Archive for the ‘Econometric’ Category

Keterbatasan Empirisme Dalam Metode Ilmiah

December 31st, 2007

Oleh: Sangle Yohannes Randa (P04600002/PTK)

BAB I. PENDAHULUAN
a. Latar Belakang

Dalam perjalanan sejarah kehidupan manusia tercatat bahwa untuk mendapatkan kebenaran, baik kebenaran yang berasal dari luar maupun dari dalam dirinya, manusia senantiasa mempergunakan seluruh keberadaanya secara utuh dan menyeluruh. Dengan cara seperti itu telah memungkinkan dihasilkannya berbagai macam metode sebagai suatu sarana atau instrumen bagi manusia dalam mendapatkan kebenaran. Dari sekian metode yang ada untuk memperoleh kebenaran, metode ilmiah merupakan salah satu metode yang besar sekali pengaruhnya dalam kehidupan manusia. Metode ilmiah ini pada prinsipnya adalah hasil pengembangan dari penerapan dua paham berpikir filosofis, yakni paham rasionalisme dan empirisme (Suriasumantri, 1996; Beerling et al., 1997).

Namun demikian apabila dengan cermat kita memperhatikan perjalanan sejarah perkembangan kedua aliran itu, rasionalisme dan empirisme, keduanya tidak terlepas dari berbagai kritik. Hal ini menunjukkan bahwa baik rasionalisme maupun empirisme mengandung titik-titik lemah yang dapat kita anggap sebagai keterbatasan dari kedua aliran filsafat tersebut.

b. Penetapan Masalah, Tujuan dan Hipotesis

Alasan pengkajian terhadap empirisme adalah karena kedudukannya yang sangat penting dalam metode ilmiah. Dalam studi-studi ilmiah yang dilakukan dengan teknik eksperimentasi, penggunaan metode empiris sangatlah menonjol dan memberi pengaruh yang kuat. Hasil penarikan kesimpulan sebagai salah satu bentuk kebenaran yang diperoleh dengan kajian ilmiah, sangat besar ditentukan oleh pemikiran empiris. Tidak jarang penarikan kesimpulan yang diambil dari suatu penelitian ilmiah mempunyai nilai kebenaran yang rendah, oleh karena hanya kesalahan dalam penggunaan metode empirisnya. Sebab itu kritik atau telaahan terhadap kelemahan dalam metode empiris dimaksudkan untuk membangun kewaspadaan bagi para ilmuwan dalam menggunakan metode ilmiah.

Atas dasar itulah makalah ini mencoba mengungkapkan dan menganalisis fakta-fakta apa saja dalam empirisme yang menjadi titik lemah atau keterbatasan metode tersebut dan mengapa hal-hal itu dapat terjadi. Selain itu, makalah ini memberikan beberapa solusi alternatif guna mencoba menjawab persoalan tersebut, sehingga paling tidak keterbatasan empirisme dapat diminimalisasi.

Dari permasalahan segaimana telah diajukan, hipotesis yang dirumuskan adalah bahwa keterbatasan empirisme dalam metode ilmiah dapat dikendalikan sehingga tidak menyebabkan terjadinya penarikan kesimpulan ilmiah yang salah secara signifikan. Hipotesis lain yang bisa juga dikemukakan adalah bahwa keterbatasan empirisme sesungguhnya merupakan suatu peluang untuk menimbulkan keraguan terhadap kesimpulan ilmiah sehingga memungkinkan dikembangkannya lagi suatu pengkajian ulang terhadap kebenaran ilmiah tersebut.

BAB II. PENGERTIAN DAN TINJAUAN HISTORIS

Sebagai suatu paham atau aliran dalam filsafat, empirisme menekankan pengalaman sebagai sumber utama untuk mendapatkan pengetahuan. Istilah empirisme berasal dari bahasa Yunani empeiria yang berarti coba-coba atau pengalaman. Dalam penafsiran lain dikatakan bahwa kata empeiria itu terbentuk dari en – di dalam; dan peira – suatu percobaan. Jadi artinya suatu cara menemukan pengetahuan berdasarkan pengamatan dan percobaan.

Pemikiran empirisme lahir sebagai suatu sanggahan terhadap aliran filsafat rasionalisme yang mengutamakan akal sebagai sumber pengetahuan. Untuk lebih memahami filsafat empirisme kita perlu terlebih dahulu melihat dua ciri pendekatan empirisme, yaitu: pendekatan makna dan pendekatan pengetahuan. Pendekatan makna menekankan pada pengalaman; sedangkan, pendekatan pengetahuan menekankan pada kebenaran yang diperoleh melalui pengamatan (observasi), atau yang diberi istilah dengan kebenaran a posteriori.

Para tokoh filsafat mengembangkan pemikiran empiris karena mereka tidak puas dengan cara mendapatkan pengetahuan sebagaimana dipercayai oleh aliran rasionalisme. Orang-orang rasionalisme dalam mencari kebenaran sangat menjunjung tinggi penalaran atau yang disebut dengan cara berpikir deduksi, yaitu pembuktian dengan menggunakan logika. Sebaliknya, bagi John Locke, berpikir deduksi relatif lebih rendah kedudukannya apabila dibandingkan dengan pengalaman indera dalam pengembangan pengetahuan. Locke sangat menentang pendapat mazhab rasionalisme yang menyatakan bahwa pengetahuan seseorang sudah dibawa sejak lahir. Menurut Locke, pikiran manusia ketika lahir hanyalah berupa suatu lembaran bersih (tabula rasa), yang padanya pengetahuan dapat ditulis melalui pengalaman-pengalaman inderawi (McCleary, 1998). Lebih lanjut ia berpendapat bahwa semua fenomena dari pikiran kita yang disebut ide berasal dari pengamatan atau refleksi. Inilah tesis dasar dari empirisme. Dengan tesis inilah, Locke mempergunakannya sebagai titik tolak dalam ia menjelaskan perkembangan pikiran manusia (Brower dan Heryadi, 1986).

Selain John Locke, Bacon juga berkesimpulan bahwa logika hanyalah membawa kerugian daripada keuntungan. Sebab bagi Bacon, penalaran hanya berupa putusan-putusan yang terdiri dari kata-kata yang menyatakan pengertian tertentu. Sehingga bilamana pengertian itu kurang jelas maka hanyalah dihasilkan suatu abstraksi yang tidak mungkin bagi kita untuk membangun pengetahuan di atasnya (Verhaak dan Imam, 1997).

Bacon beranggapan bahwa untuk mendapatkan kebenaran maka akal budi bertitik pangkal pada pengamatan inderawi yang khusus lalu berkembang kepada kesimpulan umum. Pemikiran Bacon yang demikian ini, kemudian melahirkan metode berpikir induksi.

BAB III. KEDUDUKAN EMPIRISME DALAM METODE ILMIAH

Sistematika dalam metode ilmiah sesungguhnya merupakan manifestasi dari alur berpikir yang dipergunakan untuk menganalisis suatu permasalahan. Alur berpikir dalam metode ilmiah memberi pedoman kepada para ilmuwan dalam memecahkan persoalan menurut integritas berpikir deduksi dan induksi.

Pola berpikir yang dikembangkan dalam metode ilmiah memperlihatkan dengan jelas peran penting empirisme yang menakankan pembuatan kesimpulan secara induksi. Empirisme berfungsi untuk menguji hasil penalaran terhadap permasalahan yang dibangun atas dasar deduksi. Penalaran yang dilakukan dengan mengkaji teori-teori dalam memahami permasalahan fakta hanya bisa sampai pada perumusan hipotesis. Penalaran hanya memberi jawaban sementara, bukan kesimpulan akhir.

Oleh sebab itu agar sampai kepada kesimpulan akhir, empirisme diperlukan untuk menguji berbagai kemungkinan jawaban dalam hipotesis. Untuk menguji jawaban-jawaban yang ada, ilmuwan harus masuk ke alam nyata. Fakta-fakta atau bukti-bukti yang relevan dengan obyek permasalahan harus dikumpulkan, disusun dan dianalisis. Di sinilah tugas empirisme.

Namun demikian peranan empirisme bukan saja hanya berkaitan dengan tugas pencarian bukti-bukti atau yang lebih dikenal dengan pengumpulan data. Tetapi, sejak awal pengkajian masalah sebenarnya kerja empirisme sudah terlibat. Pengalaman-pengalaman ilmuwan yang berkaitan dengan obyek permasalahan sudah diperlukan dalam memberi analisis terhadap fakta permasalahan. Mekanisme ini merupakan sisi lain dari empirisme dalam metode ilmiah. Jadi empirisme tidak saja hanya diperlukan dalam pengumpulan data, tetapi sudah dimulai sejak awal perumusan masalah (Suriasumantri, 1996).

BAB IV. FAKTOR PEMBATAS EMPIRISME

Keterbatasan empirisme dalam perannya menyumbangkan pengetahuan melalui metode ilmiah dianalisis dari kritik-kritik yang diberikan terhadapnya. Kritik terhadap empirisme yang diungkapkan oleh Honer dan Hunt (1968) dalam Suriasumantri (1994) terdiri atas tiga bagian. Pertama, pengalaman yang merupakan dasar utama empirisme seringkali tidak berhubungan langsung dengan kenyataan obyektif. Pengalaman ternyata bukan semata-mata sebagai tangkapan pancaindera saja. Sebab seringkali pengalaman itu muncul yang disertai dengan penilaian. Dengan kajian yang mendalam dan kritis diperoleh bahwa konsep pengalaman merupakan pengertian yang tidak tegas untuk dijadikan sebagai dasar dalam membangun suatu teori pengetahuan yang sistematis. Disamping itu pula, tidak jarang ditemukan bahwa hubungan berbagai fakta tidak seperti apa yang diduga sebelumnya.

Kedua, dalam mendapatkan fakta dan pengalaman pada alam nyata, manusia sangat bergantung pada persepsi pancaindera. Pegangan empirisme yang demikian menimbulkan bentuk kelemahan lain. Pancaindera manusia memiliki keterbatasan. Sehingga dengan keterbatasan pancaindera, persepsi suatu obyek yang ditangkap dapat saja keliru dan menyesatkan.

Ketiga, di dalam empirisme pada prinsipnya pengetahuan yang diperoleh bersifat tidak pasti. Prinsip ini sekalipun merupakan kelemahan, tapi sengaja dikembangkan dalam empirisme untuk memberikan sifat kritis ketika membangun sebuah pengetahuan ilmiah. Semua fakta yang diperlukan untuk menjawab keragu-raguan harus diuji terlebih dahulu.

Dewey menyebutkan bahwa hal yang paling buruk dari metode empiris adalah pengaruhnya terhadap sikap mental manusia. Beberapa bentuk mental negatif yang dapat ditimbulkan oleh metode empiris antara lain: sikap kemalasan dan konservatif yang salah. Sikap mental seperti ini menurutnya, lebih berbahaya daripada sekedar memberi kesimpulan yang salah. Sebagai contoh dikatakan bahwa apabila ada suatu penarikan kesimpulan yang dibuat berdasarkan pengalaman masa lalu menyimpang dari kebiasaan, maka kesimpulan tersebut akan sangat diremehkan. Sebaliknya, apabila ada penegasan yang berhasil, maka akan sangat dibesar-besarkan.

Terhadap empirisme Immanuel Kant juga memberi kritiknya bahwa meskipun empirisme menolak pengetahuan yang berasal dari rasio, tetapi pengalaman dan persepsi yang merupakan dasar kebenaran dalam empirisme tidak dapat memberi suatu pengetahuan yang kebenarannya adalah universal dan bernilai penting.

Kritik lain yang juga diungkapkan oleh Brower dan Heryadi (1986) bahwa tidak mungkin unsur-unsur khusus menghasilkan suatu kebenaran yang bersifat universal. Meskipun diakui bahwa munculnya pengetahuan dan legitimasinya berasal dari pengamatan, tetapi pada kenyataan tidak semua sumber pengetahuan hanya terdapat dalam pengamatan.

V. PENUTUP

Telaah terhadap kritik yang ditujukan kepada empirisme tidak dimaksudkan untuk menimbulkan keraguan tentang peranan empirisme dalam pembentukan pengetahuan melalui metode ilmiah. Kritik kepada empirisme haruslah dipandang sebagai acuan dalam mencari solusi alternatif mengatasi kelemahan-kelemahan dalam empirisme. Penggunaan pancaindera yang memiliki keterbatasan harus dibantu dengan teknologi yang sempurna untuk menyempurnakan pengamatan. Metode-metode eksperimen yang dijalankan harus ditetapkan secara benar sehingga bias karena keterbatasan pengamatan manusia dapat diminimalisasikan.

Pengalaman-pengalaman yang dibangun sebagai dasar kebenaran harus didukung dengan teori-teori yang relevan. Bergantung pada pengalaman pribadi saja bisa menimbulkan subyektivitas yang tinggi. Oleh sebab itu kajian terhadap pengetahuan-pengetahuan yang sudah ada sebelumnya harus dilakukan sehingga kebenaran yang ingin didapatkan memiliki sifat obyektivitas yang tinggi. Pengetahuan tidak semata-mata mulai dari pengalaman saja, tetapi ia harus menjelaskan dirinya dengan pengalaman-pengalaman itu.

Dari sudut pandang yang lain, kritik terhadap empirisme perlu juga dipahami sebagai kritik terhadap ilmu pengetahuan. Dengan adanya keterbatasan dalam empirisme sebagai salah satu prosedur dari metode ilmiah, memberi gambaran kepada kita bahwa kebenaran dalam ilmu pengetahuan bukanlah satu-satunya kebenaran yang ada. Tetapi sebagai ilmuwan, kita harus dengan rendah hati mengakui bahwa di luar ilmu pengetahuan masih terdapat kebenaran lain. Dengan demikian, kebenaran ilmu pengetahuan tidak bisa berjalan sendiri, tetapi didalam membangun keharmonisan dan keseimbangan hidup, kebenaran ilmu pengetahuan perlu berdampingan dengan kebenaran-kebenaran dari pengetahuan lain, seperti seni, etika dan agama. Pengetahuan-pengetahuan lain di luar ilmu pengetahuan ilmiah perlu dipahami pula dengan baik oleh para ilmuwan agar dapat menciptakan atau menghasilkan nuansa yang lebih dinamis pada pengetahuan ilmiah.

KEPUSTAKAAN

  1. Anonimous, 2000. Western Philosopic Thought.
  2. http://members.aol.com/rhrrr/philmodn.htm, dikunjungi 13 Oktober 2000.
  3. Bakker, A. 1986. Metode-metode Filsafat. Ghalia Indonesia, Jakarta.
  4. Beerling, Kwee, Mooij, dan Van Peursen, 1997. Pengantar Filsafat Ilmu. Cet.ke-4. Alih Bahasa: S. Soemargono. Tiara Wacana, Yogyakarta.
  5. Brower, M.A.W. dan Heryadi, P. 1986. Sejarah Filsafat Barat dan Sezaman. Penerbit Alumni, Bandung.
  6. Calfornia State University, 2000. Kant’s criticism against the continental rationalism and the British empiricism. http://www.csudh.edu/phenom_studies/western/lect_9.html dikunjungi 13 Oktober 2000.
  7. David, H. 1999. The New Empiricism: Systematic Musicology in Postmodern Age. http://www.musiccog.ohio-state.edu/Music220/Bloch.lectures/3.Methodology.html dikunjungi 21 Oktober 2000.
  8. Honer, S.M. dan T.C. Hunt, 1968. Metode dalam mencari pengetahuan: rasionalisme, empirisme dan metode keilmuan. Dalam Suriasumantri, J. 1994. Ilmu Dalam Perspektif, Yayasan Obor Indonesia, Jakarta.
  9. McCleary, 1998. Philosophy of Science. http://mrrc.bio.uci.edu/se10/philosophy.html dikunjungi 22 September 2000.
  10. Morton, Adam. 1997. A Guide Through the Theory of Knowledge. 2nd Ed. Blackwell Publishers, Ltd., Oxford, UK.
  11. Nasoetion, A.H. 1999. Pengantar ke Filsafat Sains. Cet. Ke-3. Pustaka Litera AntarNusa, Bogor.
  12. Qadir, 1988. Ilmu Pengetahuan dan Metodenya. Yayasan Obor Indonesia, Jakarta.
  13. Semiawan, C.R., I.M. Putrawan dan I. Setiawan. 1999. Dimensi Kreatif Dalam Filsafat Ilmu. Cet.ke-4. Remaja Rosdakarya Offset, Bandung.
  14. Suriasumantri, J.S. 1996. Filsafat Ilmu: Sebuah Pengantar Populer. Cet. Ke-10. Pustaka Sinar Harapan, Jakarta.
  15. Ward, L.G. dan R. Throop, 2000. Empirical and Scientific Thinking of John Dewey. http://paradigm.soci.brocku.ca/~lward/Dewey/dewey12k.html/ dikunjungi 21 Oktober 2000.

Tehnik Sampling

December 31st, 2007

Hasan Mustafa /2000

Sampel adalah sebagian dari populasi. Artinya tidak akan ada sampel jika tidak ada populasi. Populasi adalah keseluruhan elemen atau unsur yang akan kita teliti. Penelitian yang dilakukan atas seluruh elemen dinamakan sensus. Idealnya, agar hasil penelitiannya lebih bisa dipercaya, seorang peneliti harus melakukan sensus. Namun karena sesuatu hal peneliti bisa tidak meneliti keseluruhan elemen tadi, maka yang bisa dilakukannya adalah meneliti sebagian dari keseluruhan elemen atau unsur tadi.

Berbagai alasan yang masuk akal mengapa peneliti tidak melakukan sensus antara lain adalah,(a) populasi demikian banyaknya sehingga dalam prakteknya tidak mungkin seluruh elemen diteliti; (b) keterbatasan waktu penelitian, biaya, dan sumber daya manusia, membuat peneliti harus telah puas jika meneliti sebagian dari elemen penelitian; (c) bahkan kadang, penelitian yang dilakukan terhadap sampel bisa lebih reliabel daripada terhadap populasi misalnya, karena elemen sedemikian banyaknya maka akan memunculkan kelelahan fisik dan mental para pencacahnya sehingga banyak terjadi kekeliruan. (Uma Sekaran, 1992); (d) demikian pula jika elemen populasi homogen, penelitian terhadap seluruh elemen dalam populasi menjadi tidak masuk akal, misalnya untuk meneliti kualitas jeruk dari satu pohon jeruk.

Agar hasil penelitian yang dilakukan terhadap sampel masih tetap bisa dipercaya dalam artian masih bisa mewakili karakteristik populasi, maka cara penarikan sampelnya harus dilakukan secara seksama. Cara pemilihan sampel dikenal dengan nama teknik sampling atau teknik pengambilan sampel .

Populasi atau universe adalah sekelompok orang, kejadian, atau benda, yang dijadikan obyek penelitian. Jika yang ingin diteliti adalah sikap konsumen terhadap satu produk tertentu, maka populasinya adalah seluruh konsumen produk tersebut. Jika yang diteliti adalah laporan keuangan perusahaan X, maka populasinya adalah keseluruhan laporan keuangan perusahaan X tersebut, Jika yang diteliti adalah motivasi pegawai di departemen A maka populasinya adalah seluruh pegawai di departemen A. Jika yang diteliti adalah efektivitas gugus kendali mutu (GKM) organisasi Y, maka populasinya adalah seluruh GKM organisasi Y.

Elemen/unsur adalah setiap satuan populasi. Kalau dalam populasi terdapat 30 laporan keuangan, maka setiap laporan keuangan tersebut adalah unsur atau elemen penelitian. Artinya dalam populasi tersebut terdapat 30 elemen penelitian. Jika populasinya adalah pabrik sepatu, dan jumlah pabrik sepatu 500, maka dalam populasi tersebut terdapat 500 elemen penelitian.

Syarat sampel yang baik
Secara umum, sampel yang baik adalah yang dapat mewakili sebanyak mungkin karakteristik populasi. Dalam bahasa pengukuran, artinya sampel harus valid, yaitu bisa mengukur sesuatu yang seharusnya diukur. Kalau yang ingin diukur adalah masyarakat Sunda sedangkan yang dijadikan sampel adalah hanya orang Banten saja, maka sampel tersebut tidak valid, karena tidak mengukur sesuatu yang seharusnya diukur (orang Sunda). Sampel yang valid ditentukan oleh dua pertimbangan.

Pertama: Akurasi atau ketepatan, yaitu tingkat ketidakadaan bias (kekeliruan) dalam sample. Dengan kata lain makin sedikit tingkat kekeliruan yang ada dalam sampel, makin akurat sampel tersebut. Tolok ukur adanya bias atau kekeliruan adalah populasi.

Cooper dan Emory (1995) menyebutkan bahwa there is no systematic variance yang maksudnya adalah tidak ada keragaman pengukuran yang disebabkan karena pengaruh yang diketahui atau tidak diketahui, yang menyebabkan skor cenderung mengarah pada satu titik tertentu. Sebagai contoh, jika ingin mengetahui rata-rata luas tanah suatu perumahan, lalu yang dijadikan sampel adalah rumah yang terletak di setiap sudut jalan, maka hasil atau skor yang diperoleh akan bias. Kekeliruan semacam ini bisa terjadi pada sampel yang diambil secara sistematis

Contoh systematic variance yang banyak ditulis dalam buku-buku metode penelitian adalah jajak-pendapat (polling) yang dilakukan oleh Literary Digest (sebuah majalah yang terbit di Amerika tahun 1920-an) pada tahun 1936. (Copper & Emory, 1995, Nan lin, 1976). Mulai tahun 1920, 1924, 1928, dan tahun 1932 majalah ini berhasil memprediksi siapa yang akan jadi presiden dari calon-calon presiden yang ada. Sampel diambil berdasarkan petunjuk dalam buku telepon dan dari daftar pemilik mobil. Namun pada tahun 1936 prediksinya salah. Berdasarkan jajak pendapat, di antara dua calon presiden (Alfred M. Landon dan Franklin D. Roosevelt), yang akan menang adalah Landon, namun meleset karena ternyata Roosevelt yang terpilih menjadi presiden Amerika.

Setelah diperiksa secara seksama, ternyata Literary Digest membuat kesalahan dalam menentukan sampel penelitiannya. Karena semua sampel yang diambil adalah mereka yang memiliki telepon dan mobil, akibatnya pemilih yang sebagian besar tidak memiliki telepon dan mobil (kelas rendah) tidak terwakili, padahal Rosevelt lebih banyak dipilih oleh masyarakat kelas rendah tersebut. Dari kejadian tersebut ada dua pelajaran yang diperoleh : (1), keakuratan prediktibilitas dari suatu sampel tidak selalu bisa dijamin dengan banyaknya jumlah sampel; (2) agar sampel dapat memprediksi dengan baik populasi, sampel harus mempunyai selengkap mungkin karakteristik populasi (Nan Lin, 1976).

Kedua: Presisi. Kriteria kedua sampel yang baik adalah memiliki tingkat presisi estimasi. Presisi mengacu pada persoalan sedekat mana estimasi kita dengan karakteristik populasi. Contoh : Dari 300 pegawai produksi, diambil sampel 50 orang. Setelah diukur ternyata rata-rata perhari, setiap orang menghasilkan 50 potong produk “X”. Namun berdasarkan laporan harian, pegawai bisa menghasilkan produk “X” per harinya rata-rata 58 unit. Artinya di antara laporan harian yang dihitung berdasarkan populasi dengan hasil penelitian yang dihasilkan dari sampel, terdapat perbedaan 8 unit. Makin kecil tingkat perbedaan di antara rata-rata populasi dengan rata-rata sampel, maka makin tinggi tingkat presisi sampel tersebut.

Belum pernah ada sampel yang bisa mewakili karakteristik populasi sepenuhnya. Oleh karena itu dalam setiap penarikan sampel senantiasa melekat keasalahan-kesalahan, yang dikenal dengan nama “sampling error” Presisi diukur oleh simpangan baku (standard error). Makin kecil perbedaan di antara simpangan baku yang diperoleh dari sampel (S) dengan simpangan baku dari populasi (, makin tinggi pula tingkat presisinya. Walau tidak selamanya, tingkat presisi mungkin bisa meningkat dengan cara menambahkan jumlah sampel, karena kesalahan mungkin bisa berkurang kalau jumlah sampelnya ditambah ( Kerlinger, 1973 ). Dengan contoh di atas tadi, mungkin saja perbedaan rata-rata di antara populasi dengan sampel bisa lebih sedikit, jika sampel yang ditariknya ditambah. Katakanlah dari 50 menjadi 75.

Di bawah ini digambarkan hubungan antara jumlah sampel dengan tingkat kesalahan seperti yang diuarakan oleh Kerlinger

sampling

Ukuran sampel

Ukuran sampel atau jumlah sampel yang diambil menjadi persoalan yang penting manakala jenis penelitian yang akan dilakukan adalah penelitian yang menggunakan analisis kuantitatif. Pada penelitian yang menggunakan analisis kualitatif, ukuran sampel bukan menjadi nomor satu, karena yang dipentingkan alah kekayaan informasi. Walau jumlahnya sedikit tetapi jika kaya akan informasi, maka sampelnya lebih bermanfaat.

Dikaitkan dengan besarnya sampel, selain tingkat kesalahan, ada lagi beberapa faktor lain yang perlu memperoleh pertimbangan yaitu, (1) derajat keseragaman, (2) rencana analisis, (3) biaya, waktu, dan tenaga yang tersedia . (Singarimbun dan Effendy, 1989). Makin tidak seragam sifat atau karakter setiap elemen populasi, makin banyak sampel yang harus diambil. Jika rencana analisisnya mendetail atau rinci maka jumlah sampelnya pun harus banyak. Misalnya di samping ingin mengetahui sikap konsumen terhadap kebijakan perusahaan, peneliti juga bermaksud mengetahui hubungan antara sikap dengan tingkat pendidikan. Agar tujuan ini dapat tercapai maka sampelnya harus terdiri atas berbagai jenjang pendidikan SD, SLTP. SMU, dan seterusnya.. Makin sedikit waktu, biaya , dan tenaga yang dimiliki peneliti, makin sedikit pula sampel yang bisa diperoleh. Perlu dipahami bahwa apapun alasannya, penelitian haruslah dapat dikelola dengan baik (manageable).

Misalnya, jumlah bank yang dijadikan populasi penelitian ada 400 buah. Pertanyaannya adalah, berapa bank yang harus diambil menjadi sampel agar hasilnya mewakili populasi?. 30?, 50? 100? 250?. Jawabnya tidak mudah. Ada yang mengatakan, jika ukuran populasinya di atas 1000, sampel sekitar 10 % sudah cukup, tetapi jika ukuran populasinya sekitar 100, sampelnya paling sedikit 30%, dan kalau ukuran populasinya 30, maka sampelnya harus 100%.

Ada pula yang menuliskan, untuk penelitian deskriptif, sampelnya 10% dari populasi, penelitian korelasional, paling sedikit 30 elemen populasi, penelitian perbandingan kausal, 30 elemen per kelompok, dan untuk penelitian eksperimen 15 elemen per kelompok (Gay dan Diehl, 1992).

Roscoe (1975) dalam Uma Sekaran (1992) memberikan pedoman penentuan jumlah sampel sebagai berikut :

  1. Sebaiknya ukuran sampel di antara 30 s/d 500 elemen
  2. Jika sampel dipecah lagi ke dalam subsampel (laki/perempuan, SD?SLTP/SMU, dsb), jumlah minimum subsampel harus 30
  3. Pada penelitian multivariate (termasuk analisis regresi multivariate) ukuran sampel harus beberapa kali lebih besar (10 kali) dari jumlah variable yang akan dianalisis.
  4. Untuk penelitian eksperimen yang sederhana, dengan pengendalian yang ketat, ukuran sampel bisa antara 10 s/d 20 elemen.

Krejcie dan Morgan (1970) dalam Uma Sekaran (1992) membuat daftar yang bisa dipakai untuk menentukan jumlah sampel sebagai berikut (Lihat Tabel)

Populasi (N)

Sampel (n)

Populasi (N)

Sampel (n)

Populasi (N)

Sampel (n)

10

10

220

140

1200

291

15

14

230

144

1300

297

20

19

240

148

1400

302

25

24

250

152

1500

306

30

28

260

155

1600

310

35

32

270

159

1700

313

40

36

280

162

1800

317

45

40

290

165

1900

320

50

44

300

169

2000

322

55

48

320

175

2200

327

60

52

340

181

2400

331

65

56

360

186

2600

335

70

59

380

191

2800

338

75

63

400

196

3000

341

80

66

420

201

3500

346

85

70

440

205

4000

351

90

73

460

210

4500

354

95

76

480

214

5000

357

100

80

500

217

6000

361

110

86

550

226

7000

364

120

92

600

234

8000

367

130

97

650

242

9000

368

140

103

700

248

10000

370

150

108

750

254

15000

375

160

113

800

260

20000

377

170

118

850

265

30000

379

180

123

900

269

40000

380

190

127

950

274

50000

381

200

132

1000

278

75000

382

210

136

1100

285

1000000

384

Sebagai informasi lainnya, Champion (1981) mengatakan bahwa sebagian besar uji statistik selalu menyertakan rekomendasi ukuran sampel. Dengan kata lain, uji-uji statistik yang ada akan sangat efektif jika diterapkan pada sampel yang jumlahnya 30 s/d 60 atau dari 120 s/d 250. Bahkan jika sampelnya di atas 500, tidak direkomendasikan untuk menerapkan uji statistik. (Penjelasan tentang ini dapat dibaca di Bab 7 dan 8 buku Basic Statistics for Social Research, Second Edition)

Teknik-teknik pengambilan sampel

Secara umum, ada dua jenis teknik pengambilan sampel yaitu, sampel acak atau random sampling / probability sampling, dan sampel tidak acak atau nonrandom samping/nonprobability sampling. Yang dimaksud dengan random sampling adalah cara pengambilan sampel yang memberikan kesempatan yang sama untuk diambil kepada setiap elemen populasi. Artinya jika elemen populasinya ada 100 dan yang akan dijadikan sampel adalah 25, maka setiap elemen tersebut mempunyai kemungkinan 25/100 untuk bisa dipilih menjadi sampel. Sedangkan yang dimaksud dengan nonrandom sampling atau nonprobability sampling, setiap elemen populasi tidak mempunyai kemungkinan yang sama untuk dijadikan sampel. Lima elemen populasi dipilih sebagai sampel karena letaknya dekat dengan rumah peneliti, sedangkan yang lainnya, karena jauh, tidak dipilih; artinya kemungkinannya 0 (nol).
Dua jenis teknik pengambilan sampel di atas mempunyai tujuan yang berbeda. Jika peneliti ingin hasil penelitiannya bisa dijadikan ukuran untuk mengestimasikan populasi, atau istilahnya adalah melakukan generalisasi maka seharusnya sampel representatif dan diambil secara acak. Namun jika peneliti tidak mempunyai kemauan melakukan generalisasi hasil penelitian maka sampel bisa diambil secara tidak acak. Sampel tidak acak biasanya juga diambil jika peneliti tidak mempunyai data pasti tentang ukuran populasi dan informasi lengkap tentang setiap elemen populasi. Contohnya, jika yang diteliti populasinya adalah konsumen teh botol, kemungkinan besar peneliti tidak mengetahui dengan pasti berapa jumlah konsumennya, dan juga karakteristik konsumen. Karena dia tidak mengetahui ukuran pupulasi yang tepat, bisakah dia mengatakan bahwa 200 konsumen sebagai sampel dikatakan representatif?. Kemudian, bisakah peneliti memilih sampel secara acak, jika tidak ada informasi yang cukup lengkap tentang diri konsumen?. Dalam situasi yang demikian, pengambilan sampel dengan cara acak tidak dimungkinkan, maka tidak ada pilihan lain kecuali sampel diambil dengan cara tidak acak atau nonprobability sampling, namun dengan konsekuensi hasil penelitiannya tersebut tidak bisa digeneralisasikan. Jika ternyata dari 200 konsumen teh botol tadi merasa kurang puas, maka peneliti tidak bisa mengatakan bahwa sebagian besar konsumen teh botol merasa kurang puas terhadap teh botol.

Di setiap jenis teknik pemilihan tersebut, terdapat beberapa teknik yang lebih spesifik lagi. Pada sampel acak (random sampling) dikenal dengan istilah simple random sampling, stratified random sampling, cluster sampling, systematic sampling, dan area sampling. Pada nonprobability sampling dikenal beberapa teknik, antara lain adalah convenience sampling, purposive sampling, quota sampling, snowball sampling

Probability/Random Sampling.

Syarat pertama yang harus dilakukan untuk mengambil sampel secara acak adalah memperoleh atau membuat kerangka sampel atau dikenal dengan nama sampling frame. Yang dimaksud dengan kerangka sampling adalah daftar yang berisikan setiap elemen populasi yang bisa diambil sebagai sampel. Elemen populasi bisa berupa data tentang orang/binatang, tentang kejadian, tentang tempat, atau juga tentang benda. Jika populasi penelitian adalah mahasiswa perguruan tinggi A, maka peneliti harus bisa memiliki daftar semua mahasiswa yang terdaftar di perguruan tinggi A tersebut selengkap mungkin. Nama, NRP, jenis kelamin, alamat, usia, dan informasi lain yang berguna bagi penelitiannya.. Dari daftar ini, peneliti akan bisa secara pasti mengetahui jumlah populasinya (N). Jika populasinya adalah rumah tangga dalam sebuah kota, maka peneliti harus mempunyai daftar seluruh rumah tangga kota tersebut. Jika populasinya adalah wilayah Jawa Barat, maka penelti harus mepunyai peta wilayah Jawa Barat secara lengkap. Kabupaten, Kecamatan, Desa, Kampung. Lalu setiap tempat tersebut diberi kode (angka atau simbol) yang berbeda satu sama lainnya.

Di samping sampling frame, peneliti juga harus mempunyai alat yang bisa dijadikan penentu sampel. Dari sekian elemen populasi, elemen mana saja yang bisa dipilih menjadi sampel?. Alat yang umumnya digunakan adalah Tabel Angka Random, kalkulator, atau undian. Pemilihan sampel secara acak bisa dilakukan melalui sistem undian jika elemen populasinya tidak begitu banyak. Tetapi jika sudah ratusan, cara undian bisa mengganggu konsep acak atau random itu sendiri.

1. Simple Random Sampling atau Sampel Acak Sederhana

Cara atau teknik ini dapat dilakukan jika analisis penelitiannya cenderung deskriptif dan bersifat umum. Perbedaan karakter yang mungkin ada pada setiap unsur atau elemen populasi tidak merupakan hal yang penting bagi rencana analisisnya. Misalnya, dalam populasi ada wanita dan pria, atau ada yang kaya dan yang miskin, ada manajer dan bukan manajer, dan perbedaan-perbedaan lainnya. Selama perbedaan gender, status kemakmuran, dan kedudukan dalam organisasi, serta perbedaan-perbedaan lain tersebut bukan merupakan sesuatu hal yang penting dan mempunyai pengaruh yang signifikan terhadap hasil penelitian, maka peneliti dapat mengambil sampel secara acak sederhana. Dengan demikian setiap unsur populasi harus mempunyai kesempatan sama untuk bisa dipilih menjadi sampel. Prosedurnya :

  1. Susun sampling frame
  2. Tetapkan jumlah sampel yang akan diambil
  3. Tentukan alat pemilihan sampel
  4. Pilih sampel sampai dengan jumlah terpenuhi

2. Stratified Random Sampling atau Sampel Acak Distratifikasikan

Karena unsur populasi berkarakteristik heterogen, dan heterogenitas tersebut mempunyai arti yang signifikan pada pencapaian tujuan penelitian, maka peneliti dapat mengambil sampel dengan cara ini. Misalnya, seorang peneliti ingin mengetahui sikap manajer terhadap satu kebijakan perusahaan. Dia menduga bahwa manajer tingkat atas cenderung positif sikapnya terhadap kebijakan perusahaan tadi. Agar dapat menguji dugaannya tersebut maka sampelnya harus terdiri atas paling tidak para manajer tingkat atas, menengah, dan bawah. Dengan teknik pemilihan sampel secara random distratifikasikan, maka dia akan memperoleh manajer di ketiga tingkatan tersebut, yaitu stratum manajer atas, manajer menengah dan manajer bawah. Dari setiap stratum tersebut dipilih sampel secara acak.

Prosedurnya:

  1. Siapkan sampling frame
  2. Bagi sampling frame tersebut berdasarkan strata yang dikehendaki
  3. Tentukan jumlah sampel dalam setiap stratum
  4. Pilih sampel dari setiap stratum secara acak.

Pada saat menentukan jumlah sampel dalam setiap stratum, peneliti dapat menentukan secara (a) proposional, (b) tidak proposional. Yang dimaksud dengan proposional adalah jumlah sampel dalam setiap stratum sebanding dengan jumlah unsur populasi dalam stratum tersebut. Misalnya, untuk stratum manajer tingkat atas (I) terdapat 15 manajer, tingkat menengah ada 45 manajer (II), dan manajer tingkat bawah (III) ada 100 manajer. Artinya jumlah seluruh manajer adalah 160. Kalau jumlah sampel yang akan diambil seluruhnya 100 manajer, maka untuk stratum I diambil (15:160)x100 = 9 manajer, stratum II = 28 manajer, dan stratum 3 = 63 manajer.

Jumlah dalam setiap stratum tidak proposional. Hal ini terjadi jika jumlah unsur atau elemen di salah satu atau beberapa stratum sangat sedikit. Misalnya saja, kalau dalam stratum manajer kelas atas (I) hanya ada 4 manajer, maka peneliti bisa mengambil semua manajer dalam stratum tersebut , dan untuk manajer tingkat menengah (II) ditambah 5, sedangkan manajer tingat bawah (III), tetap 63 orang.

3. Cluster Sampling atau Sampel Gugus

Teknik ini biasa juga diterjemahkan dengan cara pengambilan sampel berdasarkan gugus. Berbeda dengan teknik pengambilan sampel acak yang distratifikasikan, di mana setiap unsur dalam satu stratum memiliki karakteristik yang homogen (stratum A : laki-laki semua, stratum B : perempuan semua), maka dalam sampel gugus, setiap gugus boleh mengandung unsur yang karakteristiknya berbeda-beda atau heterogen. Misalnya, dalam satu organisasi terdapat 100 departemen. Dalam setiap departemen terdapat banyak pegawai dengan karakteristik berbeda pula. Beda jenis kelaminnya, beda tingkat pendidikannya, beda tingkat pendapatnya, beda tingat manajerialnnya, dan perbedaan-perbedaan lainnya. Jika peneliti bermaksud mengetahui tingkat penerimaan para pegawai terhadap suatu strategi yang segera diterapkan perusahaan, maka peneliti dapat menggunakan cluster sampling untuk mencegah terpilihnya sampel hanya dari satu atau dua departemen saja.

Prosedur:

  1. Susun sampling frame berdasarkan gugus – Dalam kasus di atas, elemennya ada 100 departemen.
  2. Tentukan berapa gugus yang akan diambil sebagai sampel
  3. Pilih gugus sebagai sampel dengan cara acak
  4. Teliti setiap pegawai yang ada dalam gugus sample

4. Systematic Sampling atau Sampel Sistematis

Jika peneliti dihadapkan pada ukuran populasi yang banyak dan tidak memiliki alat pengambil data secara random, cara pengambilan sampel sistematis dapat digunakan. Cara ini menuntut kepada peneliti untuk memilih unsur populasi secara sistematis, yaitu unsur populasi yang bisa dijadikan sampel adalah yang “keberapa”. Misalnya, setiap unsur populasi yang keenam, yang bisa dijadikan sampel. Soal keberapa-nya satu unsur populasi bisa dijadikan sampel tergantung pada ukuran populasi dan ukuran sampel. Misalnya, dalam satu populasi terdapat 5000 rumah. Sampel yang akan diambil adalah 250 rumah dengan demikian interval di antara sampel kesatu, kedua, dan seterusnya adalah 25.

Prosedurnya :

  1. Susun sampling frame
  2. Tetapkan jumlah sampel yang ingin diambil
  3. Tentukan K (kelas interval)
  4. Tentukan angka atau nomor awal di antara kelas interval tersebut secara acak atau random – biasanya melalui cara undian saja.
  5. Mulailah mengambil sampel dimulai dari angka atau nomor awal yang terpilih.
  6. Pilihlah sebagai sampel angka atau nomor interval berikutnya

5. Area Sampling atau Sampel Wilayah

Teknik ini dipakai ketika peneliti dihadapkan pada situasi bahwa populasi penelitiannya tersebar di berbagai wilayah. Misalnya, seorang marketing manajer sebuah stasiun TV ingin mengetahui tingkat penerimaan masyarakat Jawa Barat atas sebuah mata tayangan, teknik pengambilan sampel dengan area sampling sangat tepat.

Prosedurnya :

  1. Susun sampling frame yang menggambarkan peta wilayah (Jawa Barat) – Kabupaten, Kotamadya, Kecamatan, Desa.
  2. Tentukan wilayah yang akan dijadikan sampel (Kabupaten ?, Kotamadya?, Kecamatan?, Desa?)
  3. Tentukan berapa wilayah yang akan dijadikan sampel penelitiannya.
  4. Pilih beberapa wilayah untuk dijadikan sampel dengan cara acak atau random.
  5. Kalau ternyata masih terlampau banyak responden yang harus diambil datanya, bagi lagi wilayah yang terpilih ke dalam sub wilayah.

Nonprobability/Nonrandom Sampling atau Sampel Tidak Acak

Seperti telah diuraikan sebelumnya, jenis sampel ini tidak dipilih secara acak. Tidak semua unsur atau elemen populasi mempunyai kesempatan sama untuk bisa dipilih menjadi sampel. Unsur populasi yang terpilih menjadi sampel bisa disebabkan karena kebetulan atau karena faktor lain yang sebelumnya sudah direncanakan oleh peneliti.

1. Convenience Sampling atau sampel yang dipilih dengan pertimbangan kemudahan.
Dalam memilih sampel, peneliti tidak mempunyai pertimbangan lain kecuali berdasarkan kemudahan saja. Seseorang diambil sebagai sampel karena kebetulan orang tadi ada di situ atau kebetulan dia mengenal orang tersebut. Oleh karena itu ada beberapa penulis menggunakan istilah accidental sampling tidak disengaja atau juga captive sample (man-on-the-street) Jenis sampel ini sangat baik jika dimanfaatkan untuk penelitian penjajagan, yang kemudian diikuti oleh penelitian lanjutan yang sampelnya diambil secara acak (random). Beberapa kasus penelitian yang menggunakan jenis sampel ini, hasilnya ternyata kurang obyektif.

2. Purposive Sampling
Sesuai dengan namanya, sampel diambil dengan maksud atau tujuan tertentu. Seseorang atau sesuatu diambil sebagai sampel karena peneliti menganggap bahwa seseorang atau sesuatu tersebut memiliki informasi yang diperlukan bagi penelitiannya. Dua jenis sampel ini dikenal dengan nama judgement dan quota sampling.

Judgment Sampling
Sampel dipilih berdasarkan penilaian peneliti bahwa dia adalah pihak yang paling baik untuk dijadikan sampel penelitiannya.. Misalnya untuk memperoleh data tentang bagaimana satu proses produksi direncanakan oleh suatu perusahaan, maka manajer produksi merupakan orang yang terbaik untuk bisa memberikan informasi. Jadi, judment sampling umumnya memilih sesuatu atau seseorang menjadi sampel karena mereka mempunyai information rich.

Dalam program pengembangan produk (product development), biasanya yang dijadikan sampel adalah karyawannya sendiri, dengan pertimbangan bahwa kalau karyawan sendiri tidak puas terhadap produk baru yang akan dipasarkan, maka jangan terlalu berharap pasar akan menerima produk itu dengan baik. (Cooper dan Emory, 1992).

Quota Sampling
Teknik sampel ini adalah bentuk dari sampel distratifikasikan secara proposional, namun tidak dipilih secara acak melainkan secara kebetulan saja.

Misalnya, di sebuah kantor terdapat pegawai laki-laki 60% dan perempuan 40% . Jika seorang peneliti ingin mewawancari 30 orang pegawai dari kedua jenis kelamin tadi maka dia harus mengambil sampel pegawai laki-laki sebanyak 18 orang sedangkan pegawai perempuan 12 orang. Sekali lagi, teknik pengambilan ketiga puluh sampel tadi tidak dilakukan secara acak, melainkan secara kebetulan saja.

3. Snowball Sampling – Sampel Bola Salju

Cara ini banyak dipakai ketika peneliti tidak banyak tahu tentang populasi penelitiannya. Dia hanya tahu satu atau dua orang yang berdasarkan penilaiannya bisa dijadikan sampel. Karena peneliti menginginkan lebih banyak lagi, lalu dia minta kepada sampel pertama untuk menunjukan orang lain yang kira-kira bisa dijadikan sampel.

Misalnya, seorang peneliti ingin mengetahui pandangan kaum lesbian terhadap lembaga perkawinan. Peneliti cukup mencari satu orang wanita lesbian dan kemudian melakukan wawancara. Setelah selesai, peneliti tadi minta kepada wanita lesbian tersebut untuk bisa mewawancarai teman lesbian lainnya. Setelah jumlah wanita lesbian yang berhasil diwawancarainya dirasa cukup, peneliti bisa mengentikan pencarian wanita lesbian lainnya. Hal ini bisa juga dilakukan pada pencandu narkotik, para gay, atau kelompok-kelompok sosial lain yang eksklusif (tertutup).

Pengolahan Dan Analisis Data

December 5th, 2007

1. Time Series Analysis (Analisis Deret Waktu)

Analisis data deret waktu pada dasarnya digunakan untuk melakukan analisis data yang mempertimbangkan pengaruh waktu. Data-data yang dikumpulkan secara periodik berdasarkan urutan waktu, bisa dalam jam, hari, minggu, bulan, kuartal dan tahun, bisa dilakukan analisis menggunakan metode analisis data deret waktu. Analisis data deret waktu tidak hanya bisa dilakukan untuk satu variabel (Univariate) tetapi juga bisa untuk banyak variabel (Multivariate). Selain itu pada analisis data deret waktu bisa dilakukan peramalan data beberapa periode ke depan yang sangat membantu dalam menyusun perencanaan ke depan.

Beberapa bentuk analisis data deret waktu dapat dikelompokkan ke dalam beberapa katagori :

a. Metode Pemulusan (Smoothing)

Metode pemulusan dapat dilakukan dengan dua pendekatan yakni Metode Perataan (Average) dan Metode Pemulusan Eksponensial (Exponential Smoothing). Pada metode rataan bergerak dapat digunakan untuk memuluskan data deret waktu dengan berbagai metode perataan, diantaranya : (1) rata-rata bergerak sederhana (simple moving average), (2) rata-rata bergerak ganda dan (3) rata-rata bergerak dengan ordo lebih tinggi. Untuk semua kasus dari metode tersebut, tujuannya adalah memanfaatkan data masa lalu untuk mengembangkan sistem peramalan pada periode mendatang.

Pada metode pemulusuan eksponensial, pada dasarnya data masa lalu dimuluskan dengan cara melakukan pembotan menurun secara eksponensial terhadap nilai pengamatan yang lebih tua. Atau nilai yang lebih baru diberikan bobot yang relatif lebih besar dibanding nilai pengamatan yang lebih lama. Beberapa jenis analisis data deret waktu yang masuk pada katagori pemulusan eksponensial, diantaranya : (1) pemulusan eksponensial tunggal, (2) pemulusan eksponensia tunggal: pendekatan adaptif, (3) pemulusan eksponensial ganda : metode Brown, (4) metode pemulusan eksponensial ganda : metode Holt, (5) pemulusan eksponensial tripel : metode Winter. Pada metode pemulusan eksponensial ini, sudah mempertimbangkan pengaruh acak, trend dan musiman pada data masa lalu yang akan dimuluskan. Seperti halnya pada metode rataan bergerak, metode pemulusan eksponensial juga dapat digunakan untuk meramal data beberapa periode ke depan.

b. Model ARIMA (Autoregressive Integrated Moving Average)

Seperti halnya pada metode analisis sebelumnya, model ARIMA dapat digunakan untuk analisis data deret waktu dan peramalan data. Pada model ARIMA diperlukan penetapan karakteristik data deret berkala seperti : stasioner, musiman dan sebagainya, yang memerlukan suatu pendekatan sistematis, dan akhirnya akan menolong untuk mendapatkan gambaran yang jelas mengenai model-model dasar yang akan ditangani. Hal utama yang mencirikan dari model ARIMA dalam rangkan analisis data deret waktu dibandingkan metode pemulusan adalah perlunya pemeriksaan keacakan data dengan melihat koefisien autokorelasinya. Model ARIMA juga bisa digunakan untuk mengatasi masalah sifat keacakan, trend, musiman bahkan sifat siklis data data deret waktu yang dianalisis.

c. Analisis Deret Berkala Multivariate

Model ARIMA digunakan untuk analisis data deret waktu pada katagori data berkala ’tunggal’, atau sering dikatagorikan model-model univariate. Untuk data-data dengan katagori deret berkala berganda (multiple), tidak bisa dilakukan analisis menggunakan model ARIMA, oleh karena itu diperlukan model-model multivariate. Model-model yang masuk kelompok multivariate analisisnya lebih rumit dibandingkan dengan model-model univariate. Pada model multivariate sendiri bisa dalam bentuk analisis data bivariat (yaitu, hanya data dua deret berkala) dan dalam bentuk data multivariate (yaitu, data terdiri lebih dari dua deret berkala). Model-model multivariate diantaranya: (1) model fungsi transfer, (3) model analisis intervensi (intevention analysis), (4) Fourier Analysis, (5) analisis Spectral dan (6) Vector Time Series Models.

2. Analisis Regresi

Dalam kehidupan sehari-hari, seringkali dijumpai hubungan antara suatu variabel dengan satu atau lebih variabel lain. Di dalam bidang pertanian sebagai contoh, dosis dan jenis pupuk yang diberikan berhubungan dengan hasil pertanian yang diperoleh, jumlah pakan yang diberikan pada ternak berhubungan dengan berat badannya, dan sebagainya. Secara umum ada dua macam hubungan antara dua atau lebih variabel, yaitu bentuk hubungan dan keeratan hubungan. Bila ingin mengetahui bentuk hubungan dua variabel atau lebih, digunakan analisis regresi. Bila ingin melihat keeratan hubungan, digunakan analisis korelasi.

Analisis regresi adalah teknik statistika yang berguna untuk memeriksa dan memodelkan hubungan diantara variabel-variabel. Penerapannya dapat dijumpai secara luas di banyak bidang seperti teknik, ekonomi, manajemen, ilmu-ilmu biologi, ilmu-ilmu sosial, dan ilmu-ilmu pertanian. Pada saat ini, analisis regresi berguna dalam menelaah hubungan dua variabel atau lebih, dan terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan sempurna, sehingga dalam penerapannya lebih bersifat eksploratif.
Analisis regresi dikelompokkan dari mulai yang paling sederhana sampai yang paling rumit, tergantung tujuan yang berlandaskan pengetahuan atau teori sementara, bukan asal ditentukan saja.

a. Regresi Linier Sederhana

Regresi linier sederhana bertujuan mempelajari hubungan linier antara dua variabel. Dua variabel ini dibedakan menjadi variabel bebas (X) dan variabel tak bebas (Y). Variabel bebas adalah variabel yang bisa dikontrol sedangkan variabel tak bebas adalah variabel yang mencerminkan respon dari variabel bebas.

b. Regresi Berganda

Regresi berganda seringkali digunakan untuk mengatasi permasalahan analisis regresi yang melibatkan hubungan dari dua atau lebih variabel bebas. Pada awalnya regresi berganda dikembangkan oleh ahli ekonometri untuk membantu meramalkan akibat dari aktivitas-aktivitas ekonomi pada berbagai segmen ekonomi. Misalnya laporan tentang peramalan masa depan perekonomian di jurnal-jurnal ekonomi (Business Week, Wal Street Journal, dll), yang didasarkan pada model-model ekonometrik dengan analisis berganda sebagai alatnya. Salah satu contoh penggunaan regresi berganda dibidang pertanian diantaranya ilmuwan pertanian menggunakan analisis regresi untuk menjajagi antara hasil pertanian (misal: produksi padi per hektar) dengan jenis pupuk yang digunakan, kuantitas pupuk yang diberikan, jumlah hari hujan, suhu, lama penyinaran matahari, dan infeksi serangga.

c. Regresi Kurvilinier

Regresi kurvilinier seringkali digunakan untuk menelaah atau memodelkan hubungan fungsi variabel terikat (Y) dan variabel bebas (X) yang tidak bersifat linier. Tidak linier bisa diartikan bilamana laju perubahan Y sebagai akibat perubahan X tidak konstan untuk nilai-nilai X tertentu. Kondisi fungsi tidak linier ini (kurvilinier) seringkali dijumpai dalam banyak bidang. Misal pada bidang pertanian, bisa diamati hubungan antara produksi padi dengan taraf pemupukan Phospat. Secara umum produksi padi akan meningkat cepat bila pemberian Phospat ditingkatkan dari taraf rendah ke taraf sedang. Tetapi ketika pemberian dosis Phospat diteruskan hingga taraf tinggi, maka tambahan dosis Phospat tidak lagi diimbangi kenaikan hasil, sebaliknya terjadi penurunan hasil. Untuk kasus-kasus hubungan tidak linier, prosedur regresi sederhana atau berganda tidak dapat digunakan dalam mencari pola hubungan dari variabel-variabel yang terlibat. Dalam hal ini, prosedur analisis regresi kurvilinier merupakan prosedur yang sesuai untuk digunakan.

d. Regresi Dengan Variabel Dummy (Boneka)

Analisis regresi tidak saja digunakan untuk data-data kuantitatif (misal : dosis pupuk), tetapi juga bisa digunakan untuk data kualitatif (misal : musim panen). Jenis data kualitatif tersebut seringkali menunjukkan keberadaan klasifikasi (kategori) tertentu, sering juga dikatagorikan variabel bebas (X) dengan klasifikasi pengukuran nominal dalam persamaan regresi. Sebagai contoh, bila ingin meregresikan pengaruh kondisi kemasan produk dodol nenas terhadap harga jual. Pada umumnya, cara yang dipakai untuk penyelesaian adalah memberi nilai 1 (satu) kalau kategori yang dimaksud ada dan nilai 0 (nol) kalau kategori yang dimaksud tidak ada (bisa juga sebaliknya, tergantung tujuannya). Dalam kasus kemasan ini, bila kemasannya menarik diberi nilai 1 dan bila tidak menarik diberi nilai 0. Variabel yang mengambil nilai 1 dan 0 disebut variabel dummy dan nilai yang diberikan dapat digunakan seperti variabel kuantitatif lainnya.

e. Regresi Logistik (Logistic Regression)

Bila regresi dengan variabel bebas (X) berupa variabel dummy, maka dikatagorikan sebagai regresi dummy. Regresi logistik digunakan jika variabel terikatnya (Y) berupa variabel masuk katagori klasifikasi. Misalnya, variabel Y berupa dua respon yakni gagal (dilambangkan dengan nilai 0) dan berhasil (dilambangkan dengan nilai 1). Kondisi demikian juga sering dikatagorikan sebagai regresi dengan respon biner. Seperti pada analisis regresi berganda, untuk regresi logistik variabel bebas (X) bisa juga terdiri lebih dari satu variabel.

3. Analisis Path (Path Analysis) dan Analisis SEM

Analisis Path pada dasarnya ingin melihat hubungan kausalitas antara kejadian satu dan kejadian lain. Hubungan kausalitas yang ingin dilihat besa berupa hubungan langsung maupun tidak langsung. Pendekatan analisis yang digunakan pada analisis path tidak berbeda dengan analisis regresi ganda. Hanya sedikit berbeda pada perhitungan pendugaan koefisiennya. Pada saat ini jenis analisis ini berkembang pada bidang sosial, seperti psikologi, pendidikan, dan lain-lain. Apabila peubah yang akan dilihat pola hubungannya berupa peubah laten (tak terukur), seperti peubah prestasi, kecemasan dan lainnya, maka lebih cocok menggunakan analisis SEM. Untuk jenis peubah laten ini, tidak cocok digunakan analisis path.

4. Analisis Peubah Ganda

Analisis peubah ganda dilakukan karena peubah yang digunakan relatif banyak. Beberapa hal yang melatari analisis ini diantaranya antar peubah satu dengan peubah lain ada korelasi dan tidak ada keinginan untuk melihat pola hubungan antara peubah bebas dan peubah tak bebas. Bisanya analisis ini digunakan untuk mereduksi peubah yang cukup banyak menjadi peubah yang lebih sederhana tapi tidak meninggalkan informasi peubah asalnya. Selain itu melalui analisis peubah ganda juga bisa dilihat pengelompokan objek berdasarkan kemiripan peubah-peubah peubah-peubah penyusunnya. Beberapa jenis analisis yang masuk katagori analisis peubah ganda diantaranya: Analisis Komonen Utama (Pricipal Component Analysis), Analisis Gerombol (Cluster Analysis), Analisis Faktor (Factor Analysis), Korelasi Kanonik, Analisis Biplot, Analisis Diskriminan (Discriminant Analysis) dan Multidimension Scalling.

5. Conjoint Analysis

Conjoint analysis, bisanya banyak digunakan pada bidang riset pemasaran. Sebagai contoh bila suatu perusahaan ingin mengeluarkan produk baru, maka melalui analisis ini bisa dilihat tentang preferensi konsumennya. Untuk bidang pertanian, analisis ini bisa digunakan oleh pelaku agribisnis baik skala kecil maupun besar yang akan meluncurkan produk agribisnisnya.

Apa Itu Ekonometrika?

October 8th, 2007

Ekonometrika adalah ilmu yang membahas masalah pengukuran hubungan ekonomi. Dengan demikian, Ekonometrika adalah ilmu yang mencakup teori ekonomi, matematika, dan statistika dalam satu kesatuan sistem yang bulat, menjadi suatu ilmu yang berdiri sendiri dan berlainan dengan ilmu ekonomi; matematika; maupun statistika. Ekonometrika digunakan sebagai alat analisis ekonomi yang bertujuan untuk menguji kebenaran teorama-teorama teori ekonomi yang berupa hubungan antarvariabel ekonomi dengan data empirik.

Teorama-teorama yang persifat apriori pada ilmu ekonomi dinyatakan terlebih dahulu dalam bentuk matematik sehingga dapat dilakukan pengujian terhadap teorama-teorama itu. Bentuk matematik teorama ekonomi ini disebut model. Pembuatan model ekonometri merupakan salah satu sumbangan ekonometrika di samping pembuatan prediksi (peramalan atau forecasting) dan pembuatan berbagai keputusan alternatif yang bersifat kuantitatif sehingga dapat mempermudah para pengambil keputusan untuk menentukan pilihan.

Salah satu bagian paling penting dari ekonometri adalah analisis regresi. Analisis ini digunakan untuk mengetahui kaitan antara satu variabel dengan variabel yang lain. Berdasarkan data yang digunakan, ekonometri dibagi menjadi tiga analisis, yaitu analisis runtun waktu (time series), antar-wilayah (cross section), dan analisis data panel. Analisis runtun waktu menjelaskan mengenai perilaku suatu variabel sepanjang beberapa waktu berturut-turut, berbeda dengan analisis antar-wilayah yang menjelaskan antara beberapa daerah dalam satu waktu tertentu (snapshot). Sementara itu analisis data panel menggabungkan antara data runtun waktu dengan data antar-wilayah.

Awal perkembangan ekonometri
Metode kuantitatif dalam ilmu ekonomi sebenarnya telah lama dikembangkan sejak abad ke-18. Vilfredo Pareto (Paris, 15 Juli 1848 — Jenewa, 19 Agustus 1923) berkontribusi dalam menjelaskan distribusi pendapatan dan pilihan individu melalui pendekatan matematis yang berdasarkan atas teori ekonomi. Selain Pareto, Marie-Esprit-Léon Walras dari Perancis pada abad ke-18 mengembangkan teori keseimbangan umum yang menjelaskan mengenai aliran barang dan jasa dalam perekonomian.

Pada awal tahun 1950-an ekonometri dikembangkan sebagai satu cabang sendiri dari ilmu ekonomi. Jan Tinbergen dari Belanda, yang kini namanya diabadikan sebagai salah satu institusi akademik besar di Eropa (Tinbergen Institute), merupakan salah tokoh utama yang mengembangkan ilmu ini.

Ekonometri saat ini
Saat ini ekonometri telah berkembang sedemikian pesat sehingga banyak jurnal ilmiah yang didedikasikan untuk ilmu ini, seperti Econometrica[1], Journal of Econometrics, Journal of Applied Econometrics[2], dan Journal of the Operational Research[3]. Penggunaan ekonometri telah sedemikian luas sehingga hampir semua jurnal, tesis, disertasi, dan bahkan skripsi dalam ilmu ekonomi memakai ekonometri sebagai salah satu alat yang digunakan. Sementara itu dalam prakteknya, ekonometri terutama dipakai di bank sentral, oleh tim ekonomi pemerintah untuk melakukan perencanaan dan analisis kebijakan ekonomi, dan juga oleh dunia usaha untuk mengoptimalkan kinerja perusahaan. Selain di bidang moneter, ekonometri juga sudah banyak dipakai di berbagai bidang ekonomi yang lain dan juga bisnis dan manajemen, seperti mikroekonomi, marketing, dan finance.

Di Indonesia, penerapan ekonometri masih terbatas dan pengembangan ilmu ini hanya pada lembaga/universitas tertentu saja. Dua dari sedikit akademisi di bidang ekonometri di Indonesia adalah Profesor Insukindro dari Universitas Gadjah Mada terutama berkat penerapan ekonometri untuk ekonomi moneter dan Dr. Ari Kuncoro dari Universitas Indonesia karena pekerjaannya di bidang mikroekonometri.

Tokoh-tokoh ekonometri peraih Nobel

  1. Jan Tinbergen dan Ragnar Frisch mendapat Hadiah Nobel Ekonomi tahun 1969 (tahun pertama Hadiah Nobel Ekonomi diberikan) karena mengembangkan dan menerapkan model dinamik untuk analisis ekonomi.
  2. Lawrence Klein, profesor ekonomi di University of Pennsylvania, mendapat Nobel tahun 1980 berkat pekerjaannya di pemodelan ekonomi melalui komputer.
  3. Trygve Haavelmo dihadiahi pada 1989. Kontribusi utamanya pada artikel yang ia tulis tahun 1944 di jurnal Econometrica yang berjudul “The Probability Approach to Econometrics”.
  4. Daniel McFadden dan James Heckman berbagi penghargaan untuk tahun 2000 untuk pekerjaannya di bidang mikroekonometri. McFadden mendirikan laboratorium ekonometri di University of California, Berkeley, Amerika Serikat.
  5. Robert Engle dan Clive Granger pada tahun 2003 karena kontribusi mereka pada pengembangan analisis runtun waktu. Engle menjadi pionir metode autoregressive conditional heteroskedasticity (ARCH) sedangkan Granger atas metode kointegrasi.

Diperoleh dari “http://id.wikipedia.org/wiki/Ekonometrika”

RSS Feed

Search

  • Categories

  • Archives

  • Affiliates

    View blog authority
    Free PageRank Checker
    eXTReMe Tracker
  • Disclosure

    I hereby state that I have received financial compensation for some of the posts on this blog from sponsors who want to have their product(s) and/or service(s) be reviewed by me.