Method of Successive Interval (MSI)


Skala pengukuran yang dipilih oleh peneliti berkaitan erat dengan teknik analisis data yang digunakan. Oleh karena itu setiap skala pengukuran yang tidak memenuhi syarat dilakukannya suatu teknik analisis tertentu, harus dirubah atau dikonversi ke dalam skala pengukuran yang sesuai dengan teknik analisis yang akan digunakan. Contoh: Seorang peneliti mengunakan teknik analisis jalur untuk mengkaji masalah-masalah yang ditelitinya. Sementara itu tingkat pengukuran yang digunakan adalah ordinal atau likert yang diperoleh dari jawaban responden. Oleh karena analisis jalur mengisyaratkan skala pengukuran minimal interval, maka peneliti harus menaikan tingkat pengukuran ordinal menjadi interval. Salah satu metode konversi data yang sering digunakan oleh peneliti untuk menaikan tingkat pengukuran ordinal ke interval adalah metode succesive interval (MSI).

Apa perbedaan skala ordinal dengan likert? Pada dasarnya skala Likert memang ordinal, tetapi kita juga bisa dikatakan kalau skala Likert itu interval. Misalkan, isian kuesioner penelitian skala Likert (5) adalah 1,2,3,4, dan 5. Skala data ordinal bisa dikonversi ke dalam skala interval yakni dengan nilai Zi terstandardisasi (standardized) dan nanti hasilnya bisa saja menjadi 1,23 (sangat tidak setuju), 2,53 (tidak setuju), 2,85 (abstain), 3,12 (setuju) dan 3,49 (sangat setuju). Oleh karena itu, skala Likert bisa saja diasumsikan sebagai skala data interval sepanjang metode/cara Anda menyusun pertanyaan (positif/negatif) bersifat konsisten. Silahkan bandingkan hasil yang diperoleh jika pakai skala data ordinal dengan skala data interval

Oleh karena itu untuk memperoleh hasil analisis hubungan yang baik, data ordinal dari kuesioner perlu dinaikkan menjadi skala interval berurutan (Method of Successive Interval). Peningkatan skala dari ordinal ke interval ini dilakukan untuk setiap item per variabel. 

Tahapan-tahapan tersebut menurut Harun Al-Rasyid (1993:131) yaitu:

1.      Menentukan frekuensi setiap respon

2.      Menentukan proporsi setiap respon dengan membagi frekuensi dengan jumlah sampel

3.      Menjumlahkan proporsi secara berurutan untuk setiap respon sehingga diperoleh proporsi kumulatif

4.  Menentukan Z untuk masing-masing proporsi kumulatif yang dianggap menyebar mengikuti sebaran normal baku

5.      Menghitung scale value (SV) untuk masing-masing respon dengan rumus :


6.   Mengubah scale value (SV) terkecil menjadi sama dengan satu (1) dan mentransformasikan masing-masing skala menurut perubahan skala terkecil sehingga diperoleh transformedscale value (TSV).
      
Referensi:

Al Rasyid, Harun. 1993. Teknik Penarikan Sampel dan Penyusunan Skala. Bandung: Program Pasca Sarjana Universitas Padjadjaran

 

Pedoman Umum Memilih Statistik Nonparametrik Untuk Pengujian Hipotesis

Terdapat dua macam teknik statistik inferensial yang dapat digunakan untuk menguji hipotesis penelitian, yaitu Statistik Parametrik dan Statistik Nonparametrik.
Persamaan Statistik Parametrik dan Nonparametrik
·         Keduanya bekerja dengan data sampel dan pengambilan sampel harus dilakukan secara random.
Perbedaan Statistik Parametrik dan Nonparametrik
·         Statistik Parametrik lebih banyak digunakan untuk menganalisis data yang berbentuk interval dan ratio, dengan dilandasi beberapa persyaratan tertentu antara lain : data yang akan dianalisis berdistribusi normal.
·         Statistik Nonparametrik digunakan untuk menganalisis data yang berbentuk nominal dan ordinal dan tidak dilandasi persyaratan data harus berdistribusi normal.
Untuk menentukan teknik Statistik Nonparametrik mana yang akan digunakan untuk pengujian hipotesis,maka diperlukan terlebih dahulu bentuk data yang akan dianalisis (nominal, ordinal) dan bentuk hipotesis (deskriptif, komparatif, asosiatif).


Tabel 1 Pedoman Umum Memilih Teknik Statistik Nonparametrik
Untuk Pengujian Hipotesis

Data

Bentuk Hipotesis
Deskriptif
(satu sampel)
Komparatif Dua Sampel
Berpasangan
Independen
Nominal

Binomial
Kolmogorov S

Chi Kuadrat
1 Sampel
Mc. Nemar


Fisher Exact
 Probability

Chi Kuadrat
2 Sampel

Ordinal



Run Test





Sign Test

Wilcoxon
Matched Pair



Median Test

Mann
Whitney U Test

Kolmogorov –
Smirnov

Wald -
Wolfowitz


Data

Bentuk Hipotesis
Komparatif lebih dari dua sampel
Asosiatif /
Hubungan
Berpasangan
Independen
Nominal

Chochran

Chi Kuadrat
k  Sampel

Kofisien
Kontingen
si (C)
Ordinal


Friedman
Two-Way
 Anova




Median Extension

Kruskal-Walls
One-Way Anova


Korelasi
Rank
Spearman

Korelasi
Kendall