TEORI YANG MELANDASI PEMAHAMAN SPSS

Pada bab ini kita akan belajar mengenai teori, konsep dan pengertian yang melandasi pengguinaan  program SPSS,  yang meliputi:

• Memahami konsep dan pengertian mengenai variable dan model hubungannya
• Memahami konsep dan pengertian mengenai skala pengukuran
• Memahami konsep dan pengertian tingkat kepercayaan (Confindence Interval)
• Memahami konsep dan pengertian tingkat signifikansi / probabilitas (significance level)
• Memahami konsep dan pengertian data / kasus
• Memahami konsep dan pengertian hipotesis,  uji hipotesis  satu sisi (one tailed) dan uji dua sisi (two tailed)
• Memahami konsep dan pengertian mengenai derajat kebebasan (degree of freedom)
• Memahami konsep dan pengertian mengenai nilai kritis
• Memahami konsep dan pengertian mengenai statistik parametrik dan nonparamterik

2.1 Pendahuluan

Untuk memudahkan pembaca memahami penggunaan SPSS dengan baik dan benar serta dapat memperoleh hasil yang maksimal, maka pembaca perlu memahami beberapa konsep dasar yang berfungsi sebagai teori untuk melandasai dalam mengoperasikan SPSS dan menfasir keluaran secara benar. Konsep-konsep dasar itu adalah variable, model hubungan antar variable, tingkat kepercayaan (Confindence Interval, tingkat signifikansi / probabilitas (significance level), pengertian data / kasus, pengertian uji hipotesis satu sisi (one tailed) dan uji hipotesis dua sisi (two tailed), hipotesis, derajat kebebasan (degree of freedom), nilai kritis, statistik parametrik dan nonparametrik.

2.2 Pengertian Variabel

Beberapa pengertian mengenai variabel akan diterangkan pada bagian ini, diantaranya:

Variabel didefinisikan sebagai “something that may vary or differ” (Brown, 1998:7). Definisi lain yang lebih detil mengatakan bahwa variabel “ is simply symbol or a concept that can assume any one of a set of values” (Davis, 1998:23).

Definisi pertama menyatakan bahwa variabel ialah sesuatu yang berbeda atau bervariasi, penekanan kata sesuatu diperjelas dalam definisi kedua yaitu simbol atau konsep yang diasumsikan sebagai seperangkat nilai-nilai. Definisi abstrak tersebut akan lebih jelas bila diberi contoh sebagai berikut:

a.       Hubungan antara motivasi dengan kinerja pegawai

b.      Pengaruh promosi terhadap minat beli sepeda motor X

c.       Hubungan antara kualitas produk dengan volume penjualan

Contoh-contoh variabel ialah: motivasi, kinerja, promosi, minat beli, kualitas produk dan volume penjualan

2.3 Tipe-Tipe Variabel

Pada bagian ini penulis akan menerangkan mengenai pengertian dan contoh-contoh untuk variable bebas, tergantung, moderat, kontrol, dan variable perantara.

 

2.3.1 Variabel Bebas (Independent Variable)

Variabel bebas merupakan variabel stimulus atau variabel yang mempengaruhi variabel lain. Variabel bebas merupakan variabel yang variabelitasnya diukur, dimanipulasi, atau dipilih oleh peneliti untuk menentukan hubungannya dengan suatu gejala yang diobservasi.

Pada contoh di atas, “promosi” adalah variabel bebas yang dapat dimanipulasi dan dilihat pengaruhnya terhadap “minat beli”, misalnya apakah promosi yang dilakukan di televisi akan  mempunyai pengaruh yang lebih kuat dibandikan dengan melalui Koran dalam kaitannya dengan minat beli konsumen terhadap sepeda motor tersebut.

2.3.2 Variabel Tergantung (Dependent Variable)

Variabel tergantung adalah variabel yang memberikan reaksi / respon jika dihubungkan dengan variabel bebas. Variabel tergantung adalah adalah variabel yang variabelitasnya diamati dan diukur untuk menentukan pengaruh yang disebabkan oleh variabel bebas. Pada contoh pengaruh promosi terhadap minat beli sepeda motor, maka variabel tergantungnya ialah “minat beli”. Seberapa besar pengaruh promosi terhadap minat beli konsumen untuk sepeda motor tersebut. Untuk meyakinkan pengaruh variabel bebas promosi di tv terhadap minat beli maka media tv dapat diganti dengan media koran. Jika besaran pengaruhnya berbeda maka manipulasi terhadap variabel bebas membuktikan adanya hubungan antara variabel bebas promosi dan minat beli konsumen.

2.3.3 Hubungan Antara Variabel Bebas dan Variabel Tergantung

Dalam penelitian kuantitatif pada umumnya peneliti melakukan penelitian dengan menggunakan lebih dari satu variable atau setidak-tidaknya dua variabel, yang meliputi satu variabel bebas dan satu variabel tergantung. Kedua varibel tersebut kemudian dicari hubungannya atau pengaruh dari variabel satu terhadap lainnya. Untuk memperjelas keterangan tersebut, di bawah ini akan diberikan contoh.

Contoh 1

·        Hipotesis penelitian: Ada hubungan antara “gaya kepemimpinan” dengan “kinerja” pegawai

·        Variabel bebas: gaya kepemimpinan

·        Variabel tergantung: kinerja pegawai

Gaya kepemimpinan mempunyai hubungan dengan kinerja pegawai, misalnya gaya kepemimpinan yang sentralistis akan berdampak terhadap kinerja pegawai secara  berbeda dengan gaya kepemimipinan yang bersifat delegatif.

Contoh 2

·        Hipotesa penelitian: Ada hubungan antara promosi dengan volume penjualan

·        Variabel bebas: promosi

·        Variabel tergantung: volume penjualan

Promosi mempunyai hubungan dengan ada dan tidaknya peningkatan volume penjualan di perusahaan tertentu.

2.3.4 Variabel Moderat (Moderate Variable)

Variabel moderat adalah variabel bebas kedua yang sengaja dipilih oleh peneliti untuk menentukan apakah kehadirannya berpengaruh terhadap hubungan antara variabel bebas pertama dan variabel tergantung. Variabel moderat merupakan variabel yang variabelitasnya diukur, dimanipulasi, atau dipilih oleh peneliti untuk mengetahui apakah variabel tersebut mengubah hubungan antara variabel bebas dan variabel tergantung yang sedang dikaji.

Pada kasus adanya hubungan antara promosi dengan minat beli, peneliti memilih variabel moderatnya ialah “harga”.  Dengan dimasukannya variabel moderat harga, peneliti ingin mengetahui apakah besaran hubungan kedua variabel tersebut berubah. Jika berubah maka keberadaan variabel moderat berperan, sedang jika tidak berubah maka variabel moderat tidak mempengaruhi hubungan kedua variabel yang diteliti.

Contoh lain:

·        Hipotesis: Ada hubungan antara promosi di media televisi dengan meningkatnya kesadaran merek handphone Samsung  di kalangan konsumen

·        Variabel bebas: promosi

·        Variabel tergantung: kesadaran merek

·        Variabel moderat: media promosi

2.3.5 Variabel Kontrol (Control Variable)

Dalam penelitian peneliti selalu berusaha menghilangkan atau menetralkan pengaruh yang dapat menganggu hubungan antara variabel bebas dan variabel tergantung. Suatu variabel yang pengaruhnya akan dihilangkan disebut variabel kontrol. Variabel kontrol didefinisikan sebagai variabel yang variabelitasnya dikontrol oleh peneliti untuk menetralisasi pengaruhnya. Jika tidak dikontrol variabel tersebut akan mempengaruhi gejala yang sedang dikaji.

Contoh:

·        Hipotesis: ada pengaruh warna handphone Nokia terhadap keputusan membeli di kalangan wanita

·        Variabel bebas: warna

·        Variabel tergantung: keputusan membeli

·        Variabel kontrol: wanita (jenis kelamin)

Pada kasus penelitian di atas variabel kontrolnya jenis kelamin wanita. Asumsi peneliti hanya wanita saja yang terpengaruh warna handphone Nokia jika mereka ingin membelinya.

2.3.6 Variabel Perantara (Intervening Variable)

Variabel bebas, tergantung, kontrol dan moderat merupakan variabel-variabel konkrit. Ketiga variabel, yaitu variabel bebas, kontrol dan moderat tersebut dapat dimanipulasi oleh peneliti dan pengaruh ketiga variabel tersebut dapat dilihat atau diobservasi. Lain halnya dengan variabel perantara, variabel tersebut bersifat hipotetikal  artinya secara konkrit pengaruhnya tidak kelihatan, tetapi secara teoritis dapat mempengaruhi hubungan antara variabel bebas dan tergantung yang sedang diteliti. Oleh karena itu, variabel perantara didefinisikan sebagai variabel yang secara teoritis mempengaruhi hubungan variabel yang sedang diteliti tetapi tidak dapat dilihat, diukur, dan dimanipulasi; pengaruhnya harus disimpulkan dari pengaruh-pengaruh variabel bebas dan variabel moderat terhadap gejala yang sedang diteliti.

Contoh:

·        Hipotesis: Jika minat pegawai terhadap tugas yang dibebankan meningkat, maka kinerja mengerjakan tugas tersebut akan semakin meningkat

·        Variabel bebas: minat terhadap tugas

·        Variabel tergantung: kinerja dalam mengerjakan tugas

·        Variabel perantara: pemahaman mengenai tugas

Keterangan kasus di atas adalah sebagai berikut jika seorang pegawai tertarik terhadap tugas yang diberikan oleh atasan, maka hasilnya akan baik. Besar kecilnya  kinerja  dipengaruhi oleh minat; sekalipun demikian hasil akhir pengerjaan tugas tersebut dipengaruhi oleh faktor pegawai mau mempelajari atau tidak terlebih dahulu tugas yang akan dikerjakan tersebut. Dengan minat yang tinggi dan pemahaman yang baik, maka kinerjanya akan semakin besar.

Contoh 2:

·        Hipotesis: Layanan yang baik mempengaruhi kepuasan pelanggan

·        Variabel bebas: layanan yang baik

·        Variabel tergantung: kepuasan pelanggan

·        Variabel pengganggu: kualitas jasa / produk

Pada umumnya layanan yang baik akan memberikan kepuasan yang tinggi terhadap pelanggan; sekalipun demikian kualitas jasa akan mempengaruhi hubungan variabel layanan dengan variabel kepuasan. Layanan baik belum tentu memberikan kepuasan kepada pelanggan jika kualitas jasanya atau produknya rendah. Misalnya sebuah toko sepatu memberikan layanan yang baik kepada pelanggannnya. Ketika seorang pembeli mengetahui bahwa sepatunya sobek pada bagian tertentu maka tingkat kepuasannya akan turun.

2.4 Skema Hubungan Variabel

Skema hubungan antar variabel menunjukkan adanya hubungan antara variabel bebas, moderat, kontrol dan perantara dengan variabel tergantung. Skema di bawah ini merupakan model pertama yang dibuat oleh Tuckman (Tuckman 1978:70) dikutip oleh Jonathan Sarwono dalam Metodologi Penelitian Kuantitatif (Sarwono: 2006)

 

Tabel 2.1. Skema Hubungan Antar Variabel Tuckman

Skema di atas dapat dibaca sebagai berikut, fokus utama adalah variabel bebas dan variabel tergantung, peneliti dapat juga mempertimbangkan variabel-variabel lainnya yaitu variabel moderat dan variabel kontrol. Hubungan variabel bebas dengan variabel tergantung melalui suatu label yang disebut variabel perantara. Variabel ini bersifat hipotetikal, artinya secara fakta tidak nampak tetapi secara teoritis ada dan mempengaruhi hubungan antara variabel bebas dan tergantung.

2.5 Contoh Kasus

Dalam kasus ini peneliti ingin mengukur tingkat loyalitas konsumen produk komputer X dengan menggunakan variable harga, tipe komputer, layanan purna jual, dan tingkat kepuasan.

·        Variabel bebas: harga

·        Variabel tergantung: loyalitas

·        Variabel moderat: tipe komputer

·        Variabel kontrol: layanan purna jual

·        Variabel pengganggu: kepuasan

Keterangan dari kasus di atas adalah sebagai berikut: Peneliti ingin mengetahui ada dan tidaknya pengaruh variable harga terhadap loyalitas konsumen. Harga merupakan variabel bebas dan loyalitas merupakan variabel tergantung. Peneliti juga mempertimbangkan adanya faktor lain yang mempengaruhi hubungan dua variabel tersebut, yaitu tipe komputer. Variabel tipe komputer sengaja dipilih untuk menentukan apakah kehadirannya mempengaruhi hubungan antara variabel bebas dan variabel tergantung. Peneliti bermaksud menetralisasi kemungkinan berpengaruhnya faktor variable layanan purna jual, oleh karena itu layanan purna jual akan dikontrol sebagai variabel kontrol. Tujuannya ialah menghilangkan kemungkinan munculnya kerancuan akibat faktor tersebut. Secara teori variable kepuasan akan mempengaruhi hubungan antara harga dan loyalitas. Maka variable kepuasan dijadikan sebagai variabel perantara.

Dalam SPSS variable dikenal sebagai kolom. Jadi jumlah kolom sama dengan jumlah variable yang dianalisis.

2.6 Skala Pengukuran

Ada empat tipe skala pengukuran dalam penelitian, yaitu nominal, ordinal, interval dan ratio.

2.6.1 Nominal

Skala pengukuran nominal digunakan untuk mengklasifikasi obyek, individual atau kelompok; sebagai contoh mengklasifikasi jenis kelamin, agama, pekerjaan, dan area geografis. Dalam mengidentifikasi hal-hal di atas digunakan angka-angka sebagai symbol. Apabila kita menggunakan skala pengukuran nominal, maka statistik non-parametrik digunakan untuk menganalisis datanya. Hasil analisis dipresentasikan dalam bentuk persentase. Sebagai contoh kita mengklasifikasi variabel jenis kelamin menjadi sebagai berikut: laki-laki kita beri simbol angka 1 dan wanita angka 2. Kita tidak dapat melakukan operasi arimatika dengan angka-angka tersebut, karena angka-angka tersebut hanya menunjukkan keberadaan atau ketidakadanya karaktersitik tertentu.

Contoh:

Jawaban pertanyaan berupa dua pilihan “ya” dan “tidak” yang bersifat kategorikal dapat diberi simbol angka-angka sebagai berikut: jawaban “ya” diberi angka 1 dan tidak diberi angka 2.

Misalnya dalam pertanyaan:

·        Apakah saudara setuju tentang kenaikan harga BBM? Jawaban: a. ya dan b tidak. Jika digunakan skala nominal, maka “ya” diberi nilai 1 dan “tidak” diberi nilai 0

2.6.2  Ordinal

Skala pengukuran ordinal memberikan informasi tentang jumlah relatif karakteristik berbeda yang dimiliki oleh obyek atau individu tertentu. Tingkat pengukuran ini mempunyai informasi skala nominal ditambah dengan sarana peringkat relatif tertentu yang memberikan informasi apakah suatu obyek memiliki karakteristik yang lebih atau kurang tetapi bukan berapa banyak kekurangan dan kelebihannya.

Contoh:

Jawaban pertanyaan berupa peringkat misalnya: sangat tidak setuju, tidak setuju, netral, setuju dan sangat setuju dapat diberi symbol angka 1, 2,3,4 dan 5. Angka-angka ini hanya merupakan simbol peringkat,  tidak mengekspresikan jumlah.

Misalnya dalam pertanyaan:

·        Apakah saudara setuju tentang kenaikan tarif tiket pesawat terbang? Jawaban: a. sangat tidak setuju,  b tidak setuju, c. ragu-ragu, d. setuju, e. setuju sekali. Jika digunakan skala ordinal, maka “sangat tidak setuju” diberi nilai 1,  “tidak setuju” diberi nilai 2, “ragu-ragu” 3, “setuju” 4 dan “setuju sekali” 5

2.6.3  Interval

Skala interval mempunyai karakteristik seperti yang dimiliki oleh skala nominal dan ordinal dengan ditambah karakteristik lain, yaitu berupa adanya interval yang tetap. Dengan demikian peneliti dapat melihat besarnya perbedaan karaktersitik antara satu individu atau obyek dengan lainnya. Skala pengukuran interval benar-benar merupakan angka. Angka-angka yang digunakan dapat dipergunakan dapat dilakukan operasi aritmatika, misalnya dijumlahkan atau dikalikan. Untuk melakukan analisis, skala pengukuran ini menggunakan statistik parametric.

Contoh:

Jawaban pertanyaan menyangkut frekuensi dalam pertanyaan, misalnya: Berapa kali Anda berbelanja di Supermarket X dalam satu bulan terakhir ini? Jawaban: 1 kali, 3 kali, dan 5 kali. Maka angka-angka 1,3, dan 5 merupakan angka sebenarnya dengan menggunakan interval 2.

Misalnya dalam pertanyaan ini menggunakan interval 1:

·        Berapa kali Saudara berbelanja di Supermarket ini dalam satu bulan? Jawaban berupa angka sebenarnya: a. 1 kali,  b. 2 kali,           c. 3 kali,            d. 4 kali dan    e. 5 kali

2.6.4   Ratio

Skala pengukuran ratio mempunyai semua karakteristik yang dipunyai oleh skala nominal, ordinal dan interval dengan kelebihan skala ini mempunyai nilai 0 (nol) empiris absolut. Nilai absoult nol tersebut terjadi pada saat ketidakhadirannya suatu karakteristik yang sedang diukur. Pengukuran ratio biasanya dalam bentuk perbandingan antara satu individu atau obyek tertentu dengan lainnya.

Contoh:

Berat Rinso 3 gram sedang berat Soklin 6 gram. Maka berat Rinso dibanding dengan berat Soklin sama dengan 1 dibanding 2.

Misalnya dalam pertanyaan;

·        Berapa berat badan anda sebelum dan sesudah makan obat diet tersebut? Jawabannya berupa angka sebenarnya: Berat  sebelum minum obat 70 kg dan berat sesudah minum obat 60 kg.

Dalam SPSS skala pengukuran disebut “Measure” yang terdiri dari nominal, ordinal dan scale. Scale merupakan penggabungan dari skala pengukuran interval dan ratio.

2.7 Tingkat Kepercayaan (Confidence Interval)

Tingkat kepercayaan atau disebut juga  confidence interval  atau risk level didasarkan pada gagasan yang berasal dari Teorema Batas Sentral (Central Limit Theorem). Gagasan pokok yang berasal dari teorema tersebut ialah apabila suatu populasi secara berulang-ulang ditarik sampel, maka nilai rata-rata atribut yang diperoleh dari sampel-sampel tersebut sejajar dengan nilai populasi yang sebenarnya. Lebih lanjut, nilai-nilai yang diperoleh tersebut yang berasal dari sampel-sampel yang sudah ditarik didistribusikan  secara normal dalam bentuk nilai benar / nyata. Bentuk nilai-nilai tersebut akan menjadi nilai-nilai sampel yang lebih tinggi atau lebih rendah jika dibandingkan dengan nilai populasinya. Dalam suatu distribusi normal, sekitar 95% nilai-nilai sampel berada dalam  dua simpangan baku (standard deviation)dari nilai populasi sebenarnya. Dengan kata lain, jika tingkat kepercayaan sebesar  95% dipilih, maka 95 dari 100 sampel akan mempunyai nilai populasi yang sebenarnya dalam jangkauan ketepatan sebagaimana sudah dispesifikasi sebelumnya. Ada kalanya bahwa sampel yang kita peroleh tidak mewakili nilai populasi yang sebenarnya.Tingkat kepercayaan berkisar antara 99% yang tertinggi dan 90% yang terendah. Dalam SPSS tingkat kepercayaan secara default diisi 95%.

2.8 Signifikansi / Probabilitas (Significance Level)

Signifikansi atau disebut juga probabilitas merupakan tingkat ketepatan (presisi) dalam kaitannya dengan kesalahan pengambilan sampel (sampling error), merupakan jangkauan dimana nilai populasi yang tepat diperkirakan. Jangkauan ini sering diekspresikan dengan menggunakan poin-poin persentase, misalnya 1% atau 5%. Oleh karena itu jika seorang peneliti menemukan bahwa 60% pegawai perusahaan tertentu yang digunakan sebagai sampel sudah mengadopsi suatu metode bekerja yang direkomendasikan dengan tingkat ketepatan sebesar  ±1%, maka peneliti tersebut dapat menyimpulkan bahwa antara 59% dan 61% dari pegawai perusahaan tersebut yang menjadi  populasi sudah mengadopsi metode tersebut. Dalam SPSS signifikansi ditulis secara default sebagai 0,05 (5%).

2.9 Jumlah Data / Kasus

Dalam SPSS jumlah data disebut sebagai kasus. Cara membacanya ialah dengan melihat baris. Jadi jumlah baris sama dengan jumlah kasus / data. Di SPSS jumlah data ini dberi simbol N. SPSS tidak membedakan antara N (populasi) dan n (sample).

2.10 Pengertian Hipotesis Serta Uji Hipotesis  Satu Sisi (One Tailed) dan Uji Dua Sisi (Two Tailed)

Bagian ini akan memberikan pengertian dasar mengenai hipotesis, cara membuat hipotesis dan pengujian hipotesis.

2.10.1. Pengertian

Setelah masalah dirumuskan, maka langkah berikutnya ialah merumuskan hipotesis. Apakah hipotesis itu? Ada banyak definisi hipotesis yang pada hakikatnya mengacu pada pengertian yang sama. Diantaranya ialah hipotesis adalah jawaban sementara terhadap masalah yang sedang diteliti.

Menurut Prof. Dr. S. Nasution definisi hipotesis  ialah “pernyataan tentative yang merupakan dugaan mengenai apa saja yang sedang kita amati dalam usaha untuk memahaminya”.  (Nasution:2000)

Zikmund (1997:112) mendefinisikan hipotesis sebagai: “Unproven proposition or supposition that tentatively explains certain facts or phenomena; a probable answer to a research question”.  Menurut Zimund hipotesis merupakan proposisi atau dugaan yang belum terbukti yang secara tentative menerangkan fakta-fakta atau fenomena tertentu dan juga merupakan jawaban yang memungkinkan terhadap suatu pertanyaan riset.

2.10.2  Pertimbangan dalam  Merumuskan Hipotesis

Dalam merumuskan hipotesis peneliti perlu pertimbangan- pertimbangan diantaranya:

·        Harus mengekpresikan hubungan antara dua variabel atau lebih, maksudnya dalam merumuskan hipotesis seorang peneliti harus setidak-tidaknya mempunyai dua variabel yang akan dikaji. Kedua variabel tersebut adalah variabel bebas dan variabel tergantung. Jika variabel lebih dari dua, maka biasanya satu variabel tergantung dua variabel bebas.

·        Harus dinyatakan secara jelas dan tidak bermakna ganda, artinya rumusan hipotesis harus bersifat spesifik dan mengacu pada satu makna tidak boleh menimbulkan penafsiran lebih dari satu makna. Jika hipotesis dirumuskan secara umum, maka hipotesis tersebut tidak dapat diuji secara empiris.

·        Harus dapat diuji secara empiris, maksudnya ialah memungkinkan untuk diungkapkan dalam bentuk operasional yang dapat dievaluasi berdasarkan data yang didapatkan secara empiris. Sebaiknya hipotesis jangan mencerminkan unsur-unsur moral, nilai-nilai atau sikap.

 2.10.3   Jenis-Jenis Hipotesis

Secara garis besar ada dua jenis hipotesis didasarkan pada tingkat   abstraksi dan bentuknya.

Menurut tingkat abstraksinya hipotesis dibagi menjadi:

 a) Hipotesis yang menyatakan adanya kesamaan-kesamaan dalam dunia empiris: hipotesis jenis ini berkaitan dengan pernyataan-pernyataan yang bersifat umum yang kebenarannya diakui oleh orang banyak pada umumnya, misalnya “orang jawa halus budinya dan sikapnya lemah lembut”, “jika ada bunyi hewan tenggeret maka musim kemarau mulai tiba, “ jika hujan kota Jakarta Banjir”.  Kebenaran-kebenaran umum seperti di atas yang sudah diketahui oleh orang banyak pada umumnya,  jika diuji secara ilmiah belum tentu benar.

 b)  Hipotesis yang berkenaan dengan model ideal: pada kenyataannya dunia ini sangat kompleks, maka untuk mempelajari kekomplesitasan dunia tersebut kita memerlukan bantuan filsafat, metode, tipe-tipe yang ada. Pengetahuan mengenai otoriterisme akan membantu kita memahami, misalnya dalam dunia kepemimpinan, hubungan ayah dalam mendidik anaknya. Pengetahuan mengenai ide nativisme akan membantu kita memahami munculnya seorang pemimpin.

 c) Hipotesis yang digunakan untuk mencari hubungan antar variabel: hipotesis ini merumuskan hubungan antar dua atau lebih variabel-variabel yang diteliti. Dalam menyusun hipotesisnya, peneliti harus dapat mengetahui variabel mana yang mempengaruhi variabel lainnya sehingga variabel tersebut berubah.

Menurut bentuknya, hipotesis  dibagi menjadi tiga:

a)  Hipotesis penelitian / kerja: hipotesis penelitia merupakan anggapan dasar peneliti terhadap suatu masalah yang sedang dikaji. Dalam hipotesis ini peneliti mengaggap benar hipotesisnya yang kemudian akan dibuktikan secara empiris melalui pengujian hipotesis dengan mempergunakan data yang diperolehnya selama melakukan penelitian. Misalnya: Ada hubungan antara krisis ekonomi dengan jumlah orang stress

b)    Hipotesis operasional: hipotesis operasional merupakan hipotesis yang bersifat obyektif. Artinya peneliti merumuskan hipotesis tidak semata-mata berdasarkan anggapan dasarnya, tetapi  juga berdasarkan obyektifitasnya, bahwa hipotesis penelitian yang dibuat belum tentu benar setelah diuji dengan menggunakan data yang ada. Untuk itu peneliti memerlukan hipotesis pembanding yang bersifat obyektif dan netral atau secara teknis disebut hipotesis nol (H0). H0 digunakan untuk memberikan keseimbangan pada hipotesis penelitian karena peneliti meyakini dalam pengujian nanti benar atau salahnya hipotesis penelitian tergantung dari bukti-bukti yang diperolehnya selama melakukan penelitian. Contoh:

H0: Tidak ada hubungan antara jumlah jam kerja dengan jumlah pegawai yang mengalami stress.

c)    Hipotesis statistik: Hipotesis statistik merupakan jenis hipotesis yang dirumuskan dalam bentuk notasi statistik. Hipotesis ini dirumuskan berdasarkan pengamatan peneliti terhadap populasi dalam bentuk angka-angka (kuantitatif). Misalnya: H0: r = 0; atau H0: p = 0

2.10.4  Cara Merumuskan Hipotesis

Cara merumuskan hipotesis  ialah dengan tahapan sebagai berikut: rumuskan hipotesis  penelitian, hipotesis operasional, dan hipotesis statistik.

Hipotesis penelitian ialah hipotesis yang kita buat dan dinyatakan dalam bentuk kalimat dan didasarkan oleh asumsi.

Contoh 1: Hipotesis asosiatif

Rumusan masalah:

·    Adakah hubungan antara gaya kepemimpininan dengan kinerja pegawai?

Hipotesis penelitian:

·             Ada hubungan antara gaya kepemimpininan dengan kinerja pegawai

Hipotesis operasional ialah mendefinisikan hipotesis secara operasional variabel-variabel yang ada di dalamnya agar dapat dioperasionalisasikan. Misalnya “gaya kepemimpinan” dioperasionalisasikan sebagai cara memberikan instruksi terhadap bawahan. Kinerja pegawai dioperasionalisasikan sebagai tinggi rendahnya pemasukan perusahaan. Hipotesis operasional dijadikan menjadi dua, yaitu hipotesis 0 yang bersifat netral dan hipotesis 1 yang bersifat tidak netral

Maka bunyi hipotesis operasionalnya:

H0: Tidak ada hubungan antara cara memberikan instruksi terhadap bawahan dengan tinggi – rendahnya revenue perusahaan

H1: Ada hubungan antara cara memberikan instruksi terhadap bawahan dengan tinggi – rendahnya revenue perusahaan

Hipotesis statistik ialah hipotesis operasional yang diterjemahkan kedalam bentuk angka-angka statistik sesuai dengan alat ukur yang dipilih oleh peneliti. Dalam contoh ini asumsi kenaikan revenue sebesar 30%, maka hipotesisnya berbunyi sebagai berikut:

H0: r= 0,3

H1: r ¹ 0,3

Contoh 2: Hipotesis deskriptif

Rumusan masalahnya:

o        Berapa besar tingkat kenaikan suku bunga di Bank X?

Hipotesis penelitian:

o        Tingkat kenaikan suku bunga di Bank X  kurang dari  standar

Hipotesis operasional bunyinya:

o        H0 = Tingkat kenaikan suku bunga di Bank X   sama dengan standar

o        H1 = Tingkat kenaikan suku bunga di Bank X   tidak sama dengan standar

Hipotesis statistik

o                        H0: r = 5% (0,05)

o                        H1: r ¹ 5% (0,05)

Diasumsikan standar kenaikan sama dengan 5%.

Contoh 3: Hipotesis komparatif

Rumusan masalahnya:

o            Bagaimana sikap konsumen  di Bandung terhadap kenaikan tarif kereta api  dibandingkan dengan sikap konsumen di Yogyakarta

Hipotesis penelitian:

o            Ada perbedaan sikap konsumen  di Bandung terhadap kenaikan tarif kereta api  jika dibandingkan dengan sikap konsumen di Yogyakarta

Hipotesis operasional:

o            H0 = Tidak ada perbedaan  persentase antara sikap konsumen  di Bandung terhadap kenaikan tarif kereta api  dengan sikap konsumen di Yogyakarta

o            H1 = Ada perbedaan persentase antara sikap konsumen  di Bandung terhadap kenaikan tarif kereta api  dengan sikap konsumen di Yogyakarta

Hipotesis Statistik:

H0: r Bandung = r Yogyakarta

H1: : r Bandung ¹ r Yogyakarta

2.10.5. Uji Hipotesis

Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal, yaitu: tingkat signifikansi atau probabilitas (α) dan tingkat kepercayaan atau confidence interval. Didasarkan tingkat signifikansi pada umumnya orang menggunakan 0,05. Kisaran tingkat signifikansi mulai dari 0,01 sampai dengan 0,1. Yang dimaksud dengan tingkat signifikansi adalah probabilitas melakukan kesalahan tipe I, yaitu kesalahan menolak hipotesis ketika hipotesis tersebut benar. Tingkat kepercayaan pada umumnya ialah sebesar 95%, yang dimaksud dengan tingkat kepercayaan ialah tingkat dimana sebesar 95% nilai sample akan mewakili nilai populasi dimana sample berasal. Dalam melakukan uji hipotesis terdapat dua hipotesis, yaitu:

• H0 (hipotessis nol)  dan H1 (hipotesis alternatif)

Contoh uji hipotesis misalnya rata-rata produktivitas pegawai sama dengan 10 (μ x= 10), maka bunyi hipotesisnya ialah:

• H0: Rata-rata produktivitas pegawai sama dengan 10
• H1: Rata-rata produktivitas pegawai tidak sama dengan 10

Hipotesis statistiknya:

• H0: μ x= 10
• H1: μ x > 10 Untuk uji satu sisi (one tailed) atau
• H1: μ x < 10
• H1: μ x ≠ 10 Untuk uji dua sisi (two tailed)

Beberapa hal yang harus diperhatikan dalam uji hipotesis ialah;

• Untuk pengujian hipotesis kita menggunakan data sample.
• Dalam pengujian akan menghasilkan dua kemungkinan, yaitu pengujian signifikan secara statistik jika kita menolak H0 dan pengujian tidak signifikan secara statistik jika kita menerima H0.
• Jika kita menggunakan nilai t, maka jika nilai t yang semakin besar atau menjauhi 0, kita akan cenderung menolak H0; sebaliknya jika nila t semakin kecil atau mendekati 0  kita akan cenderung menerima H0.

Menggunakan kurva untuk menguji hipotesis dapat digambarkan sebagai berikut:

a)      Untuk uji dua sisi

 

b)      Untuk uji satu sisi sebelah kanan

c)      Untuk uji satu sisi sebelah kiri

2.11 Derajat Kebebasan (Degree of Freedom)

Derajat kebebasan mempunyai dua makna yang berbeda. Dalam kaitannya dengan distribusi statistic untuk memberikan nama dari salah satu parameternya. Dalam kaitannya dengan kecocokan model, derajat kebebasan menunjuk pada jumlah informasi yang independen yang ada digunakan untuk membuat estimasi terhadap informasi yang lain. Umumnya kita memulai jumlah derajat kebebasan dengan data. Semakin suatu prosedur atau model cocok, maka jumlah derajat kebebasan semakin kecil.  Penghitungan derajat kebebasan dilakukan melalui ukuran sampel. Derajat kebebasan merupakan pengukuran jumlah informasi dari data sample yang telah digunakan. Setiap penghitungan statistik dilakukan dari suatu sampel tertentu,  maka satu derajat kebebasan digunakan. Setiap rumus dalam SPSS cara menghitung derajat kebebasan (DF /Degree of Freedom) berbeda, misalnya dalam Chi Square untuk menghitung DF digunakan rumus (C-1) x (R -1); sedang untuk uji t sampel bebas untuk menghitung DF digunakan rumus n -2; untuk uji t sampel berpasangan untuk menghitung DF digunakan rumus n -1 dstnya.

2.12 Nilai Kritis (Critical Value)

Nilai kritis digunakan untuk pengujian signifikansi. Nilai dimana pengujian statistik harus melampaui nilai tertentu agar hipotesis 0 ditolak. Misalnya nilai kritis t dengan  derajat kebebasan sebesar 12 dan tingkat signifikansi sebesar 0,05 adalah 1,98. Nilai absolut t harus lebih besar dari 1,98 agar H0 ditolak. Nilai kritis diambil dari table nilai kritis t sedang nilai absolut berasal dari data.

2.13 Statistik Parametrik dan Nonparametrik

Statistik parametrik merupakan statitik dimana populasi diasumsikan cocok dengan setiap distribusi yang diukur, umunya distibusi normal.  Metode statistik inferensi parametrik merupakan prosedur matematik untuk pengujian hipotesis statistik yang mengasumsikan bahwa distribusi variabel-variabel tersebut sedang dinilai sesuai dengan kelompok parameter yang berdistribusi normal, contoh dalam SPSS:  ANOVA dan  Korelasi Pearson. Sebaliknya statistik nonparametrik berkaitan dengan model-model non parametrik dan inferensi non parametrik. Pengertian ini juga mengacu pada statistik yang interpretasinya tidak tergantung pada populasi yang dicocokkan dengan setiap distribusi normal, contoh dalam SPSS Korelasi Spearman.

2.14 Ringkasan

Untuk memahami SPSS secara benar, kita harus mengetahui konsep-konsep yang melandasi penggunaan SPSS. Konsep-konsep itu ada di teori statistik. Konsep-konsep yang setidak-tidaknya harus kita ketahui ialah diantaranya: adalah variable, model hubungan antar variable, tingkat kepercayaan (Confindence Interval, tingkat signifikansi / probabilitas (significance level), pengertian data / kasus, pengertian uji satu sisi (one tailed) dan uji dua sisi (two tailed), hipotesis, derajat kebebasan (degree of freedom), nilai kritis, parametric dan nonparametric

2.15 Konsep-Konsep yang Harus Dipahami

·        Variabel

·        Model hubungan antar variabel

·        Tingkat kepercayaan (Confindence Interval)

·        Tingkat signifikansi / probabilitas (significance level)

·        Pengertian data / kasus

·        Uji hipotesis satu sisi (one tailed) dan uji hipotesis dua sisi (two tailed)

·        Derajat kebebasan (degree of freedom)

·        Nilai kritis

·        Statistik parametrik dan nonparametrik

2.16 Pertanyaan-Pertanyaan

1. Terangkan apa yang dimaksud dengan variable?

2. Sebutkan variable apa saja dalam penelitian dan terangkan masing-masing pengertiannya!

3. Ada empat skala pengukuran dalam penelitian. Sebutkan satu persatu dan terangkan maksudnya!

4. Apa hubungan antara variable dengan skala pengukuran?

5. Jelaskan mengenai pengertian hipotesis?

6. Ada berapa tipe hipotesis?

7.      Jelaskan mengenai pengertian tingkat kepercayaan (Confindence Interval)!

8.      Jelaskan mengenai pengertian tingkat signifikansi / probabilitas (significance level)!

9.      Apa yang dimaksud dengan data / kasus dalam SPSS?

10.  Jelaskan mengenai pengertian uji hipotesis satu sisi (one tailed) dan uji hipotesis dua sisi (two tailed)!

11.  Jelaskan mengenai pengertian derajat kebebasan (degree of freedom)!

12.  Apa itu nilai kritis? Dimana kita dapat memperoleh nilai kritis?

13.  Jelaskan mengenai pengertian statistik parametrik dan nonparametrik!