AWAL PERKEMBANGAN STATISTIKA SECARA UMUM

Perkembangan statistika diawali sebagai suatu ilmu yang membahas cara-cara

mengumpulkan angka sebagai hasil pengamatan menjadi bentuk yang lebih mudah dipahami.

Menurut Spiegel (1961) statistika berasal dari kata “status” yang berarti negara. Sehingga pada

awalnya statistika berkaitan dengan ilmu untuk angka-angka (keterangan) atas perintah raja suatu

negara, yang ingin mengetahui kekayaan negaranya, jumlah penduduk, hewan piaraan, hasil

pertanian, dan modal. Contoh tertua mengenai hal ini dapat diambil dari zaman Kaisar Agustus

yang membuat pernyataan bahwa seluruh dunia harus dikenai pajak, sehingga setiap orang harus

melapor kepada statistikawan terdekat (pengumpul pajak). Peristiwa lain di dalam sejarah yang

dapat dikemukakan ialah sewaktu William si Penakluk memerintahkan mengadakan pencacahan

jiwa dan kekayaan di seluruh wilayah Inggris untuk pengumpulan pajak dan tugas militer. Semua

pengamatan dicatat di dalam sebuah buku yang dikenal dengan Domesday Book.

SUMBER: Spiegel, Murray .R. 1961. Theory and Problem of Statistics. Mc Graw-Hill. New

York.

Beberapa abad setelah Domesday Book, ditemukan suatu penerapan peluang empirik dalam

asuransi perkapalan, yang tampaknya sudah tersedia bagi kapal-kapal bangsa Flem pada abad ke-

14. Perjudian, dalam bentuk permainan, telah mengantarkan kita ke teori peluang. Teori ini

pertama kali dikembangkan oleh Pascal dan Fermat sekitar abad ke-17, karena mereka tertarik

pada pengalaman-pengalaman judi Chevalier de Mere.

Kurva normal telah terbukti sangat penting dalam pengembangan statistika. Persamaan kurva ini

pertama kali diumumkan pada tahun 1733 oleh de Moivre. De Moivre sama sekali tidak tahu

bagaimana menerapkan penemuannya tersebut pada data hasil percobaan, dan karyanya ini tetap

tidak diketahui sampai Karl Pearson menemukannya di suatu perpustakaan pada tahun 1924.

Walaupun demikian, hasil yang sama dikembangkan kemudian oleh dua astronom matematik,

Laplace, 1749-1855 dan Gauss, 1777-1855, secara terpisah.

Pada abad ke-19 Charles Lyell telah mengajukan suatu argumentasi yang pada dasarnya bersifat

statistik terhadap suatu masalah geologi. Dalam periode 1830-1833, diterbitkan 3 jilid Principles

of Geology karya Lyell, yang mengurutkan batu-batuan zaman Tertier, serta sekaligus memberi

nama pada masing-masing batuan. Bersama dengan M.Deshayes, seorang ahli biologi dari

Prancis, mereka mengidentifikasikan dan mendaftarkan spesies-spesies fosil yang terdapat dalam

satu atau lebih strata, dan meramalkan proporsi jenis-jenis yang masih hidup di bagian-bagian

laut tertebtu. Berdasarkan proporsi-proporsi tersebut mereka memberi nama Pleistosen, Pliosen,

Miosen, dan Eosen. Argumentasi Lyell sesungguhnya bersifat statistika. Sayangnya setelah

ditetapkan dan diterimanya nama-nama tersebut, metodenya segera dilupakan orang. Hal ini

terjadi baik di bidang ilmu-ilmu biologi maupun fisika.

Pada abad ke-19 pula, perlunya landasan yang lebih kokoh bagi statistika menjadi semakin jelas.

Karl Pearson, seorang ahli fisika matematik, menerapkan matematika pada biologi. Pearson

melewatkan hampir setengah abad dalam penelitian statistika yang serius. Di samping itu, ia juga

mendirikan jurnal Biometrika dan sebuah aliran statistika. Dengan demikian kajian statistika

memperoleh dorongan besar.

Sementara Pearson hanya memperhatikan contoh besar (large samples), teori sampel besar yang

dikembangkan ternyata tidak memuaskan peneliti yang selalu berhubungan dengan sampel kecil

(small samples). Di antara mereka adalah W.S. Gosset, 1876-1937, murid Karl Pearson. Namun

kemampuan matematika Gosset belum memadai untuk mendapatkan sebaran-sebaran pasti dari

simpangan baku sampel, rasio antara rata-rata sampel dengan simpangan baku sampel, dan

koefisien korelasi; statistik-statistik yang paling banyak diperhatikannya. Akibatnya, ia terpaksa

mendasarkan pada kartu; mengocok, mengambil, dan kemudian membuat sebaran frekuensi

empiriknya. Makalah yang membuat hasil penelitiannya ini muncul dalam Biometrika pada

tahun 1908, dan ia menggunakan nama student. Sekarang ini sebaran t-Student merupakan alat

dasar bagi statistikawan dan peneliti; dan me-student-kan merupakan istilah yang lazim dalam

statistika. Kini penggunaan sebaran t-Student begitu meluas, dan menarik untuk diperhatikan

bahwa seorang astronom Jerman, Helmert, telah mendapatkannya secara matematika jauh

sebelumnya, yaitu pada tahun 1875.

R.A. Fisher, 1890-1962, yang dipengaruhi oleh Karl Pearson dan Student, memberikan

sumbangan yang sangat banyak dan penting bagi statistika. Ia dan murid-muridnya memberikan

dorongan yang besar bagi penggunaan prosedur-prosedur statistika dalam banyak bidang,

terutama dalam bidang-bidang pertanian, biologi, dan genetika.

J.Neyman (1895) dan E.S.Pearson (1895), mengemukakan teori pengujian hipotesis pada tahun

1936 dan 1938. Teori ini meransang sejumlah besar penelitian dan banyak hasilnya mempunyai

kegunaan praktis.

Pada tahun 1902-1950, Abraham Wald menulis dua buku yang sangat bermanfaat hingga saat

ini, yakni ‘Sequential Analysis’ dan ‘Statistical Decision Functions’. Dalam abad inilah (hingga

saat ini) hampir semua metode statistika yang kini digunakan itu dikembangkan.

SUMBER: Sisca. 2012. Sejarah Statistik. http://chabyeofmath.wordpress.com [4 September

2014].

SEKILAS SEJARAH STATISTIKA DI INDONESIA

Dilihat dari sejarah pendidikan statistika di Indonesia, Jurusan Statistika Fakultas

Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor dapat berbangga, karena

jurusan yang dirintis dan didirikan oleh Prof. Dr. Andi Hakim Nasoetion (Alm) tahun 1972

adalah Jurusan Statistika tertua di Indonesia. Awalnya dimulai dari Unit Biometrika di bawah

Fakultas Pertanian IPB yang kemudian berubah menjadi Pusat Pengolahan Data Statistika dan

Komputasi dan akhirnya menjadi Departemen Statistika dan Komputasi di bawah Fakultas

Pertanian. Pada waktu FMIPA disyahkan di IPB pada tahun 1982, namanya berubah menjadi

Jurusan Statistika di bawah FMIPA. Jadi boleh dikatakan Departemen Statistika adalah the

founding father of FMIPA IPB.

Pada dekade 60 dan 70-an statistika dikenal sebagai “tongkat pembimbing di daerah

ketidaktahuan”. Pada dasarnya fungsi tersebut tidak akan hilang, karena statistika tetap berperan

di dalam proses penelitian mulai dari rancangan dan analisis, sampai ke penarikan kesimpulan.

Di wilayah dimana dunia penuh dengan ketidakpastian, keragaman dan proses acak itulah

statistika sangat diperlukan. Tanpa bantuan statistika tidak mustahil kita terjebak oleh

kesimpulan yang tidak sepatutnya (misleading conclusion). Selain itu, statistika juga perlu

menerawang ke masa depan. Statistika sebagai tongkat pembantu ke masa depan itu wajar saja

bila saat ini berkembang moto “Statistika adalah alat bantu untuk memecahkan masalah masa

depan”, problem solver of the future. “Statistics is not just for statistician”, memang demikian

adanya. Model-model statistika sangat membantu pemahaman proses pembelajaran dalam dunia

pendidikan dan psikologi, regresi dan analisis deret waktu sudah sering membuka tabir kesulitan

riset dalam keteknikan, kimia, ekonomi, biologi dan ilmu-ilmu kesehatan. Dewasa ini statistika

sering diminta bantuan oleh ahli-ahli hukum kriminalitas, khususnya dengan berkembangnya

“statistics for forensic and DNA fingerprinting”.

Semua kisah sukses statistika di dunia itu adalah titik cerah bagi masa depan Jurusan

Statistika FMIPA-IPB. Saat ini Jurusan Statistika FMIPA IPB sudah mengasuh tidak saja

program S1 (sarjana), tetapi juga Program Pascasarjana S2 (magister sains), dan bahkan doktor

(S3). Pendidikan tersebut diramu dengan kegiatan riset yang bekerja sama dengan disiplin ilmu

lainnya. Dengan demikian, statistika secara keilmuan menjadi satu kesatuan yang tidak

terpisahkan mulai dari jenjang S1 ampai S2 dan masuk ke ranah-ranah keilmuan lainnya yang

sudah barang tentu sangat memerlukan statistika.

Jurusan Statistika IPB yang merupakan pelopor pendidikan statistika di Indonesia, selain

menjalankan program pendidikan statistika pada jenjang S1, S2 bahkan S3 juga mengembangkan

program pelayanan mata kuliah metode statistika pada program studi lain di lingkungan IPB.

Dampak dari ini, semua alumni IPB dibekali pola berfikir statistika sehingga mereka sudah

terbiasa dengan keteraturan berfikir sehingga menjadi “pioner” penggunaan berfikir secara

statistika di lingkungan kerjanya di berbagai instansi (khususnya DEPTAN). Penyelenggaraan

Program pendidikan S1 (Sarjana) di IPB dimulai sejak tahun 1967, sedangkan program

pendidikan pascasarjana (S2) dimulai sejak tahun 1975 dengan jumlah lulusan kurang lebih 150

(Magister Sains). Dibukanya Program Doktor (S3) sejak empat tahun yang lalu dimaksudkan

selain untuk pengembangan statistika di Indonesia juga untuk memperkokoh peran Jurusan

Statistka IPB dalam pembangunan bangsa menyongsong Indonesia baru. Dapat dibayangkan

selama lebih kurang 35 tahun jurusan statistika berkiprah, tentu alumninya (S1 dan S2) sudah

tersebar di berbagai instansi, baik sebagai peneliti, pengambil kebijakan, statistisi profesional,

maupun tenaga pengajar di PTN maupun PTS.

Program-program untuk meningkatkan profesionalisme dan akademik lainnya

dikembangkan dengan membuka kerjasama akademik dengan program studi sejenis di berbagai

Universitas di Indonesia. Setiap tahun jurusan Statistika IPB melakukan program pelatihan untuk

dosen PTN di Indonesia. Kerjasama dengan instansi lain, khususnya DEPTAN dalam pelatihan

statistika. Sampai saat ini di Indonesia selain IPB telah ada PTN dan PTS lain yang telah

membuka jurusan Statistika secara mandiri tanpa dibawah naungan jurusan Matematika. PTN

yang telah membuka jurusan statistika secara mandiri adalah UNPAD, ITS dan UGM. Sedang

PTS nya adalah UNISBA, UII Yogyakarta dan salah satu PTS di kota Malang. Selain itu untuk

BPS telah membuka pendidikan jurusan statistika untuk keperluan di instansinya yang dulu

bernama AIS dengan pendidikan jenjang D3, sedang sekarang bernama STIS dengan jenjang

pendidikan setara S1.

SUMBER: Saefuddin, A. 2000. Profil Jurusan Statistika. FMIPA-IPB.

Pengertian Statistik

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) tidak lagi disebut statistik.

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”.

Perbedaan statistik dan statistika

Definisi Statistik

Statistik adalah kumpulan data yang bisa memberikan gambaran tentang suatu keadaan

Definisi Statistika

Statistika adalah ilmu yang mempelajari statistik, yaitu ilmu yang mempelajari bagaimana

caranya mengumpulkan data, mengolah data, menyajikan data, menganalisis data, membuat

kesimpulan dari hasil analisis data dan mengambil keputusan berdasarkan hasil kesimpulan. 

Pembagian Statistika

1. Statistika Deskriptif

Statistika deskriptif adalah statistika yang mempelajari bagaimana caranya

mengumpulkan data, mengolah data, menyajikan data, menganalisis data

2.  Statistika Induktif (Inferens)

Statistika inferens adalah statistika yang mempelajari bagaimana caranya mengumpulkan

data, mengolah data, menyajikan data, menganalisis data, membuat kesimpulan dan

mengambil keputusan

SUMBER: Sisca. 2012. Sejarah Statistik. http://chabyeofmath.wordpress.com [4 September

2014].

Pengertian Data dan Sifat-sifat Data

Data adalah kumpulan informasi yang diperoleh dari suatu pengamatan, dapat berupa angka,

lambang atau sifat. Menurut Webster New World Dictionary, pengertian data adalah things

known or assumed, yang berarti bahwa data itu sesuatu yang diketahui atau dianggap. Diketahui

artinya yang sudah terjadi merupakan fakta (bukti). Data dapat memberikan gambaran tentang

suatu keadaan atau persoalan. Data bisa juga didefinisikan sebagai sekumpulan informasi atau

nilai yang diperoleh dari pengamatan (obsevasi) suatu objek. Data yang baik adalah data yang

bisa dipercaya kebenarannya (reliable), tepat waktu dan mencakup ruang lingkup yang luas atau

bisa memberikan gambaran tentang suatu masalah secara menyeluruh merupakan data relevan.

SUMBER: 2013. Pengertian Data dan Jenis Data. http://www.pengertianahli.com. [ 4

September 2014].

Data Berdasarkan Sifatnya

Berdasarkan bentuk dan sifatnya, data penelitian dapat dibedakan dalam dua jenis yaitu data

kualitatif (yang berbentuk kata-kata/kalimat) dan data kuantitatif (yang berbentuk angka). Data

kuantitatif dapat dikelompokkan berdasarkan cara mendapatkannya yaitu data diskrit dan data

kontinum. Berdasarkan sifatnya, data kuantitatif terdiri atas data nominal, data ordinal, data

interval dan data rasio.

1.      Data Kualitatif

Data kualitatif adalah data yang berbentuk kata-kata, bukan dalam bentuk angka. Data kualitatif

diperoleh melalui berbagai macam teknik pengumpulan data misalnya wawancara, analisis

dokumen, diskusi terfokus, atau observasi yang telah dituangkan dalam catatan lapangan

(transkrip). Bentuk lain data kualitatif adalah gambar yang diperoleh melalui pemotretan atau

rekaman video.

Data kualitatif bisa sebagai data yang tidak bisa diteliti secara langsung. Kenapa tidak bisa

diteliti secara langsung? Karena data ini member petunjuk tentang mutu atau kualitas dari suatu

yang ada, misalkan berupa kondisi, peristiwa, proses, kejadian, dan lain-lain. Data tersebut

dinyatakan dalam bentuk perkataan atau pernyataan. Hadari dan Martini Hadari, menyebutkan

jika dilihat dari jenisnya, maka data kualitatif bisa dibedakan menjadi lima jenis, diantaranya

adalah :

1. Data kategori yang biasanya dinyatakan menggunakan perkataan, data ini berguna

menunjukan tentang suatu kondisi, proses, atau kejadian yang termasuk dalan satu

golongan tertentu.

2. Data yang menunjukkan adanya porsi dari suatu kondisi yang ditunjukkan dengan

perkataan, data ini merupakan perbandingan dengan data yang ideal atau keseluruhan.

3. Data berjenjang atau bertingkat yang biasanya dinyatakan dengan kata-kata. Hal ini untuk

menunjukkan bahwa suatu kondisi maupun sebuah proses ini termasuk pada sebuah

tingkatan mutu tertentu.

4. Data yang bersifat relative atau bisa berubah-ubah.

5. Data yang bertentangan, data ini biasanya menyatakan jika yang satu bagian ada, maka

bagian yang lain tidak ada.

Data kualitatif mencakup beberapa hal berikut ini:

1. Data kualitatif induktif, yakni proses pemikiran yang bertolak pada satu atau beberapa

data spesifik yang berguna untuk merumuskan sebuah kesimpulan dengan cara analogi,

generalisasi, atau hubungan kausal.

2. Data kualitatif deduktif, yakni proses pemikiran yang bertolak dari sebuah proposisi yang

sudah ada guna memperoleh proposisi baru yang merupakan kesimpulan dengan

silogisme.

3. Data kualitatif komparatif yakni proses pemikiran dengan cara menguraikan persamaan

dan juga perbedaan diantara kedua objek data yang akan diteliti.

Jadi bisa disimpulkan bahwa penelitian ini dilakukan dengan cara menyusun sebuah asumsi

dasar yang kemudian akan digunakan untuk mengumpulkan data dan mengelolanya secara

sistematis. Meskipun begitu, dalam penelitian kualitatif ini, pihak peneliti harus

mengumpulkan data secara objektif dan tidak terpengaruh dengan pendapat si peneliti.

Berikut merupakan contoh data kualitatif :

1. Setiap orang dalam sebuah perusahaan hanya diperbolehkan memilih stu partai politik

saja.

2. Daerah yang memiliki hasil penjualan sagu terbesar dalam tahun tertentu.

3. Bahan bakar yang pertama kali dibeli oleh seorang pengendara mobil pada hari itu di satu

pompa premium.

Jika diperhatikan, didapatkan bahwa semua contoh diatas menunjukkan data yang bukan

dalam bentuk numerik, akan tetapi menggunakan pengukuran kualitatif. Namun, harus

diingat bahwa jka kita merujuk pada skala pengukuran, maka data kualitatif terdiri atas dua

bagian, yakni skala nominal dan skala ordinal.

SUMBER: Anneahira. Contoh Data Kualitatif. www.anneahira.com. [ 4 September 2014].

2.       Data Kuantitatif

Data kuantitatif adalah data yang berbentuk angka atau bilangan. Sesuai dengan bentuknya, data

kuantitatif dapat diolah atau dianalisis menggunakan teknik perhitungan matematika atau

statistika. Berdasarkan proses atau cara untuk mendapatkannya, data kuantitatif dapat

dikelompokkan dalam dua bentuk yaitu sebagai berikut:

1. Data diskrit adalah data dalam bentuk angka (bilangan) yang diperoleh dengan cara

membilang. Contoh data diskrit misalnya:

1)      Jumlah Sekolah Dasar Negeri di Kecamatan XXX sebanyak 20.

2)      Jumlah siswa laki-laki di SD YYY sebanyak 67 orang.

3)      Jumlah penduduk di Kabupaten ZZZ sebanyak 246.867 orang.

Karena diperoleh dengan cara membilang, data diskrit akan berbentuk bilangan bulat (bukan

bilangan pecahan).

1. Data kontinum adalah data dalam bentuk angka/bilangan yang diperoleh berdasarkan

hasil pengukuran. Data kontinum dapat berbentuk bilangan bulat atau pecahan tergantung

jenis skala pengukuran yang digunakan. Contoh data kontinum misalnya:

1)      Tinggi badan Budi adalah 150,5 centimeter.

2)      IQ Budi adalah 120.

3)      Suhu udara di ruang kelas 24o Celcius.

Berdasarkan tipe skala pengukuran yang digunakan, data kuantitatif dapat dikelompokan dalam

empat jenis (tingkatan) yang memiliki sifat berbeda yaitu:

1. Data nominal atau sering disebut juga data kategori yaitu data yang diperoleh melalui

pengelompokkan obyek berdasarkan kategori tertentu.  Perbedaan kategori obyek hanya

menunjukan perbedaan kualitatif. Walaupun data nominal dapat dinyatakan dalam bentuk

angka, namun angka tersebut tidak memiliki urutan atau makna matematis sehingga tidak

dapat dibandingkan. Logika perbandingan “>” dan “<” tidak dapat digunakan untuk

menganalisis data nominal. Operasi matematika seperti penjumlahan (+), pengurangan

(-), perkalian (x), atau pembagian (:) juga tidak dapat diterapkan dalam analisis data

nominal. Contoh data nominal antara lain:

Jenis kelamin yang terdiri dari dua kategori yaitu:

(1)  Laki-laki

(2)  Perempuan

Angka (1) untuk laki-laki dan angka (2) untuk perempuan hanya merupakan simbol yang

digunakan untuk membedakan dua kategori jenis kelamin. Angka-angka tersebut tidak memiliki

makna kuantitatif, artinya angka (2) pada data di atas tidak berarti lebih besar dari angka (1),

karena laki-laki tidak memiliki makna lebih besar dari perempuan. Terhadap kedua data (angka)

tersebut tidak dapat dilakukan operasi matematika (+, -, x, : ). Misalnya (1) = laki-laki, (2) =

perempuan, maka (1) + (2) ≠ (3), karena tidak ada kategori (3) yang merupakan hasil

penjumlahan (1) dan (2).

Status pernikahan yang terdiri dari tiga kategori yaitu: (1) Belum menikah, (2) Menikah,

(3) Janda/ Duda. Data tersebut memiliki sifat-sifat yang sama dengan data tentang jenis

kelamin.

1. Data ordinal adalah data yang berasal dari suatu objek atau kategori yang telah disusun

secara berjenjang menurut besarnya. Setiap data ordinal memiliki tingkatan tertentu yang

dapat diurutkan mulai dari yang terendah sampai tertinggi atau sebaliknya. Namun

demikian, jarak atau rentang antar jenjang yang tidak harus sama. Dibandingkan dengan

data nominal, data ordinal memiliki sifat berbeda dalam hal urutan. Terhadap data ordinal

berlaku perbandingan dengan menggunakan fungsi pembeda yaitu  “>” dan “<”.

Walaupun data ordinal dapat disusun dalam suatu urutan, namun belum dapat dilakukan

operasi matematika ( +, – , x , : ). Contoh jenis data ordinal antara lain:

Tingkat pendidikan yang disusun dalam urutan sebagai berikut:

(1)  Taman Kanak-kanak (TK)

(2)  Sekolah Dasar (SD)

(3)  Sekolah Menengah Pertama (SMP)

(4)  Sekolah Menengah Atas (SMA)

(5)  Diploma

(6)  Sarjana

Analisis terhadap urutan data di atas menunjukkan bahwa SD memiliki tingkatan lebih tinggi

dibandingkan dengan TK dan lebih rendah dibandingkan dengan SMP. Namun demikian, data

tersebut tidak dapat dijumlahkan, misalnya SD (2) + SMP (3) ≠ (5) Diploma. Dalam hal ini,

operasi  matematika ( + , – , x, : ) tidak berlaku untuk data ordinal.

Peringkat (ranking) siswa dalam satu kelas yang menunjukkan urutan prestasi belajar

tertinggi sampai terendah. Siswa pada peringkat (1) memiliki prestasi belajar lebih tinggi

dari pada siswa peringkat (2).

1. Data Interval adalah data hasil pengukuran yang dapat diurutkan atas dasar kriteria

tertentu serta menunjukan semua sifat yang dimiliki oleh data ordinal. Kelebihan sifat

data interval dibandingkan dengan data ordinal adalah memiliki sifat kesamaan jarak

(equality interval) atau memiliki rentang yang sama antara data yang telah diurutkan.

Karena kesamaan jarak tersebut, terhadap data interval dapat dilakukan operasi

matematika penjumlahan dan pengurangan ( +, – ). Namun demikian masih terdapat satu

sifat yang belum dimiliki yaitu tidak adanya angka Nol mutlak pada data interval. Berikut

dikemukakan tiga contoh data interval, antara lain:

1)  Hasil pengukuran suhu (temperatur) menggunakan termometer yang dinyatakan dalam

ukuran derajat. Rentang temperatur antara 00 Celcius sampai  10 Celcius memiliki jarak yang

sama dengan 10 Celcius sampai  20 Celcius. Oleh karena itu berlaku operasi matematik ( +, – ),

misalnya 150 Celcius + 150 Celcius = 300 Celcius. Namun demikian tidak dapat dinyatakan

bahwa benda yang bersuhu 150 Celcius memiliki ukuran panas separuhnya dari benda yang

bersuhu 300 Celcius. Demikian juga, tidak dapat dikatakan bahwa benda dengan suhu 00 Celcius

tidak memiliki suhu sama sekali. Angka 00 Celcius memiliki sifat relatif (tidak mutlak). Artinya,

jika diukur dengan menggunakan Termometer Fahrenheit diperoleh 00 Celcius = 320 Fahrenheit.

2)  Kecerdasaran intelektual yang dinyatakan dalam IQ. Rentang IQ 100 sampai  110 memiliki

jarak yang sama dengan 110 sampai  120. Namun demikian tidak dapat dinyatakan orang yang

memiliki IQ 150 tingkat kecerdasannya 1,5 kali dari urang yang memiliki IQ 100.

3)  Didasari oleh asumsi yang kuat, skor tes prestasi belajar (misalnya IPK mahasiswa dan hasil

ujian siswa) dapat dikatakan sebagai data interval.

4)  Dalam banyak kegiatan penelitian, data skor yang diperoleh melalui kuesioner (misalnya

skala sikap atau intensitas perilaku) sering dinyatakan sebagai data interval setelah alternatif

jawabannya diberi skor yang ekuivalen (setara) dengan skala interval, misalnya:

Skor (5) untuk jawaban “Sangat Setuju”

Skor (4) untuk jawaban “Setuju”

Skor (3) untuk jawaban “Tidak Punya Pendapat”

Skor (2) untuk jawaban “Tidak Setuju”

Skor (1) untuk jawaban “Sangat Tidak Setuju”

Dalam pengolahannya, skor jawaban kuesioner diasumsikan memiliki sifat-sifat yang sama

dengan data interval.

1. Data rasio adalah data yang menghimpun semua sifat yang dimiliki oleh data nominal,

data ordinal, serta data interval. Data rasio adalah data yang berbentuk angka dalam arti

yang sesungguhnya karena dilengkapi dengan titik Nol absolut (mutlak) sehingga dapat

diterapkannya semua bentuk operasi matematik ( + , – , x, : ). Sifat-sifat yang

membedakan antara data rasio dengan jenis data lainnya (nominal, ordinal, dan interval)

dapat dilihat dengan memperhatikan contoh berikut:

1)      Panjang suatu benda yang dinyatakan dalam ukuran meter adalah data rasio. Benda yang

panjangnya 1 meter berbeda secara nyata dengan benda yang panjangnya 2 meter sehingga dapat

dibuat kategori benda yang berukuran 1 meter dan 2 meter (sifat data nominal). Ukuran panjang

benda dapat diurutkan mulai dari yang terpanjang sampai yang terpendek (sifat data ordinal).

Perbedaan antara benda yang panjangnya 1 meter dengan 2 meter memiliki jarak yang sama

dengan perbedaan antara benda yang panjangnya 2 meter dengan 3 (sifat data interval).

Kelebihan sifat yang dimiliki data rasio ditunjukkan oleh dua hal yaitu: (1) Angka 0 meter

menunjukkan nilai mutlak yang artinya tidak ada benda yang diukur; serta (2) Benda yang

panjangnya 2 meter, 2 kali lebih panjang dibandingkan dengan benda yang panjangnya 1 meter

yang menunjukkan berlakunya semua operasi matematik. Kedua hal tersebut tidak berlaku untuk

jenis data nominal, data ordinal, ataupun data interval.

2)      Data hasil pengukuran berat suatu benda yang dinyatakan dalam gram memiliki semua

sifat-sifat sebagai data interval. Benda yang beratnya 1 kg. berbeda secara nyata dengan benda

yang beratnya 2 kg. Ukuran berat benda dapat diurutkan mulai dari yang terberat sampai yang

terringan. Perbedaan antara benda yang beratnya 1 kg. dengan 2 kg memiliki rentang berat yang

sama dengan perbedaan antara benda yang beratnya 2 kg. dengan 3 kg. Angka 0 kg.

menunjukkan tidak ada benda (berat) yang diukur. Benda yang beratnya 2 kg., 2 kali lebih berat

dibandingkan dengan benda yang beratnya 1 kg..

Pemahaman peneliti terhadap jenis-jenis data penelitian tersebut di atas bermanfaat untuk

menentukan teknik analisis data yang akan digunakan. Terdapat sejumlah teknik analisis data

yang harus dipilih oleh peneliti berdasarkan jenis datanya. Teknik analisis data kualitatif akan

berbeda dengan teknik analisis data kuantitatif. Karena memiliki sifat yang berbeda, maka teknik

analisis data nominal akan berbeda dengan teknik analisis data ordinal, data interval, dan data

rasio.

SUMBER: Cahya Suryana. 2010. Data dan Jenis Data Penelitian.

http://csuryana.wordpress.com [4 September 2014].

Perbedaan Metode Kualitatif dengan metode kuantitatif :

a. Bedasarkan jenis data

Metode kulitatif jenis datanya adalah data kualitatif sedangkan metode kuantitatif jenis

datanya adlah data kuantitatif. Data (yang bersifat) Kualitatif merupakan data yang

dihasilkan dari cara pandang yang menekankan pada ciri-ciri, sifat dan ’mutu’ obyek

(subyek) yang bersangkutan. Berbeda dari data kuantitatif yang bersifat numerik, data

kualitatif bersifat non-numerik (kata-kata deskriptif), seperti cantik, tampan, gagap, tampak

kurang berpendidikan, reponsif, bagus sekali, lincah, mewakili anak muda zaman sekarang,

dan lain-lain.

b. Berdasarkan Tujuan

Penelitian kualitatif bertujuan untuk melakukan penafsiran terhadap fenomena sosial.

Metodologi penelitian yang dipakai adalah multi metodologi, sehingga sebenarnya tidak

ada metodologi yang khusus. Tujuan Penelitian Kuantitatif adalah mengembangkan dan

menggunakan model-model matematis, teori-teori dan hipotesis yang dikaitkan

denganfenomena alam. Penelitian kuantitatif banyak digunakan untuk menguji suatu teori,

untuk menyajikan suatu fakta atau mendeskripsikan statistik, untuk menunjukkan

hubungan antarvariabel, dan ada pula yang bersifat mengembangkan konsep,

mengembangkan pemahaman atau mendeskripsikan banyak hal, baik itu dalam ilmu-ilmu

alam maupun ilmu-ilmu sosial.

c. Berasarkan Obyek penelitian

Metode kualitatif lebih berfokus pada satu obyek penelitian saja sedangkan metode

kuantitatif bisa lebih dari satu obyek penelitian.

d. Berdasarkan Instrumen yang digunakan

Pada metode kuantitatif instrument penelitian yang biasa digunakan adalah angket,

kuesioner, atau instrument yang lain. Namun pada metode kualitatif instrument yang

digunakan adalah peneliti itu sendiri artinya peneliti sendiri lah yang harus terjun langsung

kedalam penelitian agar bisa melihat dan merasakan fakta yang sebenarnya.

e. Berdasarkan orientasi

Penelitian kualitatif lebih beroreintasi pada proses penelitian sedangkan penelitian

kuantitatif lebih berorientasi pada hasil penelitian.

f. Berdasarkan Proses

Metode kuantitatif mengunakan proses deduktif-induktif. sedangkan metode kualitatif

adalah induktif

g. Berdasarkan sifat realitas

Dalam metode kuantitatif yang berlandaskan pada filsafat positivism, realitas dipandang

sebagai suatu yang kongkrit, dapat diamati dengan panca indera, dapat dikategorikan

menurut jenis, bentuk, warna, dan perilaku, tidak berubah, dapat diukur dan diverivikasi.

Dengan demikian dalam metode ini, peneliti dapat menentukan hanya beberapa variabel

saja dari objek yang diteliti, dan kemudian dapat membuat instrument untuk mengukurnya.

Dalam penelitian kualitatif yang berlandaskan pada filsafat postpositivisme atau paradigma

interpretive, suatu realitas atau objek tidak dapat dilihat secara parsial dan dipecah kedalam

variabel.

h. Berdasarkan hubungan Variabel

Pada netode kualitatif hubungan antara variabel adalah timbal balik atau interaksi. Pada

metode kauntitatif lebih kepada sebab akibat.

i. Berdasarkan penggunaan

Metode kuantitatif digunakan apabila :

a. Bila masalah yang merupakan titik tolak penelitian sudah jelas.

b. Bila peneliti ingin mendapatkan informasi yang luas dari suatu populasi.

c. Bila ingin diketahui pengaruh perlakuan/ treatment tertentu terhadap yang lain.

d. Bila peneliti bermaksud menguji hipotesis penelitian.

e. Bila peneliti ingin mendapatkan data yang akurat, berdasarkan fenomena yang empiris

dan dapat diukur.

f. Bila ingin menguji terhadap adanya keragu- raguan tentang validitas pengetahuan, teori

dan produk tertentu.

Metode Kualitatif digunakan apabila :

a. Bila masalah penelitian belum jelas

b. Untuk memahami makna dibalik data yang tampak.

c. Untuk memahami interaksi sosial.

d. Memahami perasaan orang.

e. Untuk mengembangkan teori.

g. Untuk memastikan kebenaran data.

h. Meneliti sejarah perkembangan.

Persamaan Metode Kualitatif dan Metode Kuantitatif

1. Merupakan sebuah metode yang digunakan dalam penelitian guna memecahkan sebuah

masalah

2. Memiliki obyek dan subyek

3. Memiliki variabel

4. Menerapkan metode pengumpulan data yang sistematis dan terbuka hingga bisa dinilai

pihak lain.

5. Melibatkan inferensi (simpulan) detil-detil pengamatan empiris ke suatu kesimpulan

umum.

6. Membandingkan data, mencari kesamaan dan perbedaan untuk menemukan pola tertentu

pada data.

7. Menggunakan prosedur untuk menghindari kesalahan analisis dan penarikan inferensi.

SUMBER: Dedeh Okta Restiani. 2013. Perbedaan Data Kualitatif dan Data Kuantitatif.

http://umnuu.blogspot.com [4 September 2014].

Berdasarkan sumber lain sifat-sifat data antara lain :

a. Nilai Relatif / Nilai Sementara ( Relative Value )

Adalah nilai yang ditunjukan oleh angka atau bilangan itu sendiri.

Contoh :

Nilai relative dari bilangan 7 adalah bilangan 7 itu sendiri.

Nilai relative dari bilangan 53 adalah bilangan 53 itu sendiri.

b. Nilai Nyata ( True Value )

Adalah daerah tertentu dalam suatu daerah angka, yang diwakili oleh nilai

relative.

Contoh :

Nilai nyata dari angka 7 adalah daerah antara ( 7 – 0.5 ) sampai dengan ( 7

– 0.5 ), jadi nilai nyata dari angka 5 adalah daerah antara 6.5 – 5-5………………

0.5.

c. Data Stastistik memiliki Batas Bawah relative, Batas Atas Relatif, Batas Bawah

Nyata, Batas Atas Nyata.

Contoh :

1.) kita memiliki bilangan 10 -14

bilangan 10 itu disebut batas bawah relative. Bilangan 14 kita

sebut batas atas relative. Batas bawah nyatanya adalah 10 – 0.5 = 9.5

sedangkan batas atas nyatanya adalah 14 + 0.5 = 14,50. selanjutnya,

bilangan 10 -14 itu kita sebut nilai relative, sedang 9,5 – 14,5 kita sebut nilai

Nyata.

2.) kita memiliki bilangan 30

bilangan 30 ini batas bawah nyatanya ( over limit ) = 30 – 0,5 =

29,5 batas atas Nyatanya ( upper limit ) = 30 + 0,5 =30,5. nilai nyatanya

( True value ) = 29,5 – 30,5.

d. Data Statistik memiliki Nilai Tengah atau titik tengah (midpoint), yang dimaksud

dengan nilai tengah dari sederetan bilangan yang terletak di tengah – tengah

deretan bilangan tersebut.

Contoh :

1.) deretan bilangan 3 4 5 6 7 nilai tengahnya = 5, sebab bilangan 5

tersebut merupakan bilangan yang berada di tengah – tengah deretan

bilangan tersebut.

2.) Data kelompokan 20 – 24 nilai tengahnya = ( 20 + 24 ) : 2 = 22

sebab bilangan 22 adalah bilangan 22 adalah bilangan yang terletak

di tengah – tengah deretan bilangan 20 21 22 23 24.

e.Data Statistik sebagi data angka, dalam proses penghitungannya tidak mengunkan

sistim pecahan, melainkan system decimal ( system perpuluhan)

Contoh :

1.) Pecahan ½ harus di ubah menjadi 0.50

2.) Pecahan 3/8 harus di ubah menjadi 0,375

3.) Pecahan 15/ 72 harus di ubah menjadi 0,2083333

4.) Pecahan 1/6 harus di ubah menjadi 0,1666666

f. Data Statistik sebagasi data angka, dalam proses penghitunganya system

pembulatan angka terentu. Dalam hubungan ini, perlu dikemukakan bhwa

walaupun dalam pembulatan angka yang terletah dibelakang tanda decimal tidak

selalu sama, namun pada dasarnya pembultn tersebut dilakukan sampai dengan

tiga buah angka dibelakang tanda decimal, dengan catatan:

1.) jika setelah tiga angka di belakang tanda decimal ( tanda koma )

terdapat bilangan yang besarnya 50 atau kurang dari 50, maka

bilangan yang besarnya kurang dari 50 it diangap = 0, dan bilangan 0

itu ditambah kepada blangan nomor tiga yang terletak di belakang

tanda decimal

Contoh :

a) 0,11223344 dibulaykan menjadi 0,112

b) 0,85645385991 dibulatkan menjadi 0,856

2.) Jika setelah tiga angka di belakang tanda decimal tersebut bilangan

yang besarnya 51 atau lebih dari 51,maka bilangan 51 atau bilangan

yang besarnya lebih dari 51 itu dianggap =1 dan bilangan 1 itu

ditambah kepada bilangan nomor tigaa yang terletak di belakang

tanda decimal.

Contoh :

a) 0,2916994 dibulatkan menjadi 0,292

b) 0,85673212 dibulatkn menjadi 0,857

SUMBER: 2009. Sifat Data Statistik . http://kapakmerah.files.wordpress.com [4 September

2014].

PENGERTIAN VARIABEL

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.

Variabel adalah karakteristik yang dapat diklasifikasikan ke dalam sekurang-kurangnya dua buah

kategori yang berbeda yang dapat memberikan sekurang-kurangnya dua hasil pengukuran atau

prhitungan yang nilai numeriknya berbeda.

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.

PEMBAGIAN VARIABEL

Secara umum, variabel dibagi atas 2 (dua) jenis, yaitu variabel kualitatif dan var Variabel dapat

juga dibagi sebagai variabel dependen dan variabel bebasiabrl kuantitatif. Variabel dapat dilihat

sebagai variabel aktif dan variabel atribut.

1. Variabel kualitatif merupakan variabel kategori. Misalnya: jenis pekerjaan orang (sopir,

guru, dokter), jabatan dalam perusahaan (manajer, supervisor, kepala bagian). Yang

termasuk dalam variabel kualitatif adalah variavel nominal dan ordinal.

2. Variabel kuantitatif diklasifikasikan menjadi dua jenis yaitu: variabel diskrit dan variabel

kontinu.

Variabel diskrit adalah variabel yang besarannya tidak dapat menempati semua nilai.

Nilai variabel diskrit selalu berupa bilangan bulat dan umumnya diperoleh dari hasil

pencacahan. Contohnya jumlah bank yang ada di Bogor tahun 2004 berjumlah 200 bank.

Variabel kontinu merupakan variabel yang besarannya dapat menempati semua nilai yang

ada di antara dua titik dan umumnya diperoleh dari hasil pengukuran. Sehingga pada

variabel kontinu dapat dijumpai nilai-nilai pecahan ataupun nilai-nilai bulat. Contohnya

berat badan Ari 60 kg.

3. Variabel Dependen dan Variabel Bebas apabila ada hubungan antara dua variabel,

misalnya antara variabel Y dan variabel X, dan jika variabel Y disebabkan oleh variabel

X, maka variabel Y adalah variabel dependen dan variabel X adalah variabel bebas.

Contoh: jika dibuktikan ada hubungan antara motivasi intrinsik (variabel bebas) dan

prestasi belajar (variabel dependen), maka dengan meningkatnya motivasi intrinsik

meningkat juga skor prestasi belajar. Model matematika hubungan tersebut, dinyatakan

delam fungsi sebagai berikut.

X = f (Y)

Keterangan: 

Y = prestasi belajar 

X = motivasi intrinsik 

f = fungsi

4. Variabel Aktif

Variabel aktif adalah variabel yang dimanipulasikan oleh peneliti. Apabila seorang

peneliti memanipulasikan metode mengajar, metode memberikan hukuman kepada siswa,

maka metode mengajar dan memberikan hukuman pada siswa adalah variabel-variabel

aktif, karena variabel ini dapat dimanipulasikan.

5. Variabel Atribut

Variabel-variabel yang tidak dapat dimanipulasikan atau sukar dimanipulasikan,

dinamakan variabel atribut. Variabel-variabel atribut umumnya merupakan karakteristik

manusia seperti; inteligensia, jenis kelamin, status sosial, pendidikan, sikap, dan

sebagainya. Variabel-variabel yang merupakan objek inanimate seperti populasi, rumah

tangga, daerah geografis, dan sebagainya, adalah juga variabel-variabel atribut.

http://adsolo.blogspot.com/2013/03/statistik-data-dan-variabel.html

ali muhidin sambas dan somantri ating, 2006. Aplikasi statistika dalam penelitian.

Bandung:cv.pustaka setia

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.

Variabel Independent

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

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.

Variabel Kontrol

Variabel yang dinetralisasi yang diidentifikasi sebagai variabel kontrol atau kendali, atau

variabel kontrol adalah variabel yang diusahakan untuk dinetralisasi oleh peneliti. Dalam

penelitian di samping strategi pembelajaran dan tingkat kecerdasan, peneliti juga

mempertimbangkan tingkat usia, misalnya kelompok umur tertentu, maka umur dalam penelitia

ini dianggap sebagai variabel kendali.

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 variabel

independent dan variabel dependent.Terminologi terakhir, yaitu sebagai variabel antara, konsiten

dengan metodologi dan definisi dalam Analisis Struktural Equation Modelling (SEM).

http://smartstat.wordpress.com, http://vebrianaparmita.wordpress.com