Pengujian Model Path Analysis

Analisis path merupakan pendekatan analisis yang penting dalam menguji hipotesis kausal. Di sini ingin dihasilkan korelasi atau kovariansi yang sesungguhnya. Jika hal ini bisa dipenuhi maka bisa dikatakan bahwa struktur hipotesis kausal yang dibentuk berdasarkan korelasi atau kovariansi adalah cocok  dalam menguji kevalidan model. Pada perhitungan skala besar, kevalidan model kausal ditentukan dari kemampuan untuk menghasilkan nilai R yang paling tinggi mendekati aslinya (Oktariani, 2006).

Berikut ini beberapa pengujian yang akan dilakukan terhadap model.

a. Pengujian secara keseluruhan

Pengujian ini dilakukan pada model untuk melihat apakah model yang terbentuk sudah cukup signifikan. Alat uji paling fundamental untuk mengukur kesesuaian model adalah χ 2. Uji ini dapat digunakan karena 20 model statistik dalam penelitian ini menggunakan 75-200 sampel.

b. Teori Trimming

Sebelum dilakukan penarikan kesimpulan mengenai hubungan kausal yang digambarkan dalam diagram path perlu diuji signifikansi dari setiap koefisien path yang telah dihitung. Pengujian dilakukan dengan menggunakan teori trimming yaitu suatu metode yang bekerja dengan menghilangkan koefisien path yang tak signifikan dan tidak memenuhi kriteria.

Koefisien Jalur dan Perhitungan Koefisien Jalur

Dalam korelasi arah dan kuatnya hubungan antar variabel ditunjukkan dengan koefisien korelasi. Arah hubungan adalah positif dan negatif, sedangkan kuatnya hubungan ditunjukkan dengan besar kecilnya angka korelasi. Koefisien korelasi yang mendekati angka 1 berarti kedua variabel mempunyai hubungan kuat atau sempurna (Sugiyono: 2009).

Dalam analisis jalur juga terdapat koefisien jalur. Koefisien jalur menunjukkan kuatnya pengaruh variabel eksogen terhadap variabel endogen. Koefisien jalur adalah koefisien regresi standar (standar z) yang menunjukkan pengaruh variabel eksogen terhadap endogen yang telah tersusun dalam diagram jalur. Hubungan jalur antar variabel dalam diagram jalur adalah hubungan korelasi, oleh karena itu perhitungan angka koefisien jalur menggunakan standar skor z. Pada setiap variabel eksogen tidak dipengaruhi oleh variabel-variabel yang lain dalam diagram, sehingga yang ada hanyalah suku resideunya yang diberi notasi e atau sering juga disebut dengan variabel residual.

Langkah-langkah dalam menghitung koefisien path seperti yang dikemukakan oleh Oktariani (2006) adalah

1. Setelah diagram path yang dikembangkan telah jelas kalau persamaan struktural disusun sesuai dengan hubungan yang telah dihipotesiskan sehingga maka akan tampak jelas kedudukan masing-masing variabel tergolong dalam variabel eksogen atau variabel endogen.

2. Karena input data dalam analisis path berupa data korelasi atau kovariansi, maka perlu dicari korelasi antara seluruh variabel yaitu dengan menghitung matriks korelasi antar semua variabel yang ada, dengan menggunakan rumus korelasi sesuai dengan persamaan (2.1), sehingga diperoleh matriks korelasi R.

3. Mengidentifikasikan substrak dan persamaan yang akan dihitung koefisien pathnya. Misal terdapat k buah variabel eksogen dan satu buah variabel endogen.

4. Dihitung matriks korelasi antar variabel eksogen yaitu R1 yang menyusun substruktur tersebut, kemudian dicari inversnya. Matriks korelasi antar variabel eksogen digunakan untuk mengetahui sejauh mana pengaruh variabel eksogen terhadap variabel endogennya.

5. Dihitung semua koefisien path yang ada dalam persamaan R xu( x1 x2 xk yaitu koefisien yang menyatakan seberapa besar pengaruh variabel X1, X2, ..., Xk terhadap variabel Xu.

Langkah-Langkah Path Analysis

Salah satu komponen penting dalam analisis path adalah diagram path. Diagram path dibuat untuk mempresentasikan hubungan kausal antar variabel ke dalam bentuk gambar sehingga semakin mudah terbaca (Dillon dan Goldstein, 1984). Notasi anak  panah Pada diagram jalur digunakan dua macam anak panah, yaitu anak panah satu arah yang menyatakan pengaruh langsung dari sebuah variabel eksogen variabel penyebab (X) terhadap sebuah variabel endogen variabel akibat (Y), dan anak panah dua arah menunjukkan hubungan korelasional antara variabel eksogen.

Menurut Ferdinand (2006), ada tujuh langkah yang harus dilakukan untuk menyiapkan analisis jalur, yaitu:

1. Pengembangan Model Teoritis

Langkah pertama dalam pengembangan model adalah pencarian atau pengembangan sebuah model yang mempunyai justifikasi teoritis yang kuat. Model yang dirancang merupakan model-model yang bisa dinyatakan ke dalam bentuk persamaan dan mengandung hubungan kausal di dalamnya. Mengingat bahwa model hipotetik yang dibangun bisa lebih dari satu terutama bila landasan konsepnya belum matang.

2. Pengembangan Path Diagram atau diagram alur

Dalam langkah kedua ini, model teoritis yang telah dibangun pada tahap pertama akan digambarkan dalam sebuah path diagram, yang akan mempermudah untuk melihat hubungan-hubungan kausalitas yang ingin diuji. Dalam diagram alur, hubungan antar konstruk akan dinyatakan melalui anak panah. Anak panah yang lurus menunjukkan sebuah hubungan kausal yang langsung antara satu konstrak dengan konstrak lainya. Sedangkan garis-garis lengkung antar konstruk dengan anak panah pada setiap ujungnya menunjukkan korelasi antar konstruk. Konstruk yang dibangun dalam diagram alur dapat dibedakan dalam dua kelompok, yaitu:

•Exogenous constructs atau konstruk eksogen Dikenal juga sebagai source variables atau independent variables yang tidak diprediksi oleh variabel lain dalam model. Konstruk eksogen adalah konstruk yang dituju oleh garis dengan satu ujung panah.

•Endogenous construct atau konstruk endogen Merupakan faktor-faktor yang diprediksi oleh satu atau beberapa konstruk. Konstruk endogen dapat memprediksi satu atau beberapa konstruk endogen lainnya, tetapi konstruk endogen hanya dapat berhubungan kausal dengan konstruk endogen.

Setelah model teoritis dibangun pada langkah pertama, maka langkah selanjutnya adalah mengembangkan model tersebut dalam diagram path. Dengan diagram path tersebut dapat dilihat hubungan-hubungan kausalitasyang ingin diuji. Konstruk yang dibangun dalam diagram alur dapat dibedakan menjadi konstruk eksogen dan konstruk endogen. Konstruk eksogen adalah yang tak dapat diprediksi oleh variabel lain dalam model.

Sedangkan konstruk endogen adalah faktor-faktor yang diprediksi oleh satuatau beberapa konstruk-konstruk eksogen hanya dapat berhubungan kausal dengan kontruk endogen. Setelah dituangkan dalam diagram path maka model dapat mulai dikonversikan ke dalam persamaan struktural.

3. Konversi diagram alur ke dalam persamaan struktural dan model pengukuran

Persamaan yang didapat dari diagram alur yang dikonversi terdiri dari Structural Equation atau persamaan struktural. Dirumuskan untuk menyatakan hubungan kausalitas antar berbagai konstruk. Rumus yang dikembangkan adalah: Variabel endogen = variabel eksogen + variabel endogen + error. Pemeriksaan asumsi model analisis path

Asumsi-asumsi yang harus dipenuhi pada pengujian model analisis path ini adalah sebagai berikut

a. Ukuran sampel

Menurut Hair et al. (1998), ukuran sampel yang dibutuhkan untuk data multivariat adalah antara 100-200 variabel.

b. Normalitas data

Sebaran data harus dianalisis untuk melihat asumsi normalitas dipenuhi sehingga data dapat diolah lebih lanjut untuk pemodelan. Normalitas data dapat diuji dengan melihat histrogam data atau uji-uji normalitas lainnya. Dalam penelitian ini normalitas data dideteksi dengan membandingkan nilai critical ratio yang diperoleh critical ratio sebesar + 2,58 yang didapat dari tabel distribusi normal standar pada tingkat signifikansi 0,01 dengan sebesar + 2,58 yang didapat dari tabel distribusi normal standar pada tingkat signifikansi 0,01.

c. Tidak ada data outlier

Outlier adalah observasi atau data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim. Uji terhadap outlier dilakukan dengan menggunakan kriteria jarak Mahalanobis pada tingkat 0,01. Jarak Mahalanobis tersebut dievaluasi dengan menggunakan χ2 (q ; 0,01) dengan q adalah derajat bebas sebesar jumlah variabel yang digunakan dalam penelitian (Hair et al., 1998). Penanganan outlier dapat dilakukan dengan mengeluarkan observasi atau data outlier tersebut.

d. Multikolinearitas variabel eksogen

Multikolenieritas dapat dideteksi melalui diagram korelasi antar konstruk eksogen untuk mengecek tinggi rendahnya korelasi. Jika korelasi antar variabel eksogennya tinggi maka model perlu dipertimbangkan lagi. Dalam penelitian ini, multikolinearitas dideteksi dengan melihat apakah nilai determinan matriks kovariansi sampel jauh dari nilai nol atau tidak. Jika nilai determinan matriks kovariansi sampel jauh dari nol dapat disimpulkan bahwa tidak terdapat multikolinearitas.

4. Memilih matrik input dan estimasi model.

Pada penelitian ini matrik inputnya adalah matrik kovarian atau matrik korelasi. Hal ini dilakukan karena fokus SEM bukan pada data individual, tetapi pola hubungan antar responden. Dalam hal ini ukuran sampel memegang peranan penting untuk mengestimasi kesalahan sampling. Untuk itu ukuran sampling jangan terlalu besar karena akan menjadi sangat sensitif sehiungga akan sulit mendapatkan ukuran goodness of fit yang baik, setelah model dibuat dan input data dipilih, maka dilakukan analisis model kausalitas dengan teknik estimasi yaitu teknik estimasi model yang digunakan adalah Maximum Likehood Estimation Method. Teknik ini dipilih karena ukuran sampel yang digunakan dalam penelitian ini adalah kecil (100-200 responden).

5. Menganalisa kemungkinan munculnya masalah identifikasi

Problem identifikasi pada prinsipnya adalah problem mengenai ketidakmampuan model yang dikembangkan menghasilkan estimasi yang unik. Bila setiap kali estimasi dilakukan muncul problem identifikasi, maka sebaiknya model dipertimbangkan ulang dengan mengembangkan lebih banyak konstruk. Disebutkan oleh Ferdinand (2006), beberapa indikasi problem identifikasi:

a. Standard error untuk satu atau beberapa koefisien adalah sangat besar.

b. Program tidak mampu menghasilkan matrik informasi yang seharusnya disajikan.

c. Munculnya angka-angka yang aneh seperti adanya varians error yang negatif.

d. Munculnya korelasi yang sangat tinggi antar koefisien estimasi yang didapat (misalnya lebih dari 0,9)

6. Evaluasi kriteria goodness of fit

Pada tahap ini dilakukan pengujian terhadap kesesuaian model terhadap berbagai kriteria goodness of fit. Disebutkan oleh Ferdinand (2006), beberapa indeks kesesuaian dan cut of value untuk menguji apakah sebuah model dapat diterima atau ditolak.

7. Interpretasi dan Modifikasi Model

Tahap akhir ini adalah melakukan interpretasi dan modifikasi bagi model-model yang tidak memenuhi syarat-syarat pengujian. Hair et. al. (dalam Ferdinand, 2006) memberikan pedoman untuk mempertimbangkan perlu tidaknya modifikasi model dengan melihat jumlah residual yang dihasilkan oleh model tersebut. Batas keamanan untuk jumlah residual adalah 5%.

Bila jumlah residual lebih besar dari 2% dari semua residual kovarians yang dihasilkan oleh model, maka sebuah modifikasi perlu dipertimbangkan. Bila ditemukan bahwa nilai residual yang dihasilkan model cukup besar (yaitu ≥2.58) maka cara lain dalam memodifikasi adalah dengan mempertimbangkan untuk menambah sebuah alur baru terhadap model yang diestimasi itu. Nilai residual value yang lebih besar atau sama dengan ± 2.58 diinterpretasikan sebagai signifikan secara statistik pada tingkat 5%.

Diagram Jalur ( Path Diagram )

Langkah pertama analisis jalur adalah menterjemahkan hipotesis penelitian yang bentuknya proposisional ke dalam bentuk diagram yang disebut diagram jalur.

Pada saat menggambarkan diagram jalur ada beberapa perjanjian :

   1.      Hubungan antar variabel digambarkan oleh anak panah yang bisa berkepala tunggal (®)  atau single headed arrow, dan berkepala dua («) atau double headed arrow.

    2.      Panah berkepala satu menunjukkan pengaruh dari sebuah variabel eksogen terhadap sebuah variabel endogen. Misalkan : 

     

     3.       Panah berkepala dua menggambarkan hubungan korelatif antar variabel eksogen. Misalkan :

4.       Tidak pernah seseorang bisa mengisolasi hubungan pengaruh secara murni artinya bahwa sesuatu kejadian banyak sekali yang mempengaruhinya, tetapi pada conceptual framework hanya dapat digambarkan beberapa pengaruh yang bisa diamati. Variabel lainnya yang tidak bisa digambarkan (tidak bisa diukur) diperlihatkan oleh suatu variabel tertentu yang disebut residu dan diberi simbol dengan e.

Prinsip-Prinsip Path Analysis

1. Pada model path analysis, hubungan antar variabel bersifat linear, adaptif dan bersifat normal.

2. Hanya sistem aliran kausal ke satu arah artinya tidak ada arah kausalitas yang terbalik.

3. Variabel terikat (endogen) minimal dalam skala ukuran interval dan ratio.

4. Menggunakan sampel probability sampling yaitu teknik pengambilan sampel untuk memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi anggota sampel.

5. Observed variables diukur tanpa kesalahan (instrumen pengukuran valid dan reliable) artinya variabel yang diteliti dapat diobservasi secara langsung.

6. Model yang dianalisis dispesifikasikan (diidentifikasikan) dengan benar berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teori yang dikaji atau yang diuji dibangun berdasarkan kerangka teoritis tertentu yang mampu menjelaskan hubungan kausalitas antar variabel yang diteliti.

Path Analysis

Path analysis (PA) atau analisis jalur adalah keterkaitan antara variable independent, variable intermediate, dan variable dependen yang biasanya disajikan dalam bentuk diagram. Didalam diagram ada panah panah yang menunjukkan arah pengaruh antara variable-variabel exogenous, intermediary, dan variabel dependent. Path analysis digunakan untuk menganalisis pola hubungan antara variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung seperangkat variabel bebas (eksogen) terhadap variabel terikat (endogen). Teknik analisis jalur ini akan digunakan dalam menguji besarnya sumbangan (kontribusi) yang ditunjukkan oleh koefisien jalur pada setiap digram jalur dari hubungan kausal antar variabel X₁, X₂, dan X₃ terhadap Y serta dampaknya kepada Z.

 Melalui analisis jalur ini akan dapat ditemukan jalur mana yang paling tepat dan singkat suatu variabel eksogen menuju variabel endogen yang terkait.Teknik ini dikembangkan sejak tahun 1939 oleh Sewall Wright. 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. 

Uji Normalitas Data

Pengujian normalitas dimaksudkan untuk mendeteksi apakah data yang akan digunakan sebagai pangkal tolak pengujian hipotesis merupakan data empirik yang memenuhi hakikat naturalistik. Hakikat naturalistik menganut faham bahwa penomena (gejala) yang terjadi di alam ini berlangsung secara wajar dan dengan kecenderungan berpola.

Prosedur pengujian normalitas data :

1.Merumuskan formula hipotesis
Ho : Data berdistribusi normal
Ha : Data tidak berdistribusi normal
2. Menentukan taraf nyata (a)
Untuk mendapatkan nilai chi-square tabel

 X² tabel = X² 1-α ;dk = ?

dk = k – 3
dk = Derajat kebebasan
k = banyak kelas interval

3. Menentukan Nilai Uji Statistik

X² hitung = 

Keterangan :
Oi = frekuensi hasil pengamatan pada klasifikasi ke-i
Ei = Frekuensi yang diharapkan pada klasifikasi ke-i

4. Menentukan Kriteria Pengujian Hipotesis

Ho : Data berdistribusi normal
Ha : Data tidak berdistribusi normal

5. Memberikan kesimpulan

Menentukan Ukuran Sampel

 MENENTUKAN UKURAN SAMPEL

Syarat:                                                          

(1) Ukuran Populasi (N) diketahui

(2) Pilih taraf signifikansi α yang diinginkan

Ada tiga metode praktis, yaitu:

(1)Tabel Kretjie

(2)Nomogram Harry King(lihatSugiyono,2007)

(3)Rumus Slovin

Rumus Slovin

Rumus Slovin untuk menentukan ukuran sampel minimal (n) jika diketahui ukuran populasi (N) pada taraf signifikansi α adalah:

Contoh:

Berapa ukuran sampel minimum yang harus diambil dari populasi

yang berukuran

 A. 1000 dengan taraf signifikansi α = 0,05

 B. 45.250 dengan taraf signifikansi α = 0,01

 Jawab :

    

Probability dan Non probability Sampling

a. Probability Sampling

Probability sampling adalah teknik pengambilan sampel yang memberikan peluang yang sama bagi setiap unsure (anggota) populasi untuk dipilih menjadi anggota sampel.

Jenis-jenis Probability sampling:

                      

1. Simple random sampling ialah cara pengambilan sampel dari anggota populasi secara acak tanpa memperhatikan strata (tingkatan) yang ada dalam anggota populasi tersebut. Hal ini dilakukan apabila anggota populasi dianggap homogen (sejenis).Pengambilan sampel acak sederhana dapat dilakukan dengan cara undian, memilih bilangan dari daftar bilangan secara acak, dsb.

2.   Proportionate Stratified Random Sampling

Proportionate Stratified Random Sampling ialah pengambilan sampel dari anggota populasi secara acak dan berstrata secara proporsional. Dilakukan ini apabila ada anggota populasi yang tidak sejenis (heterogen). Pengambilan sampel dilakukan secara acak dengan memperhatikan strata yang ada. Artinya setiap strata terwakili sesuai proporsinya.

3.   Disproportionate stratified random sampling

Disproportionate stratified random sampling ialah  pengambilan sampel dari anggota populasi secara acak dan berstrata tetapi ada sebagian data yang kurang proporsional pembagiannya. Dilakukan ini apabila anggota populasi heterogen. Teknik ini digunakan untuk menentukan jumlah sampel dengan populasi berstrata tetapi kurang proporsional, artinya ada beberapa kelompok strata yang ukurannya kecil sekali.

4.Area sampling

Area sampling ialah teknik sampling yang dilakukan dengan cara mengambil wakil dari setiap wilayah atau daerah geografis yang ada. Teknik ini digunakan untuk menentukan jumlah sampel jika sumber data sangat luas. Pengambilan sampel didasarkan daerah populasi yang telah ditetapkan. Misalnyadari27propinsidiambil10propinsisecararandom/acak.

b. Non Propability Sampling

Adalah teknik pengambilan sampel yang tidak memberi peluang/kesempatan sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel.

Jenis-jenis Non Probability Sampling

           1.  Sampling Sistematis

Sampling Sistematis adalah teknik pengambilan sampel berdasarkan urutan dari anggota populasi yang telah diberi nomor urut.

     2. Sampling Kuota

Sampling Kuota adalah teknik untuk menentukan sampel dari populasi yang mempunyai ciri-ciri tertentu sampai jumlah (kuota) yang diinginkan.

     3.. Sampling insidental

Sampling insidental adalah teknik penentuan sampel berdasarkan kebetulan, yaitu siapa saja yang secara kebetulan/incidental bertemu dengan peneliti dapat digunakan sebagai sampel, bila dipandang orang yang kebetulan ditemui itu cocok sebagai sumber data.

     4.  Sampling Purposive

Sampling Purposive adalah teknik penentuan sampel dengan pertimbangan tertentu. Misalnya akan melakukan penelitian tentang kualitas makanan, maka sampel sumber datanya adalah orang yang ahli makanan. Sampel ini lebih cocok digunakan untuk penelitian kualitatif, atau penelitian-penelitian yang tidak melakukan generalisasi. Teknik ini dibagi dua, Yaitu:

 - Judgment Sampling, Sampel dipilih berdasarkan penilaian peneliti bahwa dia adalah pihak yang paling baik untuk dijadikan sampel penelitiannya.

 - Quota Sampling, Teknik sampel ini adalah bentuk dari sampel distratifikasikan secara proposional, namun tidak dipilih secara  acak melainkan secara kebetulan saja.

 - Sampling  Jenuh

Sampling  Jenuh adalah teknik penentuan sampel bila semua anggota populasi digunakan sebagai sampel. Hal ini sering dilakukan bila jumlah populasi relative kecil, kurang dari 30 orang, atau penelitian yang ingin membuat generalisasi dengan kesalahan yang sangat kecil.

    Snowball Sampling

Snowball Sampling adalah teknik penentuan sampel yang mula-mula jumlahnya kecil, kemudian membesar. Penentuan sampel yang mula-mula jumlahnya kecil, kemudian sampel itu disuruh memilih teman-temannya untuk dijadikan sampel. Cara ini banyak dipakai ketika peneliti tidak banyak tahu tentang populasi penelitiannya.  Dia hanya tahu satu atau dua orang yang  berdasarkan penilaiannya bisa dijadikan sampel. Karena peneliti menginginkan lebih banyak lagi,  lalu dia minta kepada sampel pertama untuk menunjukan orang lain yang kira-kira bisa dijadikan sampel. Demikian seterusnya, sehingga jumlah sampel semakin banyak. Ibarat bola salju.Ibarat bola salju yang menggelinding yang lama-lama menjadi besar.

PENGUJIAN NORMALITAS DATA TEKNIK SAMPLING

Teknik pengambilan sampel atau teknik sampling adalah suatu cara pengambilan sampel yang representatif dari populasi. Teknik sampling merupakan suatu cara untuk menentukan banyaknya sampel dan pemilihan calon anggota sampel, sehingga setiap sampel yang terpilih dalam penelitian dapat mewakili populasinya (representatif) baik dari aspek jumlah maupun dari aspek karakteristik yang dimiliki populasi. Untuk menentukan sampel dalam penelitian, terdapat berbagai teknik sampling yang digunakan. Apabila semua anggota populasi dipilih  menjadi anggota sampel,  maka proses ini disebut sensus (sampeljenuh). Secara skematis, macam teknik sampling dapat dilihat pada Gambar 1.

Dari gambar tersebut terlihat bahwa teknik sampling pada dasarnya dikelompokkan menjadi dua yaitu Probability sampling dan Nonprobability Sampling.

Sampel

Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi. Sampel merukan himpunanbagian dari populasi. Sampel penelitian adalah sebagian dari populasi yang diambil sebagai sumber data dan dapat mewakili seluruh populasi. Menurut Sugiyono, sampel adalah sebagian dari karakteristik yang dimiliki oleh populasi.Keuntungan dalam menggunakan sampel yaitu: memudahkan peneliti, penelitian lebih efisien, lebih teliti dan cermat dalam pengumpulan data, serta penelitian lebih efektif.

Sedangkan sampling adalah suatu proses memilih sebagian dari unsur populasi yang jumlahnya mencukupi secara statistik sehingga dengan mempelajari sampel serta memahami karakteristik-karakteristiknya (ciri-cirinya) akan diketahui informasi tentang keadaan populasi.

-Syarat sampel yang baik

a) Akurasi atau ketepatan

yaitu tingkat ketidakadaan “bias” (kekeliruan) dalam sample. Dengan kata lain makin sedikit tingkat kekeliruan yang ada dalam sampel, makin akurat sampel tersebut. Tolok ukur adanya “bias” atau kekeliruan  adalah populasi.

b) Presisi

Kriteria kedua sampel yang baik adalah memiliki tingkat presisi estimasi. Presisi mengacu pada persoalan sedekat mana estimasi kita dengan karakteristik populasi. Presisi=standard error, Nilai rata-rata populasi dikurangi nilai rata-rata sampel

-Alasan menggunakan sampel:

(a)Populasi demikian banyaknya sehingga dalam prakteknya tidak mungkin seluruh elemen diteliti;

(b) Keterbatasan waktu penelitian, biaya, dan sumber daya manusia,  membuat peneliti harus telah puas jika meneliti sebagian dari elemen penelitian;

(c) bahkan kadang, penelitian yang  dilakukan terhadap sampel bisa lebih reliabel daripada terhadap populasi–misalnya,  karena elemen sedemikian banyaknya maka akan memunculkan kelelahan fisik dan mental  para pencacahnya sehingga banyak terjadi kekeliruan. (UmaSekaran, 1992);

(d) Jika elemen populasi homogen,  penelitian terhadap seluruh elemen dalam populasi menjadi tidak masuk akal,  misalnya untuk meneliti kualitas jeruk dari satu pohon jeruk.

Sampel yang baik harus dapat mewakili keseluruhan populasi dan hasil penelitian dapat diterapkan keseluruh populasi. Misalnya saja, dalam usaha menetukan umur rata-rata suatu lampu pijar tertentu, adalah tidak mungkin untuk menguji semua lampu pijar kalau kita masih ingin menjualnya. Biaya yang lebih besar sering menjadi faktor penghalang untuk mengamati semua anggota populasi. Oleh karena itu, kita terpaksa menggantungkan pada sebagian anggota populasi untuk membantu kita menarik kesimpulan mengenai populasi tersebut.

Teknik (metode) penentuan sampel yang ideal memiliki ciri-ciri dapat memberikan gambaran yang akurat tentang populasi, dapat menentukan presisi, sederhana sehingga mudah dilaksanakan, dan dapat memberikan keterangan sebanyak mungkin dengan biaya murah.

Jumlah/Besar sampel perlu mempertimbangkan hal-hal  sbb:

a)         Derajat keseragaman (degree of homogenity)

b)         Presisi yang dikehendaki dari penelitian

c)         Rencana analisis

d)         Tenaga, biaya dan waktu

e)         Besar populasi

            Kalau kita menginginkan kesimpulan dari contoh terhadap populasi menjadi sah, kita harus mendapatkan contoh yang mewakili. Prosedur pengambilan contoh yang menghasilkan kesimpulan konsisten yang terlalu tinggi atau terlalu rendah mengenai suatu ciri populasi dikatakan berbias. Untuk menghilangkan kemungkinan bias ini, kita perlu mengambil contoh acak sederhana. Contoh acak sederhana adalah suatu contoh yang dipilih sedemikian rupa sehingga setiap himpunan bagian yang berukuran n dari populasi tersebut mempunyai peluang terpilih yang sama. Untuk populasi terhingga yang kecil, proses pengambilan contoh acak sederhana relatif mudah; namun dengan semakin besarnya populasi, proses ini menjadi semakin rumit.

Jenis Populasi

Jenis Populasi :

Ada dua macam jenis populasi, yaitu populasi terbatas dan populasi tidak terbatas (tak terhingga).

1) Populasi Terbatas

Populasi terbatas mempunyai sumber data yang jelas batasnya secara kuantitatif sehingga dapat dihitung jumlahnya.

Contoh :

a. Jumlah penduduk kota Bandung 2.500.000 jiwa.

b. Jumlah 1000 guru SD di Yogyakarta mengikuti prajabatan.

2) Populasi Tak Terbatas

Populasi tak terbatas yaitu sumber datanya tak dapat ditentukan batas-batasnya sehingga relatif tidak dapat dapat dinyatakan dalam bentuk jumlah.

Contoh :

Suatu percobaan seorang bandar akan melemparkan sepasang dadu sampai tak terhingga kali lemparannya. Maka setiap kali mencatat sepasang bilangan yang muncul akan mendapatkan sepasang nilai yang tak terhingga pula.

Berdasarkan sifatnya populasi dapat digolongkan menjadi populasi homogen dan populasi heterogen.

a. Populasi homogen

Populasi homogen adalah sumber data yang unsurnya memiliki sifat atau keadaan yang sama sehingga tidak perlu mempermasalahkan jumlahnya secara kuantitatif.

b. Populasi heterogen

Populasi heterogen adalah sumber data yang unsurnya memiliki sifat atau keadaan yang berbeda (bervariasi) sehingga perlu ditetapkan batas-batasnya baik secara kuantitatif maupun secara kualitatif.

Dalam melaksanakan penelitian, walaupun tersedia populasi yang terbatas dan homogen , ada kalanya peneliti tidak melakukan pengumpulan data secara populasi. Tetapi mengambil sebagian dari populasi yang dianggap mewakili populasi (representative).

Hal ini berdasar pertimbangan yang logis, seperti kepraktisan, keterbatasan biaya, waktu, tenaga dan adanya percobaan yang bersifat merusak (destruktif).

Metode Pengujian Reliabilitas

1. Test – retest

Instrument penelitian yang reabilitasnya diuji dengan test-retest dilakukan dengan cara mencobakan instrument beberapa kali para responden . jadi dalam hal ini instrumen
ya sama respondenya sama dan waktunya berbeda. Reabillitas diukur dari koefisien reabilitas diukur dari koefisien korelasi antara percobaan pertama dengan yang berikutnya bila koefisien korelasi positif dan signifikan maka instrument tersebut sudah dinyatakan reliable. Pengujian ini juga disebut stability .

2. Pengujian dua instrumen  yang ekuivalen .

Instrumen yang ekuivalen adalah pertanyaan yang secara bahasa berbeda , tetapi maksudnya sama . pengujian reabilitas dengan cara ini cukup dilakukan sekali, tetapi instrumenya dua, pada responden yang sama, waktu sama, instrument berbeda. Reabilitas instrument dihitung dengan cara mengkorelasikan antara data instrument yang satu dengan data instrument yang dijadikan ekuivalen . bila korelasi positif dan signifikan , maka instrument dapat dinyatakan reliable .

3. Gabungan

Pengujian reabilitas ini dilakukan dengan cara mencobakan dua instrument yang ekuivalen beberapa kali , keresponde yang sama. Jadi cara ini merupakan gabungan pertama dan kedua. Reabilitas instrument dilakukan dengan cara mengkorelasikan dua instrument , setelah itu dikorelasikan pada pengujian kedua , dan selanjutnya dikorelasikan secara silang .

Jika  dalam dua kali pengujian dalam waktu berbeda, maka akan dapat dianalisis keenam koefisien reabilitas . keenam koefisien korelasi itu semuanya positif dan signifikan , maka dapat dinyatakan bahwa instrument tersebut reliabel .

4. Internal consistency

Pengujian resbilitas ini dilakukan dengan cara mencobakan instrument sekali saja kemudian yang diperoleh dengan teknik tertentu . hasil analisi dapat digunakan untuk memprediksi reliiabilitas instrument . pengujian reabilitas instrument dapat dilakukan dengan teknik beladua dari spearman brown , KR 20 , KR 21 , dan Anova Hoyt .

A. rumus spearman brown

Keterangan :

 r_i         = reliabilitas internal seluruh instrument

r_b         = korelasi product momen antara belahan pertama dan kedua

B. rumus KR 20

Keterangan :  

r₁₁ = reliabilitas instrumen
 Vt = varians skor total 

 k = banyaknya butir pertanyaan
 p = proporsi subyek yang mendapat skor 1 

 q = proporsi subyek yang mendapat skor 0 

                                                 

C. rumus KR 21

r₁₁ = reliabilitas instrumen
 Vt = varians skor total
  k = banyaknya butir pertanyaan
 M = skor rata-rata