Variabel penelitian adalah objek yang diteliti yang
memiliki nilai yang bervariasi. Dengan
demikian sesuatu yang hanya mempunyai satu nilai (tidak mempunyai nilai yang
bervariasi) tidak dapat dinyatakan sebagai variabel, tetapi konstanta (constant).
1.
Kualitatif dan Kuantitatif
Qualitative Variable, adalah variabel yang datanya berupa data
kualitatif (skala nominal atau ordinal).
Quantitative Variable,
adalah variabel yang datanya berupa angka (skala ordinal, interval, atau
rasio).
2.
Bebas dan Terikat
Variabel Bebas (Independent
Variable), adalah variabel yang mempengaruhi variabel yang lain (variabel
terikat).
Variabel Terikat (Dependent Variable), adalah variabel yang dipengaruhi oleh variabel
lain (variabel bebas).
Dua pengertian di atas memperlihatkan bahwa istilah
dua jenis variabel ini muncul pada penelitian (study) pengaruh.
Jika digambarkan, modelnya akan menjadi:
Contoh: Pada penelitian tentang ”Pengaruh IQ terhadap Nilai yang Dicapai
Mahasiswa dalam Perkuliahan Statistika”, yang menjadi VB adalah ”IQ” dan yang
menjadi VT adalah ”Nilai yang Dicapai Mahasiswa dalam Perkuliahan Statistika”.
Catatan: Pada penelitian
korelasional tidak dikenal istilah variabel bebas dan terikat, karena;
a.
Pada hubungan relasional tidak
ada variabel yang ”mempengaruhi” (VB) maupun ”dipengaruhi” (VT).
Contoh: Hubungan Kemampuan Berbahasa Arab dan Kemampuan Berbahasa Inggris
Mahasiswa.
b.
Pada hubungan resiprokal tiap
variabel ”mempengaruhi” dan ”dipengaruhi” oleh variabel yang lain, sehingga
penentuan VB dan VT menjadi rancu.
Contoh: Hubungan Motivasi dan Hasil Belajar Mahasiswa.
3.
Kontrol dan Ekstrane
Ketika peneliti merasa tidak puas dengan hasil yang
ditunjukkan oleh variabel bebas dan variabel terikat yang dianalisis, maka
perlu dilakukan analisis lanjutan dengan memperhitungkan variabel-variabel yang
lain (variabel-variabel penjelas) yang dapat lebih menjelaskan realitas yang
sesungguhnya. Oleh karena itu analisis
lanjutan ini disebut juga dengan analisis penjelas (elaboration). Sedangkan
variabel yang perlu diperhitungkan dalam analisis ini antara lain adalah
variabel kontrol dan variabel ekstrane.
Control Variable, adalah variabel yang dikendalikan pengaruhnya
terhadap variabel terikat. Pengendalian
ini dilakukan dengan menggunakan nilai yang sama (dijadikan konstanta).
Contoh: Jika meneliti tentang ”Nilai yang Dicapai Mahasiswa dalam
Perkuliahan Statistika” (VT) yang diduga dipengaruhi oleh IQ-nya (VB), maka
variabel lain yang juga diduga berpengaruh terhadap ”Nilai” dimaksud seperti
”Minat” harus dikendalikan (VK), yaitu dengan menggunakan satu nilainya saja
seperti mahasiswa yang memiliki minat belajar Statistika yang ”Tinggi”.
Control variable ini sering ditemukan pada penelitian di bidang
eksakta, terutama pada penelitian eksperimental. Pada bidang sosial, pengontrolan variabel lebih
sulit dilakukan terutama pada penelitian yang non experimental.
Catatan: Pengontrolan
variabel yang berpengaruh terhadap VT selain dapat dilakukan dengan cara
membuat variabel menjadi konstanta (secara metodologis), juga dapat dilakukan
dengan pengontrolan secara statistis/matematis.
Pengontrolan secara statistis dapat dilihat secara eksplisit pada
analisis-analisis parsial seperti korelasi parsial, korelasi semi parsial, dll.
Extraneous Variable,
adalah variabel yang diabaikan pengaruhnya terhadap variabel terikat, karena
pengaruhnya dianggap tidak signifikan.
Contoh: Jika
meneliti tentang ”Nilai yang Dicapai Mahasiswa dalam Perkuliahan Statistika”
(VT) yang diduga dipengaruhi oleh IQ-nya (VB), maka variabel lain yang juga
diduga berpengaruh terhadap ”nilai” dimaksud namun dianggap pengaruhnya kecil (negligible) sehingga tak berarti (nonsignificant) seperti ”Penggunaan
Ruangan ber-AC”, diabaikan.
4.
Antara dan Moderator
Variabel-variabel lain yang juga dapat memberikan
kontribusi dalam analisis penjelas adalah sebagai berikut:
Intervening Variable, yaitu variabel yang menjadi perantara efek dari
VB ke VT. Dengan demikian VB secara
langsung memberikan efek terhadap VI, kemudian VI memberikan efek terhadap VT
yang di dalamnya termasuk efek (tak langsung) dari VB.
Jika digambarkan modelnya akan menjadi:
Contoh: Pada penelitian tentang ”Pengaruh IQ terhadap Nilai yang Dicapai
Mahasiswa dalam Perkuliahan Statistika”, sebenarnya pengaruh dari ”IQ” (VB)
tidaklah langsung terhadap ”Nilai yang Dicapai Mahasiswa dalam Perkuliahan
Statistika” (VT), tetapi melalui suatu variabel lain yaitu ”Proses Belajar
Statistika” (VI).
Catatan: Variabel intervening/Antara ini terkadang
disebut juga sebagai Variabel Mediator (Vmed) karena memediasi pengaruh dari VB
terhadap VB. Namun ada sebagian pakar
yang membedakannya dengan alasan bahwa fungsi mediasi tidak merubah nilai
pengaruh (dari positif ke nagatif atau sebaliknya). Dengan demikian pendapat ini menyatakan bahwa
VMed adalah bentuk khusus dari VI.
Moderator Variable, yaitu variabel yang memberikan dampak terhadap
pengaruh VB kepada VT.
Jika digambarkan modelnya akan menjadi:
Contoh: Pada penelitian tentang ”Efek Motivasi terhadap Proses Belajar
Mahasiswa di Kelas pada Mata Kuliah Statistika”, peneliti menduga bahwa
motivasi yang diukur sebelum perkuliahan dilaksanakan berdampak positif
terhadap proses belajar yang diamati secara langsung. Namun hasil penelitian ternyata tidak sesuai
dengan dugaan tersebut. Bisa saja
dampaknya tidak signifikan atau bahkan dampaknya negatif.
Peneliti kemudian menduga bahwa hal ini terjadi
karena pengaruh dari ”Cara Mengajar Dosen” yang membuat mahasiswa yang
motivasinya tinggi tetapi proses belajarnya di kelas tidak baik atau
sebaliknya. Jika kemudian ”Cara Mengajar
Dosen” ikut dilibatkan dalam penelitian, maka ia berkedudukan sebagai VM.
Dampak VM terhadap pengaruh VB kepada VT selain
dijelaskan melalui prosesnya sebagaimana yang telah dipaparkan di atas, juga
dapat dijelaskan melalui pengaruhnya terhadap VB sekaligus terhadap VT,
sehingga modelnya digambarkan sebagai berikut:
Contoh: Dari contoh penelitian tentang ”Efek Motivasi terhadap Proses
Belajar Mahasiswa di Kelas pada Mata Kuliah Statistika”, sebenarnya dapat
dipandang bahwa ”Cara Mengajar Dosen” memberikan dampak terhadap ”Motivasi
Belajar” mahasiswa sekaligus terhadap ”Proses Belajar” mereka.
Hanya saja jika jika secara logika VM tidak masuk
akal mempengaruhi VB, maka pengujiannya tidak layak menggunakan model yang
dicantumkan di atas, tetapi menggunakan model interaksi (VBxVM) sebagai
berikut:
Catatan: Jika melihat kedudukannya dalam model, maka VM
sebenarnya adalah VB. Tetapi karena VM
dimunculkan untuk menjelaskan pengaruh VB terhadap VT, maka kedudukan VM dalam
analisis dianggap sebagai VB Kedua (Secondary
Independent Variable).
Jika bukan dalam analisis penjelas maka model
kedua yang menggambarkan kedudukan VM, dapat membuat kedudukan VB berubah
menjadi VI dengan model sebagai berikut:
5.
Komponen, Pengganggu, dan
Penekan
Beberapa variabel lain yang juga dapat memberikan
kontribusi dalam analisis penjelas adalah sebagai berikut:
Component Variable, adalah bagian dari suatu variabel yang apabila
diperlakukan sebagai variabel tersendiri akan dapat memberikan hasil penelitian
yang lebih baik.
Contoh: Tes IQ (VB) diduga memiliki pengaruh yang signifikan terhadap
hasil belajar dalam mata kuliah Statistika (VT). Mungkin akan lebih baik jika setiap bagian
dari Tes IQ dianalisis sebagai VB yang terpisah yaitu: Tes Verbal (VB1), Tes
Spasial (VB2), Tes Logikal (VB3), dan Tes Numerikal (VB4) sehingga dapat
diketahui komponen Tes IQ mana yang berpengaruh atau tak berpengaruh signifikan
serta yang mana yang pengaruhnya paling signifikan terhadap hasil belajar dalam
mata kuliah Statistika (VT). Mungkin
juga akan lebih baik lagi jika hasil belajar Statistika dianalisis komponennya
secara terpisah (dianggap sebagai variabel-variaabel tersendiri) juga.
Distractor Variable, yaitu variabel yang dapat mengungkapkan bahwa
kesimpulan yang benar dari suatu analisis adalah kebalikan dari apa yang
disimpulkan pada desain sebelumnya.
Contoh: Suatu hasil penelitian menunjukkan bahwa pelanggan suatu bank
ternyata lebih banyak dari masyarakat yang berdomisili jauh dibandingkan dengan
yang berdomisili dekat dengan bank dimaksud.
Hasil penelitian ini tentu mengherankan. Namun jika dilakukan analisis dengan
melibatkan perbandingan jarak rumah sumber data penelitian dengan lokasi bank
saingan terdekat yang diklasifikasikan
atas ”lebih dekat” atau ”lebih jauh”, ternyata memberikan hasil bahwa
sebaliknya yaitu seseorang dalam memilih bank ternyata memilih yang jaraknya
lebih dekat dengan rumahnya.
Dengan demikian ”Perbandingan Jarak dengan Bank
Kompetitor” lebih layak dijadikan VB dibandingkan menggunakan ”Jarak Rumah
sumber data penelitian dengan Bank Tertentu”.
Supressor Variable, yaitu variabel yang menekan pengaruh suatu
variabel terhadap variabel yang lain.
Contoh: Diduga bahwa ”Reaksi terhadap Perubahan Harga” (VT) dari
kelompok masyarakat berpenghasilan (VB) rendah lebih signifikan dibanding
kelompok masyarakat berpenghasilan tinggi.
Namun hasil pengujian menunjukkan tidak ada perbedaan yang signifikan.
Ketika kemudian masyarakat yang diteliti dibedakan juga atas dasar tingkat pendidikan,
terlihat bahwa tingkat pendidikan rendah dan tinggi berbeda secara signifikan
dalam hal reaksi terhadap perubahan harga.
Peneliti mungkin terjebak dalam pemikiran bahwa ”Tingkat Penghasilan”
sudah bukan merupakan variabel yang signifikan lagi untuk melihat ”Reaksi
Masyarakat terhadap Perubahan Harga”.
Hasil analisis memperlihatkan variabel ”Tingkat Pendidikan”-lah yang
berpengaruh.
Namun jika variabel ”Tingkat Pendidikan” dibuat
konstan (dijadikan VK), maka akan dapat dilihat bahwa tingkat penghasilan
memberi pengaruh yang signifikan. Hal
ini menjelaskan bahwa pengaruh ”Tingkat Penghasilan” telah ditekan oleh ”Tingkat
Pendidikan”.
Catatan: Jika diperhatikan secara seksama maka dapat
dilihat bahwa Variabel Pengganggu (VPg) dan Variabel Penekan (VPn) adalah
bentuk khusus dari VM.
6. Eksogen
dan Endogen
Exogeneous Variable,
adalah variabel yang dianggap memiliki pengaruh terhadap variabel yang lain,
namun tidak dipengaruhi oleh variabel lain dalam model.
Endogeneous Variable,
adalah variabel yang dianggap dipengaruhi oleh variabel lain dalam model.
Contoh Model:
Dari model di atas dapat dilihat bahwa:
a. ”Cara Mengajar Dosen” adalah VB, ”Motivasi
Belajar Mahasiswa” adalah VI, dan ”Proses Belajar Mahasiswa” adalah VT.
b. ”Cara Mengajar Dosen” karena tidak dipengaruhi
oleh variabel yang lain adalah VEx.
c. ”Motivasi Belajar Mahasiswa”
adalah VEn, karena dipengaruhi oleh variabel ”Cara Mengajar Dosen. ”Proses
Belajar Mahasiswa” juga VEn karena dipengaruhi oleh ”Motivasi Belajar
Mahasiswa”.
7.
Teramati dan Laten
Observed Variable, adalah variabel yang dapat ”diamati” secara
langsung.
Latent Variable, adalah variabel yang tidak dapat ”diamati”
secara langsung namun harus dikonstruk sedemikian rupa dari berbagai indikator.
Catatan: Indikator yang digunakan untuk mengukur VL
adalah Variabel Teramati (VTm) atau Observed Variable/Manifest Variable.
VTm sering muncul dalam penelitian-penelitian
eksakta.
Dalam penelitian sosial/humaniora (behavioristic), variabel yang digunakan
seringkali berupa variabel yang tidak dapat diamati secara langsung, namun
harus dikonstruk sedemikian rupa.
Variabel ”Warna Kulit”, adalah variabel yang dapat
diamati secara langsung baik dengan teknik observasi, angket, maupun yang
lainnya. Tetapi variabel ”Motivasi”
tidaklah dapat diamati secara langsung, karena secara konseptual motivasi adalah
”proses neuro-psikologis dalam diri seseorang”.
Oleh karena itu variabel seperti motivasi harus diukur faktor-faktornya
dengan cara:
a. Mengamati penyebabnya → formative indicators
b. Mengamati akibatnya → reflective indicators
c.
Mengamati bagian-bagiannya → correlative indicators.
Contoh konstruk variabel laten dengan indikator
formatif:
Contoh konstruk variabel laten dengan indikator
reflektif (umum digunakan dalam scaling):
Contoh konstruk variabel laten dengan indikator
korelatif (umum digunakan dalam indexing):
Model-model
di atas menggunakan one level factor yang dianalisis dengan first order factor analysis.
Tetapi jika model kedua dan
ketiga digabungkan, maka akan didapatkan two
level factor yang mencakup gabungan indikator-indikator formatif dan korelatif. Untuk menganalisis model two level factor digunakan second
order factor analysis.
Catatan: Analisis faktor dengan
indikator korelatif dan resiprokal (hubungan simetrik) antara lain dapat
menggunakan program SPSS, Lisrel,
EQS yang berbasiskan rumus korelasi.
Dalam analisis multivariat, analisis faktor seperti ini diklasifikasikan
sebagai analisis multivariat yang bersifat interdependensi dan metode estimasi
yang digunakan pada program SPSS,
Lisrel, EQS seperti Maximum Likelihood merupakan teknik parametrik.
Analisis faktor dengan indikator formatif antara
lain dapat menggunakan program-program dengan metode estimasi Partial Least Square seperti Smart PLS,
Visual PLS, PLS-GUI, PLS Graph yang berbasiskan rumus Multiple Regression.
Dalam Second-Order Multivariate Analysis, analisis dengan menggunakan rumus
regresi darab seperti ini termasuk dalam kategori dependensi dan penggunaan
metode estimasi Partial Least Square
termasuk dalam kategori nonparametrik.
Analisis faktor dengan indikator reflektif seharusnya
berbasiskan rumus multivariate regression seperti yang tersedia pada program NCSS. Namun penulis belum menemukan program yang
khusus untuk melakukan analisis faktor dengan rumus ini. Karenanya dalam praktek, yang digunakan
adalah analisis berbasiskan korelasi yang sebenarnya kurang tepat.
DOWNLOAD materi ini dan materi terkait:
http://www.ziddu.com/download/18900198/BASICLEVELSTATISTICS-BeberapaKonsepDasar.pdf.html
0 komentar:
Posting Komentar