“Roda Deming” atau “Deming’s Wheel”

“Roda Deming” atau “Deming’s Wheel”

Sebelum kita coba sharing tentang salah satu ilmu statistika yang erat kaitannya dengan kehidupan industri yaitu Statistikal Proses Control (SPC) atau Statistical Quality Control (SQC), ada baiknya kita coba memahami suatu konsep tentang industri modern yang dikemukakan oleh Deming sehingga dikenal luas dengan istilah “Deming’S Wheel” atau “Roda Deming”

Suatu keniscayaan bahwa dalam proses yang ada pada “Roda Deming” akan melibatkan adanya suatu proses kontrol dan kaitannya dengan data yang dihasilkan dari proses tersebut maka memunculkan istilah Statistikal Proses Control (SPC) atau Statistical Quality Control (SQC).  Sebelum lebih lanjut kita bahas tentang SPC atau SQC ada baiknya kita coba pelajari dan pahami apa itu “Roda Deming” atau “Deming’S Wheel”.

Konsep Deming Tentang Sistem Industri Modern

Proses industri harus dipandang sebagai suatu perbaikan terus menerus (continous improvement), yang dimulai dari sederet siklus sejak adanya ide-ide untuk menghasilkan suatu produk, pengembangan produk, sampai distribusi kepada konsumen. Seterusnya berdasarkan informasi sebagai umpan balik yang dikumpulkan dari pengguna produk itu (konsumen) kita dapat mengembangkan ide-ide untuk menciptakan produk baru atau memperbaiki produk lama beserta proses produksi yang ada saat ini.

Dr. William Edwards Deming, seorang guru manajemen kualitas dari US, pada bulan Agustus 1950 dalam suatu konferensi dengan manajemen puncak di Hotel de Yama, Mount Hakone, Jepang, memperkenalkan suatu diagram yang memandang industri sebagai suatu sistem.

deming, wheel

Perbaikan performasi bisnis modern harus mencakup keseluruhan sistem industri dari kedatangan material sampai penyerahan produk kepada konsumen dan desain ulang produk (barang dan atau jasa) untuk masa mendatang. Dalam organisasi jasa, sumber-sumber A, B, C dan D, dapat menjadi sumber-sumber data atau kerja dari operasi sebelumnya seperti dokumentasi-dokumentasi yang berkaitan dengan permintaan konsumen, pembelian bahan baku dari pemasok, proses produksi, tingkat inventori yang ada, perhitungan biaya, pengiriman produk dari distributor sebagai konsumen antara atau ke konsumen akhir secara langsung dan lain-lain. Konsep sistem industri yang dikemukakan oleh Deming, selanjutnya populer dengan nama “Roda Deming” (Deming’s Wheel).

Roda Deming terdiri dari empat komponen utama, yaitu riset pasar, desain produk, proses produksi dan pemasaran. Deming menekankan pentingnya interaksi tetap antara riset pasar, desain produk, proses produksi dan pemasaran, agar perusahaan industri mampu meghasilkan produk dengan harga kompetitif dan kualitas yang lebih baik sehingga memuaskan konsumen. Deming menjelaskan bahwa roda itu harus dijalankan atas dasar pengertian dan tanggung jawab bersama untuk mengutamakan efisiensi industri dan peningkatan kualitas. Ia menjelaskan bahwa dengan cara menjalankan Roda Deming secara terus-menerus, perusahaan industri modern dapat memenangkan persaingan yang sangat kompetitif dan memperoleh keuntungan yang dapat dipergunakan untuk pengembangan usaha dan kesejahteraan tenaga kerja.

deming, wheel

Dari Roda Deming tampak bahwa berdasarkan informasi tentang keinginan konsumen (pasar) yang diperoleh dari riset pasar yang komperhensif, selanjutnya didesain produk sesuai keinginan pasar itu. Desain produk telah menetapkan model dam spesifikasi yang harus diikuti oleh bagian produksi. Bagian produksi harus meningkatkan efisiensi dari proses dan kualitas produk, agar diperoleh produk-produk berkualitas sesuai desain yang telah ditetapkan berdasarkan keinginan pasar itu, dengan biaya yang serendah mungkin. Hal ini dapat dicapai dengan menghilangkan pemborosan (waste) yang terjadi dalam proses produksi, melalui pengendalian proses statistikal terhadap produk (barang dan atau jasa) yang dihasilkan. Selanjutnya hasil dari proses produksi yang efisien dan berkualitas (yaitu produk yang memenuhi spesifikasi desain yang telah ditetapkan berdasarkan keinginan pasar) itu didistribusikan ke konsumen (distributor atau pengguna akhir produk) melalui bagian pemasaran dengan harga yang kompetitif. Bagian pemasaran dari industri modern selanjutnya bertanggung jawab langsung kepada konsumen, karena merekalah yang berhubungan langsung dengan konsumen itu. Setiap bagian dalam organisasi industri modern harus mendukung bagian desain, produksi dan pemasaran dalam meningkatkan kualitas bagi konsumen. Dalam Roda Deming siklus berulang kembali secara kontinu sepanjang waktu dalam praktek-praktek yang harus diperbaiki.

Suatu survei yang pernah diadakan dan telah berlaku umum menyatakan alasan-alasan mengapa pelanggan meninggalkan perusahaan antara lain : meninggal (1%), pindah (3%), membentuk kelompok lain (5%), alasan pesaing lebih baik (9%), produk mengecewakan (14%) dan sikap tidak berbeda dari perusahaan dalam memberikan pelayanan dari waktu ke waktu (68%). Alasan-alasan ini menunjukkan bahwa perlu adanya perbaikan terus-menerus (continous improvement) untuk mempertahankan loyalitas pelanggan kepada perusahaan.

Sumber :

Statistical Process Control, Vincent Gaspersz.

SEM Dengan Multi Sample

SEM Dengan Multi Sample

Pada kesempatan yang lalu, pada beberapa artikel yang sudah kita share sedikit banyak telah dikemukakan konsepsi analisis data dalam konteks data tidak dapat diamati secara langsung melainkan melalui indikator-indikator yang menyusunnya sehingga dikenal istilah variabel manifest dan variabel laten pada rumpun analisis model struktural (SEM). Dalam proses pengolahannya pun kita kenal dengan istilah SEM dalam konteks “parametrik” dan SEM dalam konteks “non-parametrik” sehingga memunculkan teknik penggunaannya dengan alat bantu sofware semisal Lisrel atau Amos untuk SEM “parametrik” dan SmartPLS untuk SEM “non-parametrik”. Sekilas kita kemukakan bagi para pembaca yang baru menemukan artikel ini untuk lebih lengkap mempelajari dan memahai kedua kosep tersebut pada artikel-artikel kita sebelumnya yaitu tentang analisis Structural Equation Modeling atau lebih familiar dengan sebutan SEM, baik itu secara teori maupun penggunaan softwarenya. Selain itu, kita juga sudah share juga perbandingan dari SEM “parametrik” dan SEM “non-parametrik” untuk memudahkan para peneliti (pemula terutama) untuk menentukan secara tepat tools yang digunakan pada data dan konsep penelitian yang dimilikinya.

Pada kesempatan kali ini kita akan coba ulas konsep lain dari SEM yang mana melibatkan lebih dari satu kelompok sampel. Pada pembahasan-pembahasan sebelumnya kita memframekan bahwa sampel atau data yang digunakan pada analisis SEM hanya terdiri dari satu kelompok data atau satu sampel. Ternyata dalam konteks penggunaan SEM pun dapat difasilitasi jumlah sampel lebih dari satu kelompok sampel. Sebagai awalan mari kita banyangkan penggunaan analisis pada rumpun uji beda (misal : uji beda t) pada klasifikasi uji beda dengan sampel independen satu sama lain, sehingga kita dapatkan pengujian apakah dari variabel yang dijadikan rujukan pengujian pada uji beda tersebut sama atau kah berbeda secara rata-rata antar kedua sampel tersebut. Nah, pada konteks analisis SEM yang dijadikan acuan perbandingan model antar dua kelompok sampel tersebut adalah terletak pada Koefisien Struktural (model struktural) dan atau pada Koefisien Pengukuran-nya (model pengukuran) dengan membuat salah satunya fixed (tetap) pada proses pengujiannya.

Lebih lanjut terkait dengan konsep pengujian SEM tersebut, kita akan uraiakan pada uraian berikut.

1. Variabel Moderasi

Variabel moderasi yaitu variabel yang mempengaruhi hubungan kausal antar sebuah variabel independen dengan sebuah variabel dependen. Dalam konteks analisis SEM, dikenal dengan istilah Ksi yang secara langsung mempengaruhi variabel Eta, serta hubungannya dengan variabel moderasi (VM) dengan Ksi terhadap Eta. Ketika 2 (dua) variabel berinteraksi (Ksi dan VM) keduanya berdeviasi dari means-nya (rata-ratanya) dalam arah yang sama maka dampak interaksinya (terhadap Eta) positif, sedangkan jika berlawanan arah maka dampak interaksinya negatif. Dalam hal dampak interaksi positif maka interaksi antara VM dan Ksi akan meningkatkan/memperkuat pengaruh Ksi terhadap Eta, sedangkan dampak interaksi negatif akan menurunkan/memperlemah pengaruh Ksi terhadap Eta. Dalam kontek pemaparan kali ini maka kita dapati 2 (dua) konteks penggunaan dari variabel moderasi diantaranya,

  • Pure Moderating Variable (variabel moderasi murni)

Varibel moderasi (VM) dimana VM tidak terlibat secara langsung dalam model, melainkan melalui hanya interaksi dengan variabel Ksi atau dengan kata lain tidak ada pengaruh langsung dari variabel VM terhadap Eta.

  • Quasy Moderating Variable (variabel moderasi kuasi)

Variabel moderasi (VM) dimana ketika VM selain melalui interaksi dengan variabel Ksi, VM juga terlibat secara langsung dan mempunyai hubungan kausal dengan variabel dependen, Eta.

Oleh karena konteks moderasi tersebut, maka dalam SEM kita mempunyai 2 pilihan pengerjaan (Rigdon, Schumacker dan Worthke, 1998):

  • Multi sample (multi-group) approach

Pendekatan ini kita pilih ketika salah satu atau kedua variabel yang berinteraksi adalah diskrit (atau kategorikal), atau dapat dibuat dalam bentuk diskrit. Dampak interaksi akan terlihat ketika ada perbedaan hasil estimasi parameter pada model yang sama dari sampel yang berbeda tetapi berkaitan.

  • Interaction model approach

Pendekatan ini kita pilih, ketika kedua variabel adalah kontinu. Tipe pendekatan ini umumnya banyak digunakan oleh peneliti pada umumnya. Dan pembahasannya seperti yang sudah kita paparkan pada artikel-artikel sebelumnya.

2. Pendekatan Multi Sampel (Multiple Group Approach)

Sebuah populasi bisa mengandung berbagai perbedaan seperti perbedaan negara, provinsi, perbedaan-perbedaan berdasarkan kultur atau ekonomi-sosial, grup-grup yang menerima perlakuan (treatment) yang berbeda, control grup dan lain-lain. Grup-grup yang berbeda ini juga bisa kita bentuk dalam sampel penelitian kita. Setiap grup akan berisi bagian dari sampel penelitian sesuai dengan klasifikasi atau kategori dalam variabel yang digunakan untuk membentuk grup. Variabel ini disebut sebagai variabel moderasi atau interaksi dan berbentuk diskrit atau kategorikal.

Byrne (1998) menambahkan bahwa dalam mencari variasi di antara grup-grup, peneliti biasanya mencari jawaban salah satu dari 5 (lima) pertanyaan berikut, yaitu :

  1. Apakah model pengukuran tidak bervariasi di antara grup-grup (group invariant)?
  2. Apakah model struktural tidak bervariasi di antara grup-grup?
  3. Apakah lintasan-lintasan (path) tertentu yang dispesifikasikan dalam model struktural tidak bervariasi di antara grup-grup?
  4. Apakah laten means dari konstruk-konstruk tertentu dalam model tidak bervariasi di antara grup-grup?
  5. Apakah muatan-muatan faktor dari model pengukuran tidak bervariasi diantara grup-grup?

Secara garis besar prosedur multisampel approach adalah sebagai berikut (Byrne, 1998) :

1. Estimasi model penelitian

Langkah pertama ini adalah mengestimasi model penelitian dengan menggunakan seluruh responden/kasus yang ada dalam sampel. Kita harus yakin bahwa model penelitian memiliki kecocokan data-model (GoF model) yang baik, memiliki model pengukuran dengan validitas dan reliabilitas yang baik, serta model struktural dengan estimasi koefisien struktural dengan estimasi koefisien struktural yang baik, sebelum melakukan analisis multisampel.

2. Pembagian sampel ke dalam grup-grup

Langkah kedua dilakukan dengan membagi sampel ke dalam kelompok-kelompok sesuai dengan kategori yang ada dalam variabel moderasi (VM) dan disimpan pada files yang berbeda. Hal ini dilakukan untuk memudahkan dalam proses analisis pada tahap berikutnya.

3. Pembentukan model dasar (base line model)

Yang dimaksud dengan model base line adalah model penelitian spesifik untuk setiap kelompok atau grup yang mempunyai kecocokan data dengan model (GoF model) yang baik. Dalam kaitannya dengan perbandingan di antara model-model dasar, Bollen (1989) membedakan ke dalam 2 (dua) dimensi yang saling melengkapi satu sama lain yaitu bentuk model dan keserupaan nilai parameter. Lebih lanjut ia menyatakan bahwa kebanyakan para peneliti mengasumsikan bahwa bentuk model adalah sama untuk semua grup dan mereka berkonsentrasi pada keserupaan nilai parameter dalam model tersebut di antara grup-grup.

Byrne (1998) mempunyai pendapat yang agak berbeda yaitu bahwa model dasar untuk setiap grup bisa saja berbeda, meskipun biasanya terbatas pada error covariance maupun adanya tambahan cross loading. Oleh karena itu, perlu dilakukan estimasi secara terpisah terhadap setiap model dasar menggunakan data yang ada dalam kelompok masing-masing.

4. Estimasi Multisample Model dengan parameter ditetapkan sama

Setelah model dasar setiap grup diestimasi dan dihasilkan model dasar dengan kecocokan data-model (GoF model) yang baik, maka pada langkah ini kita akan melakukan estimasi kedua model dasar tersebut secara serempak. Pada langkah sebelumnya kita melakukan estimasi terhadap model dasar sendiri-sendiri dan estimasi ini tidak mengandung between group constraint/batasan. Meskipun demikian, ketika kita menetapkan adanya batasan/constraint kesamaan terhadap beberapa parameter tertentu, maka data untuk semua grup harus diestimasi secara serempak/simultan agar diperoleh estimasi yang efisien. Adapun pola dari parameter yang ditetapkan (fixed) atau dibebaskan (free) mengikuti spesifikasi model dasar untuk setiap grup.

Pada multisample model ini kita menetapkan bahwa nilai parameter-parameter baik pada model pengukuran maupun model struktural dari kedua kelompok adalah sama (model kontrol/pembanding). Untuk parameter-paramater yang hanya ada pada salah satu model dasar tetap diikutkan pada model yang bersangkutan. (lebih jelas akan terlihat pada syntax SIMPLIS pada pemodelannya).

5. Estimasi Multisample Model dengan parameter berbeda

Langkah kelima mengandung estimasi multisampel dimana tidak semua parameter ditetapkan sama nilainya pada semua grup. Parameter-parameter yang ingin kita periksa perbedaan nilainya di antara grup, kita estimasi secara bebas sesuai grup masing-masing, sedangkan yang tidak kita periksa perbedaannya kita tetapkan sama (fixed) di semua grup. (lebih jelas akan terlihat pada syntax SIMPLIS pada pemodelannya)

6. Evaluasi perbedaan parameter di antara grup-grup

Langkah keenam mengandung pengujian statistik terhadap signifikansi perbedaan nilai parameter-parameter dari grup-grup yang diestimasi pada langkah kelima. Pengujian dilakukan dengan menghitung perbedaan chi-square c2 (Dc2)dan degree of freedom (Ddf) yang dihasilkan pada langkah keempat dan kelima. Dari hasil c2 sebesar Dc2 dan df sebesar Ddf dapat diperoleh nilai p value (dengan melihat tabel distribusi chi-square). Jika nilai p-value ≤ 0.05 maka perbedaan parameter-parameter yang dianalisis di antara grup adalah signifikan. Dan nilai p-value ≥ 0.05 maka perbedaan parameter-parameter yang dianalisis di antara grup adalah tidak signifikan.

….

Intinya dari awal pengujian pada data yang kita miliki, pastikan bahwa GoF pada model terpenuhi dengan baik. Hal ini penting agar model-model yang dihasilkan selanjutnya pun (model masing-masing grup) diharapkan memiliki GoF yang sama dengan model awalnya.

Pada artikel-artikel selanjutnya akan kita coba perlihatkan penggunaan software Lisrel dan SmartPLS dalam mengolah data multisampel yang dimiliki oleh peneliti. Penggunaan tipe SEM base nya tetap mengikuti aturan atau ketentuan-ketentuan yang telah kita uraikan pada artikel-artikel kita sebelumnya. Dan pada kedua software tersebut memfasilitasi pengolahan model SEM dengan adanya pembagian sampel atau multisample. SEMANGAT MEMAHAMI!!!

Sumber : Setyo Hari W, Structural Equation Modeling, Konsep dan Tutorial

———————————————————————————————————————————————–

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

2. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.

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

———————————————————————————————————————————————–

Survey Lapangan Petani TaniFund/Crowde/IGrow di Jawa Barat

Survey Lapangan Petani TaniFund/Crowde/IGrow di Jawa Barat

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 petani terkait adopsi sharing economy peer-to-peer lending (aplikasi pemodalan TaniFund, Crowde dan Igrow) dalam industri pertanian dan dampaknya terhadap keberlanjutan usaha tani. 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 dilapangan.

Objek dari survey lapangan atau sebar kuesioner lapangan kali ini dalam kategori sangat kompleks. Target spesifik yang menjadi kriteria dari responden adalah para petani yang melek internet dan smartphone. Seperti kita ketahui bersama bahwa kebanyakan petani yang ada di Indonesia berada di pelosok (desa atau kampung) yang sering kali belum melek atau terbiasa dengan smartphone dan internet. Tantangan ini lah yang menjadikan survey lapangan kali ini sangat kompleks, selain itu peta sebaran petani yang sangat private dari pihak penyedia aplikasi mengharuskan tim lapangan kita secara acak mencari spot sentral pertanian yang ada di Indonesia (khusunya : Jawa Barat).

Crew lapangan yang diturunkan pada survey lapangan kali ini sebanyak 6 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.

Oleh karena banyaknya kendala yang tim kita temui di lapangan, planning dan strategi yang terukur dalam melakukan survey lapangan sangat perlu diperhatikan. Calon responden yang kita hadapi adalah responden yang tetap memiliki kecenderungan untuk menolak sangat tinggi dikarenakan tingkat pendidikan (kepahaman akan penelitian/riset), kesempatan waktu yang dimiliki oleh petani, dan manfaat yang nantinya diperoleh oleh para petani. Perlu penjelasan yang persuasif dan ringan agar dapat meyakinkan calon responden atas tujuan survey yang dilakukan tidak menyentuh hal-hal yang sensitif tentang private information yang sangat dijaga kerahasiaanya oleh responden. Selain itu, penguasaan bahasa lokal atau pendekatan kepada tokoh masyarakat setempat akan sangat membantu dalam proses persuasif dan penyampaian pentingnya penelitian dapat tersampaikan dengan benar.

Easyness dari proses survey ini adalah spot sentral pertanian yang cukup banyak (khususnya di wilayah Jawa Barat), sehingga sedikt banyak memudahkan tim lapangan dalam memperoleh target sampel. Tools lain yang kita gunakan dalam mendapatkan target sampel tersebut 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.

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

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

Survey Lapangan Karyawan Finance Perusahaan Retail Jabodetabek

Survey Lapangan Karyawan Finance Perusahaan Retail 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 karyawan dengan posisi finance perusahaan retail di wilayah Jabodetabek pada semua level, tepatnya informasi atau perspektif dalam hal analisis faktor-faktor yang mempengaruhi kinerja sistem informasi akuntansi (SAP). 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 karyawanfinancepada semua level pada perusahaan retail 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!!!

——————————————————————————————————————————————————————————–

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

2. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.

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

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

Survey Lapangan Pelanggan GO-JEK Indonesia

Survey Lapangan Pelanggan GO-JEK Indonesia

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 customer loyal pengguna aplikasi GO-JEK Indonesia di Bandung dan Jabodetabek, perihal kesukaan menggunakan aplikasi dan keberlanjutan penggunaan di masa yang akan datang sebagai imbas efek dari konten media sosial yang dikelola oleh pihak GO-JEK 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 gampang-gampang susah. Target spesifik yang menjadi kriteria dari responden adalah pengguna loyal aplikasi GO-JEK di kota Bandung dan Jabodetabek. Kriteria objek yang cukup mudah pada awalnya karena seperti kita tahu bahwa tren aplikasi online (driver online) sedang hits sehingga untuk mendapatkan objek pengguna pun relatif lebih mudah pada awalnya. Realitanya diperlukan pengetahuan awal pada lokasi berkumpulnya calon responden (para pengguna aplikasi GO-JEK Indonesia) agar memudahkan dan effective dalam mendapatkan responden.

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. Calon responden yang kita hadapi adalah responden yang tetap memiliki kecenderungan untuk menolak selain karena faktor benefit yang akan didapatkan oleh responden. Selain itu, perlu penjelasan yang persuasif dan ringan agar dapat meyakinkan calon responden atas tujuan survey yang dilakukan tidak menyentuh hal-hal yang sensitif tentang private information yang sangat dijaga kerahasiaanya oleh responden.

Easyness dari proses survey ini adalah jumlah populasi kriteria responden yang sangat banyak, sehingga memudahkan tim lapangan dalam memperoleh target sampel. Tools lain yang kita gunakan dalam mendapatkan target sampel tersebut 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!!!

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

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

2.Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.

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

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

Survey Lapangan Karyawan Finance Perusahaan Jabodetabek

Survey Lapangan Karyawan Finance Perusahaan 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 karyawan dengan posisi finance perusahan di wilayah Jabodetabek pada semua level, tepatnya informasi atau perspektif dalam hal determinan persepsi fraudulent financial reporting dalam fraud pentagon. 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 karyawanfinancepada semua level pada perusahaan 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!!!

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

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

2. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.

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

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

Survey Lapangan Pelanggan StarBucks Surabaya

Survey Lapangan Pelanggan StarBucks Surabaya

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 pelanggan kopi StarBucks untuk menilai pengaruh karakteristik gerai kopi Starbucks Surabaya terhadap pengalaman yang diperoleh pelanggan di wilayah Surabaya. 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 dilapangan.

Objek dari survey lapangan atau sebar kuesioner lapangan kali ini dalam kategori gampang-gampang susah. Target spesifik yang menjadi kriteria dari responden adalah pelanggan gerai kopi Starbucks di wilayah Surabaya.

Crew lapangan yang diturunkan pada survey lapangan kali ini sebanyak 2 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. Calon responden yang kita hadapi adalah responden yang tetap memiliki kecenderungan untuk menolak sangat tinggi dikarenakan calon responden yang kita sasar adalah golongan middle to up. Perlu penjelasan yang persuasif dan ringan agar dapat meyakinkan calon responden atas tujuan survey yang dilakukan tidak menyentuh hal-hal yang sensitif tentang private information yang sangat dijaga kerahasiaanya oleh responden.

Sebar Kuesioner, Starbucks, Surabaya
Gambar 1. Sebar Kuesioner Persepsi Pelanggan Kedai Kopi StarBucks Surabaya

Easyness dari proses survey ini adalah jumlah populasi kriteria responden yang cukup banyak, sehingga memudahkan tim lapangan dalam memperoleh target sampel. Tools lain yang kita gunakan dalam mendapatkan target sampel tersebut 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!!!

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

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

2. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.

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

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.

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

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.

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