Indikator Reflektif Dan Formatif Dalam Pemodelan Persamaan Struktural 115t52

Indikator Reflektif dan Formatif dalam Pemodelan Persamaan Struktural (SEM) By Wahyu Widhiarso On April 14, 2011 · 7 Comments Perumusan model pengukuran tergantung pada arah

hubungan antara variabel laten dan variabel manifesnya. Dalam hal pemodelan persamaan struktural dikenal dua model pengukuran, yaitu model pengukuran reflektif dan pengukuran formatif. Masing-masing memiliki karakteristik yang berbeda. Penggunaan model reflektif lebih banyak dipakai karena sebagian besar pengukuran dikembangkan dari penjabaran konsep menjadi indikator. Pada kasus pengukuran tertentu, indikator-indikator pengukuran memiliki sifat yang unik yang terpisah antara satu dengan lainnya. Nah, model pengukuran formatif mengakomodasi kasus ini.

Gambar 1. Model Indikator Reflektif dan Formatif

A. Model Indikator Reflektif Dalam model reflektif, blok variabel manifes yang terkait dengan variabel laten diasumsikan mengukur indikator yang memanifestasikan konstrak. Indikator dilihat sebagai efek dari variabel laten yang dapat diamati secara empirik. Misalnya konstrak kegigihan (hardiness) yang dimanifestasikan oleh indikator komitmen, tantangan dan kontrol yang bersifat empirik karena nilainya bisa kita ketahui melalui skor skala kegigihan. Dalam model pengukuran reflektif, indikator terkait dengan variabel laten yang sama harus memiliki varians bersama (covary). Ketiga indikator kegigihan komitmen, tantangan dan kontrol, seperti contoh di atas, harus memiliki keterkaitan yang ditunjukkan dengan nilai kovarians. Kovarians menunjukkan

adanya varians bersama yang dijelaskan ketiga indikator tersebut, yang dinamakan dengan konstrak kegigihan. Pada model reflektif, konsistensi internal harus diperiksa yang mengasumsikan bahwa tiap indikator bersifat homogen dan unidimensional. Koefisien alpha dan analisis faktor menunjukkan hal tersebut.

B. Model Indikator Formatif Dalam model formatif, setiap indikator empirik merepresentasikan indikator yang dapat tidak homogen dan tidak unidimensional. Semua indikator membentuk kombinasi persamaan regresi dalam menjelaskan konstrak latennya. Semua indikator tidak harus memiliki varians bersama (kovarians) sehingga mengeliminasi satu indikator tidak mengubah peranan indikator lainnya. Contohnya dalam pengukuran stres kehidupan (life events stresor) memuat indikator stres berupa stres finansial, pekerjaan, interpersonal dan kesehatan. Keempat indikator ini membentuk stres individu. Masing-masing indikator stres tidak terkait dengan yang lain. Semakin tinggi skor masing-masing indikator stres, semakin tinggi stres kehidupan yang dialami oleh individu.

C. Model Indikator Formatif 1. Contoh Model Indikator Reflektif Dalam bidang psikologi model indikator reflektif mudah dicari contohnya karena sebagian besar pengukuran dalam bidang psikologi menggunakan model ini. Misalnya, pengukuran depresi dimanifestasikan dalam faktor anhedonia dan keputusasaan. Contoh lainnya adalah kepuasan kerja yang dimanifestasikan dalam gaji, bonus dan kejelasan karir.

Gambar 2. Contoh Model Indikator Reflektif

2. Contoh Model Indikator Formatif Contoh model formatif adalah status ekonomi dan sosial (SES) yang terdiri dari pendidikan, perekonomian/pendapatan dan prestis pekerjaan (Heise 1972). Ketiga indikator ini mempengaruhi besarnya SES individu. Masing-masing tidak memiliki keterkaitan antara satu dan lainnya.

Gambar 1. Contoh Model Indikator Formatif

3. Contoh Pengabungan Indikator Reflektif dan Formatif (MIMIC) Contoh penggabungan model indikator reflektif dan formatif adalah MIMIC. Misalnya kepuasan nasabah bank. Kepuasan nasabah disebabkan oleh faktor kualitas fasilitas, keramahan pelayanan teller atau satpam, kejelasan dalam memberikan informasi dan berbagai kemudahan yang ditawarkan oleh bank. Keempat indikator di atas adalah indikator formatif yang mempengaruhi kepuasan nasabah di bank. Di sisi lain, ada indikator reflektif yang merupakan konsekuensi dari ketika nasabah memiliki kepuasan yang tinggi terhadap pelayanan di bank. Konsekuensi tersebut merupakan indikator reflektif, karena merefleksikan nasabah yang merasa puas dengan layanan bank. Indikator tersebut memuat loyalitas, keterkaitan emosional, kebanggaan dan mengiformasikan kepada orang lain (sosialisasi).

Gambar 1. Contoh Model Indikator Reflektif dan Formatif

D. Evaluasi Properti Psikometris Properti psikometris yang terkait dengan model pengukuran reflektif adalah validitas konstrak. Validasi konstrak menjelaskan seberapa baik konsep teoritis dioperasionalkan dalam pengukuran terhadap konstrak tersebut. Validitas konstrak tersebut dilakukan melalui analisis faktor konfirmatori (CFA) atau multrait-multi method (validitas konvergen dan diskriminan) dan pengujian reliabilitas melalui Cronbach Alpha. Validitas konstrak model indikator formatif berkaitan dengan kekuatan dan pentingnya jalur dari indikator ke konstruk (MacKenzie et al., 2005). Model validitas tradisional yang biasa dipakai dalam pengembangan pengukuran psikologi tidak dapat diterapkan pada model indikator formatif. .

D. Aplikasi dalam Analisis Data Model pengukuran reflektif diakomodasi oleh software SEM seperti LISREL, AMOS, MPLUS atau EQS. Software-software ini menggunakan bahan analisis berupa kovarians. Di sisi lain, model pengukuran formatif diakomodasi oleh program yang mengaplikasikan PLS (partial least square) seperti VisualPLS atau SmartPLS yang menggunakan bahan analisis berupa varians. Dibandingkan dengan analisis biasanya, PLS tidak banyak menuntut asumsi karena tidak menggunakan estimasi maximum likelihood.

Kriteria Membedakan Konstruk Reflektif vs. Formatif 1. Bagaimana arah kausalitas antara indikator-indikator dengan konstruk? Indikator reflektif disebabkan oleh konstruk sedangkan indikator formatif menyebabkan konstruk. 2. Bagaimana sifat kovarian antar-item indikator? Jika antarindikator diharapkan berkovariasi tinggi maka model reflektif lebih tepat. Jika satu indikator seharusnya tidak saling berkorelasi dengan indikator yang lain maka indikator tersebut dapat dihapus. Dalam model reflektif, seluruh indikator akan bergerak bersama, artinya perubahan satu indikator menyebabkan perubahan terhadap indikator lain. Kovarian yang tinggi antarindikator, merupakan bukti konsisten indikator reflektif. Indikator formatif diharapkan tidak memiliki kovarian yang tinggi karena itu indikator formatif diharapkan tidak bergerak bersama. 3. Apakah terdapat perbedaan dalam konten indikator? Jika indikator memiliki kesamaan dasar konseptual, artinya seluruh indikator mengindikasi hal yang sama maka model pengukuran dapat dinilai sebagai model reflektif. Ketika semua indikator merepresentasi konsep yang sama, menghilangkan satu indikator tidak mengubah arti konstruk secara materi. 4. Bagaimana indikator-indikator berhubungan dengan konstruk lain? Semua indikator dalam suatu konstruk dapat berhubungan dengan variabel lain dengan cara yang sama dalam model reflektif. Sementara, indikator dalam model formatif tidak berhubungan dengan variabel lain. Dalam model pengukuran formatif, peneliti berharap satu indikator menghasilkan pola hubungan berbeda dengan variabel lain daripada dengan indikator lain. Dip

Partial Least Square Partila Least Square (PLS) dikembangkan pertama kali oleh Herman Wold (1982). Ada beberapa metode yang dikembangkan berkaitan dengan PLS yaitu model PLS Regression (PLS-R) dan PLS Path Modeling (PLS-PM ). PLS Path Modeling dikembangkan sebagai alternatif pemodelan persamaan struktural ( SEM) yang dasar teorinya lemah. PLS-PM berbasis varian berbeda dengan metode SEM dengan software AMOS, Lisrel, EQS menggunakan basis kovarian. Ada beberapa hal yang membedakan analisis PLS dengan model analisis SEM yang lain : 1. Data tidak harus berdistribusi normal multivariate. 2. Dapat digunakan sampel kecil. Minimal sampel >30 dapat digunakan. 3. PLS selain dapat digunakan unutk mengkonfirmasikan teori, dapat juga digunakan untuk menjelaskan ada atau tidaknya hubungan antar variabel laten. 4. PLS dapat menganalisis sekaligus konstruk yang dibentuk dengan indikator reflektif dan formatif 5. PLS mampu mengestimasi model yang besar dan kompleks dengan ratusan variabel laten dan ribuan indikator (Falk and Miller, 1992) Pemodelan dalam PLS-Path Modeling ada 2 model : 1. Model structural (Inner model) yaitu model struktural yang menghubungkan antar variabel laten. 2. Model Measurement (Outer Model yaitu model pengukuran yang menghubungkan indikator dengan variabel latennya.

Model Partial Least Square Dalam PLS Path Modeling terdapat 2 model yaitu outer model dan Inner model. Kriteria uji dilakukan pada kedua model tersebut.

Outer model (Model Measurement) Model ini menspesifikasi hubungan antar variabel laten dengan indikator-indikatornya. atau dapat dikatakan bahwa outer model mendefinisikan bagaimana setiap indikator berhubungan dengan variabel latennya. Uji yang dilakukan pada outer model : 

Convergent Validity. Nilai convergen validity adalah nilai loading faktor pada variabel laten dengan indikator-indikatornya. Nilai yang diharapkan >0.7.



Discriminant Validity. Nilai ini merupakan nilai cross loading faktor yang berguna untuk mengetahui apakah konstruk memiliki diskriminan yang memadai yaitu dengan cara membandingkan nilai loading pada konstruk yang dituju harus lebih besar dibandingkan dengan nilai loading dengan konstruk yang lain.



Composite Reliability. Data yang memiliki composite reliability >0.8 mempunyi reliabilitas yang tinggi.



Average Variance Extracted (AVE). Nilai AVE yang diharapkan >0.5.



Cronbach Alpha. Uji reliabilitas diperkuat dengan Cronbach Alpha.Nilai diharapkan >0.6 untuk semua konstruk.

Uji yang dilakukan diatas merupakan uji pada outer model untuk indikator reflektif. Untuk indikator formatif dilakukan pengujian yang berbeda. Uji untuk indikator formatif yaitu : 

Significance of weights. Nilai weight indikator formatif dengan konstruknya harus signifikan.



Multicolliniearity. Uji multicolliniearity dilakukan untuk mengetahui hubungan antar indikator. Untuk mengetahui apakah indikator formatif mengalami multicolliniearity dengan mengetahui nilai VIF. Nilai VIF antara 5- 10 dapat dikatakan bahwa indikator tersebut terjadi multicolliniearity.

Masih ada dua uji untuk indikator formatif yaitu nomological validity dan external validity. Inner Model (Model Structural). Uji pada model struktural dilakukan untuk menguji hubungan antara konstruk laten. Ada beberapa uji untuk model struktural yaitu : 

R Square pada konstruk endogen. Nilai R Square adalah koefisien determinasi pada konstruk endogen. Menurut Chin (1998), nilai R square sebesar 0.67 (kuat), 0.33 (moderat) dan 0.19 (lemah)



Estimate for Path Coefficients, merupakan nilai koefisen jalur atau besarnya hubungan/pengaruh konstruk laten. Dilakukan dengan prosedur Bootrapping.



Effect Size (f square). Dilakukan untuk megetahui kebaikan model.



Prediction relevance (Q square) atau dikenal dengan StoneGeisser's. Uji ini dilakukan untuk mengetahui kapabilitas prediksi dengan prosedur blinfolding. Apabila nilai yang didapatkan 0.02 (kecil), 0.15 (sedang) dan 0.35 (besar). Hanya dapat dilakukan untuk konstruk endogen dengan indikator reflektif.

Dalam outer model terdapat dua tipe indikator yaitu indikator reflektif dan indikator formatif. 1. Indikator reflektif. Indikator ini mempunyai ciri-ciri : arah hubungan kausalitas dari variabel laten ke indikator, antar indikator diharapkan saling berkorelasi (instrumen harus memiliki consistency reliability), menghilangkan satu indikator, tidak akan merubah makna dan arti variabel yang diukur, dan kesalahan pengukuran (eror) pada tingkat indikator. Sebagai

contoh model indikator reflektif adalah variabel yang berkaitan dengan sikap (attitude) dan niat membeli (purchase intention). 2. Indikator formatif. Ciri-ciri model indikator reflektif yaitu : arah hubungan kausalitas dari indikator ke variabel laten, antar indikator diasumsikan tidak berkorelasi (tidak diperlukan uji reliabilitas konsistensi internal), menghilangkan satu indikator berakibat merubah makna dari variabel laten., dan kesalahan pengukuran berada pada tingkat variabel laten. Variabel laten dengan indikator formatif dapat berupa variabel komposit. Sebagai contoh variabel status sosial ekonomi diukur dengan indikator yang saling mutual exclusive (pendidikan, pekerjaan, dan tempat tinggal). variabel kualitas pelayanan dibentuk oleh 5 dimensi yaitu tangible, reliability, responsive, emphaty dan assurance.

Beberapa software PLS yang telah dikembangkan untuk analisis model Partial Least Square (PLS), antara lain : 1. LVPLS versi 1.8 (Latent Variable Partial Least Square). Ini merupakan software yang pertama kali dikembangkan oleh JanBernd Lohmoller (1984,1987,1989) under DOS, dapat di http://kiptron.psyc.virginia.edu/ . Kemudian dikembangkan lagi oleh Wynne Chin (1998,1999,2001) menjadi under Windows dengan tampilan grafis dan tambahan teknik validasi bootstrapping dan jacknifing. Software ini diberi nama PLS Graph versi 3.0. Untuk versi student dapat di di http://www.bauer.uh.edu. 2. SmartPLS, software ini dikembangkan di University of Hamburg Jerman. Software ini dapat di di www.smartpls.de. 3. Visual Partial Least Square (VPLS), dikembangkan oleh Jen Ruei Fu dari National Kaohsiung University Taiwan. Software ini dapat di di http://www2.kuas.edu.tw 4. PLS-GUI, software ini dikembangkan oleh Yuan Li dari Management Science Department, The More School Business, Universitas of South Carolina. Software ini dapat di di http://dmsweb.b.sc.edu 5. WarpPLS, software ini dikembangkan oleh Ned Kock. Software ini merupakan alternatif path modeling linier dan nonlinier. Dapat di di http://www.scriptwarp.com

Indikator Reflektif dan Indikator Formatif dalam Pengukuran Psikologi « pada: 25 April 2011, 03:04:23 AM » Dari pengalaman mengajar PSP, salah satu bahasan yang menarik adalah penjabaran konstrak menjadi bagian-bagian terkecil (indikator), yang biasa dinamakan dengan aspek, komponen atau faktor. Dari penugasan yang saya berikan, mahasiswa sedikit kesulitan untuk membedakan antara indikator manifes dan indikator kausal. Kedua hal ini memang agak sulit dibedakan, bahkan masih ada perdebatan mengenai hal ini, misalnya indikator-indikator dalam efikasi pemanfaatan komputer (Hardin, Chang, & Fuller, 2008). Dalam hal pemodelan persamaan struktural (SEM) indikator manifes dan kausal tersebut dinamakan dengan model pengukuran dengan indikator reflektif dan indikator formatif. Berikut ini beberapa catatan dari saya yang bisa kita diskusikan lebih lanjut. A. Indikator Reflektif (Indikator Manifes) Dalam model reflektif, indikator dilihat sebagai efek dari konstrak yang dapat diamati. Misalnya konstrak kegigihan (hardiness) yang direfleksikan menjadi tiga indikator yaitu komitmen, tantangan dan kontrol. Kata direfleksikan tersebut dapat disubstitsikan dengan dimanifestasikan oleh, dijabarkan menjadi, diamati dari, diukur dari atau keluaran dari (outcome of). Secara statistik, model pengukuran reflektif menjelaskan bahwa indikator terkait dengan variabel laten yang sama harus memiliki varians bersama (kovarians). Dengan demikian untuk membuktikan bahwa komitmen, tantangan dan kontrol merupakan refleksi dari harus memiliki keterkaitan bersama, maka ketiganya harus memiliki keterkaitan bersama. Pendekatan yang biasa dipakai adalah analisis faktor.

B. Indikator Formatif (Indikator Kausal) Dalam model formatif, indikator bukan merupakan refleksi konstrak yang diukur, akan tetapi lebih merupakan anteseden atau penyebab (causal indicators). Berbeda dengan indikator reflektif, pada indikator formatif, menghilangkan satu indikator tidak akan mengganggu indikator lainnya karena masing-masing relatif independen. Secara statistik, indikator ini dibuktikan dengan koefisien peranan yang dapat dilihat melalui kombinasi linier dalam persamaan regresi. Semua indikator tidak harus memiliki varians bersama (kovarians) sehingga mengeliminasi satu indikator tidak seberapa mengubah peranan indikator lainnya. Justru diharapkan indikator ini memiliki keterkaitan yang rendah, untuk menghindari overlap. Salah satu sifat dari indikator ini adalah akumulasi, karena menggunakan regresi.

C. Contoh Indikator Formatif Diamantopoulos dan Winklhofer (2001) mengatakan bahwa “psychological constructs have been consistently suggested as unsuitable for formative measurement (causal indicator)”. Untuk mengukur tingkat kekenyangan seseorang kita tidak boleh menanyakan berapa piring nasi yang dia habiskan. Kita tidak bisa

mengukur sebab-sebab seseorang kenyang, akan tetapi sampel perilaku yang menunjukkan bahwa dia kenyang. Oleh karena itu dalam mengembangkan pengukuran, diperlukan pendalaman lebih lanjut agar indikator yang kita pakai dalam pengembangan alat ukur adalah indikator reflektif (manifest) bukan indikator formatif (kausal). Berikut ini contoh-contoh indikator formatif dari beberapa literatur. 1. Kepuasan Kerja. Aspek-aspek kepuasan kerja yang dijabarkan menjadi aspek seperti supervisor, penggajian, beban kerja, karir lebih cenderung merupakan indikator kausal dibanding reflektif (Davy & Shipper, 1993). Hal ini dapat diketahui dari pernyataan penulisnya yang mengatakan bahwa “overall job satisfaction as the sum of….”. Untuk mengembangkan pengukuran kepuasan kerja, kita harus mengeksplorasi sampel perilaku karyawan yang menunjukkan mereka puas atau tidak dengan pekerjaannya. 2. Status Ekonomi (SES). Status ekonomi yang dijabarkan menjadi pendidikan, pendapatan dan prestius pekerjaan bukan merupakan manifestasi dari (manifestations of) SES, akan tetapi lebih merupakan (outcome of) (Bollen, 1989). Dengan demikian SES lebih cenderung pada model formatif dibanding reflektif. 3. Stresor. Stresor kehidupan (life events stresor) yang memuat indikator stres berupa stres finansial, pekerjaan, interpersonal dan kesehatan, lebih cenderung menjadi indikator formatif ketimbang reflektif. 4. RBO. Perceived Risk of Bussiness Outsourcing terdiri dari aspek resiko finansial, performansi, strategik, dan psikososial ternyata lebih cenderung mengarah pada indikator formatif dibanding reflektif (Gewald, et al., 2006). Masih banyak lagi contoh indikator formatif yang bisa dieksplorasi. D. Penutup Indikator kausal membutuhkan penanganan berbeda dengan indikator manifes yang biasa dipakai di psikologi. Misalnya estimasi dalam SEM, model dengan indikator kausal disarankan menggunakan PLS dibanding dengan OLS, dsb. Oleh karena itu, kita perlu lebih mendalami teori atau referensi yang kita pakai dalam menjabarkan konstrak ukur menjadi indikator.

Referensi 1. Bollen, K. A. (1989). Structural equations with latent variables. New York: John Wiley & Sons, Inc. 2. Davy, J. A., & Shipper, F. (1993). Voter behavior in union certification elections : A longitudinal study. The Academy of Management Journal, 36(1), 187-199. doi: 10.2307/256518. 3. Gewald, H., Wüllenweber, K., & Weitzel, T. (2006). The influence of perceived risks on banking managersʼ intention to outsource business processes: A study of the german banking and finance industry. Journal of Electronic Commerce Research, 7(2), 78-96. 4. Hardin, A., Chang, J. C.-J., & Fuller, M. (2008). Clarifying the Use of Formative Measurement in the IS Discipline: The Case of Computer SelfEfficacy. Journal of the Association for Information Systems (Vol. 9). Retrieved April 25, 2011, from http://aisel.aisnet.org/jais/vol9/iss9/1. 1. Istilah reflektif dan formatif kebetulan tidak banyak dipakai di FPsi yang lebih banyak menggunakan istilah konstruk (dg faktor, komponen, aspek di dalamnya) dan variabel independen. Saya terbiasa menyesuaikan istilah tersebut di Fakultas lain pada waktu menguji atau membimbing S3. Trims telah menyampaikan istilah yg memang banyak dipakai tersebut. 2. Saya sangat setuju bila kita memang harus menggunakan referensi yang kuat untuk menjelaskan dan menempatkan sesuatu dalam format reflektif atau formatif. SES seperti yg dicontohkan mas Wahyu dg mengutip Bolen memang bisa masuk dalam formatif khususnya ketika Psikologi bisa membuat variabel SES persepsian (perceived SES). Namun dalam beberapa referensi Sosiologi ketiga hal itu (pendidikan, pendapatan, dan prestis) masuk sebagai komponen SES sehingga tergolong dlm format reflektif. Contoh lain ada juga yang menempatkan serangkaian 'variabel' yang sama tetapi ditempatkan dalam dua format yang berbeda, tergantung argumen dan teorinya. 3. Untuk menyusun indikator formatif, diperlukan kehati-hatian. Bila

secara teoritis satu atau beberapa variabel memiliki efek langsung terhadap variabel lain, maka model formatifnya mudah disusun. Bila hubungannya secara teoritis tidak langsung atau, ini lebih gawat, hubungannya spurious, maka model formatif yang harus disusun tidak semudah seperti dicontohkan mas Wahyu.

Terima kasih atas masukkan Pak Fatur. Memang faktor formatif tidak bisa berdiri sendiri tanpa faktor reflektif, karena cenderung akan menjadi spurious. Supaya tidak menyesatkan pembaca, saya koreksi gambarnya menjadi gambar di bawah ini. Dengan menambahkan panah dari konstruk laten ke konstruk lainnya. Artinya harus ada faktor reflektif ketika melibatkan faktor formatif di dalam model.

Supaya informasinya lebih lengkap, sekalian saja saya menjelaskan gambar model yang saya contohkan. Dua model tersebut adalah model Multiple Indicators Multiple Causes (MIMIC) yang sebenarnya adalah analisis faktor konfirmatori akan tetapi dengan melibatkan kovariats. Dalam hal ini aspek atau indikator formatif posisinya sebagai kovariats-nya. Gambar pertama didapatkan dari Hodge et al. (1968) yang menganalisis faktor konstruk partisipasi sosial dengan melibatkan SES sebagai kovariats. Tiga indikator/faktor manifes yang dilibatkan adalah church, member, dan friends.

Gambar kedua didapatkan dari Franke et al. (2008) yang menganalisis faktor konstruk corporate citizenship dengan tiga faktor reflektif berupa employee commitment, customer loyalty dan business performance. Tiga faktor formatif yang dilibatkan adalah legal, discretionary, economic citizenship.

Mohon maaf, diskusinya jadi terlalu mengarah ke SEM. Padahal pengennya sharing mengenai jenis-jenis aspek atau faktor dalam pengembangan alat ukur Referensi Franke, G., Preacher, K. J., & Ridon, E. E. (2008). Proportional structural effects of formative indicators. Journal of Business Research, 61(12), 1229-1237. doi: 10.1016/j.jbusres.2008.01.011.

mbarnya saya rescale..

Understood... berarti SES dan Prestasi adalah indikator formatif dari Kepuasan

Konsep-Konsep Dasar Penelitian (Bagian 5) E. VARIABEL Variabel penelitian adalah objek yang diteliti yang memiliki nilai yang bervariasi. Dengan demikian sesuatu yang hanya mempunyai satu nilai (tidak mempunyai nilai yang bervariasi) tidak dapat dinyatakan sebagai variabel, tetapi konstanta (constant). 1. Kualitatif dan Kuantitatif Qualitative Variable, adalah variabel yang datanya berupa data kualitatif (skala nominal atau ordinal). Quantitative Variable, adalah variabel yang datanya berupa angka (skala ordinal, interval, atau rasio). 2. Bebas dan Terikat Variabel Bebas (Independent Variable), adalah variabel yang mempengaruhi variabel yang lain (variabel terikat). Variabel Terikat (Dependent Variable), adalah variabel yang dipengaruhi oleh variabel lain (variabel bebas). Dua pengertian di atas memperlihatkan bahwa istilah dua jenis variabel ini muncul pada penelitian (study) pengaruh. Jika digambarkan, modelnya akan menjadi:

Contoh: Pada penelitian tentang ”Pengaruh IQ terhadap Nilai yang Dicapai Mahasiswa dalam Perkuliahan Statistika”, yang menjadi VB adalah ”IQ” dan yang menjadi VT adalah ”Nilai yang Dicapai Mahasiswa dalam Perkuliahan Statistika”. Catatan: Pada penelitian korelasional tidak dikenal istilah variabel bebas dan terikat, karena; a. Pada hubungan relasional tidak ada variabel yang ”mempengaruhi” (VB) maupun ”dipengaruhi” (VT). Contoh: Hubungan Kemampuan Berbahasa Arab dan Kemampuan Berbahasa Inggris Mahasiswa. b. Pada hubungan resiprokal tiap variabel ”mempengaruhi” dan ”dipengaruhi” oleh variabel yang lain, sehingga penentuan VB dan VT menjadi rancu. Contoh: Hubungan Motivasi dan Hasil Belajar Mahasiswa. 3. Kontrol dan Ekstrane Ketika peneliti merasa tidak puas dengan hasil yang ditunjukkan oleh variabel bebas dan variabel terikat yang dianalisis, maka perlu dilakukan analisis lanjutan dengan memperhitungkan variabel-variabel yang lain (variabel-variabel penjelas) yang dapat lebih menjelaskan realitas yang sesungguhnya. Analisis lanjutan ini disebut dengan analisis penjelas (elaboration). Sedangkan variabel yang perlu diperhitungkan dalam analisis ini antara lain adalah variabel kontrol dan variabel ekstrane. Control Variable, adalah variabel yang dikendalikan pengaruhnya terhadap variabel terikat. Pengendalian ini dilakukan dengan menggunakan nilai yang sama (dijadikan konstanta). Contoh: Jika meneliti tentang ”Nilai yang Dicapai Mahasiswa dalam Perkuliahan Statistika” (VT) yang diduga dipengaruhi oleh IQ-nya (VB), maka variabel lain yang juga diduga berpengaruh terhadap ”Nilai” dimaksud seperti ”Minat” dikendalikan (VK), yaitu dengan menggunakan satu nilainya saja seperti mahasiswa yang memiliki minat belajar Statistika yang ”Tinggi”. Control variable ini sering ditemukan pada penelitian di bidang eksakta, terutama pada penelitian eksperimental. Pada bidang sosial,

pengontrolan variabel lebih sulit dilakukan terutama pada penelitian observasional. Catatan: Pengontrolan variabel yang berpengaruh terhadap VT selain dapat dilakukan dengan cara membuat variabel menjadi konstanta (secara metodologis), juga dapat dilakukan dengan pengontrolan secara statistis/matematis. Pengontrolan secara statistis dapat dilihat secara eksplisit pada analisis-analisis parsial. Extraneous Variable, adalah variabel yang diabaikan pengaruhnya terhadap variabel terikat, karena pengaruhnya dianggap tidak signifikan. Contoh: Jika meneliti tentang ”Nilai yang Dicapai Mahasiswa dalam Perkuliahan Statistika” (VT) yang diduga dipengaruhi oleh IQ-nya (VB), maka variabel lain yang juga diduga berpengaruh terhadap ”nilai” dimaksud namun dianggap pengaruhnya kecil (negligible) sehingga tak berarti (nonsignificant) seperti ”Penggunaan Ruangan ber-AC”, diabaikan. 4. Antara dan Variabel-variabel lain yang juga dapat memberikan kontribusi dalam analisis penjelas adalah sebagai berikut: Intervening Variable, adalah variabel yang menjadi perantara efek dari VB ke VT. Dengan demikian VB secara langsung memberikan efek terhadap VI, kemudian VI memberikan efek terhadap VT yang di dalamnya termasuk efek (tak langsung) dari VB. Jika digambarkan modelnya akan menjadi:

Contoh: Pada penelitian tentang ”Pengaruh IQ terhadap Nilai yang Dicapai Mahasiswa dalam Perkuliahan Statistika”, sebenarnya pengaruh dari ”IQ” (VB) tidaklah langsung terhadap ”Nilai yang Dicapai Mahasiswa dalam Perkuliahan Statistika” (VT), tetapi melalui suatu variabel lain yaitu ”Proses Belajar Statistika” (VI). Variable, yaitu variabel yang memberikan dampak terhadap pengaruh VB kepada VT. Jika digambarkan modelnya akan menjadi:

Contoh: Pada penelitian tentang ”Efek Motivasi terhadap Proses Belajar Mahasiswa di Kelas pada Mata Kuliah Statistika”, peneliti menduga bahwa motivasi yang diukur sebelum perkuliahan dilaksanakan berdampak positif terhadap proses belajar yang diamati secara langsung. Namun hasil penelitian ternyata tidak sesuai dengan dugaan tersebut. Bisa saja dampaknya tidak signifikan atau bahkan dampaknya negatif. Peneliti kemudian menduga bahwa hal ini terjadi karena pengaruh dari ”Cara Mengajar Dosen” yang membuat mahasiswa yang motivasinya tinggi tetapi proses belajarnya di kelas tidak baik atau sebaliknya. Jika kemudian ”Cara Mengajar Dosen” ikut dilibatkan dalam penelitian, maka ia berkedudukan sebagai VM. Dampak VM terhadap pengaruh VB kepada VT selain dijelaskan melalui prosesnya sebagaimana yang telah dipaparkan di atas, juga dapat dijelaskan melalui pengaruhnya terhadap VB sekaligus terhadap VT, sehingga modelnya digambarkan sebagai berikut:

Contoh: Dari contoh penelitian tentang ”Efek Motivasi terhadap Proses Belajar Mahasiswa di Kelas pada Mata Kuliah Statistika”, sebenarnya dapat dipandang bahwa ”Cara Mengajar Dosen” memberikan dampak terhadap ”Motivasi Belajar” mahasiswa sekaligus terhadap ”Proses Belajar” mereka. Catatan:

Jika melihat kedudukannya dalam model, maka VM sebenarnya adalah VB. Tetapi karena VM dimunculkan untuk menjelaskan pengaruh VB terhadap VT, maka kedudukan

VM dalam analisis dianggap sebagai VB Kedua (Secondary Independent Variable). Jika bukan dalam analisis penjelas maka model kedua yang menggambarkan kedudukan VM, dapat membuat kedudukan VB berubah menjadi VI dengan model sebagai berikut:

(klik gambar untuk memperjelas tulisan) 5. Komponen, Pengganggu, dan Penekan Beberapa variabel lain yang juga dapat memberikan kontribusi dalam analisis penjelas adalah sebagai berikut: Component Variable, adalah bagian dari suatu variabel yang apabila diperlakukan sebagai variabel tersendiri akan dapat memberikan hasil penelitian yang lebih baik. Contoh: Tes IQ (VB) diduga memiliki pengaruh yang signifikan terhadap hasil belajar dalam mata kuliah Statistika (VT). Mungkin akan lebih baik jika setiap bagian dari Tes IQ dianalisis sebagai VB yang terpisah yaitu: Tes Verbal (VB1), Tes Spasial (VB2), Tes Logikal (VB3), dan Tes Numerikal (VB4) sehingga dapat diketahui komponen Tes IQ mana yang berpengaruh atau tak berpengaruh signifikan serta yang mana yang pengaruhnya paling signifikan terhadap hasil belajar dalam mata kuliah Statistika (VT). Mungkin juga akan lebih baik lagi jika hasil belajar Statistika dianalisis komponennya secara terpisah (dianggap sebagai variabel-variaabel tersendiri) juga. Distractor Variable, yaitu variabel yang dapat mengungkapkan bahwa kesimpulan yang benar dari suatu analisis adalah kebalikan dari apa yang disimpulkan pada desain sebelumnya. Contoh: Suatu hasil penelitian menunjukkan bahwa pelanggan suatu bank ternyata lebih banyak dari masyarakat yang berdomisili jauh dibandingkan yang dekat dengan bank dimaksud. Hasil penelitian ini tentu mengherankan. Namun jika dilakukan analisis dengan melibatkan perbandingan jarak rumah populasi dengan lokasi bank saingan terdekat yang diklasifikasikan atas ”lebih dekat” atau ”lebih jauh”, ternyata memberikan hasil bahwa sebaliknya yaitu

seseorang dalam memilih bank ternyata memilih yang jaraknya lebih dekat dengan rumahnya. Dengan demikian ”Perbandingan Jarak dengan Bank Kompetitor” lebih layak dijadikan VB dibandingkan menggunakan ”Jarak Rumah Populasi dengan Bank Tertentu”. Supressor Variable, yaitu variabel yang menekan pengaruh suatu variabel terhadap variabel yang lain. Contoh: Diduga bahwa ”Reaksi terhadap Perubahan Harga” (VT) dari kelompok masyarakat berpenghasilan (VB) rendah lebih signifikan dibanding kelompok masyarakat berpenghasilan tinggi. Namun hasil pengujian menunjukkan tidak ada perbedaan yang signifikan. Ketika kemudian masyarakat yang diteliti dibedakan juga atas dasar tingkat pendidikan, terlihat bahwa tingkat pendidikan rendah dan tinggi berbeda secara signifikan dalam hal reaksi terhadap perubahan harga. Peneliti mungkin terjebak dalam pemikiran bahwa ”Tingkat Penghasilan” sudah bukan merupakan variabel yang signifikan lagi untuk melihat ”Reaksi Masyarakat terhadap Perubahan Harga”. Hasil analisis memperlihatkan variabel ”Tingkat Pendidikan”-lah yang berpengaruh. Namun jika variabel ”Tingkat Pendidikan” dibuat konstan (dijadikan VK), maka akan dapat dilihat bahwa tingkat penghasilan memberi pengaruh yang signifikan. Hal ini menjelaskan bahwa pengaruh ”Tingkat Penghasilan” telah ditekan oleh ”Tingkat Pendidikan”. 6. Eksogen dan Endogen Exogeneous Variable, adalah variabel yang dianggap memiliki pengaruh terhadap variabel yang lain, namun tidak dipengaruhi oleh variabel lain dalam model. Endogeneous Variable, adalah variabel yang dianggap dipengaruhi oleh variabel lain dalam model. Contoh Model: Variabel Eksogen ----------------Variabel Endogen

(klik gambar untuk memperjelas tulisan) Dari model di atas dapat dilihat bahwa: a. ”Cara Mengajar Dosen” adalah VB, ”Motivasi Belajar Mahasiswa” adalah VI, dan ”Proses Belajar Mahasiswa” adalah VT. b. ”Cara Mengajar Dosen” karena tidak dipengaruhi oleh variabel yang lain adalah Vex. c. ”Motivasi Belajar Mahasiswa” adalah VEn, karena dipengaruhi oleh variabel ”Cara Mengajar Dosen. ”Proses Belajar Mahasiswa” juga Ven karena dipengaruhi oleh ”Motivasi Belajar Mahasiswa”. 7. Teramati dan Laten Observed Variable, adalah variabel yang dapat ”diamati” secara langsung. Latent Variable, adalah variabel yang tidak dapat ”diamati” secara langsung namun harus dikonstruk sedemikian rupa dari berbagai indikator. Catatan: Indikator yang digunakan untuk mengukur VL adalah Variabel Teramati (VTm) atau Observed Variable/Manifest Variable. VTm sering muncul dalam penelitian-penelitian eksakta. Dalam penelitian sosial – humaniora (behavioristic), variabel yang digunakan seringkali berupa variabel yang tidak dapat diamati secara langsung, namun harus dikonstruk sedemikian rupa. Variabel ”Warna Kulit”, adalah variabel yang dapat diamati secara langsung baik dengan teknik observasi, angket, maupun yang lainnya. Tetapi variabel ”Motivasi” tidaklah dapat diamati secara langsung, karena secara konseptual motivasi adalah ”proses neuro-psikologis dalam diri seseorang”. Oleh karena itu variabel seperti motivasi harus diukur dengan cara: a. Mengamati akibatnya → reflective indicators b. Mengamati faktor (penyebabnya) → formative indicators c. Mengamati bagian-bagiannya → correlative indicators. Contoh konstruk variabel laten dengan indikator reflektif:

(klik gambar untuk memperjelas tulisan) Contoh konstruk variabel laten dengan indikator formatif:

(klik gambar untuk memperjelas tulisan) Contoh konstruk variabel laten dengan indikator korelatif:

(klik gambar untuk memperjelas tulisan) Model-model di atas menggunakan one level factor yang dianalisis dengan first order factor analysis. Tetapi jika model kedua dan ketiga digabungkan, maka akan didapatkan two level factor yang mencakup gabungan indikator-indikator formatif dan korelatif. Untuk menganalisis model two level factor digunakan second order factor analysis. Catatan: Analisis faktor dengan indikator korelatif dan resiprokal (hubungan simetrik) antara lain dapat menggunakan program SPSS, Lisrel, EQS yang berbasisikan rumus korelasi. Dalam analisis multivariat, analisis faktor seperti ini diklasifikasikan

sebagai analisis multivariat yang bersifat interdependensi dan merupakan teknik parametrik. Analisis faktor dengan indikator formatif antara lain dapat menggunakan program-program berbasisikan metode Partial Least Square seperti Smart PLS, Visual PLS, PLS-GUI, PLS Graph yang berbasiskan rumus multipel regresi. Dalam Second-Order Multivariate Analysis, analisis seperti ini termasuk dalam kategori dependensi dan masuk dalam kategori nonparametrik. Analisis faktor dengan indikator reflektif seharusnya berbasiskan rumus multivariate regression, namun penulis belum menemukan program yang khusus untuk ini. Karenanya dalam praktek, yang digunakan adalah analisis berbasiskan korelasi.

II. Pengukuran Reflektif dan Formatif Model Pengukuran reflektif berangkat dari asumsi bahwa variabel laten mempengaruhi indikator. Indikator yang bersifat reflektif ini hanya menggambarkan sampel dari semua kemungkinan indikator yang ada di dalam variabel laten. Dengan demikian, indikator pembentuk variabel laten ini berkorelasi tinggi, setiap indikator bisa saling mengganti dan penghilangan salah satu indikator tidak mempengaruhi variabel laten. Di dalam analisis jalur, model pengukuran reflektif ini ditandai dengan anak panah yang mengarah dari variabel laten ke indikator. Sedangkan model pengukuran formatif berangkat dari asumsi bahwa indikator mempengaruhi variabel laten. Setiap indikator menangkap aspek yang spesifik terhadap variabel laten. Maka setiap indikator tidak dapat saling mengganti dan penghilangan salah satu indikator akan mempengaruhi variabel laten. Contoh dari pengukuran formatif ini adalah pengukuran variabel laten tingkat stres. Variabel laten stres ini bisa diukur dengan variabel indikator kehilangan pekerjaan,

perceraian, dan kecelakaan. Ketiga indikator ini tidak bisa saling mengganti. Di dalam analisis jalur, model pengukuran formatif ditunjukkan dengan anak panah mengarah dari indikator ke variabel laten. Chin (1998) memberikan contoh yang baik dalam membedakan indikator reflektif dan formatif ini. Banyaknya bir, anggur, dan minuman keras yang dikonsumsi merupakan indikator formatif dari variabel laten 'mabuk'. Sementara itu indikator reflektif yang potensial dari variabel laten 'mabuk' adalah kadar alkohol dalam darah, kemampuan mengemudi, MRI brain scan, dan kemampuan melakukan kalkulasi. Jika memang benar-benar reflektif, maka perbaikan kadar alkohol dalam darah juga akan menandakan perbaikan dalam aktivitas MRI dan indikator-indikator yang lain, karena mereka berasal dari konsep atau fenomena yang sama. Sebaliknya, pada indikator formatif, peningkatan konsumsi bir tidak menandakan peningkatan serupa dalam mengkonsumsi anggur atau minuman keras. Jadi meskipun bisa terjadi, indikator-indikator formatif tidak perlu berkorelasi atau mempunyai konsistensi internal yang tinggi seperti Cronbach's Alpha.

 Dalam menyusun kerangka teori menurut Prof. Noeng Muhadjir, dalam makalahnya yang berjudul ” Proses Mengkonstruksi Teori dan Hipotesis”, bagian teori harus menampilkan bagian yang bulat yang disajikan secara holistik, tetapi juga bukan sekedar penyajian konsep yang terpilah dan terpecah-pecah, sehingga konsep tersebut akan lebih menarik untuk dikaji. Tata fikir yang ditawarkan dalam penyusunan kerangka teori menggunakan logika reflektif, yaitu logika yang mondar-mandir antara proses berfikir induktif dan proses berfikir deduktif, dan tidak dipermasalahkan dari mana harus dimulai. Alat berfikir bukan hanya sekedar mendasarkan pada generalisasi dari rerata keberagaman individul dan rerata frekuensi kejadian, tetapi juga konteks, esensi, indikasi pragmatik, fungsional, atau yang lainnya. Oleh karena itu suatu teori tampil sebagai abstraksi, simplifikasi atau idealitas dari fenomena, mungkin merupakan eksplanasi dan mungkin pula merupakan penafsiran atas empiri. Pada dasarnya teori mengandung beberapa hal antara lain: asumsi, postulat, tesis, hipotesis, proposisi dan sejumlah konsep. Dalam teori juga terdapat idealisasi tentang tata hidup kemasyarakatan atau tata hidup alam semesta. Validasi suatu teori diuji atas kemampuannya memberikan evidensi empirik. A. FUNGSI TEORI  8. Sesuai dengan definisi Kerlinger (1973), bahwa teori adalah seperangkat konstruk (konsep), definisi, dan proporsi [1]yang menyajikan gejala-gejala sistematis, merinci hubungan antar variable-variabel, dengan tujuan meramalkan

dan menerangkan gejala tersebut, maka teori memiliki fungsi antara lain: 1. Menyediakan kerangka konsepsi penelitian, dan memberikan pertimbangan perlunya penyelidikan 2. Melalui teori kita dapat membuat pertanyaan yang terinci untuk penyidikan. 3. Menunjukkan hubungan antar variable yang diteliti. 4. Kajian pustaka meliputi pengidentifikasian secara sistematis, penemuan, dan analisis dokumen-dokumen yang memuat informasi yang berkaitan dengan masalah penelitian. Ada beberapa hal yang perlu diperhatikan oleh peneliti dalam menyusun kerangka/ landasan teori, antara lain: 1. Kerangka teori sebaiknya menggunakan acuan yang berhubungan dengan permasalahan yang diteliti dan acuan-acuan yang berupa hasil penelitian terdahulu (bisa disajikan di Bab II atau dibuat sub-bab tersendiri). 2. Cara penulisan dari subbab ke subbab yang lain harus tetap mempunyai keterkaitan yang jelas dengan memperhatikan aturan penulisan pustaka. 3. Untuk memperoleh hasil penelitian yang baik, studi pustaka harus memenuhi prinsip kemutakhiran dan keterkaitannya dengan permasalahan yang ada. Apabila menggunakan literatur dengan beberapa edisi, maka yang digunakan adalah buku dengan edisi terbaru, jika referensi tidak terbit lagi, referensi tersebut adalah terbitan terakhir. Dan bagi yang menggunakan Jurnal sebagai referensi pembatasan tahun terbitan tidak berlaku 4. Semakin banyak sumber bacaan, maka kualitas penelitian yang akan dilakukan semakin baik, terutama sumber bacaan yang terdiri dari teks book atau sumber lain misalnya jurnal, artikel dari majalah, Koran, internet dan lain-lain 5. Pedoman kerangka teori di atas berlaku untuk semua jenis penelitian 6. Teori bukan merupakan pendapat pribadi (kecuali pendapat tersebut sudah ditulis di BUKU) 7. Pada akhir kerangka teori bagi penelitian korelasional disajikan model teori, model konsep (apabila diperlukan) dan model hipotesis pada subbab tersendiri, sedangkan penelitian studi kasus cukup menyusun Model teori dan beri keterangan. Model teori dimaksud merupakan kerangka pemikiran penulis dalam penelitian yang sedang  9. dilakukan. Kerangka itu dapat berupa kerangka dari ahli yang sudah ada, maupun kerangka yang berdasarkan teori-teori pendukung yang ada. Dari kerangka teori yang sudah disajikan dalam sebuah skema, harus dijabarkan jika dianggap perlu memberikan batasan-batasan, maka asumsi-asumsi harus dicantumkan. Contoh: Judul : Hubungan antara Tingkat Kecemasan dengan Perubahan Siklus Menstruasi pada Siswa SMA Masehi Kudus RM : Apakah ada hubungan antara tingkat kecemasan dengan perubahan siklus menstruasi pada siswa SMA Masehi kudus ? Ha : Ada Hubungan antara tingkat kecemasan perubahan siklus menstruasi pada siswa SMA Masehi Kudus Bagaimana cara membangun atau membuat konstruksi landasan teori? 1. Kita harus memahami variabel-variabel dalam penelitian. 2. Kita harus mampu menjabarkan variabelvariabel tersebut dalam bentuk konsep yang mendukung terhadap rumusan masalah yang disusun 3. Kita harus mampu menjabarkan variabel-variabel tersebut dalam konsep yang sesuai dengan Hipotesa penelitian. Misal : Variabel penelitian terdiri dari variabel Tingkat kecemasan (X) dan perubahan siklus menstruasi (Y) Jadi kontruksi Landasan teori dalam penelitian tersebut, sebagai berikut: Tingkat Kecemasan : 1. Pengertian kecemasan 2. Faktor-faktor yang

mempengaruhi kecemasan 3. Kualifikasi kecemasan dll yang berkaitan dengan kecemasan Perubahan Siklus Menstruasi : 1. Pengertian siklus menstruasi  10. 2. Macam-macam perubahan siklus menstruasi 3. Faktor penyabab terjadinya perubahan siklus menstruasi dll yang berkaitan dengan perubahan siklus menstruasi SAMPLE DAN POPULASI Populasi adalah wilayah generalisasi berupa subjek atau objek yang diteliti untuk dipelajari dan diambil kesimpulan. Sedangkan sampel adalah sebagian dari populasi yang diteliti. Dengan kata lain, sampel merupakan sebagian atau bertindak sebagai perwakilan dari populasi sehingga hasil penelitian yang berhasil diperoleh dari sampel dapat digeneralisasikan pada populasi. Penarikan sampel diperlukan jika populasi yang diambil sangat besar, dan peneliti memiliki keterbatasan untuk menjangkau seluruh populasi maka peneliti perlu mendefinisikan populasi target dan populasi terjangkau baru kemudian menentukan jumlah sampel dan teknik sampling yang digunakan. B. Ukuran Sampel Untuk menentukan sampel dari populasi digunakan perhitungan maupun acuan tabel yang dikembangkan para ahli. Secara umum, untuk penelitian korelasional jumlah sampel minimal untuk memperoleh hasil yang baik adalah 30, sedangkan dalam penelitian eksperimen jumlah sampel minimum 15 dari masing-masing kelompok dan untuk penelitian survey jumlah sampel minimum adalah 100. Roscoe (1975) yang dikutip Uma Sekaran (2006) memberikan acuan umum untuk menentukan ukuran sampel : 1. Ukuran sampel lebih dari 30 dan kurang dari 500 adalah tepat untuk kebanyakan penelitian 2. Jika sampel dipecah ke dalam subsampel (pria/wanita, junior/senior, dan sebagainya), ukuran sampel minimum 30 untuk tiap kategori adalah tepat 3. Dalam penelitian mutivariate (termasuk analisis regresi berganda), ukuran sampel sebaiknya 10x lebih besar dari jumlah variabel dalam penelitian 4. Untuk penelitian eksperimental sederhana dengan kontrol eskperimen yang ketat, penelitian yang sukses adalah mungkin dengan ukuran sampel kecil antara 10 sampai dengan 20 Besaran atau ukuran sampel ini sampel sangat tergantung dari besaran tingkat ketelitian atau kesalahan yang diinginkan peneliti. Namun, dalam hal tingkat kesalahan, pada penelitian sosial maksimal tingkat kesalahannya adalah 5% (0,05). Makin besar tingkat kesalahan maka makin kecil jumlah sampel. Namun yang perlu diperhatikan adalah semakin besar jumlah sampel (semakin mendekati populasi) maka semakin kecil peluang kesalahan generalisasi dan sebaliknya, semakin kecil jumlah sampel (menjauhi jumlah populasi) maka semakin besar peluang kesalahan generalisasi.

 ANDASAN TEORI Salah satu unsur terpenting dalam penelitian yang memiliki peran sangat besar dalam pelaksanaan penelitian adalah teori. Karena teori dengan unsur ilmiah inilah yang akan mencoba menerangkan fenomenafenomena sosial yang menjadi pusat perhatian peneliti ( Masri Singarimbun & Sofyan Efendi, 1989:37). Menurut Kerlinger (1973:9), teori adalah serangkaian

asumsi, konsep, konstrak, definisi dan proposisi untuk menerangkan fenomena sosial secara sistematis dengan cara merumuskan hubungan antar variabel. Berdasar pengertian tersebut, definisi teori mengandung tiga hal. Pertama, teori adalah serangkaian proposisi antar konsep-konsep yang saling berhubungan. Kedua, teori merangkan secara sistematis atau fenomena sosial dengan sosial dengan cara menentukan hubungan antar konsep. Ketiga, teori menerangkan fenomena-fenomena tertentu dengan cara menentukan konsep mana yang berhubungan dengan konsep lainnya dan bagaimana bentuk hubungannya. Dalam menyusun kerangka teori menurut Prof. Noeng Muhadjir, dalam makalahnya yang berjudul ” Proses Mengkonstruksi Teori dan Hipotesis”, bagian teori harus menampilkan bagian yang bulat yang disajikan secara holistik, tetapi juga bukan sekedar penyajian konsep yang terpilah dan terpecah-pecah, sehingga konsep tersebut akan lebih menarik untuk dikaji. Tata fikir yang ditawarkan dalam penyusunan kerangka teori menggunakan logika reflektif, yaitu logika yang mondar-mandir antara proses berfikir induktif dan proses berfikir deduktif, dan tidak dipermasalahkan dari mana harus dimulai. Alat berfikir bukan hanya sekedar mendasarkan pada generalisasi dari rerata keberagaman individul dan rerata frekuensi kejadian, tetapi juga konteks, esensi, indikasi pragmatik, fungsional, atau yang lainnya. Oleh karena itu suatu teori tampil sebagai abstraksi, simplifikasi atau idealitas dari fenomena, mungkin merupakan eksplanasi dan mungkin pula merupakan penafsiran atas empiri. Pada dasarnya teori mengandung beberapa hal antara lain: asumsi, postulat, tesis, hipotesis, proposisi dan sejumlah konsep. Dalam teori juga terdapat idealisasi tentang tata hidup kemasyarakatan atau tata hidup alam semesta. Validasi suatu teori diuji atas kemampuannya memberikan evidensi empirik. A. FUNGSI TEORI  8. Sesuai dengan definisi Kerlinger (1973), bahwa teori adalah seperangkat konstruk (konsep), definisi, dan proporsi [1]yang menyajikan gejala-gejala sistematis, merinci hubungan antar variable-variabel, dengan tujuan meramalkan dan menerangkan gejala tersebut, maka teori memiliki fungsi antara lain: 1. Menyediakan kerangka konsepsi penelitian, dan memberikan pertimbangan perlunya penyelidikan 2. Melalui teori kita dapat membuat pertanyaan yang terinci untuk penyidikan. 3. Menunjukkan hubungan antar variable yang diteliti. 4. Kajian pustaka meliputi pengidentifikasian secara sistematis, penemuan, dan analisis dokumen-dokumen yang memuat informasi yang berkaitan dengan masalah penelitian. Ada beberapa hal yang perlu diperhatikan oleh peneliti dalam menyusun kerangka/ landasan teori, antara lain: 1. Kerangka teori sebaiknya menggunakan acuan yang berhubungan dengan permasalahan yang diteliti dan acuan-acuan yang berupa hasil penelitian terdahulu (bisa disajikan di Bab II atau dibuat sub-bab tersendiri). 2. Cara penulisan dari subbab ke subbab yang lain harus tetap mempunyai keterkaitan yang jelas dengan memperhatikan aturan penulisan pustaka. 3. Untuk memperoleh hasil penelitian yang baik, studi pustaka harus memenuhi prinsip kemutakhiran dan keterkaitannya dengan permasalahan yang ada. Apabila menggunakan literatur dengan beberapa edisi, maka yang digunakan adalah buku dengan edisi terbaru, jika referensi tidak terbit lagi, referensi tersebut adalah terbitan terakhir. Dan bagi yang menggunakan Jurnal sebagai referensi pembatasan tahun terbitan tidak berlaku 4. Semakin banyak

sumber bacaan, maka kualitas penelitian yang akan dilakukan semakin baik, terutama sumber bacaan yang terdiri dari teks book atau sumber lain misalnya jurnal, artikel dari majalah, Koran, internet dan lain-lain 5. Pedoman kerangka teori di atas berlaku untuk semua jenis penelitian 6. Teori bukan merupakan pendapat pribadi (kecuali pendapat tersebut sudah ditulis di BUKU) 7. Pada akhir kerangka teori bagi penelitian korelasional disajikan model teori, model konsep (apabila diperlukan) dan model hipotesis pada subbab tersendiri, sedangkan penelitian studi kasus cukup menyusun Model teori dan beri keterangan. Model teori dimaksud merupakan kerangka pemikiran penulis dalam penelitian yang sedang  9. dilakukan. Kerangka itu dapat berupa kerangka dari ahli yang sudah ada, maupun kerangka yang berdasarkan teori-teori pendukung yang ada. Dari kerangka teori yang sudah disajikan dalam sebuah skema, harus dijabarkan jika dianggap perlu memberikan batasan-batasan, maka asumsi-asumsi harus dicantumkan. Contoh: Judul : Hubungan antara Tingkat Kecemasan dengan Perubahan Siklus Menstruasi pada Siswa SMA Masehi Kudus RM : Apakah ada hubungan antara tingkat kecemasan dengan perubahan siklus menstruasi pada siswa SMA Masehi kudus ? Ha : Ada Hubungan antara tingkat kecemasan perubahan siklus menstruasi pada siswa SMA Masehi Kudus Bagaimana cara membangun atau membuat konstruksi landasan teori? 1. Kita harus memahami variabel-variabel dalam penelitian. 2. Kita harus mampu menjabarkan variabelvariabel tersebut dalam bentuk konsep yang mendukung terhadap rumusan masalah yang disusun 3. Kita harus mampu menjabarkan variabel-variabel tersebut dalam konsep yang sesuai dengan Hipotesa penelitian. Misal : Variabel penelitian terdiri dari variabel Tingkat kecemasan (X) dan perubahan siklus menstruasi (Y) Jadi kontruksi Landasan teori dalam penelitian tersebut, sebagai berikut: Tingkat Kecemasan : 1. Pengertian kecemasan 2. Faktor-faktor yang mempengaruhi kecemasan 3. Kualifikasi kecemasan dll yang berkaitan dengan kecemasan Perubahan Siklus Menstruasi : 1. Pengertian siklus menstruasi  10. 2. Macam-macam perubahan siklus menstruasi 3. Faktor penyabab terjadinya perubahan siklus menstruasi dll yang berkaitan dengan perubahan siklus menstruasi SAMPLE DAN POPULASI Populasi adalah wilayah generalisasi berupa subjek atau objek yang diteliti untuk dipelajari dan diambil kesimpulan. Sedangkan sampel adalah sebagian dari populasi yang diteliti. Dengan kata lain, sampel merupakan sebagian atau bertindak sebagai perwakilan dari populasi sehingga hasil penelitian yang berhasil diperoleh dari sampel dapat digeneralisasikan pada populasi. Penarikan sampel diperlukan jika populasi yang diambil sangat besar, dan peneliti memiliki keterbatasan untuk menjangkau seluruh populasi maka peneliti perlu mendefinisikan populasi target dan populasi terjangkau baru kemudian menentukan jumlah sampel dan teknik sampling yang digunakan. B. Ukuran Sampel Untuk menentukan sampel dari populasi digunakan perhitungan maupun acuan tabel yang dikembangkan para ahli. Secara umum, untuk penelitian korelasional jumlah sampel minimal untuk memperoleh hasil yang baik adalah 30, sedangkan dalam penelitian eksperimen jumlah sampel minimum 15 dari masing-masing kelompok dan untuk penelitian survey jumlah

sampel minimum adalah 100. Roscoe (1975) yang dikutip Uma Sekaran (2006) memberikan acuan umum untuk menentukan ukuran sampel : 1. Ukuran sampel lebih dari 30 dan kurang dari 500 adalah tepat untuk kebanyakan penelitian 2. Jika sampel dipecah ke dalam subsampel (pria/wanita, junior/senior, dan sebagainya), ukuran sampel minimum 30 untuk tiap kategori adalah tepat 3. Dalam penelitian mutivariate (termasuk analisis regresi berganda), ukuran sampel sebaiknya 10x lebih besar dari jumlah variabel dalam penelitian 4. Untuk penelitian eksperimental sederhana dengan kontrol eskperimen yang ketat, penelitian yang sukses adalah mungkin dengan ukuran sampel kecil antara 10 sampai dengan 20 Besaran atau ukuran sampel ini sampel sangat tergantung dari besaran tingkat ketelitian atau kesalahan yang diinginkan peneliti. Namun, dalam hal tingkat kesalahan, pada penelitian sosial maksimal tingkat kesalahannya adalah 5% (0,05). Makin besar tingkat kesalahan maka makin kecil jumlah sampel.

September 22, 2012 Meneliti 7 Komentar

Beberapa kesalahan analisis data dalam penelitian positivis

Analisis data kuantitatif dalam penelitian positivis yang melibatkan kuesioner terkadang terlihat sepele. Ada buku dan manual yang bisa diikuti, dan yada… semuanya terlihat sempurna. Ada tabel dan angka yang bisa disalin-dan-ditempel dalam laporan atau artikel. Benarkan demikian? Belum tentu. Ada banyak kesalahan yang saya jumpai ketika membaca beragam dokumen ilmiah, baik itu skripsi atau tesis mahasiswa maupun artikel. Berdasar pengalaman yang terbatas ini, saya mengidentifikasi beberapa kesalahan yang sering terjadi dalam analisis data kuantitatif dari kuesioner. Kesalahan juga kadang terkait dengan formulasi pertanyaan dalam kuesioner. Pertama adalah kesalahan dalam memilih tingkat pengukuran (level of measurement): nomimal, ordinal, interval, atau ratio. Dalam SPSS, misalnya, hanya dikenal tiga jenis data: categorical, ordinal, dan scale. yang terakhir digunakan untuk mengakomodasi data interval dan ratio. Contoh data nominal adalah jender. Hanya ada dua(?) kemungkinan: pria dan wanita. Contoh lain adalah golongan darah. Contoh data ordinal adalah jenjang pendidikan; mulai sekolah dasar dampai dengan universitas. Kita bisa mengurutkan data ini; dengan menyimpulkan, misalnya pendidikan si A lebih tinggi dibandingkan dengan pendidikan si A. Contoh data interval adalah suhu (dalam Celcius, bukan dalam Kelvin) atau penghasilan. Kita bisa ‘membandingkan’ nilai internal, misalnya dengan mengatakan penghasilan si A dua kali penghasilan penghasilan si B. Contoh data ratio adalah suhu tetapi dalam derajat Kelvin atau Fahrenheit, di mana nilai 0 (nol) di sana berbeda dengan 0 (nol) dalam sistem Celcius. Dalam sistem Celcius (data interval), kita bisa menyimpulkan bahwa 100 derajat adalah dua kali lebih panas dibandingkan 50 derajat. Tidak demikian halnya dengan 100 dan 50 derajat Kelvin, karena acuan nilai derajat Kelvin atau Fahrenheit tidak dimulai dengan 0 (nol). Apa akibat pemilihan tingkat pengukuran ini? Ini terkait kesalahan kedua, kesalahan dalam memilih teknik statistik deskriptif. Tidak teknik analisis statistik dapat diaplikasikan untuk semua data. Sebagai contoh, kita tidak bisa menghitung rata-rata data nominal dan ordinal seperti contoh di atas. Anda tetap ingin tetap menghitung rata-rata? Untuk data nomimal tidak ada peluang, tetapi untuk data ordinal *kadang* masih ada peluang. Sebagai contoh, untuk jenjang pendidikan, kita bisa mengkonversinya dengan berapa lama dibangku pendidikan (schooling years) — dalam bentuk interval — karena kita tahu lama pendidikan setiap jenjang. Bagaimana jika yang kita buat dalam bentuk ordinal adalah tingkat penghasilan (misal a. <1 juta; b. 1-2 juta; dst)? Kita tidak bisa mengkonversikannya dalam bentuk internal, dan akibatnya kita tidak bisa menghitung rata-rata. Apa solusinya? Dalam kuesioner, tanyakan besar

penghasilan, tetapi biarkan responden yang mengisinya tanpa kita memberikan pilihan. Lebih sulit bagi responden? Mungkin. Lebih tidak pasti? Bisa jadi. Tetapi bukankah dengan data ordinal, responden juga melakukan perkiraan. Ketiga, masih terkait dengan kesalahan kedua, yaitu kesalahan dalam memilih teknik statistik untuk analisis multivariate. Sebagai contoh, kita tidak bisa menggunakan regresi biasa ketika variabel dependennya dalam bentuk nominal (misal untuk kasus adopsi: ya dan tidak yang diwakili oleh angka 0 dan 1). Kadang saya temukan penelitian yang ‘hantam kromo’ dalam menggunakan regresi berganda (multiple regression). Begitu juga halnya untuk analisis korelasi. Analisisi korelasi Pearson, misalnya didesain untuk data interval. Chi kuadrat digunakan untuk data nominal atau ordinal. Bagaimana kalau yang satu interval dan satunya lagi nominal? Komparasi rata-rata dengan uji t mungkin alternatifnya. Keempat, seringkali peneliti tidak menguji reliabilitas dan validitas intrumen penelitian yang digunakan untuk mendapatkan data dari responden. Validitas pengukuran terkait dengan ketepatan alat untuk mengukur yang kita ingin ukur. Sebagai contoh, kilometer adalah alat ukur yang valid untuk menghitung jarak di Jakarta, dan bukan waktu. Pertanyaan yang memberikan jawaban yang valid adalah ‘berapa kilometer jarak antara Monas dan Grogol’ dan bukan ‘berapa jam jarak antara Monas dan Grogol’. Reliabilitas tekait dengan konsitensi hasil pengukuran. Jika kita gunakan penggaris dari besi atau plastik untuk mengukur panjang meja, kita akan menghasilkan panjang yang sama meski kita lakukan berulang kali. Penggaris ini adalah alat ukur yang reliabel. Bagaimana kalau penggarisnya dari bahwa yang lentur seperti karet? Hasil yang berbeda bisa kita dapatkan. Penggaris karet bukan alat ukur yang valid. Contoh lain adalah soal untuk ujian TOEFL. Jika seseorang mengikuti tes TOEFL dua kali dalam sebulan (meski nampaknya tidak boleh), bisa jadi nilai yang didapatkan berbeda. Jika ini kasusnya, kita bisa mengatakan bahwa ujian TOEFL adalah alat ukur kemampuan bahasa Inggris yang valid, tetapi reliabilitasnya bisa didiskusikan. Dalam penelitian positivis, pastikan kita melakukan uji ini, jika dalam instrumen kita mengukur sebuah konstruk yang terdiri dari beberapa item/pertanyaan untuk mengukurnya. Uji reliablitas bisa dilakukan dengan menghitung Cronbach’s alpha untuk setiap konstruk. Namun, sebelumnya lakukan uji validitas; misalnya dengan factor analysis baik itu confirmatory (jika intrument pernah digunakan atau dikembangkan dengan asumsi teoretikal tertentu, dan jumlah kontruk yang diharapkan sudah diketahu) atau explanatory (untuk instrumen baru). Namun tunggu sebentar. Tidak semua kontruk bisa duji relibalitasnya dengan nilai Cronbach’s alpha. Ini kesalahan yang kelima. Cronbach’s alpha hanya diaplikasikan jika konstruk bersifat reflektif dalam item yang digunakan untuk mengukurnya. Contoh

konstruk adalah ‘ease of use‘ dalam Technology Acceptance Model (TAM). Konstruk ‘ease of use‘ dioperasionalkan dengan beberapa item yang menggambarkannya, seperti terkait dengan tiadanya usaha yang keras dan kecilnya pengetahuan yang dibutuhkan. Lain halnya jika konstruk yang diukur adalah ‘status sosial’ yang terdiri dari beragam item, misalnya pendidikan, penghasilan, jabatan, dan lain-lain. Konstruk terakhir bersifat formatif, dan nilai kumulatif semua item membentuk sebuah indeks. Dalam kasus ini, Cronbach’s alpha tidak bisa diaplikasikan. Untuk melakukan uji ini, jika kita menggunakan SPSS, beragam uji harus dilakukan terpisah. Tetapi jika kita gunakan analisis SEM atau PLS, dengan software yang tepat (misalnya SmartPLS), semua analisis, mulai dari uji reliabilitas dan validitas, sampai dengan regresi dapat dilakukan sekaligus. Masih banyak kesalahan lain yang sering saya jumpai. Lima kesalahan di atas, menurut saya sangat mendasar, dan bisa dengan mudah dihindari dengan sedikit peduli dengan ‘filosofi’ di balik setiap konsep dalam statistik yang ada.

Melakukan survei

Survei menggunakan kuesioner sebagai instrumen adalah salah satu metode pengumpulan data paling populer dalam penelitian positivis. Penelitian positivis biasanya melibatkan proposisi formal, variabel yang dapat dikuantifikasi, dan pengujian hipotesis (Orlikowski dan Baroudi, 1991). Metode ini terlihat sederhana, dan karenanya sering disepelekan. Kenyataanya tidak demikian. Berdasar pengalaman sedikit saya dalam membaca dan mereview artikel jurnal atau konferensi, saya menemukan beragam isu yang bisa didiskusikan. Setiap isu ini hanya akan didiskusikan dengan singkat dan disertai dengan ilustrasi praktik. Pertama, penelitian positivis biasanya mengembangkan model penelitian yang menggambarkan hubungan antarvariabel. Penelitian seringkali membangun model dengan memasukkan variabel dari beragam sumber (e.g., teori, model, konsep, dan lain-lain). Masalah yang sering saya temukan adalah lemahnya argumen yang digunakan ketika membangun model. Variabel yang biasanya direpresentasikan dalam bentuk ‘kotak’ dalam model seringkali berasal dari sumber lain yang mempunyai asumsi berbeda-beda ketika dikembangkan. Proses ini menurut saya mirip dengan masalah menggabungkan beragam ‘lensa teorietis’ ke dalam sebuah

penelitian (Okhuysen dan Bonardi, 2011). Ada berbagai pertimbangan yang perlu diperhatikan. Di antaranya adalah kedekatan ‘lensa’ yang akan digunakan, termasuk asumsi dasar yang digunakan ketika ‘lensa’ tersebut dikembangkan . Sebagai contoh, memasukkan variabel yang didasari oleh teori yang mengandaikan bahwa ‘manusia selalu rasional’, dan lainnya yang didasari oleh teori yang mengasumsikan bahwa ‘manusia tidak selalu rasional’, memerlukan argumen yang kuat. Kedua, setiap variabel yang digunakan seharusnya didefinisikan dengan jelas. Definisi ini akan mempengaruhi dalam tahap operasionalisasinya ke dalam itemitem yang mengukurnya. Kadang saya menemukan antara definisi operasional dan item-item yang dikembangkan tidak ‘klop’. Bisa jadi, masalah ini mungkin karena praktik membuat ‘montase’ dari beragam sumber tanpa mempertimbangkan isu pertama di atas. Item-item tersebut dapat bersumber dari konsep atau teori yang ada atau dari proses wawancara atau observasi di lapangan. Dalam konteks ini, pertimbangkan dengan baik tingkat pengukuran setiap (level of measurement) variabel (nominal, ordinal, interval atau rasio) dan jika digunakan, juga poin dalam skala Likert (biasanya ganjil, seperti 5 dan 7). Yang terakhir ini, sesuaikan dengan derajat variasi jawaban yang Anda harapkan. Kesalahan fatal lain yang perlu dihindari adalah, jika penelitian Anda ingin menguji hubungan antarvariable, jangan sekali-kali menanyakan hubungan variabel ini di dalam kuesiober kepada responden. Ukur setiap variabel secara terpisah. Kesalahan dapat menentukan tingkat pengukuran akan mempengaruhi fleksibitas dalam analisis data. Sebagai contoh, regresi ganda tidak bisa digunakan jika variabel dependen diukur secara dikotomis (nominal). Uji korelasi Spearman, misal lain, tidak bisa digunakan untuk data nominal, dan seterusnya. Ketiga, uji instrumen seringkali tidak dilakukan secara memadai. Seharusnya, sebelum kuesioner didistribusikan secara massal harus sudah diuji dengan baik. Pengujian dilakukan untuk mengukur validitas dan reliabilitas instrumen. Instrumen kemudian dapat diperbaiki dengan beragam tindaklanjut: penambahan, penghapusan, dan/atau pengubahan item. Mengapa pengujian ini penting sebelum survei massal? Tidak seperti penelitian interpretif yang memungkinkan kita kembali ke ‘lapangan’ setiap saat untuk menambah data, penelitian positivis adalah proses ‘sekali jalan’. Ketika kuesioner yang disebarkan ‘salah’, maka data yang didapatkan pun menajdi bermasalah. Memang ketika misalnya, ada tambahan item yang ditanyakan, bisa dilakukan penyebaran ulang, tetapi apakah ini dapat menjamin kalau akan didapatkan respon yang sama? Jika distribusi kuesioner dibuat dalam dua atau lebih bahasa, ada baiknya dilakukan uji potensi bias dari respons yang didapat.

Keempat, jika populasi responden diketahui dengan daftar yang jelas, maka Anda patut bersyukur. Namun di lapangan, seringkali tidak demikian halnya. Ini terkait dengan penelitian sampel dan metode sampling. Apapun metode sampling yang dipilih, pastikan Anda mempunyai argumen mengapa metode ini dianggap tepat untuk penelitian Anda. Jumlah sampel yang didapat seringkali juga tidak sebanyak yang diharapkan karena response rate yang rendah. Untuk ini, metode analisis statistik juga perlu dipilih dengan tepat. Kelima, di lapangan seringkali dibutuhkan strategi untuk memperbaiki response rate. Beragam strategi dapat digunakan, termasuk dengan surat, sebar-dankumpul, wawancara langsung, wawancara telpon, atau online. Pilihan strategi biasanya tergantung dengan responden yang disasar dan sebarannya. Sebagai penutup, rumus sederhana untuk setiap isu di atas adalah: untuk setiap pilihan yang dibuat, berikan argumen yang kuat. Dengan pemikiran demikian, kesalahan atau stres ketika melakukan penelitian dapat diminimalkan.

Kontribusi teoretis Apa kontribusi teoretis penelitian ini? Pertanyaan ini adalah salah satu favorit, tetapi sekaligus yang paling ‘mematikan’, bagi saya ketika melakukan penelitian. Setiap penelitian atau artikel publikasi yang ditulis seharusnya menyiapkan jawaban atas pertanyaan ini. Secara lugas, Mintzberg (2005:361) menyatakan, “If there is no generalizing beyond the data, no theory. No theory, no insight. And if no insight, why do research?”. Nah lho, benar-benar ‘mematikan’ kan? Tentu saja, perlu dicatat di depan, tidak semua disiplin mempunyai tradisi seperti ini. Selain itu, perlu juga dicermati konsep generalisasi dalam beragam tradisi penelitian, seperti antara positivis dan interpretif, yang mempunyai pendekatan berbeda. Merumuskan kontribusi teoretis bukan perkara mudah. Tidak ada satu pun definisi yang disepakati bersama (Corley & Gioia, 2011). Beragam konseptualisasi kontribusi teoretis bisa kita temukan dalam literatur. Namun sebelum mendiskusikan lebih lanjut, ada baiknya kita rujuk kembali apa itu teori? Ada banyak definisi, salah satunya yang sederhana adalah “theory is a statement of concepts and their interrelationships that shows how and/or why a phenomenon

occurs” (Corley & Gioia, 2011:12). Menurut Whetten (1989), teori mempunyai empat komponen yang saling terkait. Secara ringkas, teori harus menjawab tiga pertanyaan pokok: apa (what), bagaimana (how), mengapa (why), dan pertanyaan pendukung: siapa (who), kapan (when), dan di mana (where). Tidak semua teori mempunyai proposisi (Whetten, 1989). Maaf, sebelum melanjutkan, teori jangan dimaknai secara peyoratif seperti yang dipahami banyak orang awam: teori dianggap tidak bermanfaatn dan hanya omong kosong. Teori dapat dikelompokkan ke dalam beragam kelompok dengan pendekatan yang berbeda. Berdasar ‘fungsinya’ teori dapat dikelompok ke dalam teori untuk (a) menganalisis, (b) menjelaskan, (c) memprediksi, (d) menjelaskan dan memprediksi, dan (e) desain dan aksi (Gregor, 2006). Ulasan singkat kategorisasi ini dapat dilirik di sini. Teori juga dapat dikelompokkan berdasar cakupan fenomena yang dapat dijelaskan. Kita bisa temukan macrolevel theories seperti new institutional theory, resource dependence theory, contingency theory, agency theory, dan transaction cost theory; meso theories seperti social capital, organizational identity, dan organizational learning; dan microlevel theories seperti equity theory, procedural justice theory, dan prospect theory (Corley & Gioia, 2011). Kembali ke kontribusi teoretis. Jangan disalahpahami bahwa kontribusi teoretis tidak berhubungan dengan kemanfaatan teori dalam praktik. Dalam konteks, Corley dan Gioia (2011) menawarkan framework untuk memahami kontribusi teoretis. Ada dua dimensi yang dapat dilihat: orisinalitas (originality) dan kemanfaatan (utility). Orisinalitas bisa bersifat revelatory (alias menghadirkan pengetahuan yang sebelumnya menjadi misteri) atau incremental (bertahap; tambahan tilikan baru). Kemanfaatan bisa bersifat ilmiah (scientific) dan praktis (practical). Jika kita dapat menghadirkan teori baru, akan sangat jelas kontribusi kita. Namun, menghasilkan teori baru bukan hal mudah. Lagi pula, tidak semua penelitian yang kita lakukan ditujukan untuk mendapatkan hadiah Nobel. Dalam bahasanya Corley dan Gioia (2011), kontribusi seperti terkait dengan tingkat orisinalisitas yang revelatory. Namun, orisinalistas dapat maujud dalam tingkatan yang lebih rendah yang bersifat bertahap. Terdapat beragam konseptualisasi kontribusi teoritis di literatur. Ridder et al. (2009) menyebut perbaikan konstruk dan hubungan antarkonstruk, pengembangan dan konfirmasi proposisi, dan penggabungan konstruk baru dalam hubungan antarkontsruk yang sudah ada. Termasuk dalam perbaikan konstruk, menurut saya, adalah konseptualisasi konstruk yang lebih baik. Lebih baik di sini, bisa berarti lebih detil dan lebih jelas alias menghilangkan ambiguitas. Hal ini terkait dengan kemanfaatan teoretis yang memungkinkan konsep atau konstruk dioperasionalisasikan dan diuji dalam penelitian. Kemanfaatan praktis, di sisi lain,

menghadirkan teori yang langsung dapat diaplikasikan dalam praktik. Konstribusi seperti ini seperti menghadirkan resep untuk sebuah tindakan. Singkatkan, kontribusi teoretis harus membantu kita memahami fenomena yang diteliti dan/atau dapat membantu kita dalam memperbaiki praktik. Ada yang tidak setuju? J Referensi Mintzberg, H. 2005. Developing theory about the development of theory, dalam K. G. Smith & M. A. Hitt (ed.), Great Minds in Management: The Process of Theory Development. Oxford: Oxford University Press, pp. 355-372. Corley, K. G., & Gioia, D. A. (2011). Building theory about theory building: what constitutes a theoretical contribution?. Academy of Management Review, 36(1), 12-32. Ridder, H-G., Hoon, C., & McCandless, A. (2009). The theoretical contribution of case study research to the field of strategy and management, dalam D. D. Bergh & D. J. Ketchen (ed.) Research Methodology in Strategy and Management, Vol. 5, Emerald Group Publishing Limited, pp. 137-175. Whetten, D. A. (1989). What constitutes a theoretical contribution?. Academy of Management Review, 14(4), 490-495. Gregor, S. (2006). The nature of theory in information systems. MIS Quarterly, 30(3), 611-642. Yogyakarta, 30 Maret 2013 Tentang iklan-iklan ini

Share this: 

Twitter



Facebook



Terkait Memahami peran teori dalam penelitiandalam "Meneliti" Menulis penelitian kualitatifDengan 34 komentar

Sepuluh jurus menulis artikel ilmiah yang membosankan (bagian 1)dalam "Menulis"