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 KOEFISIEN 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 4 dari (3+4+5)/3=4d = Rx-Ry

= 1-[{6(44)}/{6(6²-1)}] =1-1,26 =-0,26 faktor penentu (FP) = r²=(-0,26)²=0,0676

No. x y Rx Ry d d²

1 1 2 1,5 4 -2,5 6,25

2 1 2 1,5 4 -2,5 6,25

3 2 3 3,5 6 2 4

4 2 3 3,5 6 -2,5 6,25

5 3 2 5 4 1 1

6 4 1 6 1,5 4,5 20,25

- - - - - - 44

Artinya : saling mempengaruhi sejumlah 6,76% atau 6,76% kondite ditentukan oleh faktor pendidikan atau sebaliknya.Sedangkan sisanya (93,24%) 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,

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.