7 Materi Baru

7 Materi Baru

7 materi baru merupakan materi pendidikan untuk ilmu administrasi negara, buat kamu yang ingin menambahkan ilmu dan wawasan .

1. Organisasi dan Manajemen

2. Informasi dan Manajemen

3. Pendidikan Kewarganegaraan

4. Ilmu perpajakan

5. pengantar ilmu statistik

6. ilmu pemerintahan

7. metode penelitian Sosial 

Ilmu Statistika:

Ruang Lingkup StatistikaDewasa ini statistik / statistika merupakan ilmu yang penggunaannya makin dirasakan kepentinganya, hampir semua bidang ilmu pengetahuan menggunakan statistika dalam rangka mengembangkan bidang masing - masing, sehingga dikenal statistika pertanian, ekonomi, kedokteran, pendidikan, statiska untuk ilmu - ilmu sosial lainya.

defenisis statistika secara modern dapat didefenisikan sebagai suatu metode yang digunkan dalam pengumpulan dan analisa data yang berupa angka sehingga dapat diperolah informasi yang berguna. 

sebagai suatu subyek , ststistika menyediakan prinsip - prinsip dan metode utnuk merangcang proses pengumpulan, meringkas data yang diperoleh, melakukan interpretasi, serta mengambil kesimpulan generalisasi.

Secara etimologis kata "statistik" berasal dari kata status (bahasa latin) yang mempunyai persamaan arti dengan kata state (bahasa Inggris) atau kata staat (bahasa Belanda), dan yang dalam bahasa Indonesia diterjemahkan menjadi negara. Pada mulanya, kata "statistik" diartika sebagai "kumpulan bahan keterangan (data), baik yang berwujud angka (data kuantitatif) maupun yang tidak berwujud angka (data kualitatif), yang mempunyai arti penting dan kegunaan yang besar bagi suatu negara. Namun, pada perkembangan selanjutnya, arti kata statistik hanya dibatasi pada "kumpulan bahan keterangan yang berwujud angka (data kuantitatif)" saja; bahan keterangan yang tidak berwujud angka (data kualitatif) tidaklagidisebutstatistik.

dalam kamus bahasa Inggris akan kita jumpai kata statistics dan kata statistic. Kedua kata itu mempunyai arti yang berbeda. Kata statistics artinya "ilmu statistik", sedang kata statistic diartika sebagai "ukuran yang diperoleh atau berasal dari sampel," yaitu sebagai lawan dari kata "parameter" yang berarti "ukuran yang diperoleh atau berasal dari populasi".

Statistik parametrik adalah suatu uji yang modelnya menetapkan adanya syarat-syarat tertentu (asumsi-asumsi) tentang variabel random atau populasi yang merupakan sumber sampel penelitian. Sedangkan uji statistik yang tidak memerlukan adanya syarat-syarat tersebut disebut statistika non-parametrik. Statistika parametik lebih banyak digunakan untuk menganalisis data yang berskala interval dan rasio dengan dilandasi asumsi tertentu seperti normalitas. Statistika non-parametik dapat digunakan untuk menganalisis data yang berskala nominal dan ordinal.

A.                Sejarah Perkembangan Statistik

Awal perkembangan statistika induktif terjadi pada peralihan abad ke 19 ke abad 20 dengan Karl Pearson (1857-1936) sebagai pelopornya. Masa ini merupakan titik awal perkembangan statistika modern.

Pada abad 19 Karl Pearson menerapkan statistika pada biologi untuk masalah hereditas dan proses evolusi biologi yang diterbitkan dalam jurnal Biometrika. Dari tahun 1893 sampai 1912 Karl Pearson telah menulis 18 paper yang berjudul kontribusi matematika ke teori evolusi. Paper-paper ini mempunyai kontribusi ke analisis regresi dan koefisien korelasi. Pearson menciptakan istilah standard deviation (simpangan baku) pada tahun 1893. Dalam statistika deskriptif Pearson juga memperkenalkan ukuran penyimpangan terhadap distribusi data yang simetrik yang disebut koefisien kemiringan dan kurtosis. Pada tahun 1900 Karl Pearson menemukan uji Khi-kuadrat untuk tabel kontingensi 2 arah. Dalam menarik kesimpulan tentang korelasi dan uji khi-kuadrat, Pearson menggunakan sampel besar (n>1000). Analisis data yang digunakan Pearson mengasumsikan data menyebar Normal. Sehingga pada Biometrika volume 1 yang terbit tahun 1901 sebagian besar penelitiannya menggunakan ukuran contoh besar.

Sebelum tahun 1912 sedikit sekali penemuan di bidang pengujian hipotesis sampai akhirnya W. S. Gosset (1876-1937) memperkenalkan uji t-student untuk sampel kecil. Gosset adalah seorang mahasiswa (student) dari Karl Pearson pada awalnya adalah seorang ahli kimia yang bekerja di perusahaan bir Guinness di Dublin. Gosset menemukan uji-t untuk menangani sampel-sampel kecil untuk quality control di perusahaan bir tersebut. Dia menerbitkan papernya dengan nama Student pada jurnal Biometika 1908 untuk menghindari larangan dari perusahaan bagi karyawannya yang menulis di dalam sebuah jurnal. Bentuk sebaran secara matematis yang digunakan Gosset tersebut sebenarnya telah ditemukan oleh astronom Jerman Jakob Luroth pada tahun 1875. Gosset menggunakan data hasil pengukuran terhadap tinggi dan jari tengah tangan kiri 3000 narapidana yang dipublikasikan pada volume pertama Biometrika. Dengan metode Monte Carlo dipilih 750 sampel yang berukuran 4 dan diperoleh distribusi data yang mendekati distribusi teoritiknya. Sebaran t-student banyak dipakai sebagai acuan dalam menduga parameter rataan ukuran contoh kecil (n<30).

Metode estimasi parameter populasi yang digunakan sebelum tahun 1912 adalah metode kuadrat terkecil yang dikemukakan oleh Gauss dan metode deviasi mutlak terkecil yang dikemukakan Laplace. Kedua metode ini digunakan untuk mengestimasi parameter dalam model linier. Kemudian Karl Pearson memperkenalkan metode momen untuk estimasi parameter pada tabel frekuensi.

Statistika induktif mulai berkembang pesat setelah R. A. Fisher (1890 –1962) menulis paper yang sangat terkenal pada tahun 1922 yaitu On the Mathematical Foundations of Theoritical Statistics (Mallows, 1998). 
Fisher memperkenalkan istilah specification untuk mengidentifikasi 3 problem yang muncul pada reduksi data, yaitu :

1. Spesifikasi dari jenis populasi, yaitu bentuk matematis dari populasi yang mencakup parameter yang tidak diketahui.

2. Estimasi, yaitu pemilihan metode statistik untuk mengestimasi parameter dari populasi

3. Sebaran, yaitu sebaran statistik dari contoh atau sampel.

Tulisan tersebut memperkenalkan suatu metode yang terkenal dengan nama Maximum Likelihood yang digunakan untuk estimasi dan pengujian hipotesis.

Pada tahun 1925 terbit buku Statistical Methods for Research Workers karangan Fisher yang berisi rancangan percobaan dan analisis varians di bidang biologi. Fisher yang cara berfikirnya dipengaruhi aliran statistika yang dianut Karl Pearson, yaitu penarikan kesimpulan didasarkan pada model peluang (model-driven) merupakan promotor penggunaan cara-cara stastistika di dalam bidang-bidang ilmu pertanian, biologi dan genetika. Untuk jasanya ini Fisher dianugerahi gelar Baronet oleh Ratu Inggris, sehingga ia berhak menggunakan nama Sir Ronald Fisher. Kontribusi Fisher membuat cakupan metode pengembangan yang sesuai untuk sampel kecil, seperti Gosset, penemuan presisi sebaran dari beberapa statistik sampel dan penemuan analisis varians. Fisher merekomendasikan maximum likelihood, yang digunakan untuk estimasi dan pengujian hipotesis. Fisher dianggap penemu statistika modern karena kontribusinya yang sangat penting dan dianggap sebagai pemikir ulung tempaan abad kedua puluh.

versi lainy tentang sejarah pertumbuhan Statistika

Penggunaan istilah statistika berakar dari istilah istilah dalam bahasa latin moderen statisticum collegium (“dewan negara”) dan bahasa Italia statista (“negarawan” atau “politikus”).

Gottfried Achenwall (1749) menggunakan Statistik dalam bahasa Jerman untuk pertama kalinya sebagai nama bagi kegiatan analisis data kenegaraan, dengan mengartikannya sebagai “ilmu tentang negara (state)”. Pada awal abad ke-19 telah terjadi pergeseran arti menjadi “ilmu mengenai pengumpulan dan klasifikasi data”. Sir John Sinclair memperkenalkan nama (Statistics) dan pengertian ini ke dalam bahasa Inggris. Jadi, statistika secara prinsip mula-mula hanya mengurus data yang dipakai lembaga-lembaga administratif dan pemerintahan. Pengumpulan data terus berlanjut, khususnya melalui sensus yang dilakukan secara teratur untuk memberi informasi kependudukan yang berubah setiap saat.

Pada abad ke-19 dan awal abad ke-20 statistika mulai banyak menggunakan bidang-bidang dalam matematika, terutama probabilitas. Cabang statistika yang pada saat ini sangat luas digunakan untuk mendukung metode ilmiah, statistika inferensi, dikembangkan pada paruh kedua abad ke-19 dan awal abad ke-20 oleh Ronald Fisher (peletak dasar statistika inferensi), Karl Pearson (metode regresi linear), dan William Sealey Gosset (meneliti problem sampel berukuran kecil). Penggunaan statistika pada masa sekarang dapat dikatakan telah menyentuh semua bidang ilmu pengetahuan, mulai dari astronomi hingga linguistika. Bidang-bidang ekonomi, biologi dan cabang-cabang terapannya, serta psikologi banyak dipengaruhi oleh statistika dalam metodologinya. Akibatnya lahirlah ilmu-ilmu gabungan seperti ekonometrika, biometrika (atau biostatistika), dan psikometrika.

Meskipun ada kubu yang menganggap statistika sebagai cabang dari matematika, tetapi orang lebih banyak menganggap statistika sebagai bidang yang banyak terkait dengan matematika melihat dari sejarah dan aplikasinya. Di Indonesia, kajian statistika sebagian besar masuk dalam fakultas matematika dan ilmu pengetahuan alam, baik di dalam departemen tersendiri maupun tergabung dengan matematika.

B.      Pengertian Data dan Jenis-jenisnya

 Jenis Data Menurut Cara Memperolehnya

1. Data Primer
Data primer adalah secara langsung diambil dari objek / obyek penelitian oleh peneliti perorangan maupun organisasi. Contoh : Mewawancarai langsung penonton bioskop 21 untuk meneliti preferensi konsumen bioskop.

2. Data Sekunder
Data sekunder adalah data yang didapat tidak secara langsung dari objek penelitian. Peneliti mendapatkan data yang sudah jadi yang dikumpulkan oleh pihak lain dengan berbagai cara atau metode baik secara komersial maupun non komersial. Contohnya adalah pada peneliti yang menggunakan data statistik hasil riset dari surat kabar atau majalah.

 Macam-Macam Data Berdasarkan Sumber Data

1. Data Internal
Data internal adalah data yang menggambarkan situasi dan kondisi pada suatu organisasi secara internal. Misal : data keuangan, data pegawai, data produksi, dsb.

2. Data Eksternal
Data eksternal adalah data yang menggambarkan situasi serta kondisi yang ada di luar organisasi. Contohnya adalah data jumlah penggunaan suatu produk pada konsumen, tingkat preferensi pelanggan, persebaran penduduk, dan lain sebagainya.

 Klasifikasi Dara Berdasarkan Jenis Datanya

1. Data Kuantitatif
Data kuantitatif adalah data yang dipaparkan dalam bentuk angka-angka. Misalnya adalah jumlah pembeli saat hari raya idul adha, tinggi badan siswa kelas 3 ips 2, dan lain-lain.

2. Data Kualitatif
Data kualitatif adalah data yang disajikan dalam bentuk kata-kata yang mengandung makna. Contohnya seperti persepsi konsumen terhadap botol air minum dalam kemasan, anggapan para ahli terhadap psikopat dan lain-lain.

 Pembagian Jenis Data Berdasarkan Sifat Data

1. Data Diskrit
Data diskrit adalah data yang nilainya adalah bilangan asli. Contohnya adalah berat badan ibu-ibu pkk sumber ayu, nilai rupiah dari waktu ke waktu, dan lain-sebagainya.

2. Data Kontinyu
Data kontinyu adalah data yang nilainya ada pada suatu interval tertentu atau berada pada nilai yang satu ke nilai yang lainnya. Contohnya penggunaan kata sekitar, kurang lebih, kira-kira, dan sebagainya. Dinas pertanian daerah mengimpor bahan baku pabrik pupuk kurang lebih 850 ton.

 Jenis-jenis Data Menurut Waktu Pengumpulannya

1. Data Cross Section
Data cross-section adalah data yang menunjukkan titik waktu tertentu. Contohnya laporan keuangan per 31 desember 2006, data pelanggan PT. angin ribut bulan mei 2004, dan lain sebagainya.

2. Data Time Series / Berkala
Data berkala adalah data yang datanya menggambarkan sesuatu dari waktu ke waktu atau periode secara historis. Contoh data time series adalah data perkembangan nilai tukar dollar amerika terhadap euro eropa dari tahun 2004 sampai 2006, jumlah pengikut jamaah nurdin m. top dan doktor azahari dari bulan ke bulan, dll.

D. Pengertian Variabel dan Jenisnya 

Variabel adalah sifat yang dimiliki oleh induvidu contoh yang berbeda antara satu kelompok induvidu dengan kelompok yang lainya.

 

Variabel berasal dari kata “vary” dan “able” yang berarti “berubah” dan “dapat”. Jadi, secara harfiah variabel berarti dapat berubah, sehingga setiap variabel dapat diberi nilai dan nilai itu berubah-ubah. Nilai tersebut bisa kuntitatif (terukur dan atau terhitung, dapat dinyatakan dengan angka) juga bisa kualitatif (jumlah dan derajat atributnya yang dinyatakan dengan nilai mutu).

Variabel merupakan element penting dalam masalah penelitian. Dalam statistik, variabel didefinisikan sebagai konsep, kualitas, karakteristik, atribut, atau sifat-sifat dari suatu objek (orang, benda, tempat, dll) yang nilainya berbeda-beda antara satu objek dengan objek lainnya dan sudah ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya. Karakteristik adalah ciri tertentu pada obyek yang kita teliti, yang dapat membedakan objek tersebut dari objek lainnya, sedangkan objek yang karakteristiknya sedang kita amati dinamakan satuan pengamatan dan angka atau ketegori (nilai mutu) tertentu dari suatu objek yang kita amati dinamakan variate (nilai). Kumpulan nilai yang diperoleh dari hasil pengukuran atau penghitungan suatu variabel dinamakan dengan data.

Karakteristik yang dimiliki suatu pengamatan keadaannya berbeda-beda (berubah-ubah) atau memiliki gejala yang bervariasi dari satu satuan pengamatan ke satu satuan pengamatan lainnya, atau, untuk satuan pengamatan yang sama, karakteristiknya berubah menurut waktu atau tempat. Apabila karakteristik setiap satuan pengamatan semuanya sama, tidak beragam, maka bukan lagi merupakan variabel, melainkan konstanta.

Contoh:

Apabila Anda sedang mempelajari sekelompok anak-anak, anak-anak di sana baru sebuah konsep, bukan variabel.  Apabila Anda tertarik untuk mengukur tinggi badannya, berat, usia, menentukan jenis kelamin, dan sebagainya,  berarti Anda sudah berbicara tentang variabel, karena nilainya bisa beragam dari anak ke anak. Untuk kepentingan penelitian, sebuah konsep bisa diubah menjadi satu atau beberapa variabel.

Misalnya saja tentang konsep anak-anak tadi, di antara sekian karakteristik yang bisa diukur, Anda lebih tertarik untuk menimbang beratnya, maka:

• Konsep: adalah properti/karakteristik dari Anak-anak
• Karakteristik: karakteristik yang sedang Anda amati adalah berat anak.
• Variabel: karena berat setiap anak bisa bervariasi, maka berat merupakan variabel.
• Satuan pengamatan: satuan pengamatannya adalah masing-masing Anak (setiap individu), dan
• Nilai (variate/data): berat yang terukur dari setiap anak dinamakan variate (nilai).

Contoh kasus lain misalnya, jika Anda sedang mempelajari sekelompok tanaman tomat (konsep), variabel-variabel berikut mungkin menjadi pertimbangan Anda: tinggi, lebar, jumlah daun, dan jumlah buah, dan berat tomat.   Contoh variabel lainnya adalah warna mata, IQ, tingkat pendidikan, status sosial, metode mengajar, jenis pupuk, jenis varietas, jenis obat, semuanya adalah variabel karena karakteristiknya berbeda-beda.

Karakteristik dari suatu variabel harus beragam atau berubah-ubah. Sebaliknya, jika karakteristik semuanya sama, maka satuan pengamatan tersebut bukan lagi variabel, melainkan konstanta. Konstanta adalah angka tertentu yang nilainya selalu tetap pada semua kondisi, misalnya kecepatan cahaya, gaya gravitasi, dsb. Namun demikian, suatu variabel bisa saja menjadi konstanta apabila nilainya di buat sama. Misalnya, jenis kelamin adalah variabel, namun apabila satuan pengamatan yang kita amati hanya dibatasi pada jenis kelamin perempuan saja, maka jenis kelamin berubah menjadi konstanta, karena nilainya sama pada semua kondisi.

Definisi Operasional

Definisi operasional adalah aspek penelitian yang memberikan informasi atau petunjuk kepada kita tentang bagaimana caranya mengukur suatu variabel.  Informasi ilmiah yang dijelaskan dalam definisi operasional sangat membantu peneliti lain yang ingin melakukan penelitian dengan menggunakan variabel yang sama, karena berdasarkan informasi itu, ia akan mengetahui bagaimana caranya melakukan pengukuran terhadap variabel yang dibangun berdasarkan konsep yang sama. Dengan demikian, ia dapat menentukan apakah tetap menggunakan prosedur pengukuran yang sama atau diperlukan pengukuran yang baru.

Konsep-konsep yang sudah diterjemahkan menjadi satuan yang sudah kita anggap lebih operasional (variabel dan konstruk), biasanya belum sepenuhnya siap untuk diukur. Karena variabel dan konstruk tersebut memiliki alternatif dimensi yang bisa diukur dengan cara berlainan. Contoh tentang variabel usia/umur. Cara pengukuran variabel tersebut bisa saja berbeda, pertama mungkin Anda mengukur usianya langsung secara numerik, misalnya 4, 12.5, 18, 31 tahun dst, atau bisa saja Anda mengukur berdasarkan kategori, misalnya Balita (0-5 th), Anak-anak (5 – 14), Remaja (14 – 24), Dewasa (25 – 54), Tua (55-64), dan Lansia (>65) tahun.

Pembagian Variabel

Variabel bisa dibagi berdasarkan: Perananan, cara pengukuran, dan bisa tidaknya diukur secara langsung.

Berdasarkan Fungsi/Peranannya dalam penelitian

Dalam penelitian kuantitatif, variabel yang telah didefinisikan secara operasional, biasanya dibagi menjadi variabel bebas (independent: aktif atau atribut), variabel terikat (dependent), dan variabel asing/ekstra/tambahan (extraneous) yang bukan merupakan subjek dari penelitian yang sedang dipelajari dan berada di luar pengamatan/kajian utama penelitian.  Pemahaman tentang variabel extraneous ini sangat penting, karena variabel ini bisa saja bersaing dengan variabel independent dan bisa mengacaukan/membingungkan dalam menjelaskan pola hubungan antara variabel independent dan variabel dependent. Oleh karena itu, dalam menentukan hubungan sebab akibat, kita seharusnya mengidentifikasi ada tidaknya variabel extraneous yang terbukti dapat mempengaruhi variabel dependent.  Apabila ada, maka variabel ekstraneous tersebut disebut dengan variabel confounding. Variabel Confounding sebaiknya di kontrol atau dimasukkan ke dalam model.  Apabila tidak, kita tidak akan yakin bahwa perubahan variabel dependent tersebut hanya disebabkan oleh variabel independent saja.

Untuk memahami variabel-variabel dalam penelitian, perhatikan contoh kasus berikut:

Apabila kita ingin melihat pengaruh pemberian dosis pupuk yang berbeda terhadap pertumbuhan tanaman, maka:

Variabel Dependent	=>	Pertumbuhan tanaman
Variabel Independent	=>	Dosis Pupuk
Variabel Extraneous	=>	Varietas/Kultivar
		Jenis Pupuk
		Tingkat Kesuburan Tanah
		Jenis Tanah
		Ukuran Petak/Pot
		Penyinaran Matahari
		Temperatur
		Kelembaban
		Kandungan Air Tanah
		Serangan Hama/Penyakit
		dsb..

Variabel Independent (IV).

Variable independent adalah variabel yang merupakan penyebab atau yang mempengaruhi variabel dependent (DV) atau yang menyebabkan terjadinya variasi bagi variabel dependent (DV). Apabila variabel IV berubah, maka variabel DV juga akan berubah. Variable independent merupakan variable yang faktornya diukur, dimanipulasi, atau dipilih oleh peneliti untuk menentukan hubungannya dengan suatu gejala yang diobservasi. Jika diterjemahkan dalam bahasa Indonesia, variabel independent disebut juga sebagai peubah bebas dan sering juga disebut dengan variable bebas, stimulus, faktor, treatment, predictor, input, atau antecedent.

Sebagai Contoh:

Pengaruh metode mengajar terhadap Prestasi siswa. =>Variabel independent adalah Metode Mengajar.

Pengaruh Pupuk Organik terhadap hasil tanaman tomat. =>Variabel independent adalah Pupuk Organik.

Metode mengajar dan pupuk organik bisa dimanipulasi atau ditentukan oleh peneliti. Tidak semua variabel independent bisa dimanipulasi, misalnya attribute yang sudah melekat pada suatu objek. Contohnya: Jenis Kelamin, Usia, Kemiringan lereng, ketinggian tempat, dsb.

Variabel Dependent (DV).

Variable dependent merupakan variabel yang dipengaruhi atau yang menjadi akibat dari variabel independent.  Variabel dependent, dalam bahasa Indonesia sering disebut sebagai peubah tak bebas, variabel terikat, tergantung, respons, variabel output, criteria, atau konsekuen.

Variabel ini merupakan fokus utama dari penelitian.  Variabel inilah yang nilainya diamati dan diukur untuk menentukan pengaruh dari variabel independent.  Nilainya bisa beragam dan tergantung pada besarnya perubahan variabel independent.  Artinya, setiap terjadi perubahan (penambahan/pengurangan) sekian kali satuan variabel independen, diharapkan akan menyebakan variabel dependen berubah (naik/turun) sekian satuan juga. Secara matematis, hubungan tersebut mungkin bisa digambarkan dalam bentuk persamaan Y = a + bX. Misalnya, Y = Hasil (ton) dan X = pupuk Urea (kg), maka setiap pupuk urea dinaikkan/atau diturunkan sebesar b (kg), maka hasil naik/turun sebesar b (ton) dan apabila tidak di berikan pupuk (b=0), maka hasilnya adalah sebesar a (ton).   Pola hubungan antara kedua variabel tersebut bisanya di kaji dalam penelitian asosiasi atau prediksi, biasanya diuji dengan menggunakan Analisis Regresi.  Berbeda dengan contoh pengaruh metode mengajar terhadap keberhasilan siswa, skala pengukuran variabel independentnya bukan merupakan variabel interval atau rasio, sehingga untuk melihat pengaruh dari variabel independet terhadap variabel dependent lebih tepat dengan menggunakan Analisis Varians (ANOVA).  Dengan Anova tersebut kita bisa menentukan ada tidaknya perbedaan diantara metode mengajar, dan apabila ada, kita bisa menentukan metode mengajar yang lebih baik atau terbaik.

Varibel Moderator

Variabel moderator merupakan variabel khusus dari variabel independent. Dalam analisis hubungan yang menggunakan minimal dua variabel, yakni satu variabel dependen dan satu atau beberapa variabel independen, adakalanya hubungan di antara kedua variabel tersebut dipengaruhi oleh variabel ketiga, yaitu faktor-faktor lain yang tidak dimasukkan dalam model statistik yang kita gunakan. Variabel tersebut dinamakan dengan variabel moderator. Variabel moderator ini adalah variabel lain yang bisa memperkuat atau memperlemah hubungan antar variabel independen (bebas) dan variabel dependen (tak bebas). Dalam Analisis Varians (Anova), pengaruh dari variabel moderator ini bisa direfresentasikan sebagai pengaruh interaksi antara variabel independent (faktor) utama dengan variabel moderator (Baron and Kenny, 1986: p. 1174). Variabel ini bisa diukur, dimanipulasi, atau dipilih oleh peneliti untuk mengetahui apakah keberadaannya akan mempengaruhi hubungan antara variable bebas dan variabel terikat. Secara skematis, hubungan di antara ketiga variabel tersebut bisa diilustrasikan seperti pada gambar berikut:

Contoh kasus 1:

Perhatikan, sebuah penelitian untuk melihat perbedaan diantara dua metode mengajar statistika, misal Metoda A dan Metode B. Jika siswa laki-laki lebih baik dengan Metode A, sedangkan siswa perempuan lebih baik dengan Metode B, maka jenis kelamin merupakan variabel mederator.

Contoh Kasus 2:

Misalnya pengaruh pupuk anorganik terhadap hasil tanaman padi. Hasil analisis menunjukkan tidak ada pengaruh penggunaan pupuk anorganik terhadap hasil padi, padahal secara teoritis harusnya terjadi perbedaan. Mengapa demikian?? Setelah diselidiki, ternyata ada variabel lain (misalnya varietas) yang tidak dimasukkan ke dalam model ataupun tidak dikontrol (diseragamkan), sehingga ikut mempengaruhi keragaman hasil padi. Variabel tersebut adalah variabel moderator, yang seharusnya dimasukkan juga ke dalam model. Hal ini misalnya ditunjukkan dengan adanya perbedaan respon di antara varietas padi. Varietas unggulan lebih responsif terhadap pupuk anorganik, sedangkan varietas lokal tidak terlalu responsif bahkan cenderung hasilnya cenderung menurun.

Contoh kasus 3:

Pengaruh Pelatihan terhadap Prestasi kerja.

Misalnya pelatihan yang diikuti staf administrasi suatu perguruan tinggi dengan harapan bisa meningkatkan ketrampilan dalam menyelesaikan tugas-tugas administrasi. Seluruh karyawan yang diikutsertakan memiliki jenjang pendidikan yang sama, D3. Setelah pelatihan selesai kemudian dilakukan tes ketrampilan. Setelah diamati, ternyata kemampuan karyawan yang berasal dari D3 Manajemen, memiliki ketrampilan yang lebih baik dibandingkan dengan karyawan yang berasal D3 Pertanian. Jelas disini bahwa adanya perbedaan tersebut dikarenakan adanya perbedaan kemampuan dalam menyerap materi yang disampaikan ketika melaksanakan pelatihan. Karyawan D3 manajemen lebih antusias dalam mengikuti Pelatihan dibandingkan dengan D3 Pertanian karena mereka relatif lebih mudah dalam memahami materi (sesuai dengan bidangnya). Pada contoh kasus tersebut pelatihan adalah variabel independen, prestasi kerja adalah variabel dependen, dan latar belakang pendidikan adalah variabel moderator.

Dari ketiga contoh kasus tersebut, bisa disimpulkan bahwa variabel moderator berpengaruh nyata (memiliki kontribusi yang signifikan) terhadap kemampuan variabel independen dalam mempengaruhi variabel dependen.

Variabel Intervening/mediator.

Variabel independent dan moderator merupakan variable-variabel kongkrit. Variable tersebut dapat dimanipulasi oleh peneliti dan pengaruhnya dapat dilihat atau diobservasi. Lain halnya dengan variable intervening, variable tersebut bersifat hipotetikal artinya secara kongkrit pengaruhnya tidak kelihatan, tetapi secara teoritis dapat mempengaruhi hubungan antara variabel independent dan dependent yang sedang diteliti.

Penelitian yang melibatkan variabel intervening (mediator/mediating/mediasi/pengganggu) sangat umum dalam bidang sosiologi dan psikologi, seperti ilmu-ilmu perilaku dan penelitian non eksperimental lainnya. Untuk peneliti di bidang eksakta (terutama dalam penelitian eksperimental), mungkin tidak terlalu banyak yang mengenal atau melibatkan variabel ini, karena bersifat abstrak dan tidak bisa diukur (misterius, jangan dianggap serius.. ). Lihat saja pernyataan Tuckman (1988) berikut ini:

“… an intervening variable is that factor that theoretically affect the observed phenomenon but cannot be seen, measure, or manipulate…”.

Banyak siswa, saya, bahkan sebagian peneliti yang masih kesulitan dalam membedakan antara variabel moderator dengan variabel pengganggu yang satu ini, intervening (mediator) maksudnya

.

Variable intervening didefinisikan sebagai variabel yang secara teoritis mempengaruhi hubungan antara Variabel independent dengan Variabel dependent, tetapi tidak dapat dilihat, diukur, dan dimanipulasi; pengaruhnya harus disimpulkan dari pengaruh-pengaruh variabel independent dan atau variable moderat terhadap gejala yang sedang diteliti (Tuckman, 1988).
Variabel ini merupakan variabel antara (penyela) yang terletak diantara Variabel independent dan Variabel dependent. Variabel ini bisa digunakan dalam menjelaskan proses hubungan antara variabel independent dengan variabel dependent, misalnya X → T → Y, dimana T adalah variabel intervening yang digunakan untuk menjelaskan pola hubungan antara IV dan DV.  Terminologi terakhir, yaitu sebagai variabel antara, konsiten dengan metodologi dan definisi dalam Analisis Struktural Equation Modelling (SEM).  Misalnya, X adalah usia dan Y adalah kemampuan membaca, hubungan sebab akibat antara X dan Y bisa dijelaskan oleh variabel Intervening T, misalnya Pendidikan. Dengan demikian, Usia (X) tidak secara langsung mempengaruhi kemampuan membaca (Y), tapi terlebih dahulu melalui variabel intervening, pendidikan (T), atau dengan kata lain, X mempengaruhi T dan selanjutnya T mempengaruhi Y.

Contoh:

Tingkat pendidikan → jenis pekerjaan → tingkat penghasilan

Metode mengajar → motivasi belajar → Prestasi siswa

Teknologi baru → budaya → Respon masyarakat

Usia → Pengalaman mengendarai → kelihaian mengendarai sepeda motor (Valentinno Rossi, misalnya, )

Contoh di bidang pertanian:

Pengaruh pemberian pupuk anorganik terhadap hasil padi. Misalnya saja, varietas sudah dimasukkan ke dalam model atau varietasnya dibuat sama (varietas unggulan), tetapi hasinya tetap saja tidak signifikan. Mengapa?? Setelah diteliti secara seksama, ternyata tanaman padi yang di beri pupuk tersebut misalnya menjadi rentan terhadap serangan penyakit/hama sehingga sebagian besar lahan terkena serangan hama/penyakit, akibatnya hasil padi tidak meningkat.  Variabel Intervening adalah Serangan Penyakit/Hama.

Hubungan ke-4 Variabel:

Tambahan:

Terdapat beberapa literatur yang mengatakan ada variabel lain selain variabel yang sudah disebutkan di atas, yaitu Variabel Kontrol. Variabel kontrol adalah variabel yang dikendalikan atau dibuat konstan sehingga pengaruh variabel independent terhadap variabel dependent tidak dikacaukan oleh pengaruh faktor lain yang tidak kita diamati. Dengan kata lain, variabel lain yang dapat mempengaruhi hubungan antara variabel independent dengan variabel dependent, berusaha dihilangkan atau di netralkan atau di kontrol atau diseragamkan!  Dengan demikian, diharapkan variabel yang memberi keragaman terhadap variabel dependent hanyalah variabel independent yang ingin dipelajari pengaruhnya, yang dikenal dengan perlakuan atau treatment!

Paradok:

“Variabel kontrol adalah variabel yang dibuat konstan sehingga tidak bervariasi atau seragam.. ” – vs – “suatu objek bisa dikatakan variabel apabila nilainya beragam, apabila tidak, tidak lagi dinamakan variabel tapi konstanta“

Berarti??!! Bingung kan?? variabel kontrol apa konstanta??

Menurut saya, mungkin lebih tepat apabila variabel kontrol ini menggunakan istilah variabel yang di kontrol (Controlled Variable).

Berdasarkan cara pengukuran

• Kuantitatif (diskrit/kontinyu)
• Rasio
• Interval
• Kualitatif
• Ordinal à ada tingkatan
• Nominal à tidak ada tingkatan

Berdasarkan bisa atau tidaknya diukur secara langsung

• Variabel teramati (observed variable)
• Dapat langsung diamati/diukur
• Contoh: umur, jenis kelamin, berat badan
• Variabel laten (latent variable)
• Tidak dapat langsung diamati/diukur
• Contoh: kualitas pelayanan, kepuasan pelanggan, kesehatan
• Umumnya diukur dengan menggunakan indikator yang berupa variabel teramati, biasanya lebih dari dua variabel indikator.

beberapa contoh variabel lain :

pada perusahaan : upah pegawai

pada tanaman     : tinggi tanaman , panjang tanaman / daun, berat buah per tanaman, jumlah daun, dsb...

pada ikan           : berat badan, panjang ikan,  dan sebagainya 

Pengukuran :

Pengukuran adalah menunjukan angka - angka pada suatu Variabel menurut urutan yang telah ditentukan dengan kategori pemberian nilai - nilai pada Variabel bilangan