Mini Software Statistik

Salam

Jika sebelumnya saya menggunakan tiga mini software berbeda untuk

1. Menghitung T,R, dan F Table

2. Menghitung Mean dan SD Hipotetik

3. Membuat Kategorisasi dengan 5 kelas (ST, T, S, R, SR)

Sekarang, saya merapikan kembali mini software tersebut, dan menjadikannya dalam satu file.

So, link-link yang merujuk pada file-file sebelumnya akan expire, dan dialihkan ke file terbaru ini.

Silakan Download di sini

Memahami Pengukuran dalam Psikologi

Salam.

Saya membaca sebuah buku tentang metode riset psikologi, yang sangat mudah untuk dipahami. berikut hasil rangkuman/simpulan dan terjemahan bebas saya terkait pembahasan psychological measurement.

artikel bisa di download (PDF)

***

Secara umum, variabel dalam penelitian psikologi terdiri dari dua jenis, yaitu jenis aktual/konkret dan construct, atau juga biasa disebut hypothetical construct. Variabel-variabel dalam psikologi, umumnya berjenis construct.

Construct yang bersifat ‘abstrak’ tersebut kemudian didefinisikan secara umum, sehingga melahirkan definisi konseptual. Definisi konseptual merupakan sebuah definisi yang kita gunakan untuk memahami variabel/construct tersebut.

Definisi konseptual kemudian harus kita ‘jadikan konkret’, sehingga membentuk definisi operasional. Definisi operasional merupakan sebuah definisi yang kita gunakan untuk menjalani pengukuran variabel tersebut. Definisi operasional melahirkan aspek-aspek yang menyusun sebuah variabel/construct.

Sehingga, setelah memahami definisi konseptual, diasumsikan bahwa kita sudah bisa menyusun alat ukur. Item-item dalam instrumen/alat ukur tersebut, harus diusahakan berupa item yang observable dan konkret, bukan item yang multitafsir dan asumtif. Item yang menggambarkan sebuah aspek, disebut indikator. 

Pengukuran yang bisa dilakukan ada tiga jenis, yaitu self report, behavior, dan fisiologis.

Beberapa ahli terkadang menggunakan ketiga jenis pengukuran tersebut, untuk satu construct yang sama, yang disebut converging operations.

***
Source: Price, Paul. 2013. Research Methods in Psychology: Core Concepts and Skills. California State University.

Panduan Proposal Penelitian Kuantitatif Psikologi

Salam.

Seperti biasa, saya merangkum pertanyaan-pertanyaan menjadi sebuah tulisan, agar pertanyaan tersebut bisa bermanfaat bagi yang lainnya yang membutuhkan.

Dalam kesempatan ini, saya hanya mengumpulkan catatan-catatan saya tentang membuat proposal penelitian, sambil melengkapi dengan catatan dan knowledge terbaru.

Jika ada kesalahan, atau hal yang diperdebatkan, mohon tinggalkan komentar untuk kita cari jawabannya bersama :)

best wishes...

silahkan download di sini

Aspek, Indikator, dan Faktor dalam Penelitian Psikologi

Salam.

Saya menuliskan ini, karena masih banyak kesalahpahaman dalam memahami ketiga terminologi tersebut. semoga bermanfaat...

1. Aspek

‎Aspek adalah "komponen" penyusun sebuah variabel. Artinya, sebuah variabel tidak akan lengkap/sempurna tanpa adanya keseluruhan komponen tersebut. 

Saya ambil contoh sebuah rumah. Maka aspeknya adalah pintu, jendela, tembok, atap, dan lantai. Kapan pun salah satu aspek tersebut tidak terpenuhi, maka tidak sempurna rumahnya.

Contoh variabel penelitian: kemampuan berbahasa.

Kemampuan berbahasa terdiri dari 4 aspek:
writing, reading, speaking, listening.

Seseorang akan bisa dikatakan mahir berbahasa Inggris, kalau mampu memenuhi keempat aspek itu. Tapi, jika ada seseorang yang mahir reading (bisa memahami bacaan in english), writing (mampu menulis dalam bahasa inggris dgn susunan tata bahasa yang tepat), dan listening (mampu memahami percakapan verbal dalam English), tapi ngomong nya belepotan (speaking nya kacau), maka kita sebut dia bisa berbahasa Inggris, tapi tidak sempurna. Karena dia tidak bisa memenuhi semua aspek secara sempurna.

2. Indikator

Indikator adalah tanda-tanda, ciri-ciri, dan gejala-gejala dari aspek. Artinya, indikator adalah sesuatu yang harus observable (dapat diamati). Indikator inilah yang akan menjadi item dalam skala.

Indikator ini menggambarkan secara spesifik kondisi sebuah aspek. 

Saya berikan contoh:

Variabel: stress

Aspek: kognitif, fisiologis, dan psikis

Indikator: 

- kognitif: sulit konsentrasi, pikiran kacau, dsb

- fisiologis: berdebar, napas tidak teratur, dsb

- psikis: galau, gelisah, dsb

3. Faktor

Faktor adalah hal-hal di luar variabel yang akan kita ukur, yang memengaruhi (menghambat, atau mendukung) variabel yang akan kita ukur tersebut.

Faktor bukanlah suatu hal yang menggambarkan variabel kita, tapi justru hal-hal yang akan memengaruhi variabel kita. 

4. Dimensi

Kita diajarkan bahwa dimensi sama dengan aspek. Tapi, yang saya pahami dari literatur teranyar dalam pengukuran psikologis, kedua hal tersebut berbeda. Saya masih belum memahami definisi "dimensi" secara baik. Tapi, definisi konsepsionalnya, dimensi adalah intensitas dan frekuensi dari sebuah indikator. 

Nah, karena saya juga belum paham, sementara kita skip penjelasan istilah dimensi deh ya :D hehehehe.

Kalau ada yang sudah paham, boleh tolong ajari saya please :)

dalam waktu dekat, saya akan posting mengenai pengukuran dalam psikologi. insya Allah

Best wishes...

source:

1. Price, Paul. Research Methods in Psychology: Core Concepts and Skills.

2. Michael, Robert. Measurement: Strategies for Educational Inquiry. Indiana University Bloomington (gunakan materi ini untuk memahami buku nomor 1)

3. Santoso, Agung. Statistik Psikologi. Sanata Darma (gunakan buku ini untuk menemukan terjemahan padanan kata yang tepat dari file nomor 2)
4. juga ada cukup lengkap di Weiner, Irving B. Handbook of Psychology: Research Methods in Psychology. Wiley Publisher. (kalau ga salah, buku ini ada di perpustakaan prodi)

Uji T-Test atau Anova? (Psikologi Eksperimen)

Saya tertarik menulis ini, karena kemarin banyak kisruh tentang penggunaan uji hipotesis ini. teman-teman yang sedang mengerjakan psikologi eksperimen saling berbeda pendapat. sebagian menggunakan t-test, dan sebagian menggunakan anova.

singkat saja, berdasarkan apa yang saya pelajari, saya lebih cenderung menggunakan t-test, berdasarkan asumsi berikut:

Jumlah Kelompok Data

t-test digunakan untuk 2 kelompok data. sedangkan anova digunakan untuk 3 kelompok data. dalam eksperimen, kita umumnya menggunakan 2 kelompok data, yaitu post-test dan pre-test

Pasangan Data

anova digunakan untuk data yang independent (tidak berpasangan), sedangkan t-test menggunakan data yang berpasangan. 

lihat contoh tabel berikut

tabel diatas adalah contoh kelompok data yang berpasangan. artinya, saya memiliki dua kelompok data yang akan saya hitung (di-compare), tapi kedua kelompok data tersebut berasal dari subjek yang sama. masing-masing subjek memiliki dua data. 

untuk penghitungan dengan jenis pasangan data seperti diatas, maka gunakanlah paired t-test.

bandingkan dengan tabel di bawah ini,

pada tabel tersebut, saya memiliki 3 kelompok data. tapi ketiga kelompok data tersebut saya peroleh dari subjek yang berbeda-beda. maka data seperti inilah yang cocok saya hitung menggunakan anova.

Konklusi

jika ditanya kenapa harus menggunakan t-test ketimbang anova, cukup jelaskan saja: anova hanya boleh dihitung untuk data yang tidak berpasangan. maka itu sudah cukup mengcounter pendapat yang membolehkan perhitungan anova untuk jenis data dalam psikologi eksperimen.

semoga bermanfaat...

Source: Seri Evidence Based Medicine (Statistik untuk Kedokteran).

Percaya Angka, atau Kategori?

Sebenarnya, diskusi tentang ini sudah pernah terjadi beberapa bulan yang lalu, ketika teman-teman membahas tentang psikometri. tapi, saya tergelitik untuk menuliskan ttg ini, karena tadi pagi sepertinya ada perbedaan paham.

so, ini bermula dari pertanyaan di diskusi experiment tadi:
"ketika saya melakukan penelitian, saya melihat angkanya, atau kategori dari angka tersebut?"

kalau diterjemahkan dalam bahasa statistik, "saya melihat numerik (rasio/ interval), atau melihat kategori ordinalnya?"

saya sebenarnya menginginkan referensi yang lebih banyak untuk menjawab pertanyaan tersebut. tapi untuk kali ini, saya menjawab dengan common sense saja.

saya memberikan analogi: ada dua orang mahasiswa. si A dan si B. si A berusaha ikut mata kuliah statistik, namun dia mendapatkan nilai 59, sehingga tidak lulus. sedangkan si B, sejak awal kuliah dia udah ga pernah masuk, sehingga mendapat nilai 0.

keduanya masuk dalam kategori 'tidak lulus'. tapi, apakah keduanya memang sama? tentu tidak. A sudah berusaha, sedangkan B tidak niat kuliah. jika kita menggunakan kategori, kita bisa bias dan menyamakan antara A dan B.

analogi lainnya, jika si C adalah mahasiswa yang dapat nilai 80, dan si D dapat nilai 100. keduanya masuk dalam kategori nilai A (>79, bobot 4). lalu, walaupun di KHS mereka sama-sama nilainya A, apakah kita juga menyamakan tingkat pemahaman mereka? tentu tidak. yang dapat nilai 100 tentu lebih paham dibanding yang dapat nilai 80. kecuali kalau dia nyontek.

---

so, menurut saya, ini cukup penting. menurut saya, kita tidak bisa selalu menyamakan dan mengeneralisasi individu berdasarkan satu kriteria tertentu. sebab saya sangat menghargai individual differencies.

mungkin, mind-set 'kategorisasi' itu juga yang menjadikan budaya kita selalu mengelompokkan orang sehingga terbentuk stratifikasi dan struktur sosial. entahlah, perlu kajian lebih lanjut tentang itu.

yang jelas, kalau ditanya "percaya angka atau kategori?", saya dengan lantang menjawab "percaya angka, karena angka tidak pernah berbohong".

Mengenal Jenis Skala Pengukuran Psikologis

Salam.

Variabel-variabel penelitian dalam psikologi umumnya merupakan subjective variables, yaitu sebuah variable yang berupa attitudes, feelings, personal opinion, dan pemilihan kata.

Untuk mengukur subjective variable tersebut, kita memerlukan sebuah instrument yang biasa kita sebut dengan skala. Fenomenanya, dalam membuat skala pengukuran psikologis, kita sangat sering menggunakan skala Likert. padahal, masih banyak skala lain yang bisa kita gunakan untuk mengukur sikap.

berikut penjelasan beberapa jenis skala pengukuran sikap yang bisa kita gunakan dalam ilmu psikologi.

1. Skala Likert

(Further Reading: Mueller. 1986. "Measuring Social Attitudes: A Handbook for Researchers and Practitioners"; Chapter 2: Likert Attitude Scaling; dan Chapter 3: Likert Scale Construction: A Case Study). 

Skala Likert merupakan skala yang paling popular digunakan. umumnya, skala ini memuat 5 pernyataan sikap (Sangat Setuju, Setuju, Ragu-ragu, Tidak Setuju, Sangat Tidak Setuju). Namun, ada juga skala yang berisikan 4, hingga 10 opsi pilihan sikap 

Aslinya, Rensis Likert menggunakan 5 response (Strongly Agree, Agree, Neither Agree nor Disagree, Disagree, Strongly Disagree). namun dengan perkembangan sains tentang research, para ahli psikometri banyak memodifikasi bentuk asli tersebut.

Sehingga, selain berupa pernyataan sikap, skala Likert bisa juga memuat pilihan option berupa frekuensi (Selalu, Sering, Kadang, Jarang, Tidak Pernah).

Karena bentuk pilihan jawabannya berupa pernyataan (Setuju, Tidak Setuju, dsb.), maka opsi skala Likert ini sebenarnya berupa data kualitatif (ordinal). namun, untuk kepentingan analisis kuantitatif, maka pilihan jawaban sikap tersebut diberikan skor sesuai dengan favourabilitasnya (dilakukan proses skoring).

2. Skala Guttman

(Further Reading: Guttman, L. 1950. The basis for scalogram analysis. In Stouffer et al. Measurement and Prediction. The American Soldier Vol. IV. New York: Wiley)

Skala ini pertama digunakan oleh Louis Guttman pada tahun 1944. Skala Guttman, atau yang biasa disebut scalogram, adalah skala yang berisikan item dengan hanya dua pilihan jawaban untuk dipilih oleh responden. jawaban tersebut bersifat dikotomis, dan umumnya berupa pernyataan "Ya/Tidak", "Benar/Salah", "Pernah/Tidak Pernah", dan sejenisnya yang berupa jawaban bersifat jelas dan konsisten. 

Karena hanya dua pilihan (Ya atau Tidak), maka untuk mengeksplorasi pengukuran sikap responden, skala Guttman berisikan aitem yang spesifik dalam jumlah banyak. 

Skoring skala Guttman menggunakan prinsip skoring dikotomis, yaitu pemberian skor "1" utk jawaban "Ya" atau sejenisnya; dan pemberian skor "0" utk jawaban "Tidak" atau sejenisnya.

Skala Guttman juga biasa disajikan dalam bentuk satu pilihan. artinya, aitem tersebut kita centang/checklist jika kita menjawab "Yes", dan membiarkannya kosong kalau kita memilih menjawab "No".

3. Skala Thurstone

(Further Reading:

1. Mueller, Chapter 4: Thurstone Scale Construction

2. Dr. Rick Yount. 2006. "Research Design and Statistical Analysis in Christian Ministry"; Chapter 12: Developing Scales)  

Skala Thurstone merupakan skala yang hasilnya berupa data interval (kuantitatif). Keunikan dari skala ini adalah cara penyusunannya yang sedikit "ribet", dibandingkan dengan skala lainnya. 

Skala Thurstone berisikan susunan aitem tentang sikap. dan yang menjadi ciri khas dari skala ini adalah bahwa setiap aitem tersebut mewakili jumlah skor tertentu, tergantung favorabilitasnya.

penghitungan dan pembagian "jatah" jumlah skor pada masing-masing aitem dilakukan melalui prosedur yang cukup rumit. yaitu dengan mengumpulkan penilaian para ahli di bidang yang mau kita teliti, lalu melakukan penghitungan tertentu untuk menentukan bobot nilai dari tiap aitem tersebut.

walaupun rumit, tapi skala yang sering juga disebut equal appearing interval ini dianggap lebih tinggi tingkatannya dibanding skala Likert biasa.

contoh skala Thurstone.
angka yang berada di dalam kurung setelah pernyataan, adalah bobot skor aitem

4. Skala Semantik Diferensial

(further reading: Osgood & Tannenbaum. 1957. "The Measurement of Meaning". Urbana: University of Illinois Press)

Skala Semantik Diferensial adalah skala yang mengukur sikap dengan susunan pilihan jawaban berada dalam satu garis kontinum. Skala semantik berisikan serangkaian karakteristik bipolar (dua kutub yang berlawanan). 

Karakteristik bipolar tersebut mempunyai tiga dimensi dasar:

1. Potensi (kuat atau lemah)

2. Evaluasi (baik atau buruk)

3. Aktivitas (cepat atau lambat)

Data yang diperoleh melalui pengukuran dengan skala semantic differential adalah data interval.

5. Rating Scale

saya belum menemukan buku yang menjelaskan detail tentang ini. tapi dasar-dasar tentang rating scale ini terdapat di buku "Psychology Research Methods, Core Skills and Concept" by Paul Price.

Rating Scale konsepnya mirip dengan Skala Likert. karena memang, Skala Likert adalah hasil modifikasi Rating Scale oleh psikolog Rensis Likert di tahun 1930an.

Bentuk Rating scale merupakan bentuk skala yang paling mendasar. Dan yang paling umum adalah 1-10 (one to ten) numeric rating scale (atau ada juga 0-10 rating scale yang umumnya digunakan untuk data rasio), yaitu responden memberikan penilaian terhadap suatu item dengan angka.

sedangkan bentuk lain rating scale adalah dengan graphic, slide button, atau jenis lainnya.

Bedanya Rating Scale dengan Likert adalah: bahwa Likert merupakan suatu bentuk response terhadap item. Jadi, bentuk pilihannya adalah berupa respon kita terhadap pernyataan (Setuju, Tidak Setuju, dsb.).

***

Untuk buku yang mudah dan simple penjelasannya silakan download Chapter buku Rick Yount yang menjelaskan tentang scales di sini.

Kenapa Parametrik Harus Lulus Uji Asumsi?

Salam.

Jika kita ingin meneliti hubungan korelasi antara dua variabel, maka lazimnya kita menguji dulu data tersebut, apakah lulus uji asumsi atau tidak. uji asumsi yang digunakan untuk penelitian korelasional adalah uji normalitas dan uji linearitas.

jika data yang kita miliki tidak lulus uji asumsi, maka kita tetap bisa menghitung derajat keterhubungannya, tapi secara non-parametrik. artinya adalah, kita tidak memperhatikan aspek linearitas dan normalitas dari data tersebut (kita tetap hitung korelasinya, walaupun data ga normal dan ga linier).

pertanyaannya, kenapa untuk uji parametrik harus memperhatikan linearitas dan normalitasnya?

Tokoh statistik Francis Anscombe (dalam publikasinya "Graphs in Statistical Analysis", 1973) memberikan gambaran berupa Anscombe's Quartet, bahwa sebuah koefisien korelasi yang sama, dapat digambarkan dengan 4 kondisi sebaran data yang berbeda. 

dalam setiap gambar tersebut, semua data memiliki deskripsi yang sama:

1. keempat gambar tersebut memiliki Mean x = 9
2. semuanya juga memiliki Mean y = 7,50
3. r Pearson Product Moment = 0,816 (jika diterjemahkan berdasarkan tabel koefisien korelasi Guilford, maka artinya "ada korelasi tinggi")

so, walaupun semua data memiliki nilai statistik deksriptif yang sama, tapi ternyata kondisi masing-masing kelompok data tersebut sangat berbeda.

Gambar X1 (kiri atas) menggambarkan kondisi data yang tersebar secara normal, dan juga linier

Gambar X2 (kanan atas) menggambarkan kondisi data yang tidak tersebar secara normal, dan juga tidak linier.

Gambar X3 (kiri bawah) menunjukkan pola data yang sangat linier. dan hanya karena satu data yang sangat menyimpang extreme, menyebabkan koefisien korelasi menjadi 0,816 (jika data tersebut dihilangkan, koefisien korelasinya menjadi 1, alias korelasi sempurna).

Gambar X4 (kanan bawah) menunjukkan bahwa angka korelasi tinggi (0,816) ternyata bisa dibentuk oleh data yang tidak linear.

Beware...

melihat fenomena tersebut, Anscombe menegaskan dua hal:

1. pentingnya penggambaran grafik data (scatterplot) sebelum melakukan analisis
2. kita harus beware atas kemungkinan adanya penyimpangan analisis jika hanya disandarkan pada deskripsi properti statistik sebuah variabel.

Semoga bermanfaat...

---

Ince Ahd Furqan

incefurqan.net

Memilah Data Iteman utk Analisis Test

Salam.

setelah menganalisis data test menggunakan software iteman, kita dihadapkan dengan laporan yang sudah jadi. namun, dalam laporan tersebut terdapat banyak sekali data, sehingga kita bisa bingung "data apa saja yang diperlukan dan yang tidak diperlukan?"

sebelum kita melangkah lebih jauh, harus diingat dulu apa saja hal yang ingin kita analisis. berikut tabel aspek analisis soal:

berdasarkan tabel tersebut, kita tahu ada 5 aspek analisis test. lalu, darimana saja angka tersebut diperoleh? dan bagaimana interpretasinya?

1. Validitas

validitas dilihat dari nilai rpbis (r point biserial). lihat hasil hitungan rpbis di analisis item-by-item.

kaidahnya: item dinyatakan valid jika nilai rpbis > 0,300

2. Reliabilitas

lihat angka reliabilitas di summary statistic, biasanya ada di halaman bagian depan (hal.3).

dengan menggunakan Iteman, kita diberikan hasil hitungan reliabilitas dengan berbagai macam metode. namun, yang biasa kita gunakan adalah metode Alpha Cronbach.

kaidahnya: lihat angka Alpha (itu angka hasil rumus Cronbach's Alpha). lalu, terjemahkan angka tersebut menggunakan tabel Guilford (lihat di panduan pelaporan kontest).

3. Tingkat Kesukaran

Tingkat kesukaran dilihat dari nilai P, yang dapat kita peroleh di lembar analisis item-by-item

kaidahnya: terjemahkan angka P tersebut dengan tabel tingkat kesukaran item (lihat di panduan pelaporan kontest)

4. Daya Pembeda

gunakan nilai rpbis dari hasil analisis item-by-item untuk menentukan daya pembeda.

kaidahnya: terjemahkan nilai rpbis tersebut menggunakan tabel daya pembeda (lihat di panduan pelaporan kontest).

5. Efektivitas Pengecoh

lihat tabel option statistics di lembar analisis item-by-item.

kaidahnya: jika semua option ada yang memilih, maka kualitas pengecoh baik (silakan merujuk ke panduan pelaporan kontest).

semoga bermanfaat...

--

Ince Ahd Furqan

incefurqan.net