MATRIKULASI PROGRAM DOKTOR ILMU PEMERINTAHAN PPS-IPDN

PENELITIAN PEMERINTAHAN

(TEKNIK PENGOLAHAN DATA)

DR. BAMBANG SUPRIYADI, BE., MSIPASCASARJANA IPDN CILANDAK-JATINANGOR

DATA : - Kualitatif - Kuantitatif

diskrit dan kontinum

Data Penelitian- nominal- ordinal-interval

- rasio

Data penelitian menentukan teknik

analisis yg akan dipergunakannya

.

Tab. 1 Analisis Korelasi berdasarkan Skala Ukuran

NO SKALA UKURAN /DATA ANALISIS KORELASI YG DIGUNAKAN

1 NOMINAL CROSS TABKOEFISIEN KONTINGENSIGOODMAN KRUSHALCRAMER PEARSON TSCHUPROW

2 ORDINAL GOODMAN KRUSHALSOMERKENDALL TAURANK SPEARMAN

3 INTERVAL PEARSON/LEAST SQUAREKORELASI GANDAKORELASI PARSIAL

4 RASIO PEARSON PRODUCT MOMENT

SKALA NOMINAL :Cross Tab

Koefisien KontingensiGoodman Krushal

CramerPearson

Tschuprow

.

Contoh data : hubungan agama yang dianut dan partai yang dipilihnya

Tabel 2 Banyaknya orang menurut agama dan partai yang dipilihnya

Partai (A)

Agama (B) Jumlah ∑jfij=fi

Islam Kristen lainnya

Golkar 6 13 14 33

PPP 22 0 1 23

PDI 7 8 9 24

Jumlah ∑ifij=fj

35 21 24 80

i= baris; j= kolom; n=jumlah

1. Tabel silang (cross tab)

- Partai Golkar lebih banyak 44,76% dipilih orang Kristen dibandingkan orang Islam dan lebih banyak 3,56% dibandingkan agama lainnya.- PPP lebih banyak 62,86% dipilih orang Islam dibanbingkan orang beragama Kristen dan lebih lebih banyak 58,69% dibandingkan orang beragama lainnya- PDI lebih sedikit 18,10% dipilih orang Islam dibandingkan orang Kristen dan lebih sedikit 17,5% dibandingkan orang yg beragama lainnya.

Tabel 3. banyaknya orang menurut Agama dan partai yg dipilihnya

Partai

agama

Islam Kristen Lainnya

F % F % F %

GOLKAR 6 17,14 13 61,90 14 58,34

PPP 22 62,86 0 0 1 4,17

PDI 7 20 8 38,10 9 37,5

JUMLAH 35 100 21 100 24 100

2. Koefisien Kontingensi, sebuah ukuran derajat hubungan, asosiasi, atau ketergantungan antara kelas-2 di dalam sebuah tabel kontingensi.

Semakin besar nilai C, semakin besar derajat/tingkat asosiasinya. Banyaknya baris dan kolom dlm tabel = k, menentukan nilai maksimum C (≤1) =

X2= {80/33 (36/35 + 169/21 + 196/24) + 80/23 (484/35 + 0/21 + 1/24) + 24/80 (21/35 + 64/21 + 81/24)} – 80 = 2,424 {(1,029+8,048+8,167) + 3,478 (13,829+0+0,042) + 0,3(0,6+0,048+3,375)} – 80 = {2,424 (17,244) + 3,478 (13,871) + 0,3 (4,123)} – 80 = 41,799 + 48,243 + 1,237 – 80 = 91,279 – 80 = 11,279

C = 0,124 jadi hubungan agama dan pilihan partainya rendah

Tabel 4. banyaknya orang menurut agama dan partai yg dipilihnya

Partai Agama JumlahIslam Kristen Lainnya

GOLKAR 6 13 14 33

PPP 22 0 1 23

PDI 7 8 9 24

Jumlah 35 21 24 80

3. Goodman Krushal (korelasi dua arah)

dimana :

Hasil Gn = 0,28 relatif kecil unt berada di daerah 0≤Gn≤1. jadi pengaruh timbal balik dari agama dan pilihan partai adalah kecil.Catatan : - jika G =1maka hubungannya dikatakan sempurna.- jika G = 0 dikatakan tidak ada hubungan

Untuk korelasi satu arah a. Pengaruh agama (A) terhadap pilihan partai (B)

b. Pengaruh partai (B) terhadap agama (A)

Kesimpulan :1. pengaruh agama terhadap partai mempunyai koefisien korelasi = 0,342. pengaruh partai terhadap agama mempunyai koefisien korelasi = 0,22Artinya : Pengaruh agama terhadap keanggotaan partai lebih besar

4. CRAMER :- harga dua arah - berdasarkan teori   probabilitas chi-square

dimana : = kai kuadrat (b,k) = baris, kolom mm(b,k) = jumlah baris...kolom diambil yang kecil

.

=80(0,52+0,60+0,33-1) = 36

jadi , menurut Cramer koef.korelasi timbal balik antara agama

yg dianut dan partai yg dipilih adalah o,47 (sedang)

5. Pearson - hanya dua arah - = lihat Cramer

6. Tschuprow hanya dua arah = lihat Cramer b = jumlah baris k = jumlah kolom

SKALA ORDINAL : Goodman Krushal

Somer Kendall

Rank Spearman

Contoh data :Tab. 5 Hubungan antara status

sosial dengan aspirasi praja IPDN

hitunglah koefisien asosiasi dengan Goodman Krushal, Somer,

Kendall dan Spearman

Status Sosial

Aspirasi Jumlah

Rendah Sedang Tinggi

Rendah 15 6 2 23

Sedang 3 10 4 17

Tinggi 2 4 14 20

Jumlah 20 20 20 60

1. Somer - dua arah (timbal-balik) - searah (x y)

- searah (y x)

Tx = jumlah pasangan yang dibandingkan, dimana nilai x sama Ty = jumlah pasangan yang dibandingkan, dimana nilai y samaTxy= jumlah pasangan yang dibandingkan, dimana nilai xy sama

atau

.

.P = 782Q = 112N = P+Q+Tx+Ty-Txy = 782+112+579+570-273 = 1770atau N = ½ n(n-1) = ½.60(60-1) = 30(59) = 1770jadi : - dua arah, ds=(P-Q)/(N-Txy) =(782-112)/(1770-273) = 670/1497=0,45- searah (xy), dsy/x = (P-Q)/(N-Tx) = (782-112)/(1770-579) = 670/1191 = 0,56 - searah (yx), dsx/y = (P-Q)/(N-Ty) = (782-112)/(1770-570) = 670/1200 = 0,56

2. Kendall

3. Spearman d=bedacontoh data hubungan antara pendidikan dengan kondite pegawaiTabel 6. Nama pegawai Subbag Umum menurut pendidikan dan kondite

simbol-2:Pendidikan (x), SMP=1, SMA=2, Pernah kuliah=3, D3=4Kondite (y), cukup=1, Baik =2, Baik sekali = 3

Nama Pendidikan (x) Kondite (y)

Akhmad SMP Baik

Sidik SMP Baik

Fathonah SMA Cukup

Amanah SMA Baik sekali

Herman Pernah kuliah Baik

Kasim D3 Cukup

Rx = rangking x 1,5 dari (1+2)/2 = 1,5Ry = rangking y 3 dari (2+3+4)/3=3d = Rx-Ry

= 1-[{6(41,5)}/{6(6²-1)}] =1-1,18 =-0,18faktor penentu (FP) = r²=(-0,18)²=0,0324

No. x y Rx Ry d d²

1 1 2 1,5 3 -1,5 2,25

2 1 2 1,5 3 -1,5 2,25

3 2 3 3,5 5,5 -2 4

4 2 3 3,5 5,5 -2 4

5 3 2 5 3 2 4

6 4 1 6 1 5 25

- - - - - - 41,5

Artinya : saling mempengaruhi sejumlah 3,24% atau 3,24% kondite ditentukan oleh faktor pendidikan atau sebaliknya.Sedangkan sisanya (96,76%) adalah faktor lainnya, misal faktor tingkat kehidupan, lingkungan, kedisiplinan dsb.

Catatan : 1. besarnya koefisien korelasi adalah -1≤r≤1 apabila (-), berarti terdapat hubungan yang negatif (berbalik). apabila (+), berarti terdapat hubungan yang positif (searah)2. interpretasi dari nilai koefisien korelasi a. apabila r=0 atau mendekati 0, mk hub. ant ke 2 var sangat lemah atau tak ada hub sama sekali b. apabila r=+1 atau mendekati 1, mk hub ke 2 var kuat sekali atau cukup kuat dan memp hub searah (jika x naik, maka y naik) c. apabila r=-1 maka hub ke 2 var kuat sekali atau cukup kuat dan memp hub yang berbalikan (jika x naik, maka y turun atau sebaliknya)

Skala INTERVAL dan RASIO :

Product MomentPearson/Least Square

Korelasi gandaKorelasi parsial

Analisis Jalur

1. Product Moment korelasi, dimana : x = xi – x dan y = yi – y regresi : y = bx b=∑xy/∑x²contoh : Penelitian unt. mengetahui hub ant pendapatan (x) dng pengeluaran (y). Pengumpulan data dari 10 responden (dalam ribuan rupiah):x = 800, 900,700, 600, 700, 800, 900, 600, 500, 500 per bulan.Y = 300,300, 200, 200, 200,200, 300, 100, 100, 100Ho = tidak ada hubungan, Ho : ρ = 0Ha = terdapat hubungan, Ha : ρ ≠ 0

Tabel perhitungan koefisien korelasi

no Xi (00.000

)

Yi (00.00

0)

X (xi-x)

Y(yi-y)

x2 y2 xy

1. 8 3 1 1 1 1 1

2. 9 3 2 1 4 1 2

3. 7 2 0 0 0 0 0

4. 6 2 -1 0 1 0 0

5. 7 2 0 0 0 0 0

6. 8 2 1 0 1 0 0

7. 9 3 2 1 4 1 2

8. 6 1 -1 -1 1 1 1

9. 5 1 -2 -1 4 1 2

10. 5 1 -2 -1 4 1 2

∑xi = 70 x = 7

∑yi =20 y= 2

0 0 20 6 10

Regresi Product momenty = bxb=∑xy/∑x² =10/20=0,5y=0,5xyi-y = 0,5(xi-x) yi-2=0,5(xi-7) yi= 0,5xi-3,5+2 = -1,5 +0,5xijadi persamaannya : y=-1,5 + 0,5xpers ini unt melakukan peramalan (prediksi), bila terjadi penambahan pendapatan (x) = 500.000 , maka diramalkan terjadi pengeluaran sebesar y=-1,5+0,5(5) =1 (dlm 00.000).Jadi bila pendapatan bertambah 1, mk pengeluaran bertambah 0,5

y

1,5 1,0 y=-1,5+0,5x 0,5 x=5, y=1 0 -0.5 1 2 3 4 5 x -1,0 -1,5

Korelasi Product moment

=10/√(20)(6)= 0,9129

jadi ada korelasi positif sebesar 0,9129 ant pendapatan dan pengeluaran tiap bulan. Hal ini berarti semakin besar pendapatan akan semakin besar pengeluaranuji signifikansi :bandingkan dng r tabel product momenr, bila kesalahan 5% dan n=10, maka r tabel = 0,632ternyata, r hitung > r tabel Ho ditolak dan Ha diterimajadi, ada hubungan positif dan signifikan antara pendapatan dan pengeluaran sebesar 0,9129

Cara lain dng rumus :

t = 0,9129 √10-2 √1-0,9129 = 6,33bandingkan dng harga t tabel. Unt kesalahan 5% yi uji dua pihak, dk=n-2=8, diperoleh r tab = 2,306 ternyata r hit > r tab Ho ditolakjadi terdapat hub yg positif dan signifikan ant pendapatan dan pengeluaran sebesar 0,9129cara lain, bandingkan dng harga kritik product moment. dk=n-2=8, α=0,5 maka r tab=0,632. jadi r hit>rt ab

Pedoman interpretasi terhadap koef.korelasi

koef.determinasi = r² koef. penentujadi r² =(0,9129)² = 0,83artinya : pengeluaran 83% ditentukan oleh pendapatan dan sisanya (17%) oleh faktor lain. Misal terjadi musibah

Interval koefisien Tingkat hubungan

0,00 – 0,199 Sangat rendah

0,20 – 0,399 Rendah

0,40 – 0,599 Sedang

0,60 – 0,799 Kuat

0,80 – 1,00 Sangat kuat

2. Pearson/least square method korelasi

regresi : y=a+bx

atau

Contoh tabel hubungan antara nikah

(x) dan talak (y) th. 1974-1978 (00.000) di Indonesiax y xy x² y²

12 3 36 144 9

12 3 36 144 9

9 1 9 81 1

11 2 22 121 4

12 2 24 144 4

56 11 127 634 27

X rata2=11,2

Y rata2=2,2

Regresi Pearson

a=2,2 – (0,56)(11,2) = 2,2 – 6,272 = -4,1 atau

y=-4,1 + 0,56xpers ini digunakan unt prediksi. Bila dlm waktu tttterjadi pernikahan (x) = 10 (dlm ratusan ribu)maka diramalkan terjadi talak (y) = -4,1+0,56(10) = 1,5 (dalam ratusan ribu).Artinya, dari pers tsb, bila nikah bertambah 1 maka perceraian bertambah 0,56

Korelasi Pearson

r=0,87 r mendekati +1artinya, didapat korelasi positif ant banyaknya nikah (X) dengan talak (Y). Berarti meningkatnya pernikahan akan meningkatkan pula perceraian.Koef determinasi r²=0,87²=0,75 koef penentuartinya, talak 75% ditentukan oleh banyaknya pernikahan, sedangkan sisanya (25%) ditentutkan oleh faktor lain.Uji signifikan : r tab=0,878 unt α=5%, n=5dk=n-2=3, α=5% diperoleh r tab=0,878jadi r hit=r tab, artinya ada korelasi + n signikan ant nikah dan talak

Analisis Jalur (Path Analysis)

dlm penelitian, tidak selamanya didominasi oleh hub satu variabel bebas (bbrp variabel bebas) scr

langsung. Seringkali pengaruh tsb tidak langsung, yi melalui variabel yg paling dekat dng var terikat yi

var intervening (perantara).

Analisis jalur dapat juga digunakan unt menganalisis hub sebab-akibat ant 1 var dng var lainnya. Prosedur ini dapat mengestimasi koefisien-2 sejumlah persamaan struktural linier yg mewakili hub sebab-akibat yg mencakup 2 jenis var, yi var penjelas (X1, X2, ......, Xn) dan var yg dijelaskan (Y1, Y2,......, Yn). Berbeda dng persamaan regresi linier dimana pengaruh var X thd var Y hanya berbentuk pengaruh langsung. Dlm persamaan struktural linier pengaruh var X thd Y dpt berupa pengaruh langsung dan tdk langsung.

Prinsip dasar yg perlu dipenuhi 1. skala pengukuran var minimal interval, bisa juga rasio2. pola hub adalah linier3. hub ant var bebas-terikat bersifat kausal (satu arah) atau tdk ada efek interaksi4. tak ada pengaruh yg signifikan dr var yg tak diukur (var residual) thd seluruh var yg dimasukkan dlm model5. antar var bebas memp hub (multikolinieritas) yg rendah var bebas benar2 bebas, kalopun ada hubnya tak signifikan6. jika ada hub yg signifikan, sebaiknya gunakan salah satu var yg saling berhub tsb,7. sampel besar (> 100 n acak) memberi makna tinggi8. ada korelasi yg signifikan ant var bebas-var antara 9. analisis jalur akan menyajikan hub langsung n tdk langsung ant var eksogen thd var endogen10. jika antar var eksogen dihub, mk anak panah menuju

keduanya

Pengaruh tdk langsung dari var X thd Y melalui var lain yg disebut intervening variable atau var antara. Pengruh total var X thd Y adl penjumlahan dr pengaruh langsung dan seluruh pengaruh tdk langsung.

Beberapa model analisis jalur yg dpt digunakan dlm penelitian (tergantung kajian teori terkait var yg dimasukkan dlm analisis).1. model regresi ganda. Misal, analisis pengaruh ant harga dan promosi thd penjualan. Pengaruh OTDA dan kesra thd pemekaran daerah

X1

X2

Y

2. Model mediasi (model perantara) di mana pengaruh var X thd var Y melalui var I. Misal :

hasil belajar tdk scr langsung dipengaruhi kepandaian seseorang, ttp kepandaian seseorang akan menciptakan efisiensi belajar

dan eff belajarlah yg menentukn hsl belajar. Kualitas cabup tdk langsung mempengaruhi pemiih ttp melalui pengemasan/mesin partai yang efisien maka pemilih akan naik

X1

I2

Y2

3. Model kombinasi gab ant model regresi dan mediasi. X1 dan X2 masing berpengaruh thd Y, ttp var X1 juga mempengaruhi var X2 dlm pengaruhnya thd Y. Misal : kepuasan masy sbg pelanggan (Y) dipengaruhi kinerja peg (X1) dan kualitas pelayanan (X2).

X1

X2

Y

4. Model kompleks, model yg melibatkan > 3 var endogen dipengaruhi var eksogen dng pengaruh langsung/tak langsung. Misal, studi psikologi: psikopatologi tahap 1 seorang ibu (X1) akan menjadi penentu thd patologi tahap 2 ibu ybs (X2); patologi tahap 1 anaknya (X3) akan mempengaruhi patologi anak tahap 2 (Y); patologi anak tahap 2 (Y) juga dipengaruhi oleh X1 langsung dan X1 melalui X2.

X1

X3

X2

Y

5. Model rekursif dan nonrekursif, yi penggabungan ant pengaruh 1 arah dan pengaruh 2 arah ant 2 var eksogen. Misalnya, hasil belajar bidang keguruan (Y2) dipengaruhi langsung oleh efektivitas belajar mhs (Y1) serta bakat dan minatnya menjadi guru (X1) dan persepsinya thd profesi guru (X2). Bakat dan minat menjadi guru (X1) saling berhub dng persepsi thd profesi guru (X2) dan persepsi thd guru juga dipengaruhi oleh bakat dan minatnya menjadi guru. Bakat dan minat menjadi guru (X1) serta persepsinya thd profesi guru (X2) juga menentukan efektivitas belajarnya (Y1) yang akan berpengaruh thd hasil belajarnya (Y2).

X1

Y1 Y2

X2

Contoh : suatu PT ingin meningktkan loyalitas alumninya thd PT (Y2). Faktor yg mempengaruhi scr langsung adalah kepuasan thd layanan komponen yg ada di PT itu. Tk kepuasan alumni (Y1) dipengaruhi oleh proses pembelajaran (X1), layanan adm keuangan (X2) dan layanan adm akademis (X3). Data hsl penelitian yg diperoleh scr acak sebanyak 30 sampel alumni sbb

No responde

n

Proses pembelajaran

(X1)

Layanan adm keu (X2)

Layanan adm akademik (X2)

Kepuasan alumni (Y1)

Loyalitas alumni

(Y2)

1 9 15 8 8 9

2 12 15 8 8 9

3 12 13 11 10 10

4 14 17 13 10 8

5 11 11 13 10 8

6 14 13 18 12 10

7 15 15 13 12 11

8 14 16 15 11 12

9 18 16 15 14 13

10 12 12 16 14 11

11 16 15 16 14 12

12 16 13 15 15 12

13 16 13 17 14 12

14 20 12 18 15 12

15 13 16 17 14 13

16 11 14 17 13 11

17 16 17 18 12 10

18 15 14 14 12 11

19 16 12 15 11 10

20 15 16 17 13 12

21 19 19 18 15 15

22 15 16 17 14 14

23 19 19 21 12 12

24 13 17 13 14 13

25 17 16 16 13 12

26 15 15 16 12 11

27 14 15 15 13 11

28 18 15 16 14 12

29 15 18 18 12 11

30 18 18 16 15 14

B erarti ada 3 var eksogen, yi proses pembelajaran (X1), layanan adm keuangan (X2), layanan adm akademik (X3), seta 2 var endogen, kepuasan alumni (Y1) dan loyalitas alumni (Y2)persamaan strukturnya sbb : Y1 = PY1X1 + PY1X2 + PY1X3 + € (pers substruktur 1)Y2 = PY2X1 +PY2Y1 + PY2X3 + € (pers substruktur 2)pers substruktur sebaiknya dikembangkan berdasarkan teori yg digunakan dlm penelitian (relevan dng masalah), dlm kasus ini diasumsikan layanan adm keu (X2) tdk memp hub langsung dng loyalitas alumni (Y2). Shg rumusan sub struktur 2 tdk tampak var layanan adm keu, krn tlah diwakili var kepuasan alumni (Y1).

X1

X2

X3

Y1 Y2