Tampilkan postingan dengan label Analisis Data. Tampilkan semua postingan
Tampilkan postingan dengan label Analisis Data. Tampilkan semua postingan

Selasa, 10 Mei 2011

Tahap Penyusunan Skala yang Sering Diabaikan : Jumlah Butir di dalam Skala dan Proporsi Jumlah Butir dalam Komponen

Penyusun harus menentukan jumlah butir di dalam skala yang dikembangkan. Demikian tulis beberapa referensi (Gorden, 1977; Hinkin, 2005). Proses ini sering dilewati oleh beberapa penyusun skala. Pada beberapa penelitian skripsi atau tesis jumlah butir tergantung dari berapa butir yang lolos dari uji coba. Kalau butir yang lolos banyak, maka semua butir itu akan dipakai. Proses penyusunan alat ukur tidak hanya menyeleksi butir saja, kemudian memakai butir yang lolos seleksi. Ada seni tersendiri di dalam penyusunan alat ukur, tidak hanya membuang butir tetapi juga menyesuaikan butir dengan desain awal yang dibuat. Tulisan ini mencoba mengupas sedikit permasalahan ini.

Sabtu, 26 Februari 2011

Menyiapkan Data Penelitian Agar Siap dianalisis oleh Software Analisis

Oleh: Wahyu Widhiarso | Fakultas Psikologi UGM

Cukup dua saja! Dalam metode penelitian kita melihat ada dua elemen, yaitu unit sampel dan variabel. Unit sampel bisa berbentuk manusia, lembaga, atau negara. Satunya lagi adalah variabel, yaitu karakteristik atau identitas yang melekat dalam unit sampel tersebut. Kalau dalam psikologi, bisa berbentuk kepribadian, Inteligensi, atau latar belakang sosial demografi (jenis kelamin, pendidikan, pekerjaan, lokasi tempat tinggal). Dalam bidang pertanian, unit sampelnya bisa berupa tanaman atau lokasi sawah, sedangkan variabelnya adalah intensitas pupuk yang diberikan, tinggi tanaman atau jumlah buah yang dihasilkan. Cukup dua saja! Dalam penyajian data pada tabel kita hanya mengenal dua elemen, yaitu baris yang memanjang dari atas hingga bawah, dan kolom yang memanjang dari kiri hingga kanan. Dengan memahami dua hal ini kita pasti bisa mentransformasikan data yang kita miliki ke dalam entry data software analisis.

Read the rest of this post »

Analisis Butir dalam Pengembangan Pengukuran Psikologi

Oleh: Wahyu Widhiarso | Fakultas Psikologi UGM

Analisis aitem adalah suatu proses yang menguji respon subjek terhadap aitem yang dibuat yang bertujuan untuk menilai kualitas dari item-item dan tes secara keseluruhan. Analisis aitem sangat penting dalam meningkatkan kualitas aitem yang akan digunakan kembali dalam pengukuran formal (pengukuran sebenarnya) nantinya. Analisis aitem juga mampu mengeliminasi aitem yang ambigu, menyesatkan dan tidak relevan baik dengan konstrak maupun dengan subjek yang diukur. Analisis aitem penting untuk meningkatkan pengalaman dan keterampilan si pengembang instrumen ukur dalam mengidentifikasi domain-domain konstrak yang ukur, mana domain yang perlu mendapatkan penekanan dan mana yang tidak perlu. Dari paparan diatas dapat kita simpulkan bahwa analisis aitem tidak hanya mengidentifikasi relevansi aitem dengan konstrak ukur akan tetapi juga relevansi aitem dengan sampel yang diukur. Butir “saya menghargai upaya atasa saya” bisa jadi akan gugur dalam analisis jika sampel yang digunakan adalah siswa, sebaliknya aitem tersebut tidak gugur jika sampelnya adalah pegawai.

Read the rest of this post »

Analisis Data dengan Menggunakan Variabel Kontrol

Oleh: Wahyu Widhiarso | Fakultas Psikologi UGM

Peneliti mulai mengembangkan penelitian dengan desain kompleks. Pengujian korelasi dua variabel dan atau perbandingan variabel dengan menggunakan dua kelompok saja mulai digantikan dengan analisis yang lebih kompleks.

Salah satunya adalah melibatkan variabel kontrol. Mengapa melibatkan variabel kontrol? Pertama, hasil analisis lebih menjelaskan fenomena dengan optimal karena variabel-variabel lain yang juga mempengaruhi variabel tergantung, pengaruhnya menjadi terputus. Kedua, analisis akan memiliki kekuatan statistik (power) yang lebih tinggi. Artikel Selengkapnya Bisa di unduh di sini [ PDF]

Berurusan dengan Outliers

Oleh: Wahyu Widhiarso | Fakultas Psikologi UGM

Tulisan ini membahas beberapa prosedur statistika dalam mengidentifikasi outliers. Statistika mengandalkan sesuatu yang lazim atau umum (mean), sering muncul (modus), atau sesuatu yang posisinya di tengah-tengah (median). Sesuatu yang tidak umum, jarang atau kemungkinan tidak mungkin muncul dan posisinya ekstrim, misalnya di daerah marginal sering dilihat sebagai sesuatu yang aneh. Nama untuk hal yang aneh ini adalah outliers. Outliers bisa muncul karena kesalahan pengukuran, salah ketik atau memang senyatanya kondisinya seperti itu. Tulisan berikut membahas bagaimana mengatasi outliers. Dengan kata lain mendeteksi keberadaan outliers. Artikel selengkapnya dalam bentuk PDF bisa diunduh di sini [PDF]

Menentukan Kategori Individu dalam Tipologi

Saya ingin bertanya sedikit dengan Pak Wahyu disini. Kebetulan saya agak kesulitan cara mengkategorisasikan seseorang ke dalam mastery, perfomance, atau cenderung di dua-duanya. Karena ketika seseorang berada pada keduanya maka org tersebut tidak dapat saya ikutkan dalam analisis. Sama seperti ketika kita ingin mengetahui apakah orang tersebut memiliki kepribadian ekstrovert, introvert, atau malah ambifer. Disini, skala yang saya gunakan ada 3 macam, intensi berwirausaha, perfomance goal, dan mastery goal. Item untuk skala mastery dan perfomance sama-sama 27 aitem.

Baca selengkapnya.

Membaca Angka pada SPSS

Berikut ini adalah buku jadoel tulisan saya ketika masih mahasiswa. Semoga bermanfaat.. Download file PDF selengkapnya di sini [PDF]

Isu Uji Asumsi

Oleh : Prof. Sutrisno Hadi

Isu mengenai Uji Asumsi timbul karena dalam banyak ujian skripsi maupun tesis sering ditanyakan oleh para mahasiswa maupun para pembimbing mengenai perlu tidaknya dilakukan uji asumsi sebelum suatu model analisis parametrik diiterapkan. Sebaran normal, misalnya, merupakan asumsi dari hampir semua model analisis statistik, kecuali statistik nonparametrik yang tidak dikait-kaitkan dengan bentuk sebaran (distribution free). Homogenitas variansi adalah asumsi dari semua analisis perbandingan antar kelompok (uji-t, analisis variansi, analisis kovariansi), sekali lagi juga tidak berlaku untuk statistik nonparametrik. Untuk model-model analisis korelatif terdapat agak banyak asumsi, seperti linieritas hubungan antara semua variabel bebas X dengan variabel terikat Y; nirkolinieritas hubungan antara sesama variabel bebas X; dan homosedastisitas dari sebaran variabel Xi Untuk analisis kovariansi, karena merupakan gabungan dari analisis komparatif dan analisis korelatif, asumsi-asumsinya merupakan kumulasi dari analisis komparatif dan analisis korelatif: normalitas sebaran variabel terikat, homogenitas variansi antara kelompok- kelompok yang dibandingkan, linieritas antara semua variabel bebas X dengan variabel terikat Y, dan nirkolinieritas hubungan antara semua kovariabel X.
Baca selengkapnya.

Kuliah ATBK - Pengantar CAT