Posted by: statistikpendidikan on: January 12, 2009
Pada analisis factor konformatori seorang peneliti secara apriori telah memiliki konsep terlebih dahulu terhadap suatu hipotesis berdasarkan konsep dengan factor strukturnya. Sehingga tujuan analisis factor konfirmatori adalah untuk mengkonfirmasi secara statistic model yang telah dibangun peneliti. Hal ini berbeda dengan analisis factor eksploratori dimana peneliti sebelumnya tidak memiliki teori atau hipotesis yang menyusun struktur factor.
Analisis factor konfirmatori menggunakan skala invariant dan korelasi atau matriks kovarian dalam melakukan estimasi terhadap factor strukturnya. Akan tetapi secara teori estimasi factor menggunakan prosedur maksimum likelihood.
Analisis factor konfirmatori merupakan kelanjutan dari analisis factor eksploratori. Dalam hal ini, setelah peneliti menemukan variabel baru hasil dari ekplorasi variabel yang dimiliki sebelumnya, maka peneliti perlu ,mengkonfirmasi variabel-variabel baru tersebut untuk memeriksa validitas dan reliabilitasnya.
Factor merupakan variabel baru yang dihasilkan dari proses analisis factor eksploratori bersifat tidak dapat diobservasi sering juga disebut variabel laten atau variabel konstruk atau tidak dapat dilihat. Factor ini tidak dapat diamati secara lansung oleh peneliti karena merupakan kumpulan dari beberapa ukuran atau pengamatan.
Misalnya dalam contoh variabel-variabel yang membuat seorang pembeli membeli barang dari sebuah toko.setelah peneliti melakukan analisis factor eksploratori, ternyata, hanya factor layout, kelengkapan barang, kebersihan, harga barang, promosi serta image yang membuat pembeli membeli barang. Dua variabel sebelumnya pelayanan karyawan serta pelayanan kasir hanya memiliki pengaruh yang kecil sehingga tidak dimasukkan dalam analisis selanjutnya. Pada analisis factor konfirmatori, variabel-variabel baru itu kemudian dikonfirmasi untuk memastikan bahwa reliabilitas dan validitasnya dapat dipertanggungjawabkan. Sebelumnya, analisis factor eksploratori telah meringkas variabel-variabel tersebut hanya menjadi dua factor saja. Factor yang pertama berisi variabel layout, kelengkapan barang serta kebersihan dan factor yang kedua adalah harga barang, promosi serta image.
Posted by: statistikpendidikan on: January 12, 2009
Pada analisis factor konformatori seorang peneliti secara apriori telah memiliki konsep terlebih dahulu terhadap suatu hipotesis berdasarkan konsep dengan factor strukturnya. Sehingga tujuan analisis factor konfirmatori adalah untuk mengkonfirmasi secara statistic model yang telah dibangun peneliti. Hal ini berbeda dengan analisis factor eksploratori dimana peneliti sebelumnya tidak memiliki teori atau hipotesis yang menyusun struktur factor.
Analisis factor konfirmatori menggunakan skala invariant dan korelasi atau matriks kovarian dalam melakukan estimasi terhadap factor strukturnya. Akan tetapi secara teori estimasi factor menggunakan prosedur maksimum likelihood.
Analisis factor konfirmatori merupakan kelanjutan dari analisis factor eksploratori. Dalam hal ini, setelah peneliti menemukan variabel baru hasil dari ekplorasi variabel yang dimiliki sebelumnya, maka peneliti perlu ,mengkonfirmasi variabel-variabel baru tersebut untuk memeriksa validitas dan reliabilitasnya.
Factor merupakan variabel baru yang dihasilkan dari proses analisis factor eksploratori bersifat tidak dapat diobservasi sering juga disebut variabel laten atau variabel konstruk atau tidak dapat dilihat. Factor ini tidak dapat diamati secara lansung oleh peneliti karena merupakan kumpulan dari beberapa ukuran atau pengamatan.
Misalnya dalam contoh variabel-variabel yang membuat seorang pembeli membeli barang dari sebuah toko.setelah peneliti melakukan analisis factor eksploratori, ternyata, hanya factor layout, kelengkapan barang, kebersihan, harga barang, promosi serta image yang membuat pembeli membeli barang. Dua variabel sebelumnya pelayanan karyawan serta pelayanan kasir hanya memiliki pengaruh yang kecil sehingga tidak dimasukkan dalam analisis selanjutnya. Pada analisis factor konfirmatori, variabel-variabel baru itu kemudian dikonfirmasi untuk memastikan bahwa reliabilitas dan validitasnya dapat dipertanggungjawabkan. Sebelumnya, analisis factor eksploratori telah meringkas variabel-variabel tersebut hanya menjadi dua factor saja. Factor yang pertama berisi variabel layout, kelengkapan barang serta kebersihan dan factor yang kedua adalah harga barang, promosi serta image.
Posted by: statistikpendidikan on: January 8, 2009
Hipotesis adalah pernyataan dugaan (conjectural) tentang hubungan antara dua variabel atau lebih. Biasanya hipotesis disusun berbentuk kalimat pernyataan (declarative). Sebagaimana, masalah, kriteria hipotesis yang baik juga hampir sama.
Kriteria hipotesis yang baik adalah pertama, pernyataan hipotesis adalah tentang relasi antara variabel-variabel. Kedua, hipotesis mengandung implikasi-implikasi yang jelas untuk pengujian dari hubungan-hubungan yang dinyatakan tersebut.
Contoh hipotesis yang baik misalnya dinyatakan oleh Langer dan Imber: “ latihan membuahkan ketidaksempurnaan”. Hipotesis ini dibuat dalam sebuah tulisan kedua ahli tersebut: “when practice makes imperfect: Debilitating effects of ordering.
Posisi hipotesis sangat penting dalam penelitian ilmiah. Hal ini dikarenakan beberapa alasan. Yang pertama karena hipotesis adalah piranti kerja teori. Penyusunan hipotesis dijabarkan dari teori atau dari hipotesis yang lain.
Alasan kedua adalah kemungkinan benar dan salah hipotesis dapat ditunjukkan dan diuji. Alasan ketiga adalah hipotesis dapat membuat seorang peneliti keluar dari dirinya sendiri sehingga membuat hasil penelitiannya lebih obyektif.
Fakta atau pernyataan masalah tidak dapat diuji secara ilmiah. Untuk dapat diuji, masalah harus direduksikan menjadi hipotesis. Kita tidak dapat menguji pertanyaan: “apakah kecerdasaan dapat membuat orang memiliki prestasi belajar yang lebih baik?”. Pertanyaan tersebut, dapat diuji ketika rumusan di atas dirubah menjadi hipotesis: “kecerdasan menyebabkan prestasi belajar yang lebih baik”.
Posted by: statistikpendidikan on: January 8, 2009
Secara umum, orang mengatakan jika ada sesuatu yang tidak sesuai dengan harapan, maka itulah masalah. Dalam penelitian, merumuskan masalah tidaklah semudah yang dipikirkan. Seorang penteliti akan memerlukan waktu yang lama untuk menyatakan dengan jelas apa masalah yang ingin dia pecahkan. Akan tetapi, terkadang peneliti juga bisa dengan serta merta menemukan apa masalah yang harus dia jawab.
Masalah yang paling sering ditemui para peneliti pemula adalah bagaimana menyatakan masalah. Terkadang, masalah yang diungkapkan oleh orang lain tidak dianggap sebagai masalah. Pertanyaan selanjutnya adalah bagaimana kita menentukan permasalahan dengan baik?
Dalam merumuskan masalah penelitian, ada tiga kriteria yang harus dipenuhi untuk menyatakan permasalahan dengan baik yaitu: pertama, masalah harus mengungkapkan suatu hubungan antara dua variable atau lebih. Misalnya apakah kecerdasan berhubungan dengan prestasi, apakah prestasi berhubungan dengan kesempatan kerja dan lain sebagainya.
Kriteria Kedua, masalah harus dinyatakan secara jelas dan tidak kabur dalam bentuk pertanyaan. Masalah yang baik seharusnya disampaikan dalam bentuk pertanyaan. Dengan demikian, harus dihindari kata-kata seperti: “masalahnya adalah …” atau “maksud kajian ini adalah…”.
Kriteria Ketiga adalah yang relative sulit terpenuhi. Masalah dinyatakan dalam rumusan tertentu yang menyiratkan adanya pengujian secara empiris. Pengujian empiris diperlukan sebagai syarat sesuatu disebut ilmiah. Dengan demikian, masalah yang berkaitan dengan filsafat ataupun dogma teologis tertentu, meskipun penting bagi orang-orang tertentu tidak bisa menjadi masalah ilmiah karena tidak dapat diuji secara empiris.
Posted by: statistikpendidikan on: January 6, 2009
Rachman Jaya.
Posted by: statistikpendidikan on: January 6, 2009
Salah satu teknik analisis data yang sedang ngetrend belakangan ini adalah regresi. Regresi adalah salah satu metode peramalan yang dikenal dalam statistic. dalam dunia pendidikan, regresi sangat sering digunakan oleh mahasiswa yang sedang menyelesaikan tugas akhir.
Analisis regresi berguna untuk mengetahui pengaruh antara variable bebas (yang juga dikenal dengan prediktor) yang disimbolkan dengan X dan variable terikat (yang juga dikenal dengan kriterium) yang disimbolkan dengan Y.
Istilah variable bebas dan variable terikat berasal dari matematika. Dalam penelitian, variable bebas adalah variable yang dimanipulasikan oleh peneliti. Misalnya seorang peneliti di bidang pendidikan yang mengkaji akibat dari berbagai metode pengajaran. Peneliti dapat menentukan metode (sebagai variable bebas) dengan menggunakan berbagai macam metode. Dalam bahasa yang lebih lugas, variable bebas adalah variable yang meramalkan sedangkan variable terikat adalah variable yang diramalkan. Variable terikat adalah akibat yang di duga mengikuti perubahan dari variable bebas.
Sebagai contoh, misalnya kita mengkaji tentang hubungan antara kecerdasan dan prestasi sekolah, maka kecerdasan adalah variable bebas dan prestasi sekolah adalah variable terikat. Jika kita meneliti hubungan antara merokok dan penyakit kanker, maka merokok adalah variable bebas dan penyakit kanker adalah variable terikat.
Dalam melakukan penentuan variable bebas dan variable terikat harus dilandasi dengan teori yang kuat. Hal ini karena statistic tidak dapat membedakan data yang memiliki teori dengan data yang tidak berteori. Jika data yang kita gunakan tidak memiliki landasan teori yang kuat, maka kesimpulan yang kita ambil akan sangat menyesatkan. Misalnya, kita memprediksi prestasi belajar dengan hasil panen padi. Secara statistic, bisa jadi prestasi belajar dipengaruhi oleh panen padi. Akan tetapi dalam kenyataannya, hasil analisis ini tidak dapat dibuktikan.
Model regresi bermacam-macam. Misalnya, regresi linear, regresi parabola, regresi hiperbola, regresi fungsi pangkat tiga dan lain-lain. Akan tetapi, regresi yang paling sering digunakan adalah regresi linear. model regresi linear dapat dituliskan dalam bentuk matematis sebagai berikut:
Y = a + bx + ε
a = intersep Y untuk populasi
b = slope untuk populasi
ε = random error dalam Y untuk observasi ke-i
Dalam menentukan persamaan model regresi linear sederhana diperlukan metode tertentu. Metode yang paling sering digunakan adalah metode kuadrat terkecil (Least Square method). Pada dasarnya, least square method adalah metode meminimasi persamaan kuadrat. Dengan meminimasi persamaan kuadrat tersebut, maka akan didapatkan nilai untuk slope dan nilai untuk intersep yang akan membuat persamaan itu menjadi yang paling baik.
Misalnya, jika kita ingin meramal hubungan antara intelejensi dan prestasi belajar. Dengan menggunakan metode regresi linear sederhana, kita mendapatkan persamaan sebagai berikut:
Y = 2,55 + 0,93 (X)
Maka -12,77 disebut intersep dan 0,93 disebut slope. Slope sebesar 0,93 berarti bahwa setiap peningkan 1 unit X (intelejensi), maka diperkirakan akan terjadi peningkatan sebesar 0,93 pada prestasi belajar. Nilai 2,55 melambangkan prestasi belajar. Kita bisa gunakan model regresi yang telah kita hasilkan tersebut untuk memprediksi prestasi belajar seorang anak apabila dia memiliki intelejensi tertentu.
Recent Comments