Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Stadium general metode penelitian bisnis [30 maret 2019)

339 views

Published on

uNTUK REFERENSI pENELITIAN bISNIS

Published in: Education

Stadium general metode penelitian bisnis [30 maret 2019)

  1. 1. STADIUM GENERAL: METODE PENELITIAN BISNIS Prof. Dr. H. Aminullah Assagaf, SE., MS., MM., M.Ak HP (Email) : 08113543409 ( assagaf29@yahoo.com ) Surabaya, 30 Maret 2019
  2. 2. ISI TESIS Isi tesis terdiri dan 6 Bab: Bab I Pendahuluan Bab II Tinjauan Pustaka Bab III Kerangka Konseptual Bab IV Metode Penelitian Bab V Hasil Penelitian dan Analisis Hasil Penelitian Bab VI Simpulan dan Saran Daftar Pustaka Lampiran-lampiran
  3. 3. Bab I dan II Bab I Pendahuluan 1.1. Latar Belakang Masalah 1.2. RumusanMasalah 1.3. Tujuan Penelitian 1.4. Manfaat Penelitian 1.5. Sistematika Penulisan Bab II Tinjauan Pustaka 2.1. Teori-teori 2.1. Konsep yang relevan 2.2. Penelitian terdahulu
  4. 4. Bab III dan IV Bab III Kerangka Konseptual 3.1. Alur Pikir 3.2. Kerangka Konseptual Penelitian 3.3. Hipotesis (kalau ada) 3.4. Model Analisis Bab IV Metode Penelitian 4.1. Pendekatan Penelitian 4.2. Identifikasi Variabel 4.3. Definisi Operasional Variabel 4.4. Populasi dan Prosedur Penentuan Sampel 4.5. Jenis dan Sumber Data 4.6. Tehnik Pengumpulan Data 4.7. Teknik Analisis
  5. 5. Bab V dan VI Bab V Hasil Penelitian dan Analisis Hasil Penelitian 5.1. Gambaran Umum Obyek Penelitian 5.2. Deskripsi Masing-masing Variabel 5.3. Analisis Model dan Pembuktian Hipotesis (kalau ada) 5.4. Pembahasan Bab VI Simpulan dan Saran 6.1. Simpulan 6.2. Saran-saran Daftar Pustaka Lampiran-lampiran
  6. 6. 1.1. Latar Belakang Masalah  Merupakan landasan pemikiran secara garis besar, baik secara teoritis dan atau fakta serta pengamatan yang menimbulkan minat untuk melakukan penelitian.  Fungsi dari latar belakang masalah sebagai informasi yang relevan untuk membantu pokok permasalahan yang ada pada obyek penelitian yang akan ditulisnya.  Atas dasar itu setelah membaca latar belakang masalah tersebut pembaca sudah dapat menduga pokok masalah yang akan diteliti.
  7. 7. Latar belakang Latar belakang penelitian, mencakup: 1) Phenomena penelitian 2) Research gap 3) Motivasi penelitian utk mengkaji research gap dgn mempelajari teori dan penelitian sebelumnya yg relevan (secara umum, singkat) 4) Novelti, orignalitas penelitian 5) Kontribusi penelitian (secara umum) 6) Pentingnta penelitian
  8. 8. 1.2. RumusanMasalah • Berdasarkan uraian pada latar belakang masalah, maka akan dihasilkan suatu rumusan masalah. • Suatu rumusan masalah adalah pernyataan tentang kondisi atau keadaan, fenomena dan atau dapat pula konsep yang memerlukan pemecahan dan atau jawaban melalui suatu penelitian serta analisis yang mendalam berdasarkan teori-teori, konsep-konsep, dan alat-alat yang relevan. • Rumusan masalah yang baik mempunyai beberapa ciri-ciri antara lain: 1.2.1. Penelitian mempunyai nilai dalam arti: a. mempunyai nilai keaslian dan kejelasan sumber b. merupakan hal yang penting dan patut untuk diteliti c. memberikan implikasi untuk dapat dikaji secara empiris 1.2.2. Layak untuk dapat dilakukan penelitian dan didukung oleh data empiris.
  9. 9. Pembatasan Masalah
  10. 10. Gap Penelitian Sumber – sumber untuk menemukan masalah yang akan diteliti adalah : 1. Fenomena Bisnis Penelitian ilmiah berangkat dari pengamatan atas fenomena bisnis sehari – hari dimana memunculkan masalah yang layak untuk diteliti. Salah satu cara untuk melihat masalah dari fenomena bisnis adalah dengan mengamati data. Data adalah representasi fenomena bisnis yang paling aktual. 2. Research Gap Research gap adalah celah – celah atau senjang penelitian yang dapat dimasuki oleh seorang peneliti berdasarkan pengalaman atau temuan peneliti – peneliti terdahulu. Penelitian ilmiah disasarkan untuk mendapatkan sebuah jawaban baru terhadap sesuatu yang menjadi masalah. Oleh karena itu peneliti harus berhadapan dengan sesuatu yang menjadi masalah didukung oleh pembenaran atau justifikasi penelitian yang baik dan berupaya untuk mencari jawaban yang baru dari masalah yang memang penting untuk diteliti. 3. Theory Gap Theory gap adalah kesenjangan atau ketidakmampuan sebuah teori dalam menjelaskan sebuah fenomena, oleh karena itu teori tersebut lalu dipertanyakan. Perbedaan theory gap dengan research gap adalah dalam besaran cakupannya.
  11. 11. 5 JENIS RESEARCH GAP Sumber: Hazierah dan Jahja (2017)
  12. 12. 5 JENIS RESEARCH GAP 1. Theoritical gap, berkaitan dengan teori-teori dan framework, dimana terdapat kelemahan, limitasi atau sesuatu yang tidak perna. Merancang untuk menambahkan sesuatu yang baru dan menambahkan teori atau framework kajian. Strategi memenuhi gap theoretical, yaitu: (a) menambahkan variabel dalam framework dari suatu hasil kajian, (b) menggunakan suatu teori yang cenderung digunakan dalam bidang lain, dan kemudian diuji dan digunakan pada kajian tertentu, (c) menggunakan framework yang sama dengan menggunakan teori lain, (d) ambil suatu framework untuk diuji pada kajian tertentu, (e) bangun suatu framework yang baru. 2. Conceptual gap, berkaitan dengan konsep yang digunakan dalam suatu kajian tertentu, terdapat banyak konsep yang sama tetapi didefinisikan secara berbeda, terdapat pembangunan konsep yang tidak dibangun secara jelas atau tidak dikaitkan dengan teori. Strategi memenuhi gap conceptual, yaitu: (a) meneliti maksud suatu konsep dibangun, ada keraguan dan tidak jelas, (b) gunakan konsep bidang lain yang terdekat atau relevan, berikan justifikasi, (c) berikan definisi yang lebih jelas jika terdapat keraguan, (d) bangun konsep baru jika belum tersedia.
  13. 13. 5 JENIS RESEARCH GAP 3. Empirical gap, terdapat bias, kelemahan atau limitasi dalam aspek metodologi yang mempengaruhi suatu kajian, sampel dari sector yang berbeda sumbernya tidak dapat digunakan untuk generalisasi. Strategi memenuhi empirical gap, yaitu: (a) test sekali lagi dengan menggunakan sampel yang sama dan lihat konsistensinya, (b) perhatikan kelemahan dan limitasi kajian sebelumnya dalam aspek metode yang digunakan, dan atasi kelemahan tersebut dengan metode yang lebih baik. 4. Methodological gap, terkait dengan limitasi suatu metode, kelemahan justifikasi terhadap kajian tertentu, memungkinkan dikembangkan suatu metode dengan menggunakan mix method, instrument yang berbeda teapi menggunakan konsep yang sama memberikan hasil yang bereda. Staretgi mengisi methodological gap, yaitu: (a) gunakan metode yang terbaik untuk menjawab permaslahan, (b) tambahkan metode jika perlu, (c) gunakan instrument yang berbeda dengan menggunakan konsep yang sama, (d) gunakan sampel yang berbeda dan bangun instrument baru. 5. Practical gap, terkait dengan intervensi atau pengaruh lingkungan yang menyebabkan sulit untuk diaplikasikan, seperti pengaruh faktro budaya, agama, budaya organisasi, kepemimpinan dan personality. Startegi mengisi practical gap, yaitu: siapkan suatu intervensi baru yang lebih bagus.
  14. 14. Tujuan, Manfaat an Sistimatika Pnelitian 1.3. Tujuan Penelitian  Bagian ini harus disebutkan secara spesifik tujuan yang ingin dicapai.Tujuan penelitian harus sesuai dengan latar belakang masalah dan rumusan masalah yang telah dibuat. 1.4. Manfaat Penelitian  Bagian ini disebutkan manfaat penelitian bagi khasanah ilmu pengetahuan, penyelesaian operasional maupun untuk kebijaksanaan. 1.5. Sistematika Penulisan  Bagian ini memuat uraian secara garis besarnya dari sisi masing-masing bab, mulai dan Bab I sampai dengan Bab VI.  Perlu diperhatikan bahwa dalam sistematika penulisan ini bukan merupakan pemindahan dari daftar isi.
  15. 15. Manfaat Penelitian • Pengembangan ilmu pengetahuan (khususnya terkait penelitian) • Sebagai masukan bagi manajemen dalam pengambilan keputusan • Sebagai informasi bagi praktisi • Menjadi referensi bagi penelitian dimasa yang datang
  16. 16. Bab II Tinjauan Pustaka • Bagian ini berisi hasil-hasil penelitian terdahulu, teori-teori, darn konsep-konsep yang relevan dengan obyek penelitiannya.Hasil penelitian terdahulu berkaitan dengan penelitian yang akandilakukan perlu diuraikan secara sistematis. Paling tidak harus diungkapkan siapa yang meneliti, untuk kepentingan apa, tahun berapa dan dari lembaga mana. • Harus pula dijelaskan model yang digunakan serta simpulan yang dihasilkan dari penelitian terdahulu tersebut. Selain itu harus diungkapkan pula persamaan serta perbedaan dengan penelitian yang akan dilakukan. Dan hasil penelitian terdahulu dapat dipakai pula untuk memecahkan masalah dan merumuskan hipotesis tentunya bila menggunakan hipotesis. • Teori dan konsep yang dikutip dan literatur maupun sumber yang dapat dipertanggungjawabkan harus relevan dengan obyek penelitiannya. Artinya teori dan konsep yang dikutip tersebut tidak hanya sekedar pemindahbukuan saja, bahkan kadang-kadang tidak ada hubungannya sama sekali dengan obyek yang akan diteliti.
  17. 17. Tinjauan Pusataka 1) Landasan Teori: • Grand theory • Midle range • Aplied Theory) 2) Penelitian Terdahulu (Google scholar)
  18. 18. TEORI
  19. 19. 3.1. Alur Pikir • Alur pikir dapat berbentuk gambar yang dilengkapi dengan uraian kualitatif. Uraian tersebut merupakan gambaran tentang pola hubungan dan atau perbedaan konsep-konsep yang ditemukan dari teori-teori. • Dari alur pikir ini akan terlihat pola hubungan dan atau perbedaan antara variabel bebas terhadap variabel tidak bebasnya dan atau perbedaan antara variabel bebas, sehingga akan diketahui apa yang ingin dicapai dalam penelitian ini.
  20. 20. 3.2. Kerangka Konseptual Penelitian • Kerangka konseptual penelitian dapat berbentuk gambar yang merupakan suatu hubungan atau terkait antara konsep dari masalah yang ingin diteliti. • Kerangka ini didapatkan dari konsep ilmu/teori yang dipakai sebagai landasan penelitian yang didapatkan pada tinjauan pustaka yang biasanya dikaitkan dengan garis satu dengan garis yang lainnya sesuai variabel yang diteliti.
  21. 21. 3.3. Hipotesis (kalau ada) • Hipotesis penelitian merupakan pernyataan singkat tentang hubungan dan atau perbedaan antar dua variabel atau lebih, dirumuskan secara operasional dan dapat diuji secara empiris dengan menggunakan alat uji statistic inferensial. • Jadi bila suatu penelitian yang bersifat deskriptif kuantitatif maupun kualitatif, tidak diperlukan hipotesis ini.
  22. 22. 3.4. Model Analisis • Dari alur pikir dan hipotesis (kalau ada) dapat disusun suatu model analisis, yang merupakan simplifikasi dari dunia nyata dan harus konsisten antara satu dengan lainnya. • Pada dasarnya model analisis ini merupakan penyederhanaan dari dunia nyata yang sedemikian banyaknya variabel-variabel yang ada. • Oleh karenanya model analisis ini digambarkan secara spesifik perbedaan dan atau hubungan antar variabel yang diturunkan dari rumusan masalah, tujuan dan hipotesis (kalau ada).
  23. 23. Model Analisis • Model yang digunakan dalam penelitian (Misa: Model Regresi) • Uji Sampel: Uji validitas, Uji Reliabilitas • Uji Asumis klasik : Multicollinearity, Autocoreelation, Heteroskedasticity, Normality, Linearity • Uji hipotesis: Persamaan regrsei, Uji F, Uji t, Koefisien determinan (R2) • Model Logistic (Logit): Variebl dependent menggunakan data dummy (1 dan 0)
  24. 24. UJI VALIDITAS KUISIONER • Uji validitas, adalah untuk mengetahui seberapa cermat suatu instru- ment (teknik pengambilan sampel atau pengukuran data) dalam mengukur apa yang ingin diukur atau diteliti.Untuk melakukan Uji Validitas kuisioner, digunakan metode Pearson Corelation (Product Moment Pearson) dan metode Corrected Item Total Correlation. • Contoh: Karena tiap item memiliki nilai Corrected item – Total Correlation yang lebih besar dari r-tabel 0,505 (0,01 dan n=25), maka kese-luruhan item dari variable Y, X1, dan X2 dinyatakan Valid.
  25. 25. UJI RELIABILITAS KUISIONER • Menguji konsistensi alat ukur jika pengukuran diulangi, hasilnya konsisten atau dapat dipercaya atau tahan uji. • Contoh: • Output SPSS, pada Cronbach’s Alpha diperoleh, variable Y = 0,924, variable X1 = 0,919 dan variable X2 = 0,928 • Karena Cronbach’s Alpha masing-masing variable tersebut > 0,7 maka dinyatakan bahwa instrument pengukuran variable Y, X1 dan X2 dinyatakan reliable.
  26. 26. Uji validitas dan Reliabiitas • Uji Validitas: Uji validitas dilakukan untuk mengetahui apakah alat ukur tersebut memiliki ketepatan dalam melakukan pengukuran, atau dengan kata lain apakah alat ukur tersebut dapat benar-benar mengukur apa yang hendak diukur (Suharsimi Arikunto 2010) • Uji Reliabilitas: Reliabilitas adalah indeks yang menunjukkan sejauh mana suatu alat ukur dapat dipercaya atau dapat diandalkan, yang menunjukkan sejauh mana hasil pengukuran tetap konsisten (Djamaludin Ancok, 1989). Reliabilitas untuk mengetahui sejauh mana alat ukur yang digunakan tersebut memilliki taraf ketelitian, kepercayaan, kekonstanan ataupun kestabilan.
  27. 27. Uji Multicollinearity • Multikolinearitas, adalah terjadinya korelasi linear yang tinggi atau mendekati sempurna antara variable bebas • Uji multikolinearitas dengan Tolerance (TOL) dan Vriance Inflation Factor (VIF) • Jika nilai VIF < 10 atau tidak lebih dari 10, dan nilai tolerance > 0.10 maka dinyatakan tidak ada gejala multikolinearitas
  28. 28. Uji Autocorrelation • Autokorelasi, adalah keadaan dimana terjadinya korelasi dari residual untuk pemgamatan satu dengan pengamatan yang lain yg disusun menurut urutan waktu. • Uji autokorelasi dimaksudkan untuk menge-tahui apakah ada korelasi antara anggota serangkaian data observasi yang diuraikan menurut waktu (time-series) dan ruang (cross-saction).
  29. 29. Durbin Watson _ Uji Autokorelasi
  30. 30. Uji Heteroskedastisitas • Heteroskedastisitas, adalah keadaan dimana terjadinya ketidaksa- maan varian dari residual pada model regresi. Heteroskedastisitas berarti ada varian variable pada model regresi yang tidak sama atau konstan. • Sebaliknya Homoskedastisitas berarti varian variable pada model regresi memiliki nilai yang sama atau konstan. • Masalah heteroskedastisitas sering terjadi pada data cross-saction. Konse-kuensi heteroskedastisitas adalah uji hipotesis yang didasadrkan pada uji t dan dsitribusi F tidak dapat dipercaya.
  31. 31. Uji Normalitas • Uji normalitas bertujuan untuk mengetahui apakah nilai residual yang telah distandarisasi pada model regresi tsb berdistribusi normal atau tidak. • Nilai residual dikatakan berdistribusi normal jika nilai residual terstandarisasi sebagian besar mendekati nilai rata-ratanya. • Nilai residual terstandarisasi yang berdistribusi normal jika digambarkan dalam bentuk kurva akan membentuk gambar lonceng (bell-shaped curve). • Contoh: Ouput SPSS diperoleh nilai Asymp Sig (2-tailed) sebesar 0,343> table 0,05 atau 5% atau H0 diterima yang berarti bahwa nilai residu terstandarisasi dinyatakan menyebar secara normal.
  32. 32. Uji linearitas • Pengujian perlu dilakukan untuk membuktikan apakah model yang digunakan linear atau tidak. • Contoh: Output SPSS dapat dihitung Chi square atau X2, kemudian dibandingkan dengan table X2. Bila X2 hitung<X2 tabel, maka model regresi dinyatakan linear. • Formula yang digunakan untuk menghitung Chi square (X2) hitung : X2hitung = n x R2 • Hasil perhitungan berikut ini diperoleh R2 = 0,004, dan penga-matan (n=25), maka : X2 hitung =25 x 0,004 = 0,1 • Karena X2 hitung (0,1) < nilai X2 tabel 37,652 (5%, n=25), maka dinyatakan bahwa model regresi yang adalah linear.
  33. 33. Pendekatan Penelitian dan dentifikasi variabel 4.1. Pendekatan Penelitian • Berbagai macam pendekatan yang digunakan dan dapat dipilih salah satu diantaranya adalah Penelitian kuantitatif dan Penelitian kualitatif. Metode survei banyak digunakan dalam penelitian kuantitatif, sedangkan untuk penelitian kualitatif seringkali menggunakan studi kasus. 4.2. Identifikasi Variabel • Bagian ini mengidentifikasi dari variabel-variabel yang digunakan dalam model analisis sesuai dengan nama-namanya.
  34. 34. 4.3. Definisi Operasional Variabel • Variabel-variabel yang digunakan dalam penelitian harus diidentifikasi-kan secara operasional agar supaya tidak ada perbedaan persepsi antara peneliti dan pembacanya.T • Tidak selamanya definisi operasional ini sama dengan teori-teori atau konsep-konsep yang berlaku secara umum. • Atas dasar itu definisi operasional mengandung penjelasan secara spesifik mengenai viabel-variabel yang telah diidentifikasi, pengukuran variabel dan skala ukuran yang digunakan, termasuk indikator-indikator yang digunakan bila diperlukan oleh peneliti.
  35. 35. Sampel dan Data 4.4. Populasi dan Prosedur Penentuan Sampel • Bagian mi menjelaskan tentang populasi yang ada serta jump sampel yang digunakan dalam penelitian. • Tentu saja dalam penentuan sampel ini menggunakan prosedur tertentu supaya sesuai dengan karakteristik populasi-nya, agar tujuan penelitian yang diinginkan dapat tercapai. 4.5. Jenis dan Sumber Data • Data harus terukur, bark dengan jenisukuran atau skalanya nominal, ordinal, interval maupun rasio. • Data dapat berasal dari sumber primes dan atau sekunder dapat pula gabungan keduanya.
  36. 36. JENIS DATA MENURUT SIFATNYA 1. Kualitatif : Berupa label/nama-nama yang digunakan untuk mengidentifikasikan atribut suatu elemen • Skala pengukuran: Nominal atau Ordinal • Data bisa berupa numeric atau non numeric. a. Data Ordinal Data ordinal ada dasarnya adalah hasil dari kuantitatif dan kualitatif. Contoh dari data ordinal adalah penskalaan sikap individu. Penskalaan sikap individu terhadap sesuatu bisa diwujudkan dalam bermacam bentuk, misalnya : dari sikap Sangat setuju (5), Setuju (4). Netral (3), Tidak setuju (2) dan Sangat tidak setuju (1). Pada tingkat ordinal ini data yang ada tidak mempunyai jarak data yang pasti, contohnya : Sangat setuju (5) dan Setuju (4) tidak diketahui asti jarak antar nilainya karena jarak antara Sangat setuju (5) dan Setuju (4) bukan 1 satuan (5-1). b. Data Nominal Data nominal adalah tingkatan data paling rendah menurut tingkat pengukurannya. Data nominal ini pada satu individu tidak mempunyai variasi sama sekali, jadi 1 individu hanya mempunyai 1 bentuk data. Contoh data nominal yaitu : jenis kelamin, tempat tinggal, tahun lahir dan lain-lain. Data jenis kelamin ini nantinya akan diberi label dalam pengolahannya misalnya : perempuan = 1 dan laki-laki = 2 .
  37. 37. JENIS DATA MENURUT SIFATNYA 2. Kuantitatif Mengindikasikan seberapa banyak (how many/diskret atau how much/kontinu) Data selalu numeric Skala pengukuran: Interval dan Rasio. a. Data Rasio Data rasio adalah tingkatan data yang paling tinggi. Data rasio memiliki jarak antar nilai yang pasti dan memiliki nolai nol mutlak yang tidak dimiliki olh jenis-jenis data lainnya. Contoh data rasio adalah : berat badan, panjang benda, jumlah satuan benda. Jika kita memiliki 10 bola maka ada perwujudan 10 bola itu. Ketika seseorang memiliki 0 bola maka orang tersebut tidak memiliki bola satupun. Data rasio dapat digunakan dalam komputasi matematik, misalnya : A memiliki 10 bola dan B memiliki 8 bola, maka A memiliki 2 bola lebih banyak dari B. b. Data Interval Data interval mempunyai tingkatan lebih rendah dari data rasio. Data interval memiliki jarak data yang pasti namun tidak memiliki nilai nol mutlak. Contoh dari nilai data interval adalah hasil dari nilai ujian matematika. Jika A mendapat nilai 10 dan B mendapat nilai 8, maka dipastikan A mempunyai 2 nilai lebih banyak dari B. Namun tidak ada nilai nol mutlak, maksudnya bila C mendapat nilai 0, tidak berarti bahwa kemampuan C dalam pelajaran matematika adalah nol atau kosong.
  38. 38. JENIS DATA YANG DIPENGARUHI OLEH KARAKTERISTIK EMPIRIK 1. Data parametrik, disebut sebagai data parametrik bila memenuhi kriteria sebagai berikut : a. Normally distributed data, data yang mempunyai distribusi normal adalah data yang dapat mewakili populasi yang akan diteliti. Secara kasat mata kita bisa melihat histogram dari data yang dimaksud, apakah membentuk kurva normal atau tidak. b. Homogenity of variance, variasi dari data yang dimaksud harus stabil tidak berubah atau homogen. c. Interval data, data yang dimaksud minimal merupakan data interval d. Independence, data yang diperoleh merupakan data dari tiap indivdu yang independen, maksudnya respon dari 1 individu tidak mempengaruhi atau dipengaruhi respon individu lainnya. 2. Non parametrik, data non parametrik menyatakan bahwa tidak adanya asumsi distribusi khusus pada suatu populasi. Distribusi data normal tidak terpenuhi. Hasil uji non parametrik lebih kuat terhadap pelanggaran asumsi. Uji non parametrik dilakukan jika asumsi data bebas tidak lengkap, sebagai contoh masih dibutuhkannya data pada random sampling yang independent.
  39. 39. JENIS DATA MENURUT WAKTU PENGUMPULANNYA 1. Cross-sectional Data, adalah data yang dikumpulkan pada waktu tertentu yang sama atau hampir sama. Contoh: Jumlah mahasiswa STEKPI TA 2015/2016, Jumlah perusahaan go public tahun 2016 2. Time Series Data, adalah data yang dikumpulkan selama kurun waktu/periode tertentu. Contoh: pergerakan nilai tukar rupiah dalam 1 bulan, Produksi Padi Indonesia tahun 2007-2016.
  40. 40. Teknik Pengumpulan Data dan Analisis 4.6. Tehnik Pengumpulan Data • Bagian ini mengemukakan metodedan instrumen apa yang digunakan untuk mengumpulkan data. • Metode tersebut antara lain:observasi, kuesioner, wawancara, survei, yang dapat dilengkapi dengan alat-alat berupa kamera foto, kamera video, tape recorder, alatnumerator dan lain-lain. • Tentu saja prosedur yang dilakukan harus sesuai dengan rumusan masalah yang akan dipecahkan. 4.7. Teknik Analisis • Bagian ini mengemukakan tahapan-tahapanyang harusdilakukan oleh peneliti sesuai dengan model analisis yang telah dibuat, dan dapat digunakan untuk menguji hipotesis (kalau ada) yang telah dinyatakan. • Bila tahapan-tahapan tersebut tidak dapat dikerjakan atau sulit bila dilakukan secara manual, terutama yang menggunakan perhitungan statistik dan atau matematik, maka alat bantu komputer program apa yang dipakai supaya disebutkan.
  41. 41. Penentuan sampel (Slovin) Contoh Penentuan sampel dengan formula umus Slovin Dalam sebuah kelas di universitas, diperintahkan untuk menentukan bagaimana minat baca mahasiswa seni angkatan 2015. Dengan jumlah 2000 mahasiswa, persennya 10%, penyelesaiannyadibawah ini: Rumus slovin: n = N / (1 + N.e2) n = 2000 / (1 + 1000.(10%)2) n = 2000 / (1 + 1000.(0,1)2) n = 2000 / (1 + 0,01) n = 2000 / (1 + 10) n = 2000 / 11 n = 181,81818181 jika dibulatkan maka besar sampel 182.
  42. 42. TEKNIK PENGAMBILAN SAMPLE
  43. 43. PROBABILITY SAMPLING • Probability sampling adalah Metode pengambilan sampel secara random atau acak. Dengan cara pengambilan sampel ini. • Seluruh anggota populasi diasumsikan memiliki kesempatan yang sama untuk terpilih menjadi sampel penelitian. • Metode ini terbagi menjadi beberapa jenis yang lebih spesifik, antara lain:
  44. 44. PROBABILITY SAMPLING 1. Pengambilan Sampel Acak Sederhana (Simple Random Sampling) • Pengambilan sampel acak sederhana disebut juga Simple Random Sampling. teknik penarikan sampel menggunakan cara ini memberikan kesempatan yang sama bagi setiap anggota populasi untuk menjadi sampel penelitian. Cara pengambilannya menggunakan nomor undian. 2. Pengambilan Sampel Acak Sistematis (Systematic Random Sampling) • Metode pengambilan sampel acak sistematis menggunakan interval dalam memilih sampel penelitian. Misalnya sebuah penelitian membutuhkan 10 sampel dari 100 orang, maka jumlah kelompok intervalnya 100/10=10. Selanjutnya responden dibagi ke dalam masing-masing kelompok lalu diambil secara acak tiap kelompok.
  45. 45. 3. Pengambilan Sampel Acak Berstrata (Stratified Random Sampling) Metode Pengambilan sampel acak berstrata mengambil sampel berdasar tingkatan tertentu. Misalnya penelitian mengenai motivasi kerja pada manajer tingkat atas, manajer tingkat menengah dan manajer tingkat bawah. Proses pengacakan diambil dari masing- masing kelompok tersebut. 4. Pengambilan Sampel Acak Berdasar Area (Cluster Random Sampling) Cluster Sampling adalah teknik sampling secara berkelompok. Pengambilan sampel jenis ini dilakukan berdasar kelompok / area tertentu. Tujuan metode Cluster Random Sampling antara lain untuk meneliti tentang suatu hal pada bagian-bagian yang berbeda di dalam suatu instansi. 5. Teknik Pengambilan Sampel Acak Bertingkat (Multi Stage Sampling) Proses pengambilan sampel jenis ini dilakukan secara bertingkat. Baik itu bertingkat dua, tiga atau lebih. Misalnya -> Kecamatan -> Gugus -> Desa -> RW – RT
  46. 46. NON PROBABILITY SAMPLING
  47. 47. NON PROBABILITY SAMPLING 1. Purposive Sampling Purposive Sampling adalah teknik sampling yang cukup sering digunakan. Metode ini menggunakan kriteria yang telah dipilih oleh peneliti dalam memilih sampel. Kriteria pemilihan sampel terbagi menjadi kriteria inklusi dan eksklusi. 2. Snowball Sampling Snowball Sampling adalah teknik pengambilan sampel berdasarkan wawancara atau korespondensi. Metode ini meminta informasi dari sampel pertama untuk mendapatkan sampel berikutnya, demikian secara terus menerus hingga seluruh kebutuhan sampel penelitian dapat terpenuhi.
  48. 48. NON PROBABILITY SAMPLING 3. Accidental Sampling Pada metode penentuan sampel tanpa sengaja (accidental) ini, peneliti mengambil sampel yang kebetulan ditemuinya pada saat itu. Penelitian ini cocok untuk meneliti jenis kasus penyakit langka yang sampelnya sulit didapatkan. 4. Quota Sampling Metode pengambilan sampel ini disebut juga Quota Sampling. Tehnik sampling ini mengambil jumlah sampel sebanyak jumlah yang telah ditentukan oleh peneliti. Kelebihan metode ini yaitu praktis karena sampel penelitian sudah diketahui sebelumnya, sedangkan kekurangannya yaitu bias penelitian cukup tinggi jika menggunakan metode ini. 5. Teknik Sampel Jenuh Teknik Sampling Jenuh adalah teknik penentuan sampel yang menjadikan semua anggota populasi sebagai sampel. dengan syarat populasi yang ada kurang dari 30 orang.
  49. 49. Bab V Hasil Penelitian dan Analisis Hasil Penelitian 5.1. Gambaran Umum Obyek Penelitian 5.2. Deskripsi Masing-masing Variabel 5.3. Analisis Model dan Pembuktian Hipotesis (kalau ada) 5.4. Pembahasan
  50. 50. Cotoh hasil Regresi Standardiz ed Coefficient s B Std. Error Beta (Constant) 35.552 10.938 3.250 .017 X1 -1.158 1.205 -.211 -.961 .374 X2 .729 .311 .670 2.342 .058 X3 -.210 .201 -.296 -1.043 .337 Coefficients a Model Unstandardized Coefficients t Sig. 1 a. Dependent Variable: Y
  51. 51. R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .894a .799 .698 2.91002 1.594 Model Summaryb Model a. Predictors: (Constant), X3, X1, X2 b. Dependent Variable: Y Sum of Squares df Mean Square F Sig. Regressio n 201.691 3 67.230 7.939 .016b Residual 50.809 6 8.468 Total 252.500 9 1 a. Dependent Variable: Y b. Predictors: (Constant), X3, X1, X2 ANOVA a Model
  52. 52. Y X1 X2 X3 Pearson Correlation 1 -.109 .813 ** -.782 ** Sig. (2-tailed) .765 .004 .008 N 10 10 10 10 Pearson Correlation -.109 1 .246 .210 Sig. (2-tailed) .765 .493 .561 N 10 10 10 10 Pearson Correlation .813** .246 1 -.660* Sig. (2-tailed) .004 .493 .038 N 10 10 10 10 Pearson Correlation -.782 ** .210 -.660 * 1 Sig. (2-tailed) .008 .561 .038 N 10 10 10 10 X3 **. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed). Correlations Y X1 X2
  53. 53. N Minimum Maximum Mean Std. Deviation Y 10 32.00 45.00 37.5000 5.29675 X1 10 2.00 5.00 3.4000 .96609 X2 10 13.00 25.00 18.9000 4.86370 X3 10 23.00 45.00 37.6000 7.45654 Valid N (listwise) 10 Descriptive Statistics
  54. 54. Cntoh Model Regresi Logistic
  55. 55. Bab VI Simpulan dan Saran 6.1. Simpulan 6.2. Saran-saran Daftar Pustaka Lampiran-lampiran
  56. 56. • Isi latar belakng • Gap • Variabel indep, dependen, intervening, moderating, control • Sampel, slovin • Jenis data • Hipotesis tdk untuk variabel konrol • Model logistic: contoh spss • Model regresi: contoh spss, standar deviasi • Teori: grand, midle range, applied • Tinjauan pustak • Pengukuran menyebyt sumbernya • Jurnal sistimatika, contoh • Hasil: contoh Urutan, Diskripsi, matriks korelasi, uji klasik, uji hipotesis (Persamaan reg, F,t,R2 • Uji klasik: normalitas, muticolinearitu, heteroskedastisitas, autocorrelation • Model linear dan non linear • Kesimpulan dan saran konsisten dgn Maslah, tujuan, hipotesis • Daftar pustaka • Keterbatasn (Jurnal) • Saran untuk penelitian berikutnya (Jurnal)
  57. 57. Kesimpulan dan Implikasi Penelitian BAB VI KESIMPULAN DAN IMPLIKASI PENELITIAN 1. Ringkasan Penelitian Suatu pengantar bagi pembaca untuk memahami isi disertasi tanpa harus membaca BAB II-IV sebelumnya. 2. Kesimpulan Berisi bagian utama dari temuan penelitian yang menjawab masalah penelitian. 3. Implikasi Teoritis Di sini disajikan implikasi teoritis dari tiap-tiap kesimpulan atas pengujian hipotesis dengan Mendukung (Suporting), Memperbaiki (Improving) atau Kontroversial (Contadicting) terhadap teori yang dikembangkan peneliti lain. 4. Implikasi Praktis Di sini disajikan aplikasi dari tiap-tiap kesimpulan atas pengujian hipotesis sesuai dengan bidang-bidang yang terkait. 5. Keterbatasan Penelitian Setelah penelitian selesai dilaksanakan maka perlu bagi peneliti untuk menjabarkan keterbatasan atau kelemahan selama penelitian dilakukan. Keterbatasan penelitian ini tidak terkait dengan variabel-variabel penelitian.
  58. 58. 1. Ringkasan Penelitian Suatu pengantar bagi pembaca untuk memahami isi disertasi tanpa harus membaca BAB II-IV sebelumnya. 2. Kesimpulan Berisi bagian utama dari temuan penelitian yang menjawab masalah penelitian. 3. Implikasi Teoritis Di sini disajikan implikasi teoritis dari tiap-tiap kesimpulan atas pengujian hipotesis dengan Mendukung (Suporting), Memperbaiki (Improving) atau Kontroversial (Contadicting) terhadap teori yang dikembangkan peneliti lain. 4. Implikasi Praktis Di sini disajikan aplikasi dari tiap-tiap kesimpulan atas pengujian hipotesis sesuai dengan bidang-bidang yang terkait. 5. Keterbatasan Penelitian Setelah penelitian selesai dilaksanakan maka perlu bagi peneliti untuk menjabarkan keterbatasan atau kelemahan selama penelitian dilakukan. Keterbatasan penelitian ini tidak terkait dengan variabel-variabel penelitian.
  59. 59. MODEL LOGISTIC (LOGIT) Reference: Mudah Memahami Regresi Logit (Junaidi, 2008) Untuk Latihan SPSS_Binary Logistic, Studi Kasus “AA” Jakarta, 21 Maret 2019
  60. 60. Data Hasil Penelitian n Y X1 X2 X3 n Y X1 X2 X3 n Y X1 X2 X3 1 0 39 1 0 17 0 40 0 0 33 1 34 0 2 2 0 39 1 0 18 0 40 0 0 34 1 38 0 2 3 0 47 1 0 19 0 37 0 0 35 1 35 0 2 4 0 44 1 0 20 0 30 0 0 36 1 38 0 2 5 0 33 1 0 21 0 41 0 1 37 1 34 0 2 6 0 38 1 0 22 0 35 0 1 38 1 45 0 2 7 0 41 1 0 23 0 30 0 0 39 1 41 1 2 8 0 40 1 1 24 0 37 0 1 40 1 49 1 2 9 0 39 1 1 25 0 40 0 1 41 1 44 0 2 10 0 38 1 2 26 0 41 0 1 42 1 55 1 2 11 0 33 1 2 27 0 40 0 2 43 1 45 1 2 12 0 40 1 2 28 1 38 1 0 44 1 38 0 2 13 0 35 1 2 29 1 36 0 0 45 1 44 0 1 14 0 40 1 1 30 1 31 0 0 46 1 44 0 1 15 0 37 1 1 31 1 35 1 0 47 1 42 0 2 16 0 26 1 1 32 1 45 1 1 48 1 33 0 2 Dimana: Y = 1, jika konsumen membeli mobil, = 0 jika konsumen tidak membeli mobil X1 = umur responden dalam tahun X2 = 1, jika konsumen berjenis kelamin wanita, = 0 jika konsumen berjenis kelamin pria X3 = 0, jika konsumen berpendapatan rendah, = 1 jika konsumen berpendapatan sedang = 2 jika konsumen berpendapatan tinggi
  61. 61. Proses SPSS LOGISTIC - Analysis - Regression - Binary Logistic - Dependent : Y - Independent : X1, X2, X3…. - Khusus X3, karena datanya (1, 2, 3), maka: - Categorical - Klik X3 - Klik tanda panah samping "Categorical covarians" - Pilih "Reference Category" dengan " "First" - Klik "Change" - Continue - OK B S.E. Wald df Sig. Exp(B Variables in the Equation
  62. 62. Exp (B) =ln(10) =10^(1/2.302) 1.153 10 2.302585 2.718282 =2.718282^(0.142) = 1.153 - Dalam kasus variabel X1 (umur), dengan odds ratio sebesar 1,153 dapat diartikan bahwa konsumen yang berumur lebih tua satu tahun peluang membeli mobilnya adalah 1,153 kali dibandingkan konsumen umur yang lebih muda (satu tahun), jika pendapatan dan jenis kelamin mereka sama. - Dalam kasus variabel X2 (jenis kelamin dimana 1 = wanita dan 0 = pria), dengan odds ratio sebesar 0,201 dapat diartikan bahwa peluang wanita untuk membeli mobil adalah 0,201 kali dibandingkan pria, jika umur dan pendapatan mereka sama. Artinya wanita memiliki peluang lebih rendahi dalam membeli mobil dibandingkan pria.
  63. 63. Result “Exp(B)” B S.E. Wald df Sig. Exp(B) X1 .142 .084 2.838 1 .092 1.153 X2 -1.602 .795 4.065 1 .044 .201 X3 8.783 2 .012 X3(1) -.712 .992 .515 1 .473 .491 X3(2) 1.864 .833 5.011 1 .025 6.450 Constant -5.637 3.150 3.202 1 .074 .004 Variables in the Equation Step 1a a. Variable(s) entered on step 1: X1, X2, X3.
  64. 64. Uji F (Chi-Square) dan R2 Chi-square df Sig. Step 18.131 4 .001 Block 18.131 4 .001 Model 18.131 4 .001 -2 Log likelihood Cox & Snell R Square Nagelkerke R Square 1 47.660a .315 .422 Model Summary Step a. Estimation terminated at iteration number 5 because parameter estimates changed by less than Omnibus Tests of Model Coefficients Step 1
  65. 65. TAHAPAN-TAHAPAN ESTIMASI DALAM SPSS 1. Setelah data diinput dalam lembar kerja SPSS kemudian klik Analyze > Regression > Binary Logistic 2. Masukkan Y sebagai variable dependent dengan cara klik Y di kotak kiri, kemudian klik tanda panah disamping kotak Dependent. Masukkan X1, X2 dan X3 kedalam kotak Covariates, dengan cara klik masing- masing variable, kemudian klik tanda panah disamping kotak covariates. 3. Selanjutnya, karena variabel X3 merupakan peubah kategori (ordinal) dengan lebih dari dua kategori (yaitu 0=pendapatan rendah, 1=pendapatan sedang dan 2=pendapatan tinggi) maka diubah terlebih dahulu ke dalam 2 variabel dummy, untuk mengembangkan model yang logis dan mudah diinterpretasi, sebagai berikut: (ini sama dengan prosedur regresi dengan variabel bebas dummy sebelumnya) X3_1 = 1, jika konsumen berpendapatan menengah 0, jika selainnya X3_2 = 1, jika konsumen berpendapatan tinggi 0, jika selainnya Dalam program SPSS untuk mengkonversi ini dengan cara klik Categorical dari tampilan diatas, maka akan muncul tampilan berikut: Selanjutnya, klik X3, klik tanda panah disamping Categorical Covariates. Pilih Reference Category dengan First, kemudian klik Change dan Continue. Selanjutnya klik OK. 4. Akan keluar output SPSS untuk regresi logit sebagai berikut (disini hanya ditampilkan bagian-bagian terpenting saja yang akan dibahas)
  66. 66. Result and Discuss  Printout di tabel pertama diatas menjelaskan transformasi variabel X3 dengan kategori 0,1 dan 2 menjadi dua variabel dummy yaitu X3_1 dan X3_2. Seperti yang terlihat dari tabel tersebut, variabel X3_1 bernilai 1 untuk kategori 1 (pendapatan menengah) dan 0 untuk kategori lainnya. Variabel X3_2 bernilai 1 untuk kategori 2 (pendapatan tinggi) dan 0 untuk kategori lainnya. Dengan demikian, kategori 0 (pendapatan rendah) akan bernilai 0 baik pada variabel X3_1 dan X3_2.  Printout di tabel kedua diatas merupakan nilai Khi-kuadrat (χ2) dari model regresi. Sebagaimana halnya model regresi linear dengan metode OLS, kita juga dapat melakukan pengujian arti penting model secara keseluruhan. Jika metode OLS menggunakan uji F, maka pada model logit menggunakan uji G. Statistik G ini menyebar menurut sebaran Khi-kuadrat (χ2). Karenanya dalam pengujiannya, nilai G dapat dibandingkan dengan nilai χ2 tabel pada α tertentu dan derajat bebas k-1. (kriteria pengujian dan cara pengujian persis sama dengan uji F pada metode regresi OLS).  Tetapi, kita juga bisa melihat nilai p-value dari nilai G ini yang biasanya ditampilkan oleh sofware- software statistik, termasuk SPSS.
  67. 67. Result and Discuss • Dari output SPSS, didapatkan nilai χ2 sebesar 18,131 dengan p-value 0,001. Karena nilai ini jauh dibawah 10 % (jika menggunakan pengujian dengan α=10%), atau jauh dibawah 5% (jika menggunakan pengujian dengan α=5%), maka dapat disimpulkan bahwa model regresi logistik secara keseluruhan dapat menjelaskan atau memprediksi keputusan konsumen dalam membeli mobil. • Printout di tabel ketiga memberikan estimasi koefisien model dan pengujian hipotesis parsial dari koefisien model. Dalam pelaporannya, model regresi logistiknya dapat dituliskan sebagai berikut: Dari output SPSS diatas menjadi sebagai berikut:
  68. 68. Result and Discuss • Model ini merupakan model peluang membeli mobil [(P(xi)] yang dipengaruhi oleh faktor-faktor umur, jenis kelamin dan pendapatan. Model tersebut adalah bersifat non-linear dalam parameter. Selanjutnya, untuk menjadikan model tersebut linear, dilakukan transformasi dengan logaritma natural, (transformasi ini yang menjadi hal penting dalam regresi logistik dan dikenal dengan istilah ”logit transformation”), sehingga menjadi (pembahasan lebih rinci, silakan dibaca buku- buku ekonometrik):
  69. 69. Result and Discuss • 1-P(xi) adalah peluang tidak membeli mobil, sebagai kebalikan dari P(xi) sebagai peluang membeli mobil. Oleh karenanya, ln [P(xi)/1-P(xi)] secara sederhana merupakan log dari perbandingan antara peluang membeli mobil dengan peluang tidak membeli mobil. Oleh karenanya juga, koefisien dalam persamaan ini menunjukkan pengaruh dari umur, jenis kelamin dan pendapatan terhadap peluang relative individu membeli mobil yang dibandingkan dengan peluang tidak membeli mobil. • Selanjutnya, untuk menguji faktor mana yang berpengaruh nyata terhadap keputusan pilihan membeli mobil tersebut, dapat menggunakan uji signifikansi dari parameter koefisien secara parsial dengan statistik uji Wald, yang serupa dengan statistik uji t atau uji Z dalam regresi linear biasa, yaitu dengan membagi koefisien terhadap standar error masing- masing koefisien.
  70. 70. Result and Discuss • Dari output SPSS ditampilkan nilai Wald dan p-valuenya. Berdasarkan nilai p-value (dan menggunakan kriteria pengujian α=10%), dapat dilihat seluruh variabel (kecuali X3_1), berpengaruh nyata (memiliki p-value dibawah 10%) terhadap keputusan membeli mobil. • Lalu, bagaimana interpretasi koefisien regresi logit dari persamaan di atas ? Dalam model regresi linear, koefisien βi menunjukkan perubahan nilai variabel dependent sebagai akibat perubahan satu satuan variabel independent. • Hal yang sama sebenarnya juga berlaku dalam model regresi logit, tetapi secara matematis sulit diinterpretasikan. •
  71. 71. Result and Discuss • Koefisien dalam model logit menunjukkan perubahan dalam logit sebagai akibat perubahan satu satuan variabel independent. Interpretasi yang tepat untuk koefisien ini tentunya tergantung pada kemampuan menempatkan arti dari perbedaan antara dua logit. • Oleh karenanya, dalam model logit, dikembangkan pengukuran yang dikenal dengan nama odds ratio (ψ). • Odds ratio untuk masing-masing variabel ditampilkan oleh SPSS sebagaimana yang terlihat tabel diatas (kolom Exp(B)). • Odds ratio dapat dirumuskan: ψ = eβ, dimana e adalah bilangan 2,71828 dan β adalah koefisien masing-masing variabel. • Sebagai contoh, odds ratio untuk variabel X2 = e-0.1602 = 0,201 (lihat output SPSS).
  72. 72. Result and Discuss • Dalam kasus variabel X2 (jenis kelamin dimana 1 = wanita dan 0 = pria), dengan odds ratio sebesar 0,201 dapat diartikan bahwa peluang wanita untuk membeli mobil adalah 0,201 kali dibandingkan pria, jika umur dan pendapatan mereka sama. Artinya wanita memiliki peluang lebih rendahi dalam membeli mobil dibandingkan pria. • Dalam kasus variabel X1 (umur), dengan odds ratio sebesar 1,153 dapat diartikan bahwa konsumen yang berumur lebih tua satu tahun peluang membeli mobilnya adalah 1,153 kali dibandingkan konsumen umur yang lebih muda (satu tahun), jika pendapatan dan jenis kelamin mereka sama. • Artinya orang yang lebih tua memiliki peluang yang lebih tinggi dalam membeli mobil. • Dalam konteks umur ini (yang merupakan variabel dengan skala ratio), hati-hati menginterpretasikan nilai perbedaan peluangnya. Jika perbedaan umur lebih dari 1 tahun,
  73. 73. Result and Discuss • misalnya 10 tahun, maka odds rationya akan menjadi 4,14, yang diperoleh dari perhitungan sbb: ψ=e(10 x 0.142) . Artinya peluang membeli mobil konsumen yang berumur lebih tua 10 tahun adalah 4,14 kali dibandingkan konsumen yang lebih muda (10 tahun) darinya. • Selanjutnya, dalam konteks variabel pendapatan, terlihat bahwa X31 tidak berpengaruh signifikan. Artinya, peluang membeli mobil antara konsumen pendapatan sedang dan pendapatan rendah adalah sama saja. • Sebaliknya, untuk X32, dapat diinterpretasikan bahwa peluang membeli mobil konsumen pendapatan tinggi adalah 6,45 kali dibandingkan pendapatan rendah, jika umur dan jenis kelaminnya sama. • atau
  74. 74. Result and Discuss  Atau:  Di mana: exp atau ditulis “e” adalah fungsi exponen.  (Perlu diingat bahwa exponen merupakan kebalikan dari logaritma natural. Sedangkan logaritma natural adalah bentuk logaritma namun dengan nilai konstanta 2,71828182845904 atau biasa dibulatkan menjadi 2,72).
  75. 75. Result and Discuss • Dengan model persamaan di atas, tentunya akan sangat sulit untuk menginterprestasikan koefisien regresinya. • Oleh karena itu maka diperkenalkanlah istilah Odds Ratio atau yang biasa disingkat Exp(B) atau OR. • Exp(B) merupakan exponen dari koefisien regresi. Jadi misalkan nilai slope dari regresi adalah sebesar 0,80, maka Exp(B) dapat diperkirakan sebagai berikut:

×