyatakan dalam bentuk angka, biasanya sebagai koefisien. Koefisien tinggi berarti reliabilitas tinggi. Menurut Nursalam (2003) Reliabilitas adalah kesamaan hasil pengukuran atau pengamatan bila fakta atau kenyataan hidup tadi diukur atau diamati berkali kali dalam waktu yang berlainan. Alat dan cara mengukur atau mengamati sama sama memegang peranan penting dalam waktu yang bersamaan. Berdasarkan beberapa pendapat tentang pengertian reliabilitas di atas, maka dapat diambil kesimpulan bahwa reliabilitas adalah suatu keajegan suatu tes untuk mengukur atau mengamati sesuatu yang menjadi objek ukur. Jenis Realibilitas a. Reliabilitas stabil (stability reliability) Mengacu pada waktu. Untuk menentukan stabilitas, tes dilakukan ulang terhadap variabel yang sama di waktu yang berlainan. Hasil pengujian tersebut akan dibandingkaan dan berkorelasi dengan pengujian awal untuk memberikan stabilitas. b. Reliabilitas terwakili (representative reliability) Mengacu pada keterandalan masing-masing grup. Menguji apakah penyampaian indikator sama jawabannya saat diterapkan ke kelompok yang berbeda-beda. c. Reliabilitas seimbang (equivalence reliability) Menerapkan banyak indikator yang dapat dioperasionalisasikan ke semua konsepsi pengukuran. Kesetaraan keandalan akan menggunakan dua instrumen untuk mengukur konsep yang sama pada tingkat kesulitan yang sama. Reliabilitas atau tidaknya pengujian akan ditentukan dari hubungan dua skor instrumen, atau lebih dikenal dengan hubungan antara variabel bebas (independen variable) dengan variabel terikat (dependen variable).

3. SPSS Output: Perhitungan dan Analisis Output menggunakan Alfa Cronbach. (Reliabilitas) Reliabilits berasal dari kata reliability yang mempunyai arti konsistensi, kestabilan, keterpercayaan dan sutrisno hadi mengartikan dengan keterandalan. Hasil pengukuran dapat dikatakan reliabel apabila dalam beberapa kali pengukuran pada obyek yang sama akan menghasilkan hasil yang relatif sama. (Azwar,2003). Pengujian reliabilitas instrumen yang biasa digunakan dalam penelitian menggunakan pendekatan internal. Dalam pendekatan ini seolah-olah instrumen dibelah menjadi beberapa bagian sehingga dapat dikorelasikan. Dalam SPSS Rumus digunakan adalah Alfa Cronbach. Reliabilitas Alpha cronbach tepat apabila digunakan instrumen dengan skala interval atau rasio. Rumus alpha Cronbach adalah sebagai berikut:

Keterangan : k = Jumlah Belahan si = Varian setiap belahan st = Varian tatal

Bila koefisien reliabilitas telah dihitung, maka untuk menentukan keeratan hubungan bisa digunakan kriteria Guilford (1956), yaitu :

1. kurang dari 0,20 : Hubungan yang sangat kecil dan bisa diabaikan 2. 0,20 - < 0,40 : Hubungan yang kecil (tidak erat) 3. 0,40 - < 0,70 : Hubungan yang cukup erat 4. 0,70 - < 0,90 : Hubungan yang erat (reliabel) 5. 0,90 - < 1,00 : Hubungan yang sangat erat (sangat reliabel) 6. 1,00 : Hubungan yang sempurna

Contoh Perhitungan Manual 1. Data Berasal dari tabel 1, pilih yang sahih/valid

2. Tabel menjadi seberti dibawah ini

S1= (107/10)-(31/10)2 = 10,7-9,61 = 1,09 S6 = (113/10)-(33/10)2 = 11,3-10,89 = 0,41 S8= (101/10)-(31/10)2 = .......-........ = 0,49 S9 = (...../....)-(...../....)2 =.......-.......... = 0,85 S10= (...../.....)-(..../....)2=.......-.......... = 0,49 St = ...................................................= 9,29

Dengan Menggunakan SPSS 1. Berdasarkan data pada Uji Validitas

2. Pilih Menu Analyze , sort kebawah pilih menu Scale, kemudian klik menu Reliability Analysis...,

3. Muncul kotak dialog , masukkan Butir yang valid kedalam Box Item, Kemudian tekan OK

4. Output SPSS akan menunjukkan sebagai berikut: