بسم
الله الرحمن
الرحيم
VARIABEL DAN
PENGUKURAN VARIABEL
PENGERTIAN
Kata “variabel” berasal dari bahasa Inggris
variable dengan arti :”ubahan”,”faktor tak tetap”, atau “gejala yang dapat
diubah-ubah”.
Dalam bahasa sehari-hari, variabel penelitian sering diartikan sebagai
”faktor-faktor yang dikaji dalam penelitian”. Menurut konsep aslinya yang
dimaksud variabel adalah konsep yang memiliki keragaman nilai.
NILAI VARIABEL
·
Variabel dapat diukur dengan berbagai macam nilai
tergantung pada construct yang diwakilinya.
·
Nilai variabel dapat berupa atribut yang
menggunakan ukuran atau skala dalam suatu kisaran nilai
Construct : abstraksi dari fenomena-fenomena
kehidupan nyata yang diamati.
MACAM-MACAM VARIABEL
} Variabel independen (bebas) adalah variabel
yang menjelaskan atau mempengaruhi variabel yang lain.
variabel independen
disebut juga sebagai variabel yang mendahului (antecedent variabel)
} Variabel dependen (tergantung) adalah variabel
yang dijelaskan atau dipengaruhi oleh variabel independen.
variabel
dependen disebut juga sebagai variabel konsekuensi (consequent variabel)
CONTOH VARIABEL DALAM PENELITIAN
} Kualitas pelayan Petugas kesehatan dan Kepuasan Masyarakat
Kualitas Pelayanan = variabel independent (VI)
Kepuasan Masyarakat = variabel dependen (VD)
Kualitas Pelayanan = variabel independent (VI)
Kepuasan Masyarakat = variabel dependen (VD)
} Kenaikan harga BBM dan daya beli masyarakat : kenaikan harga BBM adalah
variabel independen (VI) dan daya beli adalah variabel dependen (VD);
} Kemampuan kerja dan produltivitas
Kemampuan kerja = VI
Produktivitas = VD
Kemampuan kerja = VI
Produktivitas = VD
PENGUKURAN VARIABEL
} Variabel diskrit yaitu variabel-variabel yang hanya dapat diukur dengan
skala nominal
} Variabel continuous yaitu variabel yang dapat diukur dengan menggunakan
skala-skala: ordinal, interval maupun rasio.
SKALA NOMINAL
Yang dimaksud skala nominal adalah skala pengukuran yang hanya
menunjukan perbedaan tanpa jarak yang jelas. Kepada variabel tersebut dapat
diberi nilai skor, tapi skor tersebut hanya menunjukkan kode perbedaan dan
bukannya menunjukkan jarak (lebih besar, lebih tinggi).
Skala yang memungkinkan
peneliti mengelompokkan subyek kedalam katagori atau kelompok.
• Misal gender responden dapat dikelompokkan dalam 2 katagori : Pria dan wanita. Skala gender dapat dinyatakan dalam angka : Pria = 1 dan Wanita = 2.
• Skala Nominal bersifat mutualy exlusive dan masing-masing anggota himpunan tersebut tidak ada perbedaan nilai.
• Misal gender responden dapat dikelompokkan dalam 2 katagori : Pria dan wanita. Skala gender dapat dinyatakan dalam angka : Pria = 1 dan Wanita = 2.
• Skala Nominal bersifat mutualy exlusive dan masing-masing anggota himpunan tersebut tidak ada perbedaan nilai.
SKALA ORDINAL
Berbeda dengan skala nominal skala ordinal adalah skala pengukuran
yang disamping menunjukkan perbedaan juga menunjukkan jenjang atau tingkatan
tetapi jarak antar skala atau jenjang/skala tidak sama.
Pengukuran skala ini juga dapat
menggunakan nilai skor, tapi skor yang diberikan juga tidak boleh dijumlahkan,
dikurangkan, dibagi atau dikalikan
Skala Ordinal tidak hanya menyatakan katagori
tapi juga menyatakan peringkat katagori tersebut.
Skala Ordinal menjawab atas suatu pertanyaan, responden diminta untuk memberikan urutan alternatif jawaban yang paling sesuai.
Misal rangking jawaban yang dibuat berdasarkan preferensi Responden :
1. Senang sekali,
Skala Ordinal menjawab atas suatu pertanyaan, responden diminta untuk memberikan urutan alternatif jawaban yang paling sesuai.
Misal rangking jawaban yang dibuat berdasarkan preferensi Responden :
1. Senang sekali,
2. Senang,
3. Kurang senang,
4. Kurang senang sekali.( beda antara dua titik tidak dapat diukur).
SKALA INTERVAL
} Skala interval adalah skala yang mempunyai jarak jika dibanding dengan
jarak lain sedang jarak itu diketahui dengan pasti.
} Skala Interval memungkinkan mengukur beda antara dua titik dalam
skala, menghitung means dan standar deviasi data.
Contoh :
Jarak waktu jam.08.00 – 10.00 adalah sama dengan jarak waktu 16.00 – 18.00. Tetapi kita tidak dapat menyatakan bahwa jam.16.00 dua kali lebih lambat dibandingkan jam.08.00.
Contoh :
Jarak waktu jam.08.00 – 10.00 adalah sama dengan jarak waktu 16.00 – 18.00. Tetapi kita tidak dapat menyatakan bahwa jam.16.00 dua kali lebih lambat dibandingkan jam.08.00.
SKALA RASIO
Skala rasio adalah skala perbandingan. Skala
ini dalam hubungan antar sesamanya merupakan ”sekian kali”
Skala Rasio merupakan
kedudukan data yang tertinggi, dimana memiliki nilai nol yang orisinal.
Misal : Jika aset perusahaan A sebanyak Rp. 10 Milyar dan aset perusahaan B sebanyak Rp. 5 Milyar, maka rasio A & B adalah 2 : 1.
Misal : Jika aset perusahaan A sebanyak Rp. 10 Milyar dan aset perusahaan B sebanyak Rp. 5 Milyar, maka rasio A & B adalah 2 : 1.
PENDEKATAN VARIABEL
1.
Variabel Aktif: adalah variabel-variabel
penelitian yang dimanipulasi untuk keperluan penelitian eksperimen.
Tidak semua variabel penelitian dapat dimanipulasi.
2.
Variabel atribut: adalah variabel-variabel
penelitian yang tidak dapat dimanipulasi.
Misal variabel yang berkaitan dengan karakter
masnusia intelegensia, sikap, jenis kelamin, status sosial ekonomi.
ANALISIS KORELASI
Nilai korelasi adalah nilai yang menggambarkan tingkat keeratan hubungan
linier antara dua variabel atau lebih. Nilai korelasi tidak menggambarkan
hubungan sebab akibat antara dua variabel atau lebih tetapi semata-mata
menggambarkan keterkaitan linier antar variabel. Nilai korelasi sering
dinotasikan dengan r dan nilainya dari –1 sampai 1 (-1£ r £1), nilai r yang
mendekati 1 atau –1 menunjukkan semakin erat hubungan linier antara kedua
variabel tersebut. Sedangkan nilai r yang mendekati nol menggambarkan hubungan
kedua variabel tersebut tidak linier. Tanda dari nilai r dapat dilihat dari
diagram pencar pengamatan dari dua variabel tersebut.
Rumus untuk menghitung korelasi dari data
sampel :
dengan –1 £ r £1
Inferensi terhadap
Nilai r
merupakan suatu nilai penduga bagi nilai korelasi populasi yang dilambangkan
dengan maka apabila ingin mendapatkan
suatu uji yang menyatakan kapan r berada cukup jauh dari suatu nilai tertentu .
Hipotesis untuk menguji apakah dua varibel
mempunyai hubungan linier atau tidak adalah sebagai berikut :
Ho : =
0
Statistik
uji :
, dengan v = n – 2
Wilayah
kritis :
t
< -ta untuk Ho :
< 0
t
> ta untuk
Ho : > 0
t
< -ta/2 dan t > ta/2 untuk Ho : ¹ 0
ANALISIS REGRESI LINIER SEDERHANA
} Dalam kehidupan sehari-hari seringkali kita ingin melihat hubungan
antara dua variabel, seperti hubungan antara panjang bayi dan bobot bayi,
protein dan kadar hemoglobin, tinggi badan dan berat badan, IQ anak dan nilai
matematikanya. Umumnya suatu variabel bersifat mempengaruhi variabel yang
lainnya, variabel pertama disebut variabel bebas (independent variable) sedangkan variabel yang kedua
disebut variabel tak bebas (dependent variable). Secara kuantitatif
hubungan antara variabel bebas dan variabel tak bebas dapat dimodelkan dalam
suatu model matematik. Metode yang digunakan untuk mencari pola hubungan
fungsional antara satu variabel bebas (independen / prediktor / X) dengan satu
variabel tak bebas (dependen / respons / y) adalah analisis regresi sederhana.
MODEL ANALISIS REGRESI SEDERHANA Y TERHADAP X
ADALAH :
} dengan yi
= variabel respon ke-i
} xi
= variabel prediktor ke-i
} a = parameter intersep
} b = parameter slope
(kemiringan)
} ei = error ke-i
Dengan menggunakan metode kuadrat terkecil (least
square) persamaan regresi diatas dapat diduga dengan :
dengan
CONTOH
} Hasil proses kimia diperkirakan merupakan fungsi jumlah katalisator yang
ditambahkan pada reaksi tersebut. Data yang didapat disajikan pada tabel
berikut :
Hasil (%)
|
60,5
|
63,9
|
63,8
|
60,2
|
66,7
|
71,7
|
70,8
|
65,7
|
Katalisator (lb)
|
0,9
|
1,4
|
1,6
|
1,7
|
1,8
|
2,0
|
2,1
|
2,3
|
Tentukan estimasi model regresi linier sederhana berdasarkan data
sampel diatas?
JAWABAN
Dalam kasus ini variabel respon Y adalah hasil
(%), sedangkan variabel bebas X adalah katalisator (lb). Berdasarkan data pada
tabel 1, didapat
dan sehingga didapat
a = 65,412 - (6,56)(1,725) = 54,096
Didapat estimasi model regresi linier sederhana
KOEFISIEN DETERMINASI
Untuk mengetahui kesesuaian model dan besarnya variasi nilai Y yang
dapat dijelaskan oleh model regresi
digunakan nilai koefisien determinasi dengan rumus sbb:
dengan 0 £ R2 £1
Untuk analisis regresi linier sederhana :
R2 = r2
SOAL LATIHAN
Sebuah penelitian dilakukan untuk menentukan apakah ada hubungan antara
jangka waktu pengeringan dengan berkurangnya berat suatu bahan yang
dikeringkan. Diperoleh data sebagai berikut :
jangka waktu
pengeringan (jam)
|
Berat yang berkurang
(mg)
|
1,2
|
101
|
0,8
|
92
|
1,0
|
110
|
1,3
|
120
|
0,7
|
90
|
0,8
|
82
|
1,0
|
93
|
0,6
|
75
|
0,9
|
91
|
1,1
|
105
|
•
Buatlah diagram pencarnya.
•
Hitung dan tafsirkan koefisien korelasi antara
jangka waktu pengeringan dengan berat yang berkurang.
•
Apakah korelasi tersebut secara signifikan
berbeda dari nol ?
•
Tentukan persamaan garis regresinya untuk
meramalkan berat yang berkurang berdasarkan jangka waktu pengeringan.
•
Hitung koef. determinasinya, dan jelaskan
artinya.
•
Taksirlah berat yang berkurang jika jangka
waktu pengeringannya 1 jam.
Tidak ada komentar:
Posting Komentar