Survey Lapangan Industri Makanan dan Minuman di Jabodetabek

Survey Lapangan Industri Makanan dan Minuman di Jabodetabek

Pada kesempatan kali ini kita akan sharing pengalaman kita di lapangan, survey lapangan atau sebar kuesioner, yang berbeda dengan sharing pada kesempatan sebelumnya. Survey lapangan atau sebar kuesioner kali ini, hendak menggali informasi atau perspektif dari para manager s.d direktur pada industri makanan dan minuman di wilayah JABODETABEK, tepatnya informasi atau perspektif dalam hal referensi perusahaan terhadap kemauan adopsi riset universitas. Sekali lagi bahwa persiapan fisik maupun pengetahuan terhadap medan lapangan yang akan dijadikan sasaran pengambilan data haruslah diperhatikan. Karena banyak hal-hal yang tidak bisa kita prediksikan dapat terjadi dan menjadi tantangan tersendiri di lapangan.

Objek dari survey lapangan atau sebar kuesioner lapangan kali ini dalam kategori sangat kompleks. Target spesifik yang menjadi kriteria dari responden adalah karyawanpada level Manager s.d Direktur pada perusahaan makanan dan minuman di wilayah Jabodetabek. Kategori kompleks di sini adalah dimulai dari prosedural, biaya dan waktu serta effort tim lapangan.

Proses survey yang sangat challenging yang tim kita temui di lapangan, well  planning dan well strategy dalam melakukan survey lapangan kali ini sangat diperlukan sekali, sekali lagi cost and time effective dalam penelitian. Calon responden yang kita hadapi adalah responden memiliki kecenderungan untuk menolak sangat tinggi dikarenakan frame bermanfaatnya research dan traffic kerja di perusahaan manufaktur menjadi tantangan tersendiri di lapangan.

Saran kita berdasarkan pengalaman di lapangan diperlukan extra time untuk melakukan penelitian dengan kriteria responden dari institusi bisnis besar. Rencana time line research yang harus well planning dan well organized. Networking atau Offering Benefits mungkin bisa jadi instrumen yang dapat mempermudah dan mempercepat dalam proses pengambilan data lapangan.

Sharing singkat ini, semoga bermanfaat dalam membantu rekan-rekan peneliti dalam membangun frame awal sebelum melakukan survey di lapangan. Kami akan share banyak pengalaman kami di lapangan pada kesempatan yang lain. SEMANGAT MENELITI!!!

——————————————————————————————————————————————————————————-

Jika rekan peneliti memerlukan bantuan survey lapangan, data entry ataupun olahdata dapat menghubungi mobilestatistik.com :

Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian, aplikasi software statistik ataupun olahdata.

  • “1st Kirim Pertanyaan, Pasti Kami Jawab . . . InsyaAllah”

——————————————————————————————————————————————————————————-

Jenis Sum of Square (SS) Pada Analisis Varians (ANOVA) Rancangan Percobaan

Jenis Sum of Square (SS) Pada Analisis Varians (ANOVA) Rancangan Percobaan

Pada kesempatan sebelumnya kita sudah cukup banyak membahas tentang rancangan percobaan (rancangan percobaan dasar) baik secara konsepsi maupun pengaplikasiannya dengan menggunakan software SPSS. Bagi para peneliti atau data master yang baru saja menemukan artikel ini, kita sarankan untuk mempelajari pembahasan kita tentang rancangan percobaan pada beberapa artikel sebelumnya.

Pada kesempatan kali ini kita akan coba membahas salah satu bagian dari fungsi ANOVA yang ada pada proses analisis data dengan rancangan percobaan. Kalau pada pembahasan sebelumnya kita mengetahui bahwa harus berhati-hati dengan pemilihan taraf perlakuan apakah itu random atau fixed (karena akan berpengaruh pada proses perhitungan), maka pada kesempatan kali ini kita akan coba uraikan secara singkat  fungsi dari “Sum of Square (SS)” yang utamanya terlihat pada pemilihan opsi model pada software SPSS.

Perlu diketahui oleh peneliti atau data master bahwa fungsi pemilihan tipe Sum of Square (SS) sangat berpengaruh terutama ketika model rancangan percobaan yang digunakan memiliki lebih dari 2 (dua) perlakuan (percobaan faktorial). Dalam software SPSS peneliti atau data master bisa memilih dari tipe 1 sampai dengan tipe 4, akan tetapi pertanyaan mendasarnya adalah tipe mana yang cocok untuk rancangan percobaan dengan perlakuan tunggal dan mana yang cocok untuk rancangan percobaan dengan lebih dari 1 (satu) perlakuan (rancangan percobaan faktorial) serta dipertimbangkan pula faktor interaksi. Berikut kita akan ulas secara sederhana, penjelasan dan perkiraan kecocokan tipe Sum of Square (SS) pada jenis rancangan percobaan yang akan digunakan.

Sum of Square (SS) Tipe 1. Sequential

Secara definisi Sum of Square (SS) tipe 1 dimana Sum of Square (SS) tiap faktor/perlakuan merupakan penambahan perbaikan dari Sum of Square (SS) error (dalam tabel ANOVA terdapat Sum of Square (SS) error – Sum of Square (SS) error semakin terkoreksi) tiap kali pengaruh dari tiap faktor/perlakuan dimasukan kedalam model regresi. Oleh karenanya Sum of Square (SS) dapat dipandang sebagai pengurangan dari Sum of Square (SS) error yang didapat dari penambahan tiap faktor/perlakuan dari faktor-faktor/perlakuan-perlakuan yang sudah dimasukan sebelumnya.

Keunggulan Sum of Square (SS) tipe 1 : dimana Sum of Square (SS) untuk semua perlakuan di tambahkan kepada Sum of Square (SS) total, yang merupakan sebuah dekomposisi yang lengkap dari perkiraan Sum of Square (SS) dari keseluruhan model. Dan hal ini tidak sepenuhnya benar untuk tipe Sum of Square (SS) yang lainnya.

Kekurangan Sum of Square (SS) tipe 1 : Hipotesis yang disusun tergantung pada urutan perlakuan yang dispesifikan (urutan faktor/perlakuan dimasukan ke dalam model). Jika misal dalam pengujian ANOVA 2 arah dengan 2 (dua) model, pertama perlakuan A kemudian perlakuan B, lainnya perlakuan B kemudian perlakuan A, hasilnya tidak hanya bahwa Sum of Square (SS) tipe 1 untuk A berbeda di antara 2 (dua) model, akan tetapi tidak ada cara yang pasti untuk memperkirakan apakah Sum of Square (SS) akan naik atau turun ketika perlakuan A menjadi yang kedua dimasukan kedalam model setelah perlakuan B. Oleh karenanya Sum of Square (SS) tipe 1 sangat terbatas penggunaanya hanya untuk bentuk model yang pasti. Selain itu, Sum of Square (SS) tipe 1 tidak cocok digunakan untuk rancangan percobaan faktorial.

Sum of Square (SS) Tipe 2 : Hierarchical or Partially Sequential

Sum of Square (SS) tipe 2 adalah hasil reduksi dari residual error, oleh karena penambahan dari semua Sum of Square (SS) perlakuan lain ke dalam model kecuali Sum of Square (SS) yang berisi perlakuan yang diujikan. Atau dengan kata lain Sum of Square (SS) tipe 2 adalah hasil pengurangan dalam Sum of Square (SS) residual yang didapatkan dari hasil penambahan semua perlakuan yang dimasukan kedalam model, yang terdiri dari semua perlakuan yang tidak termasuk didalamnya perlakuan yang sedang diujikan. Sebuah interaksi dari suatu perlakuan memainkan perannya ketika semua perlakuan yang ada dimasukan ke dalam model.

Keunggulan Sum of Square (SS) tipe 2 :  Cocok digunakan untuk pembentukan model dan pilihan “natural” untuk regresi. Paling powefull jika tidak ada interaksi dalam model. Dan tidak ada variasi dalam urutan yang mana dari perlakuan dimasukan ke dalam model.

Kekurangan Sum of Square (SS) tipe 2 : Tidak cocok untuk rancangan faktorial.

Sum of Square (SS) Tipe 3 : Marginal atau Orthogonal

Sum of Square (SS) tipe 3 memberikan Sum of Square (SS) yang akan diperoleh untuk tiap variabel jika variabel tersebut dimasukan terakhir ke dalam model. Untuk itu, pengaruh dari tiap variabel di evaluasi setelah semua faktor lainnya dihitung untuk Sum of Square (SS). Karenanya hasil dari tiap faktor adalah serupa dengan apa yang diperoleh dengan menggunakan analisis Sum of Square (SS) tipe 1 ketika perlakuan di masukan kedalam model sebagai urutan yang terakhir.

Keunggulan Sum of Square (SS) tipe 3 : Tidak bergantung pada ukuran sampel. Penaksiran pengaruh/effek perlakuan bukan merupakan sebuah fungsi frekuensi dari observasi dari grup mana pun. (misal : untuk data yang tidak seimbang, dimana kita memiliki observasi dalam grup yang tidak sama jumlahnya). Ketika tidak terdapat missing cell (data hilang) dalam rancangan percobaan, rata-rata dari subpopulasi-nya merupakan “least square mean”, yang merupakan penaksir tak bias dari marginal mean untuk rancangan percobaan.

Kekurangan Sum of Square (SS) tipe 3 : Menguji pengaruh utama perlakuan dimana hadir interaksi antar perlakuan dan tidak cocok untuk rancangan dengan missing cell (data hilang).    

Sum of Square (SS) Tipe 4 : Goodnight or Balanced

Sama bervariasinya dengan Sum of Square (SS) tipe 3, akan tetapi tetapi dikhususkan untuk membangun model dengan adanya missing cells (data hilang).

……

Dari keempat tipe Sum of Square (SS) yang sudah kita uraiakan di atas, selanjutnya untuk penerapannya dapat dipamahi dan secara bijak diimplementasikan kepada data yang dimiliki. Ketepatan dalam pemilihan tipe Sum of Square (SS) harus diselaraskan dengan prioritas dari peneliti atau data master dalam mengeksplorasi pola jawaban atas rancangan percobaan yang ditetapkan di awal, atas pengaruh perlakuan yang khendak dicari dan ditemukan jawabannya.

Jika dilihat dari default software-software statistik, umumnya digunakan Sum of Square (SS) tipe 3 karena secara umum dapat mengakomodir berbagai jenis pencarian pemaknaan terhadap perlakuan-perlakuan (termasuk didalamnya interaksi).   

Sumber :

Langsrud, Ø. (2003), ANOVA for Unbalanced Data: Use Type II Instead of Type III Sums of Squares, Statistics and Computing, 13, 163-167.

—————————————————————————————————————————————————————————

Jika rekan peneliti memerlukan bantuan survey lapangan, data entry ataupun olahdata dapat menghubungi mobilestatistik.com :

Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian, aplikasi software statistik ataupun olahdata.

  • “1st Kirim Pertanyaan, Pasti Kami Jawab . . . InsyaAllah”

—————————————————————————————————————————————————————————

Rancangan Percobaan Faktorial Dengan SPSS

Rancangan Percobaan Faktorial Dengan SPSS

Pada artikel terdahulu kita telah membahas dan menguraikan secara singkat dan sederhana mengenai rancangan percobaan faktorial. Sedikit kita ulas kembali bahwa pada rancangan percobaan faktorial kita tidak hanya melibatkan satu perlakuan saja pada unit percobaan (tidak seperti pada RAK dan RAL) melainkan dapat hingga k buah perlakuan. Perlu diperhatikan pula pada percobaan faktorial terdapat unsur efek kombinasi perlakuan, sehingga pada penerapannya pada software SPSS perlu ketelitian untuk menambahkan perhitungan efek kombinasi pada model analisisnya. Sebelum kita membahas pengaplikasian rancangan percobaan faktorial pada SPSS, ada baiknya para peneliti atau data master yang baru saja menemukan artikel ini untuk membaca pula artikel kita tentang Rancangan Percobaan Faktorial.

Lebih lanjut langkah-langkah menggunakan software SPSS pada Rancangan Percobaan Faktorial sebagai berikut.

1. Persiapkan data penelitian yang kita miliki dalam software Microsoft Excel, untuk memudahkan pembacaan pada data, buatlah entry data pengamatan seperti yang sudah kita tunjukkan pada artikel sebelumnya

rancangan, percobaan, faktorial
Gambar 1. Layout Data Rancangan Percobaan Faktorial

2. Buka software SPSS dan identifikasikan data pada jendela Variabel View, yang terdiri dari tiga jenis variabel yaitu Data Pengamatan [DATA], Kategori Perlakuan [A] dan Kategori Perlakuan [B]. Pengkategorian pada variabel Kategori Perlakuan [A] dan [B] dilakukan dengan cara melakukan koding pada data pada menu Values sesuai dengan kategori perlakuan yang diujikan. Kemudian pada Data View, data pengamatan dijadikan menjadi satu kolom. Tampilan akhir data pada SPSS yang siap untuk dianalisis adalah sebagai berikut.

rancangan, percobaan, faktorial, SPSS
Gambar 1. Jendela Variabel View
rancangan, percobaan, faktorial, SPSS
Gambar 2. Jendela Data View

3. Setelah data yang kita miliki siap untuk di analisis, langkah selanjutnya klik menu Analyze lalu pilih pada menu General Linear Model (GLM) lalu klik pada menu Univariate, maka akan muncul tabel sebagai berikut.

rancangan, percobaan, faktorial, SPSS
Gambar 1. Menu GLM Univariate
rancangan, percobaan, faktorial, SPSS
Gambar 2. Pendefinisian Variabel Pada GLM Univariate

4. Langkah selanjutnya adalah mendefinisikan variabel yang kita miliki pada kolom-kolom yang ada untuk dilakukan analisis pada data. Pertama, isikan pada tabel Dependent Variable variabel yang berisi data hasil pengamatan dan kedua isikan pada tabel Fixed Factor variabel yang berisikan kategori perlakuan yang kita libatkan dalam penelitian, seperti tampak pada gambar berikut. (baca kembali teori pada buku acuan untuk menentukan perlakuan yang kita miliki sebagai Fixed atau Random)

rancangan, percobaan, faktorial, SPSS
Gambar 1. Ploting Variabel Penelitian

5. Setelah men-set variabel kita dengan tepat sesuai dengan kolom variabelnya, maka langkah selanjutnya adalah mendefinisikan output apa saja yang kita kehendaki, 3 (tiga) menu utama yang sering digunakan adalah Models yang digunakan untuk mendefinisikan model matematis secara teori (main effect dan interaksi) serta metode perhitungan pada Anova, Post Hoc untuk melakukan uji lanjut antar data kelompok perlakuan dan Options untuk memberikan hasil analisis tambahan yang diperlukan dalam rangka interpretasi hasil analisis pada data (noted : untuk jenis analisis tertentu diperlukan teori pendukungnya), seperti tampak pada gambar berikut.

rancangan, percobaan, faktorial, SPSS
Gambar 1. Menu Pendefinisian Model Matematis Rancangan Faktorial
rancangan, percobaan, faktorial, SPSS
Gambar 2. Opsi Output SPSS
rancangan, percobaan, faktorial, SPSS
Gambar 3. Menu Post Hoc (Uji Lanjut) Pada Rancangan Percobaan

6. Setelah kita yakin dengan data yang kita miliki dan output tambahan yang kita perlukan, setelahnya kita klik OK dan SPSS akan memproses data hasil Rancangan Percobaan Faktorial kita. Output yang dihasilkan dari data Rancangan Percobaan Faktorial yang kita inputkan akan tampak seperti gambar berikut.

rancangan, percobaan, faktorial, SPSS
Gambar 1. Output SPSS Untuk Rancangan Faktorial

Sekilas tahapan yang dilakukan mirip atau hampir sama dengan langkah yang dilakukan untuk menguji data pada Rancangan Acak Kelompok (RAK). Yang perlu diperhatikan dan dipahami oleh peneliti atau data master adalah ciri pada “interaksi antar perlakuan” yang ada pada pengujian rancangan percobaan faktorial sehingga yang dipakai adalah “full faktorial” atau secara manual dapat pula disusun pada menu custom dengan menyertakan pula interaksi perlakuan. Oleh karenanya yang paling penting adalah pemahaman peneliti atau data master bahwa pada rancangan percobaan faktorial selalu dipertimbangkan efek interaksi dari perlakuan yang diujikan. Sedangkan pada rancangan acak kelompok (RAK) hanya dipertimbangkan levelisasi atau kategorisasi pada unit pengamatan (kelompok pengamatan) dan perlakuan yang dikenakan terhadap unit pengamatan hanyalah perlakuan tunggal. Jadi terdapat perbedaan mendasar yang harus dipahami oleh para peneliti atau data master agar tidak menimbulkan kebingungan ketika pengaplikasian data pada software SPSS.

Sekali lagi, yang menjadi perhatian penulis adalah penguasaan teori tentang Rancangan Percobaan Faktorial yang telah kita uraikan pada artikel sebelumnya sebelum mengaplikasikan pada software SPSS. SEMANGAT MENCOBA!!.

——————————————————————————————————————————————————————————

Jika rekan peneliti memerlukan bantuan survey lapangan, data entry ataupun olahdata dapat menghubungi mobilestatistik.com :

Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian, aplikasi software statistik ataupun olahdata.

  • “1st Kirim Pertanyaan, Pasti Kami Jawab . . . InsyaAllah”

——————————————————————————————————————————————————————————

Survey Lapangan Pimpinan Koperasi Syariah (BMT) Jabodetabek

Survey Lapangan Pimpinan Koperasi Syariah (BMT) Jabodetabek

Pada kesempatan kali ini kita akan sharing pengalaman kita di lapangan, survey lapangan atau sebar kuesioner, yang berbeda dengan sharing pada kesempatan sebelumnya. Survey lapangan atau sebar kuesioner kali ini, hendak menggali informasi atau perspektif dari para pimpinan koperasi syariah (BMT) di Jabodetabek, tepatnya informasi atau perspektif untuk menilai pengaruh akuntansi manajemen-penyelarasan (coalignment) strategi pada Maqasid Shariah berdasarkan kinerja Bank Syariah/Koperasi Syariah di Indonesia. Sekali lagi bahwa persiapan fisik maupun pengetahuan terhadap medan lapangan yang akan dijadikan sasaran pengambilan data haruslah diperhatikan. Karena banyak hal-hal yang tidak bisa kita prediksikan dapat terjadi dan menjadi tantangan tersendiri di lapangan.

Objek dari survey lapangan atau sebar kuesioner lapangan kali ini dalam kategori sangat kompleks. Target spesifik yang menjadi kriteria dari responden adalah para pimpinan di Koperasi Syariah (BMT) yang berada di wilayah Jabodetabek. Kategori kompleks di sini adalah dimulai dari prosedural, biaya dan waktu serta effort tim lapangan.

Crew lapangan yang diturunkan pada survey lapangan kali ini sebanyak 2 orang. Crew yang well educated, bermental OK, PeDe, memiliki komunikasi yang baik dan behave yang menyenangkan bagi responden. So, right person is a must.

Proses survey yang sangat challenging yang tim kita temui di lapangan, well  planning dan well strategy dalam melakukan survey lapangan kali ini sangat diperlukan sekali, sekali lagi cost and time effective dalam penelitian. Calon responden yang kita hadapi adalah responden memiliki kecenderungan untuk menolak sangat tinggi dikarenakan frame bermanfaatnya research dan traffic kerja di Koperasi Syariah (BMT) menjadi tantangan tersendiri di lapangan.

sebar kuesioner, sebar kuesioner, koperasi syariah, BMT, mobilestatistik
Gambar 1. Pimpinan Koperasi Syariah (BMT)

Saran kita berdasarkan pengalaman di lapangan diperlukan extra time untuk melakukan penelitian dengan kriteria responden dari institusi private. Rencana time line research yang harus well planning dan well organized. Networking atau Offering Benefits mungkin bisa jadi instrumen yang dapat mempermudah dan mempercepat dalam proses pengambilan data lapangan.

Sharing singkat ini, semoga bermanfaat dalam membantu rekan-rekan peneliti dalam membangun frame awal sebelum melakukan survey di lapangan. Kami akan share banyak pengalaman kami di lapangan pada kesempatan yang lain. SEMANGAT MENELITI!!!

——————————————————————————————————————————————————————————

Jika rekan peneliti memerlukan bantuan survey lapangan, data entry ataupun olahdata dapat menghubungi mobilestatistik.com :

Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian, aplikasi software statistik ataupun olahdata.

  • “1st Kirim Pertanyaan, Pasti Kami Jawab . . . InsyaAllah” ——————————————————————————————————————————————————————————
Rancangan Percobaan Faktorial

Rancangan Percobaan Faktorial

Pada pembahasan yang lalu kita sudah menyelesaikan pembahasan 2 rancangan dasar pada rumpun analisis rancangan percobaan yang harus peneliti ketahui dan pahami, karena dapat membantu memahami dan mengidentifikasi jenis dan pola data yang akan dihasilkan oleh penelitian dengan menggunakan rancangan percobaan. Dua teknik yang sebelumnya sudah kita bahas yaitu Rancangan Acak Lengkap (RAL) dan Rancangan Acak Kelompok (RAK). Bagi pembaca yang baru menemukan artikel ini silahkan untuk mempelajari dan memahami konsepsi dan aplikasi dengan menggunakan SPSS pada 4 artikel sebelumnya.

Rancangan Percobaan Faktorial

Pada kesempatan kali ini kita akan coba ulas secara konsepsi jenis dari teknik rancangan percobaan lainnya yaitu rancangan percobaan faktorial. Dalam pembahasan sebelumnya (RAL dan RAK) yang diulas hanyalah mengenai eksperimen dengan hanya melibatkan satu factor, yang secara umum dinyatakan dengan perlakuan, yang terdiri atas beberapa taraf. Analisis dilakukan untuk menyelidiki apakah terdapat perbedaan yang berarti mengenai rata-rata efek tiap taraf ataukah tidak. Akan tetapi sering terjadi bahwa kita ingin menyelidiki secara bersamaan efek beberapa factor yang berlainan, misalkan efek perubahan temperature, tekanan dan konsentrasi zak reaksi pada suatu proses kimia. Dalam hal ini tiap perlakuan merupakan kombinasi dari temperature, tekanan dan sejumlah konsentrasi zat reaksi. Apabila tiap factor terdiri dari beberapa taraf maka kombinasi tertentu dari taraf factor menentukan sebuah kombinasi perlakuan. Jika semua atau hampir semua kombinasi antar setiap factor kita perhatikan, maka eksperimen yang terjadi karenanya dinamakan eksperimen faktorial. Dikatakan dengan cara lain, eksperimen factorial adalah eksperimen yang semua (hampir semua) taraf sebuah factor tertentu dikombinasikan atau disilangkan dengan semua (hampir semua) taraf tiap factor lainnya yang ada dalam eksperimen tersebut. Berdasarkan adanya banyak taraf dalam tiap factor, eksperimen ini sering diberi nama dengan menambahkan perkalian antara banyak factor yang satu dengan banyak taraf factor lainnya (misal : a x b taraf faktor).

Model dan Anova  Desain Eksperimen Faktorial

Sebagai misal akan diambil huruf-huruf besar A, B, C dan seterusnya untuk menyatakan factor pada umumnya. Misalkan suatu eksperimen meliputi dua factor A dan B yang masing-masing mempunyai taraf i = 1, 2, …, a dan j = 1, 2, …, b. Misal eksperimen dilakukan dengan menggunakan desain acak sempurna yang untuk tiap kombinasi perlakuan telah digunakan n buah observasi. Pengacakan dilakukan sempurna dalam tiap sel untuk n buah unit yang diambil secara acak dari populasinya. Pengamatan Yijk merupakan pengamatan ke k dari sejumlah n yang diambil secara acak dari populasi yang terjadi karena kombinasi perlakuan taraf I factor A dan taraf j factor B. Model yang digunakan untuk desain factorial a x b ini adalah

desain eksperimen faktorial

Yijk      = variable respon hasil observasi ke-k

µ          = rata-rata yang sebenarnya (konstan)

Ai        =  efek taraf ke i factor A

Bj         = efek taraf ke j factor B

ABij      = efek interaksi taraf ke i factor A dan taraf ke j factor B

ϵk(ij)      = efek unit eksperimen ke k dalam kombinasi perlakuan (ij)

Untuk memudahkan dalam pembacaan data hasil pengamatan pada desain eksperimen factorial, komponen hasil pengamatan berdasarkan atas taraf factor dari factor A dan taraf factor dari factor B, dapat disusun pada model table berikut.

Dengan format tabel data di atas dapat memudahkan untuk perhitungan secara manual untuk memperoleh tabel ANOVA dan nilai F statistik yang digunakan untuk pengujian hipotesis. (lebih lengkap tentang rumus perhitungan manual dapat dipelajari langsung pada buku rancangan percobaan). Selain itu format tabel di atas juga dapat membantu peneliti untuk mengidentifikasikan bahwa data penelitian yang disusun merupakan hasil dari pengamatan dengan teknik rancangan percobaan faktorial. Adapun table ANOVA yang digunakan dalam rancangan eskperimen factorial sebagai berikut.

Pada table ANOVA di atas terlihat bahwa efek perlakuan yang dihitung dan diujikan ada 2 macam yaitu efek tunggal masing-masing factor (A dan B) dan efek kombinasi dari factor-faktor (AB). Hal ini yang membedakan dengan pembahasan racangan eksperimen sebelumnya yang hanya menghitung dan mengujikan factor tunggal (RAL dan RAK). Hanya saja dalam aplikasinya rancangan eksperimen factorial akan tetap berlandasarkan pada RAL dan RAK. Oleh karenanya pemahaman yang baik pada rancangan eksperimen dasar (RAL dan RAK) sangat diperlukan.

Hal lainnya, pada table ANOVA di atas tampak bahwa untuk menghitung statistic F guna melakukan pengujian statistis, perlu diketahui model mana yang diambil. Model yang dimaksud ditentukan oleh sifat taraf tiap factor, apakah tetap atau acak. (seperti telah dijelaskan pada pembahasan rancangan eksperimen RAL dan RAK).

Dan ketentuan lain terkait dengan data hasil pengamatan atau unit pengamatan itu sendiri, bisa dilihat dari desain percobaan yang mendasarinya (apakah RAL atau RAK). Dan pembaca dapat membaca dan memahami hal tersebut pada pembahasan artikel kita sebelumnya.

Pada kesempatan selanjutkan kita akan coba uraikan tahapan dalam melakukan analisis rancangan eksperimen factorial dengan bantuan software SPSS. Sebagai catatan perlu dipahami secara benar tentang penggunaan dan kriteria unit percobaan serta kriteria perlakuan, agar tidak terjadi kekeliruan pengaplikasian pada data yang dimiliki oleh peneliti atau data master. SEMANGAT MEMAHAMI!!.

Sumber :

  • Sudjana, Desain dan Analisis Eksperimen

—————————————————————————————————————————————————————————-

Jika rekan peneliti memerlukan bantuan survey lapangan, data entry ataupun olahdata dapat menghubungi mobilestatistik.com :

Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian, aplikasi software statistik ataupun olahdata.

  • “1st Kirim Pertanyaan, Pasti Kami Jawab . . . InsyaAllah”

—————————————————————————————————————————————————————————

Survey Lapangan Mobilitas Warga Kawasan TOD Jakarta Pusat

Survey Lapangan Mobilitas Warga Kawasan TOD Jakarta Pusat

Pada kesempatan kali ini kita akan sharing pengalaman kita di lapangan, survey lapangan atau sebar kuesioner, yang berbeda dengan sharing pada kesempatan sebelumnya. Survey lapangan atau sebar kuesioner kali ini, hendak menggali informasi atau perspektif dari warga masyarakat yang tinggal atau beraktivitas di Kawasan TOD Jakarta Pusat, guna memperoleh informasi pola pergerakan para pengguna kawasan transit berbasis TOD regional di Jakarta Pusat (Kawasan Dukuh Atas, Senen, dan Tanah Abang). Sekali lagi bahwa persiapan fisik maupun pengetahuan terhadap medan lapangan yang akan dijadikan sasaran pengambilan data haruslah diperhatikan. Karena banyak hal-hal yang tidak bisa kita prediksikan dapat terjadi dan menjadi tantangan tersendiri di lapangan.

Objek dari survey lapangan atau sebar kuesioner lapangan kali ini dalam kategori gampang-gampang susah. Target spesifik yang menjadi kriteria dari responden adalah warga masyarakat yang beraktivitas dan atau tinggal di wilayah Kawasan Dukuh Atas, Senen, dan Tanah Abang. Kriteria objek yang cukup mudah pada perkiraan awal karena seperti kita tahu bahwa warga masyarakat biasanya welcome dengan riset, apalagi dilakukan kaitannya dengan pendidikan. Pada realitanya didapati pula kesulitan tertentu, di antaranya adalah faktor kesediaan responden dan waktu yang tepat dalam bertemu dengan calon responden. Sehingga diperlukan effort ekstra tidak hanya proses komunikasi yang diharuskan baik, akan tetapi extra time agar didapatkan waktu pas untuk bertemu target responden (week end dan waktu sore hingga malam hari).

Crew lapangan yang diturunkan pada survey lapangan kali ini sebanyak 3 orang. Rata-rata tenaga yang kita pakai berusia antara 20 s.d 25 tahun. Selain muda semangatnya pun OK untuk menjaga kualitas hasil survey yang kita lakukan. Selain itu, crew yang well educated (rata-rata sedang menempuh perkuliahan) memberikan nilai plus tersendiri, selain dari pola bahasa dalam komunikasi yang baik, yang terpenting behave yang menyenangkan bagi responden kita.

Meskipun relatif tidak ada kendala yang berarti di lapangan yang tim kita temui, planning dan strategi yang terukur dalam melakukan survey lapangan tetap perlu diperhatikan. Perlu pendekatan kepada para tokoh masyarakat (RT dan RW setempat) agar penerimaan warga terhadap tim lapangan kita tidak terkendala. Dan hal ini memudahkan tim kita dilapangan dalam mendapatkan responden, sehingga berpengaruh pada proses pengambilan data di lapangan yang relatif lebih cepat.

Tools lain yang kita gunakan dalam mendapatkan target sampel adalah gimmick atau souvenir survey, hal sangat sepele tapi sangat bermanfaat dalam proses persuasif kepada calon responden. Meskipun perlu ada budget tambahan dalam RAB peneliti, akan tetapi hal ini worthed untuk dilakukan dalam mempercepat proses survey lapangan.

Sharing singkat ini, semoga bermanfaat dalam membantu rekan-rekan peneliti dalam membangun frame awal sebelum melakukan survey dilapangan. Kami akan share banyak pengalaman kami di lapangan pada kesempatan yang lain. SEMANGAT MENELITI!!!

——————————————————————————————————————————————————————————

Jika rekan peneliti memerlukan bantuan survey lapangan, data entry ataupun olahdata dapat menghubungi mobilestatistik.com :

Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian, aplikasi software statistik ataupun olahdata.

  • “1st Kirim Pertanyaan, Pasti Kami Jawab . . . InsyaAllah”

——————————————————————————————————————————————————————————

Survey Lapangan Preferensi Moda Transportasi Warga Jakarta #Part2

Survey Lapangan Preferensi Moda Transportasi Warga Jakarta #Part2

Pada kesempatan kali ini kita akan sharing pengalaman kita di lapangan, survey lapangan atau sebar kuesioner, yang berbeda dengan sharing pada kesempatan sebelumnya. Survey lapangan atau sebar kuesioner kali ini, hendak menggali informasi atau perspektif dari warga masyarakat di sekitar pembangunan MRT Jakarta dengan radius 5 km s.d 7 km, guna mendapatkan informasi terkait kebiasaan dan pilihan moda transportasi yang digunakan warga Jakarta untuk menuju tempat aktivitasnya (Misal : kerja, sekolah, dagang atau kuliah). Sekali lagi bahwa persiapan fisik maupun pengetahuan terhadap medan lapangan yang akan dijadikan sasaran pengambilan data haruslah diperhatikan. Karena banyak hal-hal yang tidak bisa kita prediksikan dapat terjadi dan menjadi tantangan tersendiri di lapangan.

Objek dari survey lapangan atau sebar kuesioner lapangan kali ini dalam kategori gampang-gampang susah. Target spesifik yang menjadi kriteria dari responden adalah warga masyarakat yang mewakili sebuah keluarga di wilayah Jakarta, yang memiliki keseharian aktivitas di ibu kota Jakarta, baik itu yang beraktivitas dengan menggunakan pribadi maupun dengan menggunakan kendaraan umum. Kriteria objek yang cukup mudah pada perkiraan awal karena seperti kita tahu bahwa warga masyarakat biasanya welcome dengan riset, apalagi dilakukan kaitannya dengan pendidikan. Pada realitanya didapati pula kesulitan tertentu, di antaranya adalah faktor kesediaan responden dan waktu yang tepat dalam bertemu dengan calon responden. Sehingga diperlukan effort ekstra tidak hanya proses komunikasi yang diharuskan baik, akan tetapi extra time agar didapatkan waktu pas untuk bertemu target responden (week end dan waktu sore hingga malam hari).

Crew lapangan yang diturunkan pada survey lapangan kali ini sebanyak 4 orang. Rata-rata tenaga yang kita pakai berusia antara 20 s.d 25 tahun. Selain muda semangatnya pun OK untuk menjaga kualitas hasil survey yang kita lakukan. Selain itu, crew yang well educated (rata-rata sedang menempuh perkuliahan) memberikan nilai plus tersendiri, selain dari pola bahasa dalam komunikasi yang baik, yang terpenting behave yang menyenangkan bagi responden kita.

Meskipun relatif tidak ada kendala yang berarti di lapangan yang tim kita temui, planning dan strategi yang terukur dalam melakukan survey lapangan tetap perlu diperhatikan. Perlu pendekatan kepada para tokoh masyarakat (RT dan RW setempat) agar penerimaan warga terhadap tim lapangan kita tidak terkendala. Dan hal ini memudahkan tim kita dilapangan dalam mendapatkan responden, sehingga berpengaruh pada proses pengambilan data di lapangan yang relatif lebih cepat.

Tools lain yang kita gunakan dalam mendapatkan target sampel adalah gimmick atau souvenir survey, hal sangat sepele tapi sangat bermanfaat dalam proses persuasif kepada calon responden. Meskipun perlu ada budget tambahan dalam RAB peneliti, akan tetapi hal ini worthed untuk dilakukan dalam mempercepat proses survey lapangan.

Sharing singkat ini, semoga bermanfaat dalam membantu rekan-rekan peneliti dalam membangun frame awal sebelum melakukan survey dilapangan. Kami akan share banyak pengalaman kami di lapangan pada kesempatan yang lain. SEMANGAT MENELITI!!!

————————————————————————————————————————————————————————-

Jika rekan peneliti memerlukan bantuan survey lapangan, data entry ataupun olahdata dapat menghubungi mobilestatistik.com :

Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian, aplikasi software statistik ataupun olahdata.

  • “1st Kirim Pertanyaan, Pasti Kami Jawab . . . InsyaAllah”

————————————————————————————————————————————————————————-

Ragam Uji Lanjut Dalam Rancangan Percobaan

Ragam Uji Lanjut Dalam Rancangan Percobaan

Pada empat artikel yang lalu kita sudah membahas 2 rancangan percobaan dasar yang seharusnya peneliti pahami baik itu secara konsepsi maupun aplikasi (menggunakan SPSS), yakni teknik Rancangan Acak Lengkap (RAL) dan Rancangan Acak Kelompok (RAK). Seperti sudah sedikit kita singgung pada pembahasan pada penggunaan aplikasi SPSS bahwa jika memang hasil uji F pada teknik rancangan percobaan baik itu RAL maupun RAK adalah signifikan maka untuk memastikan perlakuan mana yang secara berarti berbeda atau menjadikannya berbeda dapat diketahui dengan adanya uji lanjut.

Jika para pembaca sudah mengetahui atau kenal adanya uji 2 sampel dengan menggunakan uji t, tidak lah susah dalam memahami secara konsepsi pengaplikasian uji lanjut pada rancangan percobaan. Permasalahannya sekarang adalah tipe uji lanjut yang manakah yang memang cocok diterapkan pada data atau rancangan percobaan yang kita gunakan. Nah pada kesempatan kali ini kita akan coba uraikan secara singkat beberapa teknik uji lanjut yang terdapat pada teknik rancangan percobaan yang dapat digunakan oleh para peneliti.

Beda Nyata Terkecil (Least Significant Difference : LSD)

Uji ini secara singkat telah didiskusikan oleh Fisher (1935), sehingga dikenal juga sebagai beda nyata terkecil Fisher (Fisher’s LSD) atau uji t berganda (multiple t test). Perlu dicatat bahwa uji ini akan sangat baik digunakan apabila pengujian nilai tengah (mean) perlakuan yang akan diperbandingkan sebelumnya telah direncanakan. Sehingga sering juga dikenal sebagai pembanding terencana. Tingkat ketepatan uji LSD akan berkurang apabila digunakan untuk menguji semua kemungkinan pasangan nilai tengah (mean) perlakuan, yaitu melakukan pembanding yang tidak terencana (unplanned comparison).

Berikut ini dikemukakan beberapa aturan dasar yang perlu diperhatikan agar uji LSD dapat digunakan secara efektif.

  1. Gunakan uji LSD hanya bila uji F dalam analisis ragam (Anova) nyata (signifikan).
  2. Tidak menggunakan uji LSD untuk pembandingan semua kombinasi pasangan nilai tengah (mean) perlakuan bila percobaan mencakup lebih dari 5 perlakuan.
  3. Gunakan uji LSD untuk pembandingan terencana tanpa memperhatikan banyaknya perlakuan. Sebagai misal, dalam membandingkan setiap perlakuan terhadap kontrol, uji LSD dapat digunakan  sekalipun percobaan tersebut mencakup lebih dari 5 perlakuan.

Untuk menilai apakah dua nilai tengah (mean) perlakuan berbeda secara nyata, maka bandingkan selisih dua nilai tengah (mean) perlakuan tersebut dengan nilai LSD. Jika beda dua nilai tengah (mean) perlakuan lebih besar daripada nilai LSD, maka dua nilai tengah (mean) perlakuan dikatakan bebeda secara nyata (signifikan).

Uji Tukey (Honestly Significant Difference : HSD)

Uji Tukey atau sering juga disebut uji beda nyata jujur (honestly significant difference test). Uji ini diperkenalkan oleh J. W. Tukey (1953). Alternatif untuk pengujian pembandingan tanpa rencana, yaitu menguji semua kombinasi pasangan nilai tengah (mean) perlakuan dapat digunakan uji HSD.

Uji HSD sangat sederhana karena hanya membutuhkan satu nilai tunggal HSD yang digunakan sebagai pembanding. Jika beda dua nilai tengah (mean) perlakuan lebih besar dari nilai HSD maka kedua perlakuan dinyatakan berbeda.

Uji Wilayah Berganda Duncan (Duncan Multiple Range Test)

Uji Duncan didasarkan pada sekumpulan nilai beda nyata yang ukurannya semakin besar tergantung pada jarak di antara pangkat-pangkat dari dua nilai tengah (mean) yang dibandingkan. Uji Duncan dapat digunakan untuk menguji perbedaan diantara semua pasangan perlakuan yang mungkin tanpa memperhatikan jumlah perlakuan yang ada dari percobaan tersebut serta masih dapat mempertahankan tingkat nyata yang ditetapkan.

Berbeda dengan perhitungan uji pada LSD dan HSD, perhitungan signifikansi dua nilai tengah (mean) perlakuan pada uji Duncan cukup kompleks (tidak dibandingkan dengan hanya satu acuan nilai) dan dilakukan secara bertahap pada seluruh kombinasi nilai tengah (mean) dari perlakuan. Oleh karenanya dengan menggunakan uji wilayah berganda Duncan kita harus melakukan pembandingan sebanyak (t-1) kali, dimana t merupakan jumlah perlakuan yang akan dibandingkan.

Uji Student-Newman-Keuls (Uji S-N-K)

Student, Newman dan Kuels masing-masing telah memberikan kontribusi bagi pengembangan uji ini. Namun demikian uji ini sering disebut sebagai uji Newman-Keuls atau secara singkat hanya disebut sebagai metode Keuls. Berbeda dengan uji HSD yang hanya menggunakan satu nilai tunggal w (nilai acuan HSD) sebagai pembanding, pada uji S-N-K ini menggunakan beberapa nilai untuk pengujian (menggunakan beberapa nilai acuan w). Dan secara prosedur perhitungan uji S-N-K serupa prosedurnya dengan uji Duncan. 

Pada pengujian dengan uji S-N-K lebih kompleks dari segi kombinasi pengujian nilai tengah (mean) perlakuan dibandingkan dengan kombinasi pengujian nilai tengah (mean) perlakuan yang ada pada uji Duncan (hanya t-1 buah). Pada uji S-N-K akan ada ½t(t-1) pasangan nilai tengah (mean) perlakuan yang dapat dibandingkan.

Uji Dunnett (Dunnett Test)

Jika kita ingin membandingkan nilai tengah (mean) dari semua perlakuan dengan nilai tengah (mean) perlakuan kontrol, maka dapat menggunakan uji Dunnet. Jadi uji Dunnet merupakan suatu alat pengujian pembanding semua nilai tengah (mean) perlakuan dengan kontrol. Dunnet mengembangkan uji ini dan mempopulerkannya pada tahun 1955. Prosedur Dunnet membutuhkan sebuah nilai tunggal (d) untuk dijadikan pembanding.

Jika dilihat dari konsep penggunaan dari uji Dunnet mirip atau hampir sama dengan penggunaan uji LSD dan boleh jadi menjadi alternatif bagi peneliti jika memang memiliki kondisi yang di syaratkan oleh uji-uji tersebut.

….

Beberapa uji lanjut (5 jenis uji) dari teknik rancangan percobaan (jika Anova menghasilkan F yang signifikan) yang sudah kita kemukakan di atas haruslah dipahami secara baik dan benar. Pemahaman awal terkait dengan kondisi perlakuan dan tujuan penggunaannya pada perlakuan harus diperhatikan secara benar oleh peneliti. Agar penggunaan uji lanjut pada teknik rancangan percobaan dapat secara tepat memberikan konklusi yang diharapkan dari penelitian percobaan.

Hal lainnya, bagi peneliti yang menyenangi pembuktian perhitungan secara manual dapat mempelajarinya langsung pada buku-buku rancangan percobaan yang menjadi rujukan. Hal ini dikarenakan ada banyak notasi dan nilai-nilai yang harus dihitung dan diperoleh dari tabel-tabel acuan baku yang ada di buku sumber rujukan.

Selain itu ke-5 jenis pengujian di atas, ada beberapa teknik pengujian lanjutan yang lebih kompleks dan harus dipraktekan secara langsung (manual) bagi rancangan percobaan yang memiliki model dan perlakuan yang kompleks, beberapa teknik yang dapat dipelajari secara langsung diantaranya, Metode Pembanding Ortogonal, Uji Scheffe dan Analisis Gerombol (klaster) Scott-Knott. Adapun metode-metode yang sudah kita paparkan di atas biasanya metode yang umum digunakan pada penelitian yang cukup sederhana (baik dari teknik rancangan percobaan maupun jumlah perlakuan). Dan secara aplikasi dengan menggunakan SPSS menu untuk menemukan uji lanjut ada pada menu “Post Hoc”. SEMANGAT MEMAHAMI!!.

Sumber :

  • Vincent Gaspersz, Teknik Analisis Rancanangan Percobaan

—————————————————————————————————————————————————————————

Jika rekan peneliti memerlukan bantuan survey lapangan, data entry ataupun olahdata dapat menghubungi mobilestatistik.com :

Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian, aplikasi software statistik ataupun olahdata.

  • “1st Kirim Pertanyaan, Pasti Kami Jawab . . . InsyaAllah”

—————————————————————————————————————————————————————————

Menghadapi Fakta Brutal, Good to Great, Jim Collins

Menghadapi Fakta Brutal, Good to Great, Jim Collins

Dua artikel lalu, yang kita muat pada kolom SerbaSerbi yang kaitannya dengan ulasan singkat dari buku Good to Great, kita sudah bahas pada 2 bab awal dari buku tersebut yaitu Kepemimpinan Level 5 dan Siapa Dulu… Baru Apa. Kita coba ulas singkat pembahasan dua bab yang lalu, kaitannya dengan Kepemimpinan Level 5, dimana menjadi landasan bagi para CEO dalam membangun perusahaan yang bukan hanya baik secara performa finansial akan tetapi perusahaan yang lestari (keberadaan perusahaan bukan hanya ada karena suatu pimpinan melainkan karena nilai-nilai yang ada dalam perusahaan itu sendiri). Sedangkan Siapa Dulu …. Baru Apa, merupakan langkah awal yang dilakukan oleh seorang pemimpin level 5, dimana mereka menemukan orang yang tepat terlebih dahulu dalam perusahaan dapat mengakselerasi kerja dan capaian-capaian perusahaan secara kontinu.

Pada kesempatan kali ini kita akan coba share tema selanjutnya, dimana ini merupakan langkah kedua yang dilakukan oleh pemimpin level 5 dalam membangun perusahaan bagus ke hebat (lestari), yaitu Menghadapi Fakta Keras/Brutal [Tapi Tidak Pernah Kehilangan Keyakinan]. Dalam bab ini dibahas sikap optimistis menyikapi kondisi terpuruk dari suatu perusahaan, dengan tanpa mengabaikan fakta-fakta riil lapangan yang sedang terjadi. Dalam hal kebanyakan, optimisme dibangun hanya dengan narasi motivasi yang hanya menggugah semangat akan tetapi mengabaikan penanggulangan fakta-fakta keras yang sedang terjadi di luar perusahaan. Dan penulis dalam hal ini Jim Collins pada bukunya menyebutnya dengan istilah “Paradoks Stockdale”.

Paradoks Stockdale, Good to Great, Jim Collins

Selanjutnya, pada artikel ini kita akan mengutip ikhtisar atau rangkumannya saja, lebih lengkap mengenai cerita dan data yang menjadi landasan intisari pada pembahasan bab Menghadapi Fakta Keras/Brutal [Tapi Tidak Pernah Kehilangan Keyakinan], pembaca dapat membaca langsung pada buku Good to Great, Jim Collins. Adapun poin-poin kunci pada bagian ketiga dari buku Good to Great yang membahas tentang Menghadapi Fakta Keras/Brutal [Tapi Tidak Pernah Kehilangan Keyakinan] diantaranya,

  1. Semua perusahaan bagus ke hebat memulai proses menemukan jalan keagungan atau kejayaan dengan menghadapi fakta-fakta brutal dari realitas terkini mereka.
  2. Saat Anda memulai dengan upaya jujur dan tekun untuk menemukan realitas situasi Anda, keputusan-keputusan yang benar kerap menjadi jelas dengan sendirinya.
  3. Tugas utama membawa satu perusahaan dari bagus ke hebat adalah menciptakan satu kultur dimana orang akan memiliki peluang besar untuk didengarkan, sehingga pada akhirnya kebenaran pun akan terdengar.
  4. Menciptakan satu iklim dimana kebenaran itu terdengar melibatkan empat praktik dasar : (1). Memimpin dengan pertanyaan, bukan jawaban (2). Terlibat dalam dialog dan debat, bukan paksaan (3). Melakukan otopsi tanpa saling menyalahkan dan (4). Membangun mekanisme bendera merah yang mengubah informasi menjadi informasi yang tak bisa diabaikan..
  5. Perusahaan bagus ke hebat menghadapi kesukaran yang sama besar dengan perusahaan pembanding, tapi merespon kesukaran itu secara berbeda. Mereka langsung menghadapi realitas situasi. Akibatnya mereka keluar dari kesukaran itu dalam kondisi lebih kuat.
  6. Satu psikologi kunci untuk memimpin dari bagus ke hebat adalah Paradoks Stockdale : Mempertahankan keyakinan mutlak bahwa Anda bisa dan akan menang pada akhirnya, terlepas dari rintangan yang ada, dan pada saat bersamaan menghadapi fakta-fakta paling brutal dari realitas terkini Anda, apa pun rintangan itu.
  7. Karisma bisa jadi menjadi beban ketimbang aset karena kekuatan dari kepribadian kepemimpinan Anda bisa menyurutkan orang untuk membawa fakta-fakta brutal kepada Anda.
  8. Kepemimpinan tidak hanya mulai dengan visi. Kepemimpinan mulai dengan membuat orang menghadapi fakta-fakta keras dan bertindak mengatasi dampak-dampak yang terjadi.
  9. Mencurahkan waktu dan energi untuk berusaha “memotivasi” orang sama dengan membuang tenaga. Pertanyaan pentingnya bukanlah, “Bagaimana kita memotivasi orang kita?”. Jika Anda memiliki orang yang tepat, mereka akan memotivasi diri dengan sendirinya. Salah satu cara utama untuk menyurutkan motivasi orang adalah dengan mengabaikan fakta-fakta keras realitas.

Yang perlu kita sadari bersama bahwa untuk membangun suatu perusahaan yang bagus (bahkan perusahaan yang lestari) tidaklah bersifat instant (jangka waktu cepat). Dalam bab pertama buku Good to Great pada perusahaan-perusahaan yang diteliti setidaknya perlu belasan bahkan puluhan tahun (20 s.d 25 tahun) dari perusahaan untuk menujukkan bahwa perusahaan tersebut hebat dan lestari (didalamnya memiliki pemimimpin dengan kapasitas Level 5). Karena berbasis pada riset dan data, selama periode yang lama tersebut perusahaan mencatatkan kemajuan yang signifikan dengan tren naik salah satunya pada harga saham dan pendapatan.

Lebih lengkap mengenai cerita hasil riset yang didapati pada perusahaan-perusahaan US, Amerika tersebut sehingga digolongkan pada perusahaan yang hebat dan lestari, dapat dibaca pada buku Good to Great, Jim Collins, yang menurut penulis dapat dijadikan refrensi bacaan yang menarik dan memotivasi meskipun oleh para leader-leader yang sedang membangun sekalipun. SEMOGA BERMANFAAT. wallahu a’lam.

Sumber :Good to Great, Jim Collins.

Rancangan Acak Kelompok (RAK) Dengan SPSS

Rancangan Acak Kelompok (RAK) Dengan SPSS

Pada artikel sebelumnya kita sudah memaparkan konsepsi terkait penelitian dengan teknik rancangan percobaan dengan metode Rancangan Acak Kelompok (RAK). Secara prinsip kita sudah ketahui dan pahami bersama bahwa pada RAK unit percobaan bersifat heterogen atau dalam kelompoknya relatif homogen sedangkan antar kelompoknya heterogen. Selain itu, dalam RAK pun hanya melibatkan satu jenis perlakuan pada unit percobaan (seperti halnya pada RAL). Sehingga meskipun perhitungan untuk membuktikan keberartian hipotesis dilakukan secara manual tidak akan terlalu sulit.

Namun pada kesempatan kali ini kita tidak hendak menunjukkan kepada para pembaca pembuktian perhitungan secara manual, akan tetapi kita akan coba uraikan perhitungan atau tahapan penggunaan software SPSS untuk pengujian rancangan percobaan dengan metode RAK pada sampel data penelitian yang kita miliki.

Lebih lanjut langkah-langkah menggunakan software SPSS pada Rancangan Acak Kelompok (RAK) sebagai berikut.

1. Persiapkan data penelitian yang kita miliki dalam software Microsoft Excel, untuk memudahkan pembacaan pada data, buatlah entry data pengamatan seperti yang sudah kita tunjukkan pada artikel sebelumnya.

Rancangan Acak Kelompok (RAK)

2. Buka software SPSS dan identifikasikan data pada jendela Variabel View, yang terdiri dari dua jenis variabel yaitu Data Pengamatan dan Kategori atau Derajat Perlakuan. Pada variabel Kategori atau Derajat Perlakuan dilakukan dengan cara melakukan koding pada data pada menu Values sesuai dengan kategori atau derajat pada perlakuan yang diujikan. Kemudian pada Data View, data pengamatan dijadikan menjadi satu kolom. Tampilan akhir data pada SPSS yang siap untuk dianalisis adalah sebagai berikut.

Rancangan Acak Kelompok (RAK)
Gambar 1. Jendela Variabel View
Rancangan Acak Kelompok (RAK)
Gambar 2. Jendela Variabel View

3. Setelah data yang kita miliki siap untuk di analisis, langkah selanjutnya klik menu Analyze lalu pilih pada menu General Linear Model (GLM) lalu klik pada menu Univariate, maka akan muncul tabel sebagai berikut.

Rancangan Acak Kelompok (RAK)
Gambar 1. Menu GLM Univariate
Rancangan Acak Kelompok (RAK)
Gambar 2. Pendefinisian Variabel Pada GLM Univariate

4. Langkah selanjutnya adalah mendefinisikan variabel yang kita miliki pada kolom-kolom yang ada untuk dilakukan analisis pada data. Pertama, isikan pada tabel Dependent Variable variabel yang berisi data hasil pengamatan dan kedua isikan pada tabel Fixed Factor variabel yang berisikan kategori perlakuan yang kita libatkan dalam penelitian, seperti tampak pada gambar berikut.

Rancangan Acak Kelompok (RAK)

5. Setelah men-set variabel kita dengan tepat sesuai dengan kolom variabelnya, maka langkah selanjutnya adalah mendefinisikan output apa saja yang kita kehendaki, 3 (dua) menu utama yang sering digunakan adalah Models yang digunakan untuk mendefinisikan model matematis secara teori (main effect dan interaksi) serta metode perhitungan pada Anova, Post Hoc untuk melakukan uji lanjut antar data kelompok perlakuan dan Options untuk memberikan hasil analisis tambahan yang diperlukan dalam rangka interpretasi hasil analisis pada data (noted : untuk jenis analisis tertentu diperlukan teori pendukungnya), seperti tampak pada gambar berikut.

Rancangan Acak Kelompok (RAK)
Gambar 1. Menu Pendefinisian Model Matematis RAK
Rancangan Acak Kelompok (RAK)
Gambar 2. Opsi Output SPSS

6. Setelah kita yakin dengan data yang kita miliki dan output tambahan yang kita perlukan, setelahnya kita klik OK dan SPSS akan memproses data hasil RAK kita. Output yang dihasilkan dari data RAK yang kita inputkan akan tampak seperti gambar berikut.

Rancangan Acak Kelompok (RAK)
Gambar 1. Output RAK Uji Signifikansi Staistik F

Sebagai catatan perlu dipahami secara benar tentang penggunaan dari uji lanjut (post hoc) yang diperlukan oleh peneliti, teori tepat yang mendasari penggunaannya akan menuntun peneliti pada hasil analisis yang optimal. Lebih lanjut tentang uji lanjut akan kita uraikan pada artikel selanjutnya. Dan seperti yang telihat pada pemaparan RAK dengan SPSS di atas, terlihat sangat sederhana dan sepertinya mudah untuk diaplikasikan. Yang menjadi perhatian penulis adalah penguasaan teori tentang RAK yang telah kita uraikan pada artikel sebelumnya sebelum mengaplikasikan pada software SPSS. SEMANGAT MENCOBA!!.

—————————————————————————————————————————————————————————

Jika rekan peneliti memerlukan bantuan survey lapangan, data entry ataupun olahdata dapat menghubungi mobilestatistik.com :

Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian, aplikasi software statistik ataupun olahdata.

“1st Kirim Pertanyaan, Pasti Kami Jawab . . . InsyaAllah”

—————————————————————————————————————————————————————————