Setelah melalui pengalaman yang panjang dalam dunia statistik, menggunakan alat kuisioner untuk mendapatkan data dalam pengujian kita, selalu dihadapkan pada kendala tidak valid dan reliablenya data yang kita peroleh, dan meskipun data itu sudah valid dan reliable ternyata pada saat dilakukan uji berikutnya (uji regresi) selalu terkendala terhadap nilai pengaruh dari signifikansi hasil pengujian data menggunakan SPSS. Kemudian saya menemukan sebuah tehnik yang sangat njelimet (jawa:rumit), yang dapat saya gunakan untuk membantu anda dalam menyelesaikan masalah anda dalam pengerjaan Karya Tulis, Skripsi, Tesis hingga Desertasi. Sehingga saya akan menawarkan pelayanan terhadap anda untuk beberapa uji statistik.

Dengan ini saya menawarkan kepada anda untuk mengerjakan pembuatan data yang valid dan reliabel untuk jenis uji data Validitas dan Reliabilitas. Dan juga memperbaiki data untuk uji Regresi sederhana maupun berganda.



Harga diatas sangatlah murah, dan saya yakin anda pasti puas dengan data yang saya hasilkan.

Bisnis ini adalah bisnis kepercayaan, segala pelaksanaan harus sesuai tatacara yang ada dibawah ini:

  1. kirimkan file kuisioner dan Path Diagram (jika uji path) anda via email (datamanipspss[et]gmail[dot]com)
  2. Konfirmasi via sms Kirim ke 085755238488 (SMS Only )
  1. Pengerjaan akan kami laksanakan apabila ada konfirmasi SMS yang kami terima dan data yang telah masuh ke e-mail kami
  1. Setelah selesai pengerjaan akan kami email ke alamat email anda, dan konfirmasi SMS pada no. Phonsel anda.
  2. File yang kami kirim berupa data kompresi (ZIP/RAR) berupa file interpretasi data file data Ms.word, file data Ms.exel, output SPSS 15 dan preview dari data tersebut .bmp/.JPG
  3. Password akan kami berikan via email setelah terjadi transaksi pada Acc bank saya.
Bank Central Asia Tbk.

KCP Blimbing Malang

Indonesia

Swif Code : CENAIDJA

No. AC. (akan di konfirmasi)

  1. bisnis saya ini tidak berlaku untuk orang yang “ idialis ” terhadap penelitiannya.
  2. kalau hanya sekedar cari kertas kelulusan dan untuk naik jabatan, ngapain susah-susah buang biaya yang lebih besar untuk hanya sekedar uji tersebut.
  3. tujuan saya hanya untuk membantu mereka yang terkendala oleh kesibukannya, yang kepepet waktu agar cepat lulus, orang yang uangnya mepet buat penelitian, dll.
  4. Semoga anda cepat lulus dengan nilai sesuai harapan anda.

DATA NOMINAL, ORDINAL, INTERVAL DAN DATA RASIO

DATA NOMINAL, ORDINAL, INTERVAL DAN DATA RASIO
(Oleh: Suharto)

A. Pendahuluan
Fenomena yang sering terjadi ketika mahasiswa akan menyelesaikan tugas akhir, diantaranya adalah ketika menemukan data rasio yang pada gilirannya akan berhadapan dengan model alat analisis mana yang akan di gunakan. Karena dari beberapa literatur, memperlakukan data rasio berikut alat analisisnya akan memiliki perbedaan bila kita memperlakukan data yang berbentuk, nominal, ordinal, dan interval. Data rasio memiliki spesifikasi yang paling kuat diantara data-data lain, dibandingkan dengan misalnya, data nominal, ordinal dan data interval. Data rasio juga memiliki ukuran yang paling komplek dan memiliki sifat-sifat yang dimiliki oleh data nominal, data ordinal dan data interval serta ditambah dengan satu sifat yang lain. Selain itu, data rasio lebih tepat bila diterapkan dengan menggunakan alat analisis statistik parametrik, yakni statistik yang berhubungan dengan parameter. Sedangkan data nominal dan data ordinal, memiliki kecenderungan bila kita menggunakan alat analisis statistik non parametrik.
Beberapa ahli berpendapat bahwa pelaksanaan penelitian dengan menggunakan metode ilmiah diantaranya adalah melakukan langkah-langkah sistematis.
Metode ilmiah adalah merupakan pengejaran terhadap kebenaran relatif yang diatur oleh pertimbangan-pertimbangan logis. Karena keberadaan dari ilmu itu adalah untuk memperoleh interelasi yang sistematis dari fakta-fakta, maka metode ilmiah berkehendak untuk mencari jawaban tentang fakta-fakta dengan menggunakan pendekatan kesangsian sistematis. Karenanya, penelitian dan metode ilmiah, jika tidak dikatakan sama, mempunyai hubungan yang relatif dekat. Karena dengan adanya metode ilmiah, pertanyaan-pertanyaan dalam mencari dalil umum, akan mudah dijawab.
Menuruti Schluter (Moh Nazir, 2006), langkah penting sebelum sampai tahapan analisis data dan penentuan model adalah ketika kita melakukan pengumpulan dan manipulasi data sehingga bisa digunakan bagi keperluan pengujian hipotesis. Mengadakan manipulasi data berarti mengubah data mentah dari awal menjadi suatu bentuk yang dapat dengan mudah memperlihatkan hubungan-hubungan antar fenomena.
Kelaziman kuantifikasi sebaiknya dilakukan kecuali bagi atribut-atribut yang tidak dapat dilakukan. Dan dari kuantifikasi data itu, penentuan mana yang dikatakan data nominal, ordinal, interval dan rasio bisa dilakukan demi memasuki wilayah penentuan model.
Pada ilmu-ilmu sosial yang telah lebih berkembang, melakukan analisis berdasarkan pada kerangka hipotesis dilakukan dengan membuat model matematis untuk membangun refleksi hubungan antar fenomena yang secara implisit sudah dilakukan dalam rumusan hipotesis. Analisis data merupakan bagian yang amat penting dalam metode ilmiah.
Data bisa memiliki makna setelah dilakukan analisis dengan menggunakan model yang lazim digunakan dan sudah diuji secara ilmiah meskipun memiliki peluang menggunakan alat analisis lain. Akan tetapi masing-masing model, jika ditelaah satu demi satu, sebenarnya hanya sebagian saja yang bisa digunakan untuk kondisi dan data tertentu. Ia tidak bisa digunakan untuk menganalisis data jika model yang digunakan kurang sesuai dengan bagaimana kita memperoleh data jika menggunakan instrumen. Timbangan tidak bisa digunakan untuk mengukur tinggi badan seseorang. Sebaliknya meteran tidak bisa digunakan untuk mengukur berat badan seseorang. Karena masing-masing instrumen memiliki kegunaan masing-masing.
Dalam hal ini, tentu saja kita tidak ingin menggunakan model analisis hanya semata-mata karena menuruti selera dan kepentingan. Suatu model hanya lazim digunakan setelah kita mempertimbangkan kondisi bagaimana data dikumpulkan. Karena dalam teori, alat analisis model adalah alat yang tidak bisa digunakan dalam kondisi yang tidak sesuai dengan pertimbangan-pertimbangan logis. Ia memang bisa digunakan untuk menghitung secara matematis, akan tetapi tidak dalam teori.
Banyaknya konsumsi makanan tentu memiliki hubungan dengan berat badan seseorang. Akan tetapi banyaknya konsumsi makanan penduduk pulau Nias, tidak akan pernah memiliki hubungan dengan berat badan penduduk Kalimantan. Motivasi kerja sebuah perusahaan makanan ringan, tidak akan memiliki hubungan dengan produktivitas petani Sawit. Model analisis statistik hanya bisa digunakan jika data yang diperoleh memiliki syarat-syarat tertentu. Salah satu diantaranya adalah masing-masing variabel tidak memiliki hubungan linier yang eksak. Data yang kita peroleh melalui instrumen pengumpul data itu bisa dianalisis dengan menggunakan model tanpa melanggar kelaziman.
Bagi keperluan analisis penelitian ilmu-ilmu sosial, teknik mengurutkan sesuatu ke dalam skala itu artinya begitu penting mengingat sebagian data dalam ilmu-ilmu sosial mempunyai sifat kualitatif. Atribut saja sebagai objek penelitian selain kurang representatif bagi peneliti, juga sebagian orang saat ini menginginkan gradasi yang lebih baik bagi objek penelitian.
Orang selain kurang begitu puas dengan atribut baik atau buruk, setuju atau tidak setuju, tetapi juga menginginkan sesuatu yang berada diantara baik dan buruk atau diantara setuju dan tidak setuju. Karena gradasi, merupakan kelaziman yang diminta bagi sebagian orang bisa menguak secara detail objek penelitian. Semakin banyak gradasi yang dibuat dalam instrumen penelitian, hasilnya akan makin representatif.
Menuruti Moh. Nazir (2006), teknik membuat skala adalah cara mengubah fakta-fakta kualitatif (atribut) menjadi suatu urutan kuantitatif (variabel). Mengubah fakta-fakta kualitatif menjadi urutan kuantitatif itu telah menjadi satu kelaziman paling tidak bagi sebagian besar orang, karena berbagai alasan. Pertama, eksistensi matematika sebagai alat yang lebih cenderung digunakan oleh ilmu-ilmu pengetahuan sehingga bisa mengundang kuantitatif variabel. Kedua, ilmu pengetahuan, disamping akurasi data, semakin meminta presisi yang lebih baik, lebih-lebih dalam mengukur gradasi. Karena perlunya presisi, maka kita belum tentu puas dengan atribut baik atau buruk saja. Sebagian peneliti ingin mengukur sifat-sifat yang ada antara baik dan buruk tersebut, sehingga diperoleh suatu skala gradasi yang jelas.
B. Pembahasan
a. Data nominal
Sebelum kita membicarakan bagaimana alat analisis data digunakan, berikut ini akan diberikan ulasan tentang bagaimana sebenarnya data nominal yang sering digunakan dalam statistik nonparametrik bagi mahasiswa. Menuruti Moh. Nazir, data nominal adalah ukuran yang paling sederhana, dimana angka yang diberikan kepada objek mempunyai arti sebagai label saja, dan tidak menunjukkan tingkatan apapun.
Ciri-ciri data nominal adalah hanya memiliki atribut, atau nama, atau diskrit. Data nominal merupakan data diskrit dan tidak memiliki urutan. Bila objek dikelompokkan ke dalam set-set, dan kepada semua anggota set diberikan angka, set-set tersebut tidak boleh tumpang tindih dan bersisa.
Misalnya tentang jenis olah raga yakni tenis, basket dan renang. Kemudian masing-masing anggota set di atas kita berikan angka, misalnya tenis (1), basket (2) dan renang (3). Jelas kelihatan bahwa angka yang diberikan tidak menunjukkan bahwa tingkat olah raga basket lebih tinggi dari tenis ataupun tingkat renang lebih tinggi dari tenis. Angka tersebut tidak memberikan arti apa-apa jika ditambahkan. Angka yang diberikan hanya berfungsi sebagai label saja. Begitu juga tentang suku, yakni Dayak, Bugis dan Badui.
Tentang partai, misalnya Partai Bulan, Partai Bintang dan Partai Matahari. Masing-masing kategori tidak dinyatakan lebih tinggi dari atribut (nama) yang lain. Seseorang yang pergi ke Jakarta, tidak akan pernah mengatakan dua setengah kali, atau tiga seperempat kali. Tetapi akan mengatakan dua kali, lima kali, atau tujuh kali. Begitu juga tentang ukuran jumlah anak dalam suatu keluarga. Numerik yang dihasilkan akan selalu berbentuk bilangan bulat, demikian seterusnya. Tidak akan pernah ada bilangan pecahan. Data nominal ini diperoleh dari hasil pengukuran dengan skala nominal.
Menuruti Sugiono, alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang digunakan untuk data nominal adalah Coefisien Contingensi. Akan tetapi karena pengujian hipotesis Coefisien Contingensi memerlukan rumus Chi Square (χ2), perhitungannya dilakukan setelah kita menghitung Chi Square. Penggunaan model statistik nonparametrik selain Coefisien Contingensi tidak lazim dilakukan.
b. Data ordinal
Bagian lain dari data kontinum adalah data ordinal. Data ini, selain memiliki nama (atribut), juga memiliki peringkat atau urutan. Angka yang diberikan mengandung tingkatan. Ia digunakan untuk mengurutkan objek dari yang paling rendah sampai yang paling tinggi, atau sebaliknya. Ukuran ini tidak memberikan nilai absolut terhadap objek, tetapi hanya memberikan peringkat saja. Jika kita memiliki sebuah set objek yang dinomori, dari 1 sampai n, misalnya peringkat 1, 2, 3, 4, 5 dan seterusnya, bila dinyatakan dalam skala, maka jarak antara data yang satu dengan lainnya tidak sama. Ia akan memiliki urutan mulai dari yang paling tinggi sampai paling rendah. Atau paling baik sampai ke yang paling buruk.
Misalnya dalam skala Likert (Moh Nazir), mulai dari sangat setuju, setuju, ragu-ragu, tidak setuju sampai sangat tidak setuju. Atau jawaban pertanyaan tentang kecenderungan masyarakat untuk menghadiri rapat umum pemilihan kepala daerah, mulai dari tidak pernah absen menghadiri, dengan kode 5, kadang-kadang saja menghadiri, dengan kode 4, kurang menghadiri, dengan kode 3, tidak pernah menghadiri, dengan kode 2 sampai tidak ingin menghadiri sama sekali, dengan kode 1. Dari hasil pengukuran dengan menggunakan skala ordinal ini akan diperoleh data ordinal. Alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang lazim digunakan untuk data ordinal adalah Spearman Rank Correlation dan Kendall Tau.
c. Data interval
Pemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran ordinal dan ditambah satu sifat lain, yakni jarak yang sama pada pengukuran dinamakan data interval. Data ini memperlihatkan jarak yang sama dari ciri atau sifat objek yang diukur. Akan tetapi ukuran interval tidak memberikan jumlah absolut dari objek yang diukur. Data yang diperoleh dari hasil pengukuran menggunakan skala interval dinamakan data interval.
Misalnya tentang nilai ujian 6 orang mahasiswa, yakni A, B, C, D, E dan F diukur dengan ukuran interval pada skala prestasi dengan ukuran 1, 2, 3, 4, 5 dan 6, maka dapat dikatakan bahwa beda prestasi antara mahasiswa C dan A adalah 3 – 1 = 2. Beda prestasi antara mahasiswa C dan F adalah 6 – 3 = 3. Akan tetapi tidak bisa dikatakan bahwa prestasi mahasiswa E adalah 5 kali prestasi mahasiswa A ataupun prestasi mahasiswa F adalah 3 kali lebih baik dari prestasi mahasiswa B.
Dari hasil pengukuran dengan menggunakan skala interval ini akan diperoleh data interval. Alat analisis (uji hipotesis asosiatif) statistik parametrik yang lazim digunakan untuk data interval ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression.
d. Data rasio
Ukuran yang meliputi semua ukuran di atas ditambah dengan satu sifat yang lain, yakni ukuran yang memberikan keterangan tentang nilai absolut dari objek yang diukur dinamakan ukuran rasio (data rasio). Data rasio, yang diperoleh melalui pengukuran dengan skala rasio memiliki titik nol. Karenanya, interval jarak tidak dinyatakan dengan beda angka rata-rata satu kelompok dibandingkan dengan titik nol di atas. Oleh karena ada titik nol, maka data rasio dapat dibuat perkalian ataupun pembagian.
Angka pada data rasio dapat menunjukkan nilai sebenarnya dari objek yang diukur. Jika ada 4 orang pengemudi, A, B, C dan D mempunyai pendapatan masing-masing perhari Rp. 10.000, Rp.30.000, Rp. 40.000 dan Rp. 50.000. Bila dilihat dengan ukuran rasio maka pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Pendapatan pengemudi D adalah 5 kali pendapatan pengemudi A. Pendapatan pengemudi C adalah 4/3 kali pendapatan pengemudi B.
Dengan kata lain, rasio antara pengemudi C dan A adalah 4 : 1, rasio antara pengemudi D dan A adalah 5 : 1, sedangkan rasio antara pengemudi C dan B adalah 4 : 3. Interval pendapatan pengemudi A dan C adalah 30.000, dan pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Contoh data rasio lainnya adalah berat badan bayi yang diukur dengan skala rasio. Bayi A memiliki berat 3 Kg. Bayi B memiliki berat 2 Kg dan bayi C memiliki berat 1 Kg. Jika diukur dengan skala rasio, maka bayi A memiliki rasio berat badan 3 kali dari berat badan bayi C. Bayi B memiliki rasio berat badan dua kali dari berat badan bayi C, dan bayi C memiliki rasio berat badan sepertiga kali berat badan bayi A, dst.
Dari hasil pengukuran dengan menggunakan skala rasio ini akan diperoleh data rasio. Alat analisis (uji hipotesis asosiatif) yang digunakan adalah statistik parametrik dan yang lazim digunakan untuk data rasio ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression.Sesuai dengan ulasan jenis pengukuran yang digunakan, maka variabel penelitian lazimnya bisa di bagi menjadi 4 jenis variabel, yakni variabel (data) nominal, variabel (data) ordinal, variabel (data) interval, dan variabel (data) rasio.
Variabel nominal, yaitu variabel yang dikategorikan secara diskrit dan saling terpisah satu sama lain, misalnya status perkawinan, jenis kelamin, suku bangsa, profesi pekerjaan seseorang dan sebagainya. Variabel ordinal adalah variabel yang disusun atas dasar peringkat, seperti motivasi seseorang untuk bekerja, peringkat perlombaan catur, peringkat tingkat kesukaran suatu pekerjaan dan lain-lain. Variabel interval adalah variabel yang diukur dengan ukuran interval seperti indek prestasi mahasiswa, skala termometer dan sebagainya, sedangkan variabel rasio adalah variabel yang disusun dengan ukuran rasio seperti tingkat penganggguran, penghasilan, berat badan, dan sebagainya.
e. Konversi variabel ordinal
Adakalanya kita tidak ingin menguji hipotesis dengan alat uji hipotesis statistik nonparametrik dengan berbagai pertimbangan, baik dari segi biaya, waktu maupun dasar teori. Misalnya kita ingin melakukan uji statistik parametrik Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regresion dan Multiple Regression, padahal data yang kita miliki adalah hasil pengukuran dengan skala ordinal, sedangkan persyaratan penggunaan statistik parametrik adalah selain data harus berbentuk interval atau rasio, data harus memiliki distribusi normal. Jika kita tidak ingin melakukan uji normalitas karena data yang kita miliki adalah data ordinal, hal itu bisa saja kita lakukan dengan cara menaikkan data dari pengukuran skala ordinal menjadi data dalam skala interval dengan metode Suksesive Interval.
Menuruti Al-Rasyid, menaikkan data dari skala ordinal menjadi skala interval dinamakan transformasi data. Transformasi data itu dilakukan diantaranya adalah dengan menggunakan Metode Suksesive Interval (MSI). Tujuan dari dilakukannya transformasi data adalah untuk menaikkan data dari skala pengukuran ordinal menjadi skala dengan pengukuran interval yang lazim digunakan bagi kepentingan analisis statistik parametrik.
Transformasi data ordinal menjadi interval itu, selain merupakan suatu kelaziman, juga untuk mengubah data agar memiliki sebaran normal. Artinya, setelah dilakukan transformasi data dari ordinal menjadi interval, penggunaan model dalam suatu penelitian tidak perlu melakukan uji normalitas. Karena salah satu syarat penggunaan statistik parametrik, selain data harus memiliki skala interval (dan rasio), data juga harus memiliki distribusi (sebaran) normal.
Dengan dilakukannya transformasi data, diharapkan data ordinal sudah menjadi data interval dan 
 memiliki sebaran normal yang langsung bisa dilakukan analisis dengan statistik parametrik. Berbeda dengan ststistik nonparametrik, ia hanya digunakan untuk mengukur distribusi. (Ronald E. Walpole).
DAFTAR PUSTAKA
  1. Al-Rasyid, H. Teknik Penarikan Sampel dan Penyusunan Skala. Pascasarjana UNPAD, Bandung, 1994.
  2. Anita Kesumahati, Skripsi, PS Matematika, Unila, Penggunaan Korelasi Polikhorik dan Pearson untuk Variabel Ordinal Dalam Model Persamaan Struktural, 2005.
  3. Hays, W. L., Quantificationin Psychology, Prentice Hall. New Delhi, 1976.
  4. J.T. Roscoe, Fundamental Research Statistic for the Behavioral Sciences, Hol, Rinehart and Winston, Inc., New York, 1969
  5. J Supranto, Statistik, Teori Dan Aplikasi, Edisi Kelima, Penerbit Erlangga, Jakarta, 1987
  6. Moh. Nazir, Ph.D. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta, 2003.
  7. Ronald E। Walpole, Pengantar Statistika, Edisi ke-3, Penerbit PT Gramedia Pustaka Utama, Jakarta, 1992.
  8. Riduan, Dasar-dasar Statistika. Penerbit ALFABETA Bandung, 2005.
  9. Sugiono, Prof. Dr. Statistika Nonparametrik Untuk Penelitian, Penerbit CV ALFABETA, Bandung, 2004.
  10. Suharto, Bahan Kuliah Statistika, Fakultas Ekonomi Universitas Muhammadiyah Metro, 2007.
  11. Wijayanto, 2003. Structural Equation Modeling dengan LISREL 8.5. Pascasarjana FE-UI, Jakarta.
  12. Zaenal Mustafa El Qodri. 1985. Pengantar Statistika, Bagian Penerbitan Fakultas Ekokomi Universitas Islam Indonesia, Yogyakarta.
Sumber : http://suhartoumm.wordpress.com/2009/06/27/data-nominal-ordinal-interval-dan-ratio/ 

GRATIS UJI VALIDITAS DAN RELIABILITAS (promo september 2011)

Promo, khusus yang melakukan order pada tanggal 30 Agustus 2011 hingga 5 September 2011, akan mendapatkan fasilitas pengerjaan analisa data untuk uji validitas dan reliabilitas secara gratis. 5 Orang untuk manipulasi data full signifikan dan 5 orang dengan data asli.

Syarat Order:
1. Mengirimkan surat permohonan order PROMO GRATIS UJI VALIDITAS DAN RELIABILITAS melalui email kami datamanipspss@gmail.com
2. Mencantumkan NAMA, Nomor HP , Jurusan dan Asal Perguruan Tinggi
3. Mengirinkan File Proposal BAB 1 dan BAB3 saja
4. Mengirimkan file Kuisioner
5. mengirimkan file data entri dalam excel
6. maksimal data responden 60 orang
7. Data diterima mulai Tanggal 30 Agustus 2011 pukul 00.01WIB hingga tanggal 5 September 2011 Pukul; 23.59 WIB.
8. Syarat yang paling penting, anda harus sudah masuk / terdaftar dalam "followers" yang terdapat pada sisi kiri blog kami. http://datamanipspss.blogspot.com


Pengumuman yang beruntung akan diumumkan pada tanggal 10 September 2011. Promo ini hanya berlaku untuk data kuisioner. Program ini berlaku di seluruh wilayah asia.

Trima kasih atas kepercayaannya pada kami, semoga anda beruntung.

PROGRAM KHUSUS BULAN DESEMBER 2010 HINGGA JANUARI 2011

Uji regresi Linear Sederhana (data kuisioner)
Untuk Uji Regresi Sederhana, tidak melihat berapapun jumlah sampelnya, ataupun berapapun jumlah variabelnya, Cukup Rp.155.888,- tanpa ribet*.

Uji regresi Linear berganda (data kuisioner)
Untuk Uji Regresi Berganda , tidak melihat berapapun jumlah sampelnya, ataupun berapapun jumlah variabelnya, Cukup Rp.188.888,- tanpa ribet*.

Uji Validitas dan reliabilitas (data kuisioner)
Untuk Uji Validitas dan reliabilitas, tidak melihat dominasi jawaban responden, dominasi variable, akan dibuat signifikan semua, berapapun jumlah respondenya, cukuk Rp.88.888,- gak pakek ribet**.

Program ini berlaku sejak 1 Desember 2010 hingga 31 Januari 2011 (khusus menyambut tahun baru Hijeriah, Natal dan tahun Baru 2011)
*tidak termasuk pembuatan data, dominasi variable dan interpretasi
**tidak termasuk pembuatan data, dan interpretasi

Sebelum....





Sesudah...




Menerima manipulasi analisa data statistik SEM (Structural Equation Model) dengan menggunakan software SmartPLS 2.0 M3.
Anda bisa menentukan sendiri sesuai proposal yang telah disetujui dan telah diujikan dalam seminar proposal.
Gambar (Path) telah Fix, dan tidak mengalami perubahan.
Data awal yang digunakan adalah data dari anda, kami tidak menyediakan data mentah dari awal pengujian.
mengenai jumlah data, sesuai dengan proposal anda.
Karena tingkat kesulitan yang sangat tinggi,
Kami patok harga minimum sebesar Rp.1.5jt dan Sebagai tanda jadi kami patok DP sebesar Rp.500.000, -
Perubahan data yang ada pada hasil analisa menjadi tanggung jawab anda, terhadap tujuan proposal. Kami hanya membantu agar sesuai dengan permintaan dan keinginan anda seperti pada proposal anda.

kirimkan file and via email saya datamanipspss[et]gmail[dot]com:
1. Proposal Lengkap
2. Data analisis ASLI (dalam exel)
3. Path
4. Isi Order yang jelas(pesan mail)
5. Pembuatan data Rp.250.rb/100 responden (jika diperlukan mendesak)

konfirmasi : 085755238488

Bagi customer kami pasti akan mendapatkan hasi; analisis, Output SPSS 15 dan data analisis. SPSS 15 mengeluarkan file ekstensi .SPO untuk hasil output dari pengujian statistiknya, bagi cutomer yang belum memiliki SPSS 15 , bias men-download program ini agar dapat melihat hasil output SPSS 15 tanpa harus punya software SPSS 15 nya.

Software SmartViewer ini dalam bentuk RAR, yang dibagi-bagi menjadi 6 bagian. Yang dapat anda download gratis via www.ziddu.com Untuk menyatukan kembali file tersebut ikuti langkah-langkah berikut ini.

1. downloadlah semua link File dibawah ini

http://www.ziddu.com/download/9913863/hjsplit.exe.html

http://www.ziddu.com/download/9914998/VIEWER.rar.001.html

http://www.ziddu.com/download/9915326/VIEWER.rar.002.html

http://www.ziddu.com/download/9946141/VIEWER.rar.003.html

http://www.ziddu.com/download/9946526/VIEWER.rar.004.html

http://www.ziddu.com/download/9946890/VIEWER.rar.005.html

http://www.ziddu.com/download/9947312/VIEWER.rar.006.html

2. jalankan file hjsplit.exe

3. Klik tombol “Join”, “Pilih Iput file” yaitu file “VIEWER.rar.001” dan tentukan file tersebut mau di gabungkan di folder apa.

4. Buka File VIEWER.rar dengan program rar , kalo belum punya bias download di sini.

5. Instal program SmartViewer di HD anda.

6.Untuk aktivasi bias lihat file “cara regrestrasi smarthviewer.pdf” pada dalam folder.

7. Selesai deh….. good Luck!.

Password : Makan Dirumah Padang Pake Rendang Kejatuhan Jam Gadang


Uji Validitas dan reliabilitas Wajib dilakukan apabila kita membuat kuisioner baru dan bukan mengambil dari kuisioner atau alat uji yang sudah paten (mis. Alat tes untuk psikologi, dll). Menggunakan alat pengumpul data berupa kuisioner sangat riskan terhadap terjadinya data yang tidak valid dan atau tidak reliable (BIAS). Hal tersebut dapat terjadi apabila:

1. Sampel yang diambil tidak sesuai dengan kriteria sampel yang diamati. (Mis. Kuisioner untuk akunting tapi diujicobakan dengan sampel para petani, dengan kata lain salah orang untuk uji coba kuisioner)
2. Pada saat pengambilan sampel tidak memperhatikan waktu yang tepat, sehingga responden cenderung mengisi secara asal-asalan.
3. Item pertanyaan yang dibuat terlalu panjang sehingga responden agak malas untuk membaca hingga selesai, akibatnya jawaban yang diberikan menjadi tidak sesuai yang diharapkan.
4. Item pertanyaan memuat kalimat-kalimat yang AMBIGU atau membingungkan bagi responden.
5. Item pertanyaan yang menggunakan istilah-istilah yang tidak umum (mis. Istilah medis, kalimat ilmiah, dll) tanpa keterangan yang jelas sehingga responden tidak mudah memahami maksud dari pertanyaan yang diberikan.
6. Kondisi responden juga sangat berpengaruh (lagi emosi, sibuk dengan pekerjaannya, lagi sakit, dll) atau responden dalam tekanan (Mis. Responden ditungguin sambil diajak ngobrol, atau responden dikumpulkan dalam sebuah ruangan, dan diminta mengisi kuisioner seperti tes CPNS dengan waktu yang telah ditentukan, dll).
7. Ketidak jujuran responden dalam mengisi jawaban dari pertanyaan (mis. Takut ketahuan atasannya, takut diketahui tentang jati dirinya, dll)

Faktor-faktor tersebut merupakan kendala-kendala yang harus dihindari apabila menggunakan kuisioner sebagai alat pengumpul data.
A.Data dari kuisioner

1. Untuk uji Regresi Sederhana (uji asumsi normalitas) dengan menggunakan data asli (tanpa editing data), biayanya Rp 100.000,-
2. Untuk uji Regresi Sederhana (uji asumsi normalitas) menggunakan data asli dengan editing data atau manipulasi data, sehingga berdistribusi normal dan mempunyai pengaruh yang signifikan, biayanya Rp 200.000,-
3. Untuk uji Regresi Berganda (uji asumsi klasik) dengan menggunakan data asli (tanpa editing data), biayanya Rp 100.000,-
4. Untuk uji Regresi Berganda (uji asumsi klasik) menggunakan data asli dengan editing data atau manipulasi data (untuk 5 variabel independen), sehingga hasil asumsi klasik dapat terpenuhi, berdistribusi normal dan mempunyai pengaruh yang signifikan, semua biayanya total Rp 235.000,-
5. Jika ada lebih dari 5 variabel independen, maka untuk setiap penambahan 1 variabel independen dikenakan biaya tambahan 50.000.

B.Data sekunder (misalnya dari laporan keuangan)

    Untuk uji Regresi Sederhana (uji asumsi normalitas) dengan menggunakan data asli (tanpa editing data), biayanya Rp 150.000,-
    Untuk uji Regresi Sederhana (uji asumsi normalitas) menggunakan data asli dengan editing data, sehingga berdistribusi normal dan mempunyai pengaruh yang signifikan, biayanya Rp 325.000,-
    Untuk uji Regresi Berganda (uji asumsi asumsi klasik) dengan menggunakan data asli (tanpa editing data), biayanya Rp 275.000,-
    Untuk uji Regresi Berganda (uji asumsi klasik) menggunakan data asli dengan editing data atau manipulasi data (untuk 2 variabel independen),  Rp 400.000,-
    Jika ada lebih dari 2 variabel independen, maka untuk setiap penambahan 1 variabel independen dikenakan biaya tambahan 80.000.

Catatan:
  • Asumsi total sampel yang menjadi sapel pengujian antara 30 hingga 60 responden
  • Untuk analisis Path dengan menggunakan beberapa Regresi dari SPSS, biayanya akan dihitung secara akumulatif setelah analisis, agar biayanya tidak terlalu besar.

NB: Biaya Tambahan (Optional)

1. Interpretasi Rp.80.000,-
2. Penyajian data Rp.450.000,-
3. Penyajian data, Pembahasan, hingga kesimpulan Rp. 900.000,-
4. Harga tambahan tidak termasuk analisis.

Jangan Salah Paham Tentang Variabel Yang Saya Maksudkan

Pemahaman tentang variabel yang saya maksutkan, adalah variabel yang diujikan. Sebagai contoh Dimensi STRESS,dimensi ini memiliki variabel Stres Jabatan(X) dan variabel ini memiliki sub variabel Konflik kerja (X1), Beban kerja (X2), Waktu kerja (X3), Karakteristik tugas (X4), Dukungan kelompok (X5), Pengaruh kepemimpinan (X6). Maka variabel yang diuji adalah X1.-X6. Bagaimana jika hanya ada 2 variabel X dan Y saja yang tidak memiliki sub variabel, maka hanya variabel itu saja yang diujikan.


downlod cotoh definisi koseptual

Jadi yang menjadi perhitungannya dalam menentukan biaya, kita lihat dulu sub variabelnya, yanga akan diujikan. dari contoh diatas ditambah denga variabel Kinerja Karyawan (Y) denga sub variabel yang sama, maka jumlah variabel yang diuji berjumlah 7 variabel.
(X1,X2,X3,X4,X5,X6 dan Y). Nahhh sekarang anda bisa menghitung biaya yang mungkin akan anda keluarkan. Dijamin paling murah..... dijamin kualitas mahal.

Apa Isi email Order Anda ?

  1. File Kuisioner dalam bentuk File (doc, Pdf)

Contoh:

Tujuannya untuk menentuka berapa variable yang anda ujikan.

  1. File jawaban responden yang telah di entri

Contoh:

  1. Hal lain yang perlu kami ketaui adalah Tujuan penelitian dan analisa data yang digunakan pada proposal yang telah disetujui. (File BAB 1 dan BAB 3)
  2. Tentukan order yang jelas, apa saja yang anda/dosen minta untuk dianalisiskan khususnya untuk uji yang bukan uji validitas dan reliabilitas.
  3. Kirimkan DP sebesar minimal Rp.50.000,- (uji validitas), Rp.100.000,- (uji lainnya) dan Rp.400.00,- (Amos dan Goal Programming DS) ke rekening akan kami berikan, segera konfirmasikan pada kami.
  4. Data yang anda kirimkan kami beri jaminan tidak akan di duplikasi baik online maupun offline, karena semua data, tersimpan pada komputer kami secara terpisah.
  5. Tunggu konformasi dari kami.

Harga Baru Uji Validitas dan Reliabilitas per 09 Maret 2013

Kabar gembira ini saya berikan kepada seluruh klien dan calon klien saya diseluruh dunia. Mulai tanggal 9 Maret 2013, kami memberikan kesempatan terbesar untuk anda.
Karena perkembangan pengetahuan dan pengalaman, kini semakin mudah untuk melakukan pekerjaan uji validitas tersebut, maka saya berikan harga yang pantas untuk pengerjaannya.
Perubahan :
1. Untuk uji yang tetap mengguakan data asli dari anda, cukup dengan Rp.10rb saja
2. Minimal 1-3 variabel saya beri harga Rp.150rb dengan maksimal 30 responden
3. Untuk Uji Validitas terpakai >30 biaya analisisnya Rp.200rb
4. Lebih dar 3 Variabel ada tambahan biaya Rp.9.900,-/variabel

5. Jika data yang kami buatkan, ada tambahan biaya Rp.200/responden
6. Pembayaran melalui rekening Bank Central Asia Tbk. KCP Blimbing
    Malang,Indonesia Swif Code : CENAIDJA No. AC. (akan di konfirmasi)
7. pembayaran menggunakan paypall kami beri kurs
    $1USD = Rp. 10.000,-
8. kirimkan file kuisioner, entri data jawaban responden dan Path Diagram (jika uji path) anda via email (datamanipspss[et]gmail[dot]com) dan Konfirmasi  via sms Kirim ke 085755238488 PIN BB 22034C90
9. Pengerjaan akan kami laksanakan apabila ada konfirmasi SMS DP Via rekening kami dan data yang telah masuh ke e-mail kami
10. Setelah selesai pengerjaan akan kami email ke alamat email anda, dan konfirmasi SMS pada no. Phonsel anda atau via FB .
11. File yang kami kirim berupa data kompresi (ZIP/RAR) berupa file data Ms.word, file data Ms.exel, output SPSS 15. Password akan kami berikan via email setelah terjadi Konfirmasi sisa pembayaran pada Acc bank saya via SMS.
    Catatan:
    Bahwa uji validitas merupakan uji yang diperuntukkan untuk menguji item pertanyaan yang telah kita buat, apakah sudah layak untuk dijadikan sebagai alat pengumpul data, untuk dapat diujikan pada uji lanjutan pada penelitian anda.
    Bahwa item instrumen yang sudah valid dan reliabel , jika diuji dengan uji Regresi Linear belum tentu memiliki nilai signifikansi yang tinggi, karena tingkat kecenderungan terhadap variabel dependen bukan ditentukan oleh valid atau tidaknya item instrumen.
    Bahwa setiap variabel analisis maksimal tidak lebih dari 5 item pertanyaan, jika lebih dari 5 tem akan dikenakan biaya tambahan yang ditentukan kemudian.
    Semoga dengan perubahan ini dapat membantu anda lebih baik, dan dapat menyelesaikan tugas akhir, skripsi, tesis maupun desertasi anda dan mendapatkan gelar terbaik.

    Cara menginstall program SmartPLS (download PLS V.1)

    Langkah Pertama
    1. Buka CD suplemen buku ini
    2. Buka direktori software\SmartPLS
    3. Pada direktori ini ada satu file Java Run Time dan satu direktori berisi file Java seperti di bawah ini


    4.Install file j2re1_4_2_08-windows-i586-p
    5.Setelah ter-install jalankan program Java Web Start dengan mengklik icon Java Web Start
    6.Akan muncul tampilan window seperti di bawah ini

    7.Cari direktori dimana program Java Web Start ini di simpan dengan cara
    8.Pilih File lalu Preference
    Akan tampak windows seperti di bawah ini


    9.Pilih Advanced
    Akan tampak tampilan seperti di bawah ini

    10.Pada application Folder inilah folder dimana file Java Web Start tersimpan yaitu pada:
    11.....Application Data\Sun\Java\Deployment\javaws\cache
    12.Diretori file ini disembunyikan (hide) jadi anda harus lakukan unhide dengan cara masuk ke direktori Document and Setting\Mr. Imam lalu klik mouse kanan dan pilih properties lalu unhide
    13.Setelah direktori dapat dibuka (unhide)


    Langkah Kedua

    14. Copy kan file direktori Java yang ada pada CD suplemen ke
    Diretori ......\Application Data\Sun\
    15.Jalankan Program Java Web Start
    Program SmartPLS sudah terinstall seperti terlihat di bawah ini

    16. Menjalankan program SmartPLS cukup mengklik icon SmartPLS




    smartPLS diatas sudah dapat anda download, saya butuh donasi anda sebesar Rp.400rb, sebagai biaya online dan pencarian Download v.1 diatas. software versi terbaru seperti dibawah ini.



    r TABEL

    Karena permintaan klien, ini kami berikan tabel t, yang digunakan untuk menentukan perbandingan t hitung dengan t tabel.

    untuk menghitungnya anda dapat menggunakan rumus ((n-2):0.05) jadi. jika jumlah data yang anda gunakan 20 sampel, maka (20-2):0.05) yaitu 18:0.05=0.4438

    Tetapi apabila tidak terdapat dalam tabel r berikut ini, maka harus dilakukan interpolasi data misalnya.

    ada 30 sampel penelitian, 30-2=28, 28:0.05=tidak ada dalam tabel, maka yang harus kita lakukan untuk menentukan nilai r tabel dengan jalan “interpolasi” menjadi 0.3494

    Jika jumlah data lebih dari tabel di bawah (>100 sampel ), maka merupakan interpolasi dari 0.1946

    download r tabel (charge Rp.30.000,-)r tabal

    DUA JENIS ANALISA DATA UJI VALIDITAS DAN RELIABILITAS

    Tehnik Uji Validitas dan Reliabilitas ke 1

    1. Uji validitas Kinerja Perawat

    clip_image010

    2. Uji reliabilitas Kinerja Perawat

    Reliability

    Scale: Kinerja Perawat

    clip_image012

    Uji validitas dan reliabilitas dengan cara ke-1

    Kelebihan:

    1. Lebih mudah dalam pemenuhan validitas untuk item-item indikator dari suatu variabel dengan menggunakan uji korelasi product momen pearson.

    2. Apabila item-item indikator dari suatu variabel, maka akan semakin mempermudah dalam pemenuhan uji reliabilitasnya dimana nilai alpha cronbach akan semakin besar dan dapat memenuhi batas cut off value tertentu yaitu 0.6 (arikunto, singarimbun dan yarnest), yang menyebutkan bahwa item-item indicator dari suatu variable dapat dikatakan valid apabila mempunyai alpha cronbach >0.6.

    3. Akibatnya dianggap lebih mudah dalam pemenuhan validitas item variabel, karena tidak harus mengolah data menjadi lebih sempurna atau bahkan terlalu sempurna yang cenderung tidak logis, agar dapat terpenuhi validitasnya. Dikatakan valid jika nilai signifikansi dari korelasi (r)<0.05, dan dikatakan reliabel jika nilai alpha cronbach >0.6.

    Kekurangan:

    1. Apabila item indikator dari suatu variabel terlalu sedikit (<5 pertanyaan), cenderung akan lebih sulit untuk membuat data menjadi valid dengan tingkat reliabilitas yang tinggi.

    2. Membutuhkan dua kali analisis yaitu untuk validitas dengan korelasi product momen pearson dan uji reliabilitasnya dengan reliability test.



    [1] Singarimbun, M. 1995. Metode Penelitian Survei. Edisi revisi. Cetakan ke-2. Jakarta:PT Pustaka LP3ES Indonesia.

    Tehnik Uji Validitas dan Reliabilitas ke 2

    Reliability

    Scale: MINAT

    clip_image002

    clip_image004

    Catatan: Karena ada butir yang tidak valid, maka butir yang tidak valid tersebut dikeluarkan, dan proses analisis (seperti di atas) diulang untuk butir yang valid saja.

    Reliability

    Scale: MINAT

    clip_image006

    clip_image008

    Validitas

    Sekarang terlihat bahwa dari semua r adalah positif, Sehingga bisa dikatakan item adalah valid.

    Karena item pertanyaan sudah valid semua, analisis dilanjutkan pada reliabililas.

    Reliabilitas

    Hipotesis

    Ho = Skor item pertanyaan berkorelasi positif dengan komposit faktornya.

    Hl = Skor item pertanyaan tidak berkorelasi positif dengan komposit faktornya.

    Uji validitas dan reliabilitas dengan Reliability test

    Kelebihan:

    1. Tidak kesulitan untuk memenuhi reliabilitas hingga batas cut off value tertentu karena pembanding dari alpha cronbach adalah nilai r tabel, misalnya seperti patokan dalam arikunto, singarimbun dan yarnest yang menyebutkan bahwa item-item indicator dari suatu variable dapat dikatakan valid apabila mempunyai alpha cronbach >0.6.
    2. Hanya membutuhkan satu kali analisis yaitu dengan reliability test saja sudah dapat menilai validitas dan reliabilitas dari suatu item variabel serta secara keseluruhan variabel untuk reliabilitasnya.

    Kekurangan:

    1. Seringkali terlalu sensitive dalam pengujian validitas, sehingga menyebabkan banyak item yang tidak valid akibat nilai corrected item total correlation nya < r tabel.
    2. Akibatnya dianggap lebih sulit dalam pemenuhan validitas item variabel, karena harus mengolah data menjadi lebih sempurna, agar dapat terpenuhi validitasnya. Dikatakan valid jika nilai corrected item total correlation > r tabel.

    SELAMAT HARI RAYA IDUL FITRI, MINAL AIDZIN WAL FAIDZIN, MOHON MAAF LAHIR DAN BATIN

    Perayaan 1 Syawal 1430H ini merupakan hari yang sangat istimewa, bagi umat islam di seluruh dunia. Dan bagi di Indonesai Tahun ini Perayaan hari raya Idul Fitri bertepatan pada tanggal 20 September 2009 (20 09 2009 = 20092009). Dan pada hari ini pula saya ngin mengucapkan

    Selamat Hari Raya Idul Fitri, Minal Aidzin Wal Faidzin, Mohon Maaf Lahir Dan Batin

    Apabila selama saya mengelola blog ini, terdapat kesalahan dan tentunya masih banyak kekurangan dalam penulisan dan klien kami yang berkonsultasi langsung via phone maupaun yang langsung dating pada kami , mohon maaf sebesar besarnya jika selama kita bertemu atau berbincang via phone, ada kata-kata atau laku saya yang kurang pas dihati saya mohon maaf yang sebesar besarnya.. Khusus untuk pak Heri di Jakarta kita silaturahmi via blog ini ya Pak, karena no Hp bapak sudah tidak dapat saya hubungi lagi.

    Harga Khusus Akhir Tahun

    Untuk uji Validitas dan reliabilitas hingga 30 responden dengan maksimal 3 variabel saya patok harga sebesar Rp.70.000,- (data kami yang buatkan)

    Untuk uji Validitas dan reliabilitas hingga 30 responden dengan maksimal 5 variabel saya patok harga sebesar Rp.170.000,- (data kami yang buatkan)

    Untuk uji Regresi Sederhana hingga 100 responden (data asli milik anda) dengan maksimal 5 variabel saya patok harga sebesar Rp.1500.000,- (data pasti valid dan reliabel)

    Untuk uji Regresi Sederhana hingga 200 responden (data asli milik anda) dengan maksimal 5 variabel saya patok harga sebesar Rp.190.000,- (data pasti valid dan reliabel)

    Untuk uji Regresi Berganda hingga 100 responden (data asli milik anda) dengan maksimal 5 variabel saya patok harga sebesar Rp.200.000,- (data pasti valid dan reliabel)

    Untuk uji Regresi Berganda hingga 200 responden (data asli milik anda) dengan maksimal 5 variabel saya patok harga sebesar Rp.325.000,- (data pasti valid dan reliabel)

    Untuk regresi jika data saya yang buat ada tambahan biaya sebesar Rp.400.000,- (anda mendapat bonus,bisa menentukan variable mana yang lebih berpengaruh(regresi berganda), dan dapat diurutkan sesuai teori yang anda miliki, ataupun anda dapat meminta dibuatkan ada variabel yang tidak signifikan )

    Promo ini berlaku dari tanggal 1 nopember 2009 hingga 19 Desember 2009

    Analisis Jalur (Path Analysis)

    Analisis jalur pertama kali diperkenalkan oleh Sewall Wright (1921), seorang ahli genetika, namun kemudian dipopulerkan oleh Otis Dudley Duncan (1966), seorang ahli sosiologi. Analisis jalur bisa dikatakan sebagai pengembangan dari konsep korelasi dan regresi, dimana korelasi dan regresi tidak mempermasalahkan mengapa hubungan antar variabel terjadi serta apakah hubungan antar variabel tersebut disebabkan oleh variabel itu sendiri atau mungkin dipengaruhi oleh variabel lain.

    Berbeda dengan korelasi dan regresi, analisis jalur mempelajari apakah hubungan yang terjadi disebabkan oleh pengaruh langsung dan tidak langsung dari variabel independen terhadap variabel dependen, mempelajari ketergantungan sejumlah variabel dalam suatu model (model kausal), dan menganalisis hubungan antar variabel dari model kausal yang telah dirumuskan oleh peneliti atas dasar pertimbangan teoritis. Melalui analisis jalur kita akan menguji seperangkat hipotesis kausal dan menginterpretasikan hubungan tersebut (langsung atau tidak langsung).

    Asumsi yang digunakan dalam analisis jalur yaitu:

    1. Hubungan antar variabel linier

    2. Sifat aditif

    3. Skala pengukuran minimal interval

    4. Hubungan sebab akibat (landasan teoritis)

    5. Syarat lainnya sama dengan persyaratan untuk multiple regresi.

    Contoh model analisis jalur:

    Dengan notasi-notasi yang digunakan sebagai berikut:

    • γ (gamma) : koefisien pengukur hubungan antara variabel endogen dengan eksogen
    • β (beta) : koefisien yang mengukur hubungan antar variabel dependen (endogen).
    • ϕ (phi) : koefisien yang mengukur hubungan antar variabel independen (eksogen).
    • ζ (zeta) : varian peubah latent yg tdk terjelaskan model
    • Y : variabel dependen (endogen)
    • X : variabel independen (eksogen)

    Persamaan struktural dari contoh model diatas adalah:

    Langkah-langkah dalam analisis jalur sebagai berikut:

    1. Merancang model berdasarkan konsep dan teori

    2. Pemeriksaan terhadap asumsi yang melandasi

    3. Pendugaan parameter atau perhitungan koefisien jalur

    4. Pengujian model

    5. Interpretasi model

    Sumber: statistikakomputasi.wordpress.com/2010/04/27/analisis-jalur-path-analysis/

    Validitas dan Reliabilitas

    Validitas

    Secara umum uji validitas adalah untuk melihat apakah item pertanyaan yang dipergunakan mampu mengukur apa yang ingin diukur. Terdapat berbagai macam konsep tentang validitas, dan di sini hanya akan dibahas validitas yang jamak dipergunakan dalam berbagai penelitian ekonomi. Suatu item pertanyaan dalam suatu kuesioner dipergunakan untuk mengukur suatu konstruk (variabel) yang akan diteliti. Sebagai contoh: besarnya gaji valid dipergunakan untuk mengukur kekayaan seseorang; atau jumlah anak tidak valid dipergunakan untuk mengukur kekayaan seseorang. Artinya gaji berkorelasi dengan tingkat kekayaan seseorang, tetapi jumlah anak tidak berkorelasi dengan tingkat kekayaan seseorang.

    Beberapa alat analisis yang sering dipergunakan untuk melakukan uji validitas adalah:

    1. Korelasi Product Moment
    Item butir dinyatakan valid jika mempunyai korelasi dengan skor total (r hitung) di atas r tabel. Perhitungan dengan SPSS menggunakan Analyze --> correlate --> bivariate, pilih Pearson. Pindahkan data jawaban pada masing-masing butir dan skor total dari kiri ke kanan. Hasilnya pada output, lihat pada kolom paling kanan.

    2. Corrected Item to Total Correlation
    Adalah dengan mengkoreksi nilai r hitung karena adanya spurious overlap. Perhitungan dengan SPSS menggunakan Analyze --> Scale --> Reliability Analysis, pindahkan jawaban responden pada masing-masing butir (tanpa skor total) dari kiri ke kanan --> Pilih Statistic è Klik pada Scale if item deleted --> OK. Nilai yang dipergunakan pada kolom Corrected item-total correlation.

    3. Analisis Faktor
    Item yang valid akan mengelompok pada konstruk yang diukur. Analisis dengan SPSS menggunakan Analyze è Data reduction --> Factor Analysis --> masukan semua jawaban responden. Item pertanyaan pada suatu konstruk yang tidak mengelompok pada konstruk tersebut dinyatakan tidak valid.


    Reliabilitas
    Uji reliabilitas adalah untuk melihat apakah rangkaian kuesioner yang dipergunakan untuk mengukur suatu konstruk tidak mempunyai kecenderungan tertentu. Nilai yang lazim dipakai adalah 0,6. Perhitungan dengan SPSS sama dengan perhitungan validitas dengan Corrected Item to Total Correlation. Nilai yang dilihat adalah Alpha, pada bagian kiri bawah.

    Pertanyaan-pertanyaan yang sering muncul
    1. Bagaimana perlakuan terhadap butir pertanyaan yang tidak valid?
    Jawab: Butir yang tidak valid berarti tidak mampu mengukur suatu konstruk yang akan diukur, sehingga sebaiknya dikeluarkan dari model penelitian.

    2. Butir-butir pertanyaan sudah valid semua, tetapi mengapa tidak reliabel?
    Jawab: Meskipun ada kecenderungan bahwa jika semua butir sudah valid akan reliabel, akan tetapi hal tersebut tidak merupakan suatu jaminan. Upaya yang dapat dilakukan agar menjadi reliabel adalah dengan menggunakan pengujian reliabilitas yang lain, atau memodifikasi indikator yang dipergunakan.

    3. Kuesioner sudah valid dan reliabel, tetapi mengapa hipotesis tidak diterima?
    Jawab: Tidak ada hubungan antara uji validitas dan reliabilitas dengan penerimaan hipotesis. Uji validitas dan reliabilitas hanya untuk melihat apakah alat ukur yang dipergunakan (kuesioner) sudah layak dipergunakan atau belum.

    4. Metode pengujian mana yang paling tepat?
    Jawab: Tidak ada ketentuan yang pasti dan tergantung dari model yang dipergunakan dalam penelitian.

    5. Bolehkan pengujian Alpha Cronbach dipergunakan untuk kuesioner dengan jawaban benar dan salah?
    Jawab: Tidak boleh. Alpha Cronbach tidak dapat digunakan untuk menguji reliabilitas kuesioner dengan skala nominal (benar/salah)

    6. Berapakah jumlah indikator yang ideal dalam mengukur suatu konstruk/variabel?
    Jawab: Tidak ada ketentuan yang pasti. Semakin banyak akan semakin baik, akan tetapi memerlukan tenaga yang lebih besar dan mungkin tidak sebanding dengan manfaat yang diperoleh. Untuk model dengan SEM, disarankan minimal 3 indikator setiap konstruk (tetapi bukan merupakan suatu keharusan)

    Sumber : www.konsultanstatistik.com/2009/03/validitas-dan-reliabilitas.html

    Macam dan Teory Uji Validitas dan Reliabilitas

    Dalam setiap penelitian selalu terjadi proses pengumpulan data dan dalam proses pengumpulan data tersebut akan menggunakan satu atau beberapa metode. Jenis metode yang dipilih dan digunakan dalam pengumpulan data, tentunya harus sesuai dengan sifat dan karakteristik penelitian yang dilakukan. Instrumen adalah alat yang digunakan untuk mengumpulkan data-data tersebut.

    Instrumen dapat dianalogikan sebagai ujung tombak untuk membidik data dalam sebuah penelitian. Melalui instrumenlah akhirnya terkumpul data yang nantinya diolah menjadi sebuah informasi hasil penelitian. Untuk itulah, perlu kiranya memilih dan merumuskan instrumen secara tepat. Hal ini sejalan dengan ungkapan “garbage tool garbage result”. Jadi, pada dasarnya salah satu hal yang mempengaruhi hasil penelitian terletak pada instrumennya. Semakin baik konstruksi sebuah instrumen, maka semakin baik pula data yang berhasil dijaring, begitu pula sebaliknya. ..::klik disini::..

    JENIS ANALISA DATA UJI VALIDITAS DAN RELIABILITAS YANG SAYA HASILKAN

    Contoh Uji Validitas dan Reliabilitas
    Uji validitas Kinerja Perawat

    Uji reliabilitas Kinerja Perawat

    Berdasarkan data dari hasil uji diatas di atas menunjukkan semua item pertanyaan mempunyai nilai Rhitung lebih besar dari Rtabel (0.5139) dengan nilai signifikansi yang lebih kecil dari alpha 0.05, sehingga tidak ada item instrumen yang harus dikeluarkan dari pengujian. Sedangkan untuk reliabilitas menunjukkan bahwa hasil perhitungan standardized item alpha (SIA) lebih besar dari nilai reliabilitas yang diperbolehkan menurut Singarimbun (1995)1, yaitu 0.6. Dengan demikian, maka butir-butir item di atas yang digunakan sebagai pengukur variabel yang akan diuji adalah valid dan reliabel. Dengan kata lain, berapa kalipun pertanyaan pada kuisioner ditanyakan kepada responden yang berbeda, maka hasilnya tidak akan terlalu jauh berbeda.