Uji Validitas dan Reliabilitas, Mengapa Jarang Digunakan Dalam Survey ?

Dalam blog sebelumnya telah dijelaskan mengenai uji validitas dan reliabilitas data beserta teknis atau rumus perhitungannya. Namun ternyata dalam aplikasi survey, uji validitas dan reliabilitas jarang sekali digunakan. Data yang diperoleh cenderung langsung dimanfaatkan untuk keperluan analisa. Ada beberapa hal yang menyebabkan uji tersebut jarang dan bahkan tidak pernah dilakukan, antara lain:

1. Perhitungan uji validitas dan reliabilitas dilakukan setelah data terkumpul, sehingga apabila ada kesalahan (tidak valid dan tidak reliabel) maka perbaikan sulit dilakukan. Membutuhkan waktu, biaya dan tenaga yang lebih banyak untuk perbaikan.
2. Uji validitas dan reliabilitas dapat dilakukan dipertengahan survey, namun dapat menimbulkan masalah apabila hasil dipertengahan dan diakhir ternyata tetap tidak valid dan tidak reliabel.
3. Selain itu apabila dilakukan dipertengahan survey dapat mengubah metodologi survey yang dilakukan.
4. Secara keseluruhan, sulit dilakukan karena harus disesuaikan dengan metodologi survey.
5. Uji validitas dan reliabilitas dapat dilakukan dengan improvisasi dalam proses survey tersebut. Artinya uji tersebut dilakukan dengan cara lain, misal dalam proses interviewer dan proses pengolahan data (entry data dan cleaning data).

Hal ini menunjukkan bahwa validitas dan reliabilitas data tetap perlu dalam suatu survey, namun tentunya dengan berbagai perubahan dan improvisasi yang disesuaikan dengan metodologi survey tersebut. (krisnafr)

Confidence Level

Confidence level disebut juga confidence coefficient, merupakan nilai peluang (1-alpha) dari confidence interval, nilainya berupa persentase yang menunjukkan jumlah sample yang terletak dalam confidence interval. Misal alpha = 0.05 = 5% maka confidence levelnya adalah 1 – 0.05 = 95 %, atau sering dikatakan confidence level 95 %, artinya kita yakin bahwa 95% penduga sample berada dalam selang interval untuk parameter populasi.

Confidence level dapat juga digunakan untuk mengukur reliability hasil yang diperoleh. Nilai yang biasa digunakan confidence level 90%, confidence level 95%, confidence level 99%, dan lain-lain, namun yang sering digunakan confidence level 95%.

Confidence Limits

Confidence limits merupakan batas atas (upper bound) dan batas bawah (lower bound) dari confidence interval. Batas atas confidence interval diperoleh dari penduga titik (point estimate of population parameter) ditambah margin error, sedangkan batas bawah confidence interval diperoleh dari penduga titik dikurangi margin error.

Upper bound = point estimate of population parameter + margin error
Lower bound = point estimate of population parameter - margin error

Confidence interval yang menggunakan batas atas dan batas bawah dalam pendugaannya disebut sebagai two sided confidence interval. Sedangkan yang hanya menggunakan satu confidence limits, baik hanya menggunakan batas atas maupun batas bawah saja, disebut one sided confidence interval. Pemilihan one sided dan two sided ini bergantung pada masalah dan kasus yang dihadapi.

Confidence Interval

Confidence interval merupakan interval atau range nilai penduga (estimated value) dari populasi, nilai ini diperoleh dari sample yang dikumpulkan dari populasi tertentu. Confidence interval dapat diartikan pula sebagai penduga interval, apabila diinterpretasikan confidence interval berarti berapa persen (yang kita kehendaki) sample dari populasi yang berada dalam interval atau range parameter populasi.

Sebagai contoh: kita mengukur mean (rata-rata) tinggi badan siswa SMU sekolah X, sample yang kita ambil sebanyak 100 siswa. Agar hasilnya valid dan reliable (baca: validitas, reliabilitas, validitas dan reliabilitas) kita lakukan perhitungan tersebut berulang-ulang, katakanlah 50 kali pengambilan sample, dengan sample 100 siswa yang berbeda-beda. Setelah kita hitung mean tinggi badan siswa, maka hasilnya akan bermacam-macam, misalnya 164.5; 165 cm; 167.5 cm; 163 cm; 166 cm; 165,25 cm, dan seterusnya hingga kita memperoleh 50 mean. Dari contoh ini kita akan kesulitan mengukur keakuratannya apabila menggunakan hanya menggunakan satu mean saja, meskipun mungkin salah satu dari 50 mean tersebut merupakan mean tinggi badan siswa SMU yang sebenarnya. Untuk itu dibutuhkan confidence interval, dengan menggunakan confidence interval dari mean, kita dapat mengetahui keakuratan penduga sampel tersebut dalam menduga parameter populasi.

Salah satu untuk melihat keakuratan interval pendugaan kita adalah dengan melihat confidence levelnya. Seperti yang disebutkan di atas bahwa keakuratan dapat dilihat dari confidence levelnya, semakin tinggi confidence level yang kita gunakan maka semakin akurat pendugaan yang dilakukan artinya apabila researcher menggunakan 100 % confidence level berarti seluruh nilai statistic (penduga) dalam pengambilan sample berada dalam nilai penduga parameter populasi atau statistic (penduga) yang diduga dari sample merupakan statistic pula bagi parameter populasi. Hal ini menunjukkan bahwa kita tidak mentolerir kesalahan dalam pendugaan populasi. Namun karena pertimbangan ekonomis, waktu, tenaga, dan teknis yang sulit dilakukan maka 100 % confidence level jarang bahkan tidak pernah digunakan.

Confidence interval menggunakan persentase, maka yang digunakan antara 1 – 100 %. Confidence interval sering menggunakan confidence level (tingkat kepercayaan) 95% tapi dapat juga menggunakan 90%, 99% dan 99,9 % atau berapapun confidence level untuk populasi yang tidak diketahui.

Confidence interval dapat dihitung dengan rumus sederhana sebagai berikut:
Confidence level = Point estimate of population parameter +/- (confidence factor)(measure variability)(adjusting factor)
atau
Confidence level = Point estimate of population parameter +/- margin error

Konsep Statistika

Ada dua konsep dalam statistika. Pertama, konsep sebagian untuk keseluruhan, konsep ini menjelaskan bahwa dengan statistika researcher tidak perlu meneliti semua obyek (populasi) dalam proses pengambilan keputusan , namun hanya perlu meneliti sebagian obyek saja (sample) yang mewakili keseluruhan obyek tersebut . Konsep ini dikenal dengan sampling method. Seperti yang telah dijelaskan sebelumnya (baca: Sample) bahwa dalam konsep ini terdapat hal yang perlu diperhatikan yaitu perbedaan informasi antara populasi dan sample dapat menyebabkan bias dalam informasi. Semakin besar perbedaan maka bias semakin besar dan begitu pula sebaliknya perbedaan yang kecil maka bias juga kecil. Dengan bias yang kecil menunjukkan bahwa kecil perbedaan antara informasi dalam populasi dan sample, sehingga informasi tersebut dapat kita gunakan untuk keseluruhan obyek atau populasi.

Kedua, konsep deskriptif dan inferensial, atau yang lebih dikenal dengan statistika deskriptif dan statistika inferensial. Menurut Wallpole, 1995, statistika deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian data sehingga memberikan informasi yang berguna. Statistika deskriptif berfungsi meringkas informasi untuk membantu pengambilan keputusan dan meringkas data mentah sehingga didapatkan pola sebaran data dan menyajikan informasi di dalam data, selain itu untuk mendapatkan gambaran tentang bentuk sebaran data yang merupakan dasar pemilihan metode analisa yang tepat .

Statistika inferensial mencakup semua metode yang berhubungan dengan analisis sebagian data untuk kemudian sampai pada peramalan atau penarikan kesimpulan mengenai data, selain itu berfungsi untuk menangani pendugaan parameter, pengujian hipotesis, pembuatan keputusan, penarikan kesimpulan dan peramalan mengenai populasi berdasarkan contoh (generalisasi). Statistika inferensial selalu mempunyai sifat yang tidak pasti, karena mendasarkan pada informasi parsial yang diperoleh dari sebagian data.

Dari penjelasan di atas, seakan-akan terdapat pebedaan antara statistika desktiptif dan statistika inferensial. Statistika deskriptif hanya memberikan informasi mengenai data dan sama sekali tidak dapat digunakan untuk mengambil keputusan, sedangkan untuk mengambil keputusan harus menggunakan statistika inferensial. Padahal secara aplikasi hal tersebut tidak benar, karena konsep statistika inferensial didasarkan pada statistika deskriptif dan meskipun hanya dengan statistika deskriptif, researcher sudah dapat mengambil keputusan dari data yang diperoleh. Keuntungan dari statistika deskriptif adalah konsep ini mudah diaplikasikan dan sederhana dalam proses datanya. Namun secara teoretis apabila ingin menarik kesimpulan dari data dengan hasil yang lebih baik, harus tetap menggunakan konsep statistika inferensial .


Source:
Lawrence s. Aft, Industrial Quality Control, St. Lucie Press
Ronald E. Walpole, Pengantar Statistika, Gramedia

Teknik Sampling

Teknik sampling merupakan teknik pengambilan sample, teknik ini diperlukan agar sample dapat merepresentasikan atau mewakili populasi, sehingga memperkecil bias (perbedaan) yang diperoleh sample yang diambil dari populasi.

Secara garis besar ada dua teknik sampling, yaitu probability sampling dan nonprobability sampling. Probability sampling adalah sampling dimana obyek dari populasi memiliki peluang yang sama untuk terpilih menjadi anggota sample, sedangkan nonprobability sampling adalah sampling dimana obyek dari populasi memiliki peluang yang tidak sama untuk terpilih menjadi anggota sample, hal ini karena subyektivitas dari peneliti dengan alasan tertentu.

Probability sampling meliputi:
1. Simple random sampling, teknik ini mengambil sample secara acak tanpa memperhatikan strata atau pembagian dalam populasi tersebut.
2. Stratified random sampling, teknik ini dilakukan dengan cara membagi populasi menjadi beberapa bagian atau elemen (nonoverlapping groups), yang disebut strata, dan kemudian sample diperoleh dari beberapa strata (stratum) tersebut dengan teknik simple random sampling.
3. Cluster random sampling, teknik ini mengambil sample dari cluster atau elemen yang telah tersedia. Hampir sama seperti stratified random sampling hanya saja dalam teknik ini cluster atau elemennya sudah ada, sedangkan pada stratified random sampling, elemennya harus ditentukan dahulu. Oleh karena itu, dibanding dua teknik sebelumnya, teknik ini lebih murah karena cluster atau elemenya sudah tersedia.

Nonprobability sampling meliputi:
1. Systematic sampling, teknik pengambilan sample berdasarkan urutan tertentu secara sistematis dari populasi dengan pengambilan urutan pertama secara acak. Teknik ini mudah dilakukan daripada simpel random sample dan stratified random sample, terutama apabila kerangka sample (sample frame) tidak dapat diketahui.
2. Quota sampling, teknik untuk menentukan sample dari populasi yang mempunyai ciri-ciri tertentu samapi jumlah (kuota) yang diinginkan.
3. Purposive sampling, teknik penentuan sample berdasarkan tujuan atau pertimbangan tertentu, misal akan melakukan penelitian tentang kualitas makanan, maka sample data adalah orang yang ahli makanan. Teknik sample ini lebih cocok digunakan untuk penelitian kualitatif, atau penelitian yang tidak melakukan generalisasi.
4. Snowball sampling, teknik penentuan sample yang mula-mula jumlahnya kecil, kemudian membesar. Ibarat bola salju yang menggelinding lama-lama menjadi besar. Teknik ini lebih cocok digunakan untuk penelitian kualitatif.

Source:
Scheaffer, Mendenhall, Ott, Elementary Survey Sampling, PWS Kent
Sugiyono, Metode Penelitian Bisnis, Alfabeta

Angka Indeks

Angka indeks merupakan suatu angka yang dibuat sedemikian rupa sehingga dapat dipergunakan untuk melakukan perbandingan antara kegiatan yang sama dalam dua waktu yang berbeda. Angka indeks digunakan untuk menghitung nilai variabel relative terhadap variabel yang menjadi periode pada waktu dasar. Dengan indeks dapat diketahui maju mundurnya atau naik turunnya suatu usaha atau kegiatan. Jadi tujuannya adalah untuk mengukur secara kuantitatif terjadinya perubahan dalam dua waktu yang berlainan.

Dalam membuat angka indeks diperlukan dua macam waktu yang berbeda, yaitu waktu dasar (base period) dan waktu bersangkutan atau yang sedang berjalan (current period). Waktu dasar adalah waktu di mana suatu kegiatan (kejadian) dipergunakan sebagai dasar perbandingan, sedangkan waktu yang bersangkutan adalah waktu di mana suatu kegiatan (kejadian) dipergunakan sebagai perbandingan terhadap kegiatan (kejadian) pada waktu dasar.

Macam-macam Indeks
1. Indeks (sesuatu*) relative sederhana.
adalah indeks yang terdiri dari satu macam barang saja.
(*. sesuatu adalah hal atau masalah yang menjadi pokok pembicaraan yang akan diketahui indeksnya, misal: masalah produksi => indeks produksi, masalah konsumsi => indeks konsumsi, masalah harga => indeks harga, dan lain-lain)

di mana :
It,0 = indeks pada waktu t dengan waktu dasar 0
pt = (sesuatu) pada waktu t
p0 = (sesuatu) pada waktu 0
Untuk mendapatkan indeks (sesuatu) bertambah atau berkurang maka :

di mana :
selisih antara dan It dan I0
It,0 = indeks pada waktu t dengan waktu dasar 0

2. Indeks agregatif tidak tertimbang
Indeks agregatif adalah indeks yang terdiri dari beberapa barang. Indeks ini digunakan untuk unit-unit yang mempunyai satuan yang sama. Indeks ini diperoleh dengan jalan memmbagi hasil penjumlahan (sesuatu) pada waktu yang bersangkutan dengan hasil penjumlahan (sesuatu) pada waktu dasar.

di mana :
It,0 = indeks pada waktu t dengan waktu dasar 0
pt = (sesuatu) pada waktu t
p0 = (sesuatu) pada waktu 0
Rumus ini dapat digunakan untuk menghitung indeks sesuatu agregatif asalkan barang-barang mempunyai satuan yang sama. Untuk mengetahui indeks tersebut meningkat atau menurun dapat dihitung dengan formula yang sama seperti pada Indeks Relatif Sederhana

3. Indeks agregatif tertimbang
Indeks yang dalam pembuatannya telah dipertimbangkan faktor-faktor yang akan mempengaruhi naik turunnya angka indeks. Timbangan yang akan digunakan untuk pembuatan indeks, antara lain:
a. Kepentingan relative (relative importance)
b. Hal-hal yang ada hubungannya dan ada pengaruhnya terhadap naik turunnya indeks tersebut. Misal untuk indeks biaya hidup, persentase pengeluaran setiap barang dipergunakan sebagai timbangan (percentage weight).
Kelemahan indeks agregarif tertimbang adalah:
a. Satuan atau unit barang sangat mempengaruhi indeks.
b. Tidak memperhitungkan kepentingan relatif (relative importance) barang-barang yang tercakup dalam pembuatan indeks.

Rumus indeks tertimbang
a. Rumus Laspeyres, menggunakan (sesuatu) pada waktu dasar. Kelebihan dari rumus ini adalah timbangan yang tidak berubah-ubah, namun kelemahan dari rumus ini adalah secara teoretis kurang baik, karena hanya berdasarkan pada waktu dasar saja.

di mana :
It,0 = indeks pada waktu t dengan waktu dasar 0
pt = (sesuatu) pada waktu t
p0 = (sesuatu) pada waktu 0
q0 = (sesuatu) pada waktu 0, sebagai timbangan
Untuk mengetahui peningkatan indeks, perhitungan dapat dilakukan dengan formula yang sama seperti pada Indeks Relatif Sederhana
b. Rumus Paasche, menggunakan (sesuatu) pada waktu t (waktu yang bersangkutan). Kelebihannya adalah baik dari segi teoretis namun dari segi praktis susah sekali diterapkan.

di mana :
It,0 = indeks pada waktu t dengan waktu dasar 0
pt = (sesuatu) pada waktu t
p0 = (sesuatu) pada waktu 0
qt = (sesuatu) pada waktu t, sebagai timbangan
Untuk mengetahui peningkatan indeks, perhitungan dapat dilakukan dengan formula yang sama seperti pada Indeks Relatif Sederhana

4. Angka Indeks Berantai
Indeks ini berguna apabila angka dasar atau waktu berubah-ubah mengikuti waktu sebelumnya. Untuk itu dalam pembuatan indeks berantai ini, harus ditentukan dahulu berapa satuan waktu sebelumnya yang akan digunakan sebagai waktu dasar.

di mana :
qt = (sesuatu) pada waktu t
qt-1 = (sesuatu) pada waktu t-1
Keuntungan menggunakan angka indeks berantai:
a. Memungkinkan kita untuk memasukkan faktor-faktor baru yang diperlukan sebagai bobot.
b. Indeks berantai dapat diturunkan menjadi indeks dengan waktu dasar yang tetap.

Tujuan utama pembuatan angka indeks adalah untuk melakukan perbandingan mengenai suatu kegiatan pada dua waktu yang berbeda (kegiatan produksi, penjualan, konsumsi, perkembangan harga dan lain sebagainya). Di dalam pembuatan angka indeks pada suatu waktu tertentu (minggu tertentu, bulan tertentu, triwulan tertentu, tahun tertentu), harus ditentukan terlebih dahulu waktu dasar (base period) yaitu waktu di mana suatu kegiatan akan dipergunakan sebagai dasar perbandingan.

Ketentuan memilih waktu dasar:
1. Waktu yang dipilih harus menunjukkan keadaan perekonomian yang stabil.
2. Waktu jangan terlalu jauh di belakang.
3. Memperhatikan waktu-waktu khusus, misal terjadi peristiwa penting, hal ini berguna untuk keperluan pembobotan.

Pengujian Angka Indeks
Kebaikan atau kesempurnaan angka indeks biasanya dilihat dari kenyataan apakah indeks yang bersangkutan memenuhi kriteria pengujian (test criteria). Kriteria pengujian yang digunakan adalah time reversal test dan factor reversal test.
1. Time reversal test
Suatu indeks dikatakan memenuhi time reversal test, apabila memenuhi persamaan berikut:
(indeks belum dinyatakan dalam persentase)

di mana :
indeks waktu t dengan waktu dasar 0
indeks waktu 0 dengan waktu dasar t
2. Factor reversal test
Pengujian ini dilakukan dengan cara mencari dulu factor penyusun indeks tersebut. Misal: ada indeks harga, indeks kuantitas, dan indeks nilai. Nilai (v) diperoleh dari perkalian antara harga (p) dan kuantitas (q). Suatu indeks dikatakan memenuhi factor reversal test apabila memenuhi persamaan berikut:

(Indeks harga x indeks kuantitas = indeks nilai)


Source: J. Supranto, Statistik: teori dan aplikasi, Erlangga.