30 Desember 2010

CARA PENULISAN KUTIPAN

 Dalam penulisan karya ilmiah penulis lajim mengacu pada sumber teks book, jurnal atau pendapat orang lain, mengutip tulisan orang lain. Ada dua macam kutipan yakni kutipan langsung dan kutipan tidak langsung. 

Kutipan langsung adalah pengambilan sumber yang dilakukan dengan cara apa adanya sesuai dengan aslinya, baik ejaan, tanda baca, kata, susunan kalimat, maupun bahasanya. Kutipan tidak langsung adalah pengambilan sumber yang dilakukan dengan cara menyadur atau penjabaran bebas. Kutipan lajim terdapat pada bagan utama dari bab pendahuluan sampai bab kajian atau analisis. Dalam bab kesimpulan dan saran tidak boleh ada kutipan.

Ada beberapa ketentuan dalam membuat kutipan antara lain :
1. Apabila nama pengarang dinyatakan dalam teks, ikutilah nama pengarang dengan tahun. pada nama asing biasanya hanya ditulis nama akhir sedangkan untuk nama indonesia ditulis apa yang lajim dipakai. Gelar yang menyertai nama pengarang dan akhiran seperti Jr. tidak perlu dituliskan.
 Contoh :
  • Rogers (2010) membandingkan waktu rekreasi...
  • Amran Halim (2006) menyatakan bahwa....
  • Dalam penelitian terakhir mengenai waktu reaksi, Rogers (2010) menggambarkan metode...
  • Rogers juga menemukan...
2. Apabila nama pengarang tidak dinyatakan dalam teks, cantumkanlah nama akhir pengarang dan tahun terbit tulisan denga tanda koma diantaranya.
contoh :
  • Pada penelitian terakhir diketahui......(Rogers, 2010)
  • .....memerlukan bahasa indonesia yang baik (Halim, 2009)
3. Apabila tulisan/buku yang dikutif memiliki 2 pengarang cantumkan selalu nama akhir mereka. Jika nama dituliskan dalam teks, gabungkan kedua nama dengan kata "dan". Jika nama dituliskan dalam tanda kurung; tabel, dan judul; serta daftar pustka, gabungkan nama dengan tanda "&".
Contoh :
  • Becker dan Seligman (2008) berpendapat.....
  • persepsi sosial merupakan ....(Becker & Seligman, 1981)
4. Apabila buku yang dikutif memiliki 3 pengarang atau lebih, tuliskan nama akhir mereka secara lengkap pada kutipan pertama. Untuk kutipan berikutnya tuliskan nama akhir pengarang diikut ; dengan et al atau dkk.
Contoh :
  • Wassertein, zapulla, Rosen, Gerstman and Rock (2008) menemukan...(kutipan pertama)
  • Wassertein dkk. (2008) menemukan...(kutipan berikutnya)
5. Apabila kutipan dilakukan dari buku yang memiliki 6 atau lebih pengarang, tuliskan nama akhir pengarang yang pertama dan dilanjutkan dengan kata "dkk". Jika dua referensi dengan 6 atau lebih pengarang akan diperpendek, tuliskan nama akhir dari pengarang pertama dan beberapa pengarang berikutnya yang penting untuk membedakan kedua referensi tersebut dan diikuti dengan kata dkk.
Contoh :
  • Kosslyn, Koenig, Barrett, Cave, Tang and Gabrielli (2008)...
  • Kosslyn, Koenig, Gabrielli, Tang, Marsolek and Dally (2009)...
Dalalm teks dapat dituliskan :
  • Kosslyn, Koenig, Barrett, dkk (2008)...
  • Kosslyn, Koenig, Gabrielli, dkk (2009)...
5. Apabila ada kutipan dilakukan dari beberapa buku dengan pengarang yang sama dalam tahun yang berbeda, tuliskan tahun berdasarkan urutan.
Contoh :
  • Dinamika terjadinya....(Edeline & Weinberg, 1991, 1993)
  • Keterikatan emosional....(Gogel, 2008, 2010, dalam peenrbitan)
6. Apabila kutipan dilakukan dari pengarang yang sama dan tahun yang sama, hendaklah ditambahkan huruf a,b, c, dst setelah tahun terbit.
Contoh :
  • Beberapa penelitian...(Zola-Morgan & Squire, 1999, 2007, dalam penerbitan-a, dalam penerbitan-b)
  • Perkembangan kepribadian (Johnson, 2008a, 2008b, 2008c; Singh, 1983, dalam penerbitan-a, dalam penerbitan-b)
7. Apabila gagasan disokong oleh beberapa orang, nama pengarang ditulsikan berturut-turut menurut abjad dengan menggunakan titik koma sebagai pemisah.
Contoh :
  • ...menunjukan gejala yang berbeda (Balda, 1990; Kamil, 1995; Peperberg & Funk, 2005)
Pengecualian ;
Jika kutipan utama akan dipisahkan tambahkan kalimat : "lihat juga", sebelum kutipan berikutnya yang disusun secara alfabetik.
Contoh :
  • (Ovewrmier, 2007; lihat juga Abeles, 2005; Storandt, 2003)
8. Apabila kutipan diambil dari sumber kedua, sedangkan sumber asi tidak dibaca, maka penulis dari sumber asli tidak perlu dituliskan tahunnya.
Contoh :
  • ..didasarkan pada pendapat Locke (Dalam Siegel & Lane, 2008) mengenai....
  • Allen dan Meyer (Dalam Dunham, Grude & Castaneda, 2009) mengemukakan bahwa...
9. Untuk mengutip bagian tertentu dari suatu sumber, tuliskan nomor halaman, bab, gambar atau tabel pada teks.
Contoh :
  • (Cheek & Buss, 2008, hal.332)
  • (Shimumura, 2007, bab 3)
10. Kutipan berdasarkan komunikasi personal seperti surat, memo, komunikasi elektronik (misal e-mail, kelompok diskusi, pesan dari buletin elektronik), pembicaraan telepon dan sebagainya dapat saja dituliskan. karena tidak ada data yang tertulis, komunikasi personal tidak perlu dituliskan dalam daftar pustaka. kutipa komunikasi personal hanya ditulis dalam teks. Tuliskan nama inisial dan nama akhir komunikator dan jika mungkin tuliskan tanggal dengan tepat.
Contoh :
  • K.W. Schaie (Komunikasi personal, 18 April 2008)
11. Pada kutipan langsung, nama pengarang dan tahun diikuti dengan halaman dari mana kutipan diambil. yang perlu diingat, kutipan langsung hendaknya dilakukan bila sunguh-sungguh relevan dan perlu. Bila terlalu banyak digunakan dapat memberi kesan bahwa penulis kurang mengolah dan mencerna bahan sehingga teks hanyalah merupakan serangkaian kutipan. Adalah lebih baik bila bahan-bahan yang ada diolah dan sintesakan sebelum di masukan kedalam teks. Apabila kutipan langsung merupakan bagian kalimat atau kalimat singkat, tempatkanlah kutipan itu sebagai bagian kalimat di dalam teks diantara tanda kutif.
Contoh :
  • Ia menyatakan "efek palcebo...." (Miele, 2007:276), tetapi tidak dijelaskan tingkah laku apa yang diteliti.
  • Miele (2007) menemukan bahwa "efek placebo......." (hal, 276)
12. Apabila kutipan langsung merupakan sejumlah kalimat, tempatkanlah kutipan ini terpisah dari teks, berjarak 1 spasi, rata kiri dan masuk 5 ketukan dari margin kiri, tanpa mengubah jenis maupun ukuran tulisan. Jika kutipan terdiri dari 2 paragraf, paragraf berikutnya dimulai pada baris baru dengan 5-7 ketukan kedalam dari margin kiri baris sebelumnya. kutipan dalam bahasa asing ditulis dengan huruf miring.
Contoh :
  • Miner (2008:5) mendefinisikan.....
"Human resource management may be defined as the process of developing, applying and evaluating policies, procedures, methods and prgram relating to the individual in the organization".
  • .......didefinisikan :
 "...a tendency to engage in consistens lines of activity based on the individual recognitin of the cost (or lost side bets) associated with discontinuing the activity" (Baker dalam Allen & meyer, 1990:3)

21 Desember 2010

METODE ANALISIS DATA



A. DATA, STATISTIK, DAN PENELITIAN
Data adalah informasi tentang sesuatu. Data yang dikumpulkan berapapun banyaknya, bukanlah merupakan tujuan dari penelitian. Akan tetapi data dapat merupakan sarana untuk memudahkan penafsiran dan memahami maknanya. Jadi pengambilan (pengumpulan) data merupakan langkah yang penting dalam penelitian. Agar memudahkan untuk penafsiran, data yang sudah terkumpul harus ditabulasikan. Cara-cara tabulasi data dapat dipelajari saat kita mempelajari Statistik.
Data yang sudah ditabulasi, jika diperhatikan dengan cermat dan sungguh- sungguh menimbulkan sejumlah pertanyaan, atau dapat mengungkapkan hal-hal tertentu. Kemungkinan, kita akan melihat sejumlah keganjilan atau penyimpangan sehingga menimbulkan pertanyaan mengapa bisa terjadi demikian. Meskipun tanpa atau belum menggunakan perhitungan-perhitungan statistik, hanya menggunakan pikiran, imajinasi dan kecermatan pengamatan kita dapat mendekati makna data yang kita hadapi. Dengan selalu menggunakan pertanyaan-pertanyaan kita mencoba berusaha memperoleh jawaban dari data itu.
Dengan menggunakan statistik, data dapat diolah dengan lebih eksak. Dengan statistik mungkin pula dapat mengungkapkan aspek-aspek baru, sehingga dapat memancing pemahaman baru yang dapat membantu kita dalam menelaah data yang kita hadapi.
Secara umum statistik dapat membantu kita dalam :
a. Menghitung nilai tengah data.
Dengan menghitung nilai tengah data (mean, median, modus) kita bisa mengetahui kecenderungan dari data tersebut. Hasil dari nilai statistik ini sering terlihat aneh jika dibandingkan dengan yang terdapat dalam dunia nyata.
b. Mengetahui sebaran atau distribusi data.
Distribusi data umumnya mengikuti distribusi normal yang berbentuk lonceng. Kebanyakan data berkelompok di bagian tengah, dan berangsur-angsur berkurang ke bagian tepinya. Makin jauh dari titik tengah berarti makin besar deviasi atau
penyimpangannya.
Dari sini dapat dihitung penyimpangan rata-rata atau
penyimpangan bakunya.

c. Mengetahui hubungan antara suatu data dengan data lain.
Seperti kita ketahui banyak fakta menunjukkan saling berhubungannya antara variabel yang satu dengan variabel yang lainnya. Bahkan dalam dunia nyata hubungan antar variabel tersebut sedemikian kompleksnya. Untuk menganalisis hubungan yang sangat kompleks sangatlah tidak mungkin. Untuk itu kita harus menyederhanakan hubungan tersebut dengan membuat model-model hubungan dengan sejumlah asumsi-asumsi. Dalam mengetahui hubungan-hubungan ini statistik sangat membantu untuk menghitung besar dan sifat dari hubungan itu. Hubungan ini biasa dikenal dengan korelasi dan regresi. Untuk mendapatkan koefisien korelasi atau regresi kita bisa dilakukan dengan bantuan komputer. Tetapi bukan berarti jika koefisien korelasi atau regresi sudah kita dapatkan lalu masalahnya menjadi telah terpecahkan dan penelitian selesai. Tidak. Komputer hanyalah sebuah alat atau mesin yang membantu kita menghitung, tetapi ia tidak dapat berpikir. Yang harus berpikir adalah penelitinya sendiri.
Penelitilah yang harus menafsirkan dan
mengiterpretasi nilai-nilai hasil perhitungan komputer tersebut.

d. Mengetahui sejauh mana data sesuai atau menyimpang dengan standar.

Pada umumnya alam mengikuti aturan-aturan tertentu. Salah satunya adalah distribusi normal. Sebagian besar kejadian dialam mengikuti distribusi normal. Kurva normal yang ditemukan oleh Karl Fredrich Gauss menunjukkan bahwa jumlah terbanyak adalah yang mengitari angka rata-rata berkelompok di bagian tengah dan ke sebelah kanan dan kirinya semakin menipis sehingga jika digambarkan akan membentuk lonceng yang simetris.
Kurva normal ini menunjukkan adanyakeseimbangan dalam alam. Jika suatu distribusi menyimpang dari kurva normal, maka ini pertanda adanya faktor-faktor eksternal yang mempengaruhinya di luar faktor-faktor alamiah. Adanya pengaruh eksternal ini harus diselidiki. Tujuannya adalah mengkonfirmasi data dengan data yang diharapkan menurut kurva normal.

26 November 2010

Model-Model Analisis Statistik Non Parametrik : "Sign Tes (Uji Tanda)"

Mila : Oiya mas, bisa ndak saya minta info mengenai Sign Test? Saya sdg bikin tesis dan mentok bgt di Sign Test, mas bisa email saya keMas, kalo Sign Test itu digunakan untuk apa? Dan itu termasuk parametrik atau non parametrik? Makasih sblmnya Mas....

 Untuk menjawab pertanyaan diatas, bahwa metode sign test, sesuai dengan analisis harus berpatokan pada asumsi hipotesis distribusi data normal dan termasuk statistik nonparametrik untuk menguji hipotesis bila datanya berbentuk nominal dan ordinal dan tidak berlandaskan asumsi diatas. dibwah ini ada beberapa contoh statistik nonparametris untuk menguji hipotesis satu sampel (deskriptif), perbandingan antar sampel (komparatif) dan hubungan antar variabel (asosiatif)

Sign Test (Uji Tanda) merupakan metode analisis untuk menguji hipotesis komparatif dua sampel yang berkorelasi, dimana datanya mempunyai skala pengukuran ordinal. Metode analisis ini menggunakan data yang dinyatakan dalam bentuk tanda-tanda positif dan negatif, dari perbedaan antara pengamatan yang berpasangan. Teknik ini dinamakan uji tanda (sign Test) karena data yang akan dianalisis dinyatakan dalam bentuk tanda-tanda positfi-negatif. Misalnya dalam suatu  eksperimen, hasilnya tidak dinyatakan berapa besar perubahannya secara kuantitatif, tetapi dinyatakan dalam bentuk perubahan yang positif dan negatif.Apakah lingkungan berbahasa jepang mempunyai pengaruh terhadap peningkatan kemampuan berbicara bahasa jepang ? Jadi dalam hal ini tidak tidak menanyakan berapa besar pengaruhnya secara kuantitatif, tetapi hanya pernyataan mempunyai pengaruh positif atau negatif.
 
Sampel yang digunakan dalam penelitian adalah sampel yang berpasangan, misalnya suami-isteri, pria-wanita, pegawai negeri-swasta dan lain-lain.Tanda positif dan negatif akan dapat diketahui berdasarkan perbedaan nilai antara satu dengan yang lain dalam pasangan itu.sebagai contoh perbedaan data yang diberikan oleh suami-isteri.
Hipotesis nol (H0) yang diuji adalah : P (XA > XB) = p (XA B) = 0,5  peluang berubah dari XA ke XB = peluang berubah dari XA ke XB = 0,5  atau peluang untuk memperoleh beda yang bertanda sama dengan peluang untuk memperoleh beda yang negatif. jadi kalau tanda positif jauh lebih banyak dari negatifnya dan sebaliknya, maka H0 ditolak. XA = nilai setelah ada perlakuan (treatment) dan  XB   = nilai sebelum ada perlakuan.  H0 dapat diketahui berdasarkan median dari kelompok yang diobservasi. bila jarak antara median dengan tanda positif dan negatif sama nol, maka  H0   diterima.
Jika (XA - XB) menunjukan nilai perbedaan dan m merupakan median dari perbedaan ini, maka uji tanda dapat digunakan untuk menguji H0  : m= 0 dan Ha ≠ 0 dengan peluang masing-masing = 0,5, jadi H0 : p = Ha; p=0,5.
untuk sampel yang kecil   25 pengujian dilakukan dengan menggunakan prinsip-prinsip distribusi binomial dengan P = Q= 0,5 (lihat test binomial) dimana N=banyak pasangan. bila suaktu pasangan observasi tidak menunjukan adanya perbedaan yakni selisih = 0, maka pasangan itu dicoret dari analisis. dengan demikian N-nya akan berkurang. untuk pengujian hipotesis dapat membandingkan dengan tabel, dimana X dalam tabel itu adalah nilai bertanda positif atau negatif yang jumlahnya lebih kecl. sedang untuk sampel besar >25 dapat dilakuakn pengujian Chi kuadrat yang rumusnya adalah :
c 2 = [ (n1  -  n2)- 1]2
           n1  +  n 2

dimana :   
         n1     = banyak data positif
           n 2  = banyak data negatif
Demikianlah urain tentang penggunaan Sign Test untuk lebih lanjut bisa anda analisa langsung dari beberapa buku metodelogi penelitian.

Sumber : 
Sugiono, Prof.Dr, Metode Penelitian Administrasi, Alfabeta, Bandung, 2009
Usman, husaini, Prof.Dr.etal, Pengantar Statistika, Bumi Aksara, Jakarta, 2008

16 November 2010

PENELITIAN KUANTITATIF

Dalam melakukan penelitian kuantitatif, kita seringkali mengalami kesulitan tentang metode statistika mana yang akan digunakan. Hal ini umumnya disebabkan kita tidak mendapatkan materi penelitian yang lengkap dan terintegrasi terkait denga tujuan penelitian.

Aplikasi statistika dalam suatu penelitian secara umum terbagi menjadi metode yaitu statistika deskriptif san statistika inferensia. Statistika deskriptif terdiri dari metode metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga mengasilkan informasi yang berguna. Perlu dipahami bahwa statistika deskriptif hanya memberikan informasi mengenai data yang ada dan sama sekal tidak menarik suatu kesimpulan atau inferensia.

Penyajian tabel, diagram, grafik dan besaran-besaran lain yang di dalam laporan penelitian termasuk dalam kategori statistika deskiptif ini. Sementara statistika inferensia mencakup semua metode yag berhubungan dengan analisis sebagian data (sampel) kemudian sampai pada peramalan atau penarikan kesimpulan mengenai keseluruhan gugus data (populasi).

Berikut adalah beberapa metode statistika baik statatistika deskriptif maupun inferensia yang paling popular di dunia penelitian.

Distribusi Frekuensi
Teknik ini mungkin merupakan teknik yang paling mudah dan paling banyak digunakan untuk mendeskripsikan data. Distribusi frekuensi mengindikasikan jumlah dan persentase responden, obyek yang masuk ke dalam kategori yang ada.
Teknik ini biasanya digunakan untuk memberikan informasi awal dalam penelitian tentang obyek atau responden.

Cross-Tabulations
Bila distribusi frekuensi digunakan untuk memberikan informasi yang menggambarkan keseluruhan sampel atau populasi yang diteliti, cross-tabulation adalah sebuah teknik visual yang memungkinkan peneliti menguji relasi antar variabel.

Kedua teknik yang telah disebutkan di atas digunakan untuk menggambarkan data yang dikumpulkan selama penelitian, ini hanya merupakan awal tugas peneliti. Tugas berikutnya adalah menjelaskan temuan-temuan ini dan dapat membuat sebuah generalisasi tentang populasi yang lebih besar. Maka digunakanlah inferential statistics.

Korelasi
Metode ini menggambarkan secara kuantitatif asosiasi ataupun relasi satu variabel interval dengan variabel interval lainnya. Sebagai contoh kita dapat lihat relasi hipotetikal antara lamanya waktu belajar dengan nilai ujian tinggi.

Korelasi diukur dengan suatu koefisien (r) yang mengindikasikan seberapa banyak relasi antar dua variabel. Daerah nilai yang mungkin adalah +1.00 sampai -1.00. Dengan +1.00 menyatakan hubungan yang sangat erat, sedangkan -1.00 menyatakan hubungan negatif yang erat.

Regresi
Regresi digunakan ketika periset ingin memprediksi hasil atas variabel-variabel tertentu dengan menggunakan variabel lain. Dalam bentuknya yang paling sederhana yang hanya melibatkan dua buah variabel, yaitu variabel bebas (independent) dan variabel terikat (dependent), misalnya lama waktu belajar dengan nilai ujian. Regresi sederhana berusaha memprakirakan nilai ujian dengan lamanya waktu belajar.
Analisis regresi mengindikasikan kepentingan relatif satu atau lebih variabel dalam memprediksi variabel lainnya.

T-test
Teknik t-test digunakan bila periset ingin mengevaluasi perbedaan antara efek. Sebagai contoh, periset mungkin tertarik dalam perbedaan kepuasan kerja untuk orang-orang yang berbeda tingkat pendidikannya. Teknik analisis yang banyak digunakan adalah membandingkan dua kelompok, misalnya mereka yang mendapat pendidikan universitas dengan mereka yang tidak, dengan menggunakan mean kelompok sebagai dasar perbandingan. t-test akan mengindikasikan apakah perbedaan antara kedua kelompok tersebut signifikan secara statistika.

F-test
F-test menguji apakah populasi tempat sampel diambil memiliki korelasi multiple (R) nol atau apakah terdapat sebuah relasi yang signifikan antara variabel-variabel independen dengan variabel-variabel dependen.

Uji Validitas
Untuk melakukan uji validitas dapat digunakan metode Pearson Product Moment (bila sampel normal,  30) ataupun metode Spearman Rank Correlation (bila sampel kecil,  30).

Uji  Reliabilitas
Untuk analisis reliabilitas internal dapat digunakan metode Cronbach's Alpha. Jika koefisien yang didapat  0.60, maka instrumen penelitian tersebut reliabel.

ANALISIS KORELASI

KORELASI adalah istilah statistik yang menyatakan derajat hubungan linier antara dua variabel atau lebih, yang ditemukan oleh Karl Pearson pada wal 1900, oleh sebab itu terkenal dengan sebutan korelasi Pearson Product Moment (PPM). korelasi adalah salah satu teknik analisis statistik yang paling banyak digunakan oleh para peneliti. karena para peneliti umumnya tertarik terhadap peristiwa-peristiwa yang terjadi dan mencoba untuk menghubungkannya. 


Misalnya kita ingin menghubngkan antara tinggi badan dengan berat badan, antara umur dengan tekanan darahnya, antara motivasi dengan prestasi belajar atau bekerja dan seterusnya. Hubungan antara dua variabel didalam teknik korelasi bukanlah dalam arti hubungan sebab akibat (timbal-balik), melainkan hanya merupakan hubungan searah saja. hubungan sebab akibat, misalnya : kemiskinan dengan kejahatan, kebersihan dengan kesehatan, kemiskinan dengan kebodohan.. dalam korelasi hanya mengenal hubungan searah saja (Bukan timbal balik) , misalnya tinggi badan menyebabkan berat badanya bertambah, tetapi berat badannya bertambah belum tentu menyebabkan tinggi badannya bertambah. akibatnya dalam korelasi dikenal penyebab dan akibatnya. dan data akibat atau yang dipengaruhi disebut variabel terikat. istilah bebas disebut juga dengan independen yang biasaya dilambangkan dengan huruf X atau X1. sedangkan istialh terikat disebut dependen yang biasanya dilambangkan dengan huruf Y. bagaimanakah menentukan bahwa variabel itu bebas atau terikat? jawaban ialah tergantung dari landasan teori yang kita pakai.

Korelasi merupakan teknik analisis yang  termasuk dalam salah satu teknik pengukuran asosiasi / hubungan (measures of association). Pengukuran asosiasi   merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua variabel. Diantara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Selain kedua teknik tersebut, terdapat pula teknik-teknik korelasi lain, seperti Kendal, Chi-Square, Phi Coefficient, Goodman-Kruskal, Somer, dan Wilson.

Pengukuran asosiasi mengenakan nilai numerik untuk mengetahui tingkatan asosiasi atau kekuatan hubungan antara variabel. Dua variabel dikatakan berasosiasi jika perilaku variabel yang satu mempengaruhi variabel yang lain. Jika tidak terjadi pengaruh, maka kedua variabel tersebut disebut independen.

Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel) dengan skala-skala tertentu, misalnya Pearson data harus berskala interval atau rasio; Spearman dan Kendal menggunakan skala ordinal; Chi Square menggunakan data nominal. Kuat lemah hubungan diukur diantara jarak (range) 0 sampai dengan 1. Korelasi mempunyai kemungkinan pengujian hipotesis dua arah (two tailed). Korelasi searah jika nilai koefesien korelasi diketemukan positif; sebaliknya jika nilai koefesien korelasi negatif, korelasi  disebut tidak searah. Yang dimaksud dengan koefesien korelasi ialah suatu pengukuran statistik kovariasi atau asosiasi antara dua variabel. Jika koefesien korelasi diketemukan tidak sama dengan nol (0), maka terdapat ketergantungan antara dua variabel tersebut. Jika  koefesien korelasi diketemukan +1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) positif.

Jika  koefesien korelasi diketemukan -1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) negatif.
Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis, karena kedua variabel mempunyai hubungan linear yang sempurna. Artinya variabel X mempengaruhi variabel Y secara sempurna. Jika korelasi sama dengan nol (0), maka tidak terdapat hubungan antara kedua variabel tersebut.
                                         
Dalam korelasi sebenarnya tidak dikenal istilah variabel bebas dan variabel tergantung. Biasanya dalam penghitungan digunakan simbol X untuk variabel pertama dan Y untuk variabel kedua. Dalam contoh hubungan antara variabel remunerasi dengan kepuasan kerja, maka variabel remunerasi merupakan variabel X dan kepuasan kerja merupakan variabel Y.

 Variabel yang akan kita hubngkan terdiri atas berbagai tingkatan data. tingkatan data meliputi data nominal, interval, dan rasio. tingkatan data tersebutt menentukan alaisis korelasi mana yang paling tepat digunakan. oleh sebab itu, sebelum mempelajari analisis korelasi, maka macam-macam tingkatan data tersebut hasrus sudah dipahami sepenuhnya.

Kegunaan
Pengukuran asosiasi berguna untuk mengukur kekuatan (strength) hubungan antar dua variabel atau lebih. Contoh: mengukur hubungan antara variabel:
  • Motivasi kerja dengan produktivitas
  • Kualitas layanan dengan kepuasan pelanggan
  • Tingkat inflasi dengan IHSG
Pengukuran ini hubungan antara dua variabel untuk masing-masing kasus akan menghasilkan keputusan, diantaranya:
  • Hubungan kedua variabel tidak ada
  • Hubungan kedua variabel lemah
  •  Hubungan kedua variabel cukup kuat
  •  Hubungan kedua variabel kuat
  •  Hubungan kedua variabel sangat kuat
Penentuan tersebut didasarkan pada kriteria yang menyebutkan jika hubungan mendekati 1, maka hubungan semakin kuat; sebaliknya jika hubungan mendekati 0, maka hubungan semakin lemah.

Teori Korelasi

Korelasi dan Kausalitas
Ada perbedaan mendasar antara korelasi dan kausalitas. Jika kedua variabel dikatakan berkorelasi, maka kita tergoda untuk mengatakan bahwa variabel yang satu mempengaruhi variabel yang lain atau dengan kata lain terdapat hubungan kausalitas. Kenyataannya belum tentu. Hubungan kausalitas terjadi jika variabel X mempengaruhi Y. Jika kedua variabel diperlakukan secara simetris (nilai pengukuran tetap sama seandainya peranan variabel-variabel tersebut ditukar)  maka meski kedua variabel berkorelasi tidak dapat dikatakan mempunyai hubungan kausalitas. Dengan demikian, jika terdapat dua variabel yang berkorelasi, tidak harus terdapat hubungan kausalitas.

 Terdapat dictum yang mengatakan “correlation does not imply causation”. Artinya korelasi tidak dapat digunakan secara valid untuk melihat  adanya hubungan kausalitas dalam variabel-variabel. Dalam korelasi aspek-aspek yang melandasi terdapatnya hubungan antar variabel mungkin tidak diketahui atau tidak langsung. Oleh karena itu dengan menetapkan korelasi dalam hubungannya dengan variabel-variabel yang diteliti tidak akan memberikan persyaratan yang memadai untuk menetapkan hubungan kausalitas kedalam variabel-variabel  tersebut. Sekalipun demikian bukan berarti bahwa korelasi tidak dapat digunakan sebagai indikasi adanya hubungan kausalitas antar variabel. Korelasi dapat digunakan sebagai salah satu bukti adanya kemungkinan terdapatnya hubungan kausalitas tetapi tidak dapat memberikan indikasi hubungan kausalitas seperti apa jika memang itu terjadi dalam variabel-variabel yang diteliti, misalnya model recursive, dimana X mempengaruhi Y atau non-recursive, misalnya X mempengaruhi Y dan Y mempengaruhi X.

Dengan untuk mengidentifikasi hubungan kausalitas tidak dapat begitu saja dilihat dengan kaca mata korelasi tetapi sebaiknya menggunakan model-model yang lebih tepat, misalnya regresi, analisis jalur atau structural equation model
           
Korelasi dan Linieritas
Terdapat hubungan erat antara pengertian korelasi dan linieritas. Korelasi Pearson, misalnya, menunjukkan adanya kekuatan hubungan linier dalam dua variabel. Sekalipun demikian jika asumsi normalitas salah maka nilai korelasi tidak akan memadai untuk membuktikan adanya hubungan linieritas. Linieritas artinya asumsi adanya hubungan dalam bentuk garis lurus antara variabel. Linearitas antara dua variabel dapat dinilai melalui observasi scatterplots bivariat. Jika kedua variabel berdistribusi normal dan behubungan secara linier, maka  scatterplot berbentuk oval; jika tidak berdistribusi normal scatterplot tidak berbentuk oval. 

Asumsi
            Asumsi dasar korelasi diantaranya seperti tertera di bawah ini:
  • Kedua variabel bersifat independen satu dengan lainnya, artinya masing-masing variabel berdiri sendiri dan tidak tergantung satu dengan lainnya. Tidak ada istilah variabel bebas dan variabel tergantung.
  • Data untuk kedua variabel berdistribusi normal. Data yang mempunyai distribusi normal artinya data yang distribusinya  simetris sempurna. Jika digunakan bahasa umum disebut berbentuk kurva bel. Menurut Johnston (2004) ciri-ciri data yang mempunyai distribusi normal ialah sebagai berikut:
  1. Kurva frekuensi normal menunjukkan frekuensi tertinggi berada di tengah-tengah, yaitu berada pada rata-rata (mean) nilai distribusi dengan kurva sejajar dan tepat sama pada bagian sisi kiri dan kanannya. Kesimpulannya, nilai yang paling sering muncul dalam distribusi normal ialah rata-rata (average), dengan setengahnya berada dibawah rata-rata dan setengahnya yang lain berada di atas rata-rata.
  2. Kurva normal, sering juga disebut sebagai kurva bel, berbentuk simetris sempurna.
  3. Karena  dua bagian sisi dari tengah-tengah benar-benar simetris, maka frekuensi nilai-nilai diatas rata-rata (mean) akan benar-benar cocok dengan frekuensi nilai-nilai di bawah rata-rata.
  4. Frekuensi total semua nilai dalam populasi akan berada dalam  area dibawah kurva.  Perlu diketahui bahwa area total dibawah kurva mewakili kemungkinan munculnya karakteristik tersebut.  
  5. Kurva normal dapat mempunyai bentuk yang berbeda-beda. Yang menentukan bentuk-bentuk tersebut adalah nilai rata-rata dan simpangan baku (standard deviation) populasi.Koefesien Korelasi
Koefesien korelasi ialah pengukuran statistik kovarian atau asosiasi antara dua variabel. Besarnya koefesien korelasi berkisar antara +1 s/d -1. Koefesien korelasi menunjukkan kekuatan (strength) hubungan linear dan arah hubungan dua variabel acak. Jika koefesien korelasi positif, maka kedua variabel mempunyai hubungan searah. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan tinggi pula. Sebaliknya, jika koefesien korelasi negatif, maka kedua variabel mempunyai hubungan terbalik. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan menjadi rendah (dan sebaliknya). Untuk memudahkan melakukan interpretasi mengenai kekuatan hubungan antara dua variabel penulis memberikan kriteria sebagai berikut (Sarwono:2006):
  • 0 : Tidak ada korelasi antara dua variabel
  • >0 – 0,25: Korelasi sangat lemah
  • >0,25 – 0,5: Korelasi cukup
  • >0,5 – 0,75: Korelasi  kuat
  • >0,75 – 0,99: Korelasi  sangat kuat
  • 1: Korelasi sempurna
Signifikansi
Apa sebenarnya signifikansi itu? Dalam bahasa Inggris umum, kata, "significant" mempunyai makna penting; sedang dalam pengertian statistik kata tersebut mempunyai makna “benar” tidak didasarkan secara kebetulan. Hasil riset dapat benar tapi tidak penting. Signifikansi / probabilitas / α memberikan gambaran mengenai bagaimana hasil riset itu mempunyai kesempatan untuk benar. Jika kita memilih signifikansi sebesar 0,01, maka artinya kita menentukan hasil riset nanti mempunyai kesempatan untuk benar sebesar 99% dan untuk salah sebesar 1%.
  
Secara umum kita menggunakan angka signifikansi sebesar 0,01; 0,05 dan 0,1. Pertimbangan penggunaan angka tersebut didasarkan pada tingkat kepercayaan (confidence interval) yang diinginkan oleh peneliti. Angka signifikansi sebesar 0,01 mempunyai pengertian bahwa tingkat kepercayaan atau bahasa umumnya keinginan kita untuk memperoleh kebenaran dalam riset kita adalah sebesar 99%. Jika angka signifikansi sebesar 0,05, maka tingkat kepercayaan adalah sebesar 95%. Jika angka signifikansi sebesar 0,1, maka tingkat kepercayaan adalah sebesar 90%.

Pertimbangan lain ialah menyangkut jumlah data (sample) yang akan digunakan dalam riset. Semakin kecil angka signifikansi, maka ukuran sample akan semakin besar. Sebaliknya semakin besar angka signifikansi, maka ukuran sample akan semakin kecil. Unutuk memperoleh angka signifikansi yang baik, biasanya diperlukan ukuran sample yang besar. Sebaliknya jika ukuran sample semakin kecil, maka kemungkinan munculnya kesalahan semakin ada.

Untuk pengujian dalam SPSS digunakan kriteria sebagai berikut:
  • Jika angka signifikansi hasil riset < 0,05, maka hubungan kedua variabel signifikan.
  • Jika angka signifikansi hasil riset > 0,05, maka hubungan kedua variabel tidak signifikan
Interpretasi Korelasi
Ada tiga penafsiran hasil analisis korelasi, meliputi: pertama, melihat kekuatan hubungan dua variabel; kedua, melihat signifikansi hubungan; dan ketiga, melihat arah hubungan.
Untuk melakukan interpretasi kekuatan hubungan antara dua variabel dilakukan dengan melihat angka koefesien korelasi hasil perhitungan dengan menggunakan kriteria sbb:
  • Jika angka koefesien korelasi menunjukkan 0, maka kedua variabel tidak mempunyai hubungan
  • Jika  angka koefesien korelasi mendekati 1, maka kedua variabel mempunyai hubungan semakin kuat
  • Jika  angka koefesien korelasi mendekati 0, maka kedua variabel mempunyai hubungan semakin lemah
  • Jika angka koefesien korelasi sama dengan 1, maka kedua variabel mempunyai hubungan linier sempurna positif.
  • Jika angka koefesien korelasi sama dengan -1, maka kedua variabel mempunyai hubungan linier sempurna negatif.
Interpretasi berikutnya melihat signifikansi hubungan dua variabel dengan didasarkan pada angka signifikansi yang dihasilkan dari penghitungan dengan ketentuan sebagaimana sudah dibahas di bagian 2.7. di atas. Interpretasi ini akan membuktikan apakah hubungan kedua variabel tersebut signifikan atau tidak.

Interpretasi ketiga melihat arah korelasi. Dalam korelasi ada dua arah korelasi, yaitu searah dan tidak searah. Pada SPSS hal ini ditandai dengan pesan two tailed.  Arah korelasi dilihat dari angka koefesien korelasi. Jika koefesien korelasi positif, maka hubungan kedua variabel searah. Searah artinya jika variabel X nilainya tinggi, maka variabel Y juga tinggi. Jika koefesien korelasi negatif, maka hubungan kedua variabel tidak searah. Tidak searah artinya jika variabel X nilainya tinggi, maka variabel Y akan rendah.
Dalam kasus, misalnya hubungan antara kepuasan kerja dan komitmen terhadap organisasi sebesar 0,86 dengan angka signifikansi sebesar 0 akan mempunyai makna bahwa hubungan antara  variabel kepuasan kerja dan komitmen terhadap organisasi sangat kuat, signifikan dan searah. Sebaliknya dalam kasus hubungan antara variabel mangkir kerja dengan produktivitas sebesar -0,86, dengan angka signifikansi sebesar 0;  maka hubungan kedua variabel sangat kuat, signifikan dan tidak searah.
Contoh: Hubungan antara kepuasan kerja dengan loyalitas pegawai

Hipotesis berbunyi sbb:
  • H0: Tidak ada hubungan antara kepuasan kerja dengan loyalitas pegawai
  • H1: Ada hubungan antara kepuasan kerja dengan loyalitas pegawai
Hasil t hitung sebesar 3,6
T table dengan ketentuan α= 0,05 Degree of freedom: n-2, dan n = 30 diketemukan sebesar: 2,048. Didasarkan ketentuan di atas, maka t hitung 3,6 > t table 2,048. Dengan demikian H0 ditolak dan H1 diterima. Artinya  ada hubungan antara kepuasan kerja dengan loyalitas pegawai

Disamping menggunakan cara diatas, cara kedua ialah menggunakan angka signifikansi. Caranya sebagai berikut:

Hipotesis berbunyi sbb:
  • H0: Tidak ada hubungan signifikan antara kepuasan kerja dengan loyalitas pegawai
  • H1: Ada hubungan signifikan antara kepuasan kerja dengan loyalitas pegawai
Angka signifikansi hasil perhitungan sebesar 0,03. Bandingkan dengan angka signifikansi sebesar 0,05. Keputusan menggunakan kriteria sbb:

    • Jika angka signifikansi hasil riset < 0,05, maka H0 ditolak.
    • Jika angka signifikansi hasil riset > 0,05, maka H0 diterima

Didasarkan ketentuan diatas maka signifikansi hitung sebesar 0,03 < 0,05, maka H0 ditolak dan H1 diterima. Artinya  Ada hubungan signifikan antara kepuasan kerja dengan loyalitas pegawai.

Dalam SPSS pengujian dilakukan dengan menggunakan angka signifikansi. Oleh karena itu dalam contoh analisis pada bab berikutnya akan hanya menggunakan angka signifikansi.

 Koefesien Determinasi
Koefesien diterminasi dengan simbol r2 merupakan proporsi variabilitas dalam suatu data yang dihitung didasarkan pada model statistik. Definisi berikutnya menyebutkan bahwa r2 merupakan rasio variabilitas nilai-nilai yang dibuat model dengan variabilitas nilai data asli. Secara umum r2 digunakan sebagai informasi mengenai kecocokan  suatu model.  Dalam regresi r2 ini dijadikan sebagai pengukuran seberapa baik garis regresi mendekati nilai data asli yang dibuat model. Jika r2 sama dengan 1, maka angka tersebut menunjukkan garis regresi cocok dengan data secara sempurna.

Interpretasi lain ialah bahwa r2 diartikan sebagai proporsi variasi tanggapan yang diterangkan oleh regresor (variabel bebas / X) dalam model. Dengan demikian, jika r2 = 1 akan mempunyai arti bahwa model yang sesuai menerangkan semua variabilitas dalam variabel Y. jika r2 = 0 akan mempunyai arti bahwa tidak ada hubungan antara regresor (X) dengan variabel Y. Dalam kasus misalnya jika r2 = 0,8 mempunyai arti bahwa sebesar 80% variasi dari variabel Y (variabel tergantung / response) dapat diterangkan dengan variabel X (variabel bebas / explanatory); sedang sisanya 0,2 dipengaruhi oleh variabel-variabel yang tidak diketahui atau variabilitas yang inheren. (Rumus untuk menghitung koefesien determinasi (KD) adalah KD = r2 x 100%) Variabilitas mempunyai makna penyebaran / distribusi seperangkat nilai-nilai  tertentu. Dengan menggunakan bahasa umum, pengaruh variabel X terhadap Y adalah sebesar 80%; sedang sisanya 20% dipengaruhi oleh faktor lain.

Dalam hubungannya dengan korelasi, maka  r2  merupakan kuadrat dari koefesien korelasi yang berkaitan dengan variabel bebas (X) dan variabel Y (tergantung). Secara umum dikatakan bahwa r2  merupakan kuadrat korelasi antara variabel yang digunakan sebagai predictor (X) dan variabel yang memberikan response (Y). Dengan menggunakan bahasa sederhana r2  merupakan koefesien korelasi yang dikuadratkan. Oleh karena itu, penggunaan koefesien determinasi dalam korelasi tidak harus diinterpretasikan sebagai besarnya pengaruh variabel X terhadap Y mengingat bahwa korelasi tidak sama dengan kausalitas. Secara bebas dikatakan dua variabel mempunyai hubungan belum tentu variabel satu mempengaruhi variabel lainnya. Lebih lanjut dalam konteks korelasi antara dua variabel maka pengaruh variabel X terhadap Y tidak nampak. Kemungkinannya hanya korelasi merupakan penanda awal bahwa variabel X mungkin berpengaruh terhadap Y. Sedang bagaimana pengaruh itu terjadi dan ada atau tidak kita akan mengalami kesulitan untuk membuktikannya. Hanya menggunakan angka r2 kita tidak akan dapat membuktikan bahwa variabel X mempengaruhi Y.

Dengan demikian jika kita menggunakan korelasi sebaiknya jangan menggunakan koefesien determinasi untuk melihat pengaruh X terhadap Y karena korelasi hanya menunjukkan adanya hubungan antara variabel X dan Y. Jika tujuan riset hanya untuk mengukur hubungan maka sebaiknya berhenti saja di angka koefisien korelasi. Sedang jika kita ingin mengukur besarnya pengaruh variabel X terhadap Y sebaiknya menggunakan rumus lain, seperti regresi atau analisis jalur.

Bentuk korelasi

Salah satu jenis korelasi yang paling populer adalah koefisien korelasi momen-produk Pearson, yang diperoleh dengan membagi kovarians kedua variabel dengan perkalian simpangan bakunya. Meski memiliki nama Pearson, metode ini pertama kali diperkenalkan oleh Francis Galton.

Koefisien korelasi momen-produk Pearson

Sifat-sifat matematis


Korelasi linier antara 1000 pasang pengamatan. Data digambarkan pada bagian kiri bawah dan koefisien korelasinya ditunjukkan pada bagian kanan atas. Setiap titik pengamatan berkorelasi maksimum dengan dirinya sendiri, sebagaimana ditunjukkan pada diagonal (seluruh korelasi = +1).
Korelasi ρX, Y antara dua peubah acak X dan Y dengan nilai yang diharapkan μX dan μY dan simpangan baku σX dan σY didefinisikan sebagai:
\rho_{X,Y}={\mathrm{cov}(X,Y) \over \sigma_X \sigma_Y} ={E((X-\mu_X)(Y-\mu_Y)) \over \sigma_X\sigma_Y}.
Karena μX = E(X), σX2 = E(X2) − E2(X) dan demikian pula untuk Y, maka dapat pula ditulis


\rho_{X,Y}=\frac{E(XY)-E(X)E(Y)}{\sqrt{E(X^2)-E^2(X)}~\sqrt{E(Y^2)-E^2(Y)}}
Korelasi dapat dihitung bila simpangan baku finit dan keduanya tidak sama dengan nol. Dalam pembuktian ketidaksamaan Cauchy-Schwarz, koefisien korelasi tak akan melebihi dari 1 dalam nilai absolut. Korelasi bernilai 1 jika terdapat hubungan linier yang positif, bernilai -1 jika terdapat hubungan linier yang negatif, dan antara -1 dan +1 yang menunjukkan tingkat dependensi linier antara dua variabel. Semakin dekat dengan -1 atau +1, semakin kuat korelasi antara kedua variabel tersebut.
Jika variabel-variabel tersebut saling bebas, nilai korelasi sama dengan 0. Namun tidak demikian untuk kebalikannya, karena koefisien korelasi hanya mendeteksi ketergantungan linier antara kedua variabel. Misalnya, peubah acak X berdistribusi uniform pada interval antara -1 dan +1, dan Y = X2. Dengan demikian nilai Y ditentukan sepenuhnya oleh X, sehingga

Koefisien korelasi non-parametrik

Koefisien korelasi Pearson merupakan statistik parametrik, dan ia kurang begitu menggambarkan korelasi bila asumsi dasar normalitas suatu data dilanggar. Metode korelasi non-parametrik seperti ρ Spearman and τ Kendall berguna ketika distribusi tidak normal. Koefisien korelasi non-parametrik masih kurang kuat bila dibandingkan dengan metode parametrik jika asumsi normalitas data terpenuhi, namun cenderung memberikan hasil distrosi ketika asumsi tersebut tak terpenuhi.

Metode pengukuran yang lain untuk mengetahui dependensi antara dua peubah acak

 Untuk mendapatkan suatu pengukuran mengenai dependensi data (juga nonlinier), dapat digunakan rasio korelasi, yang mampu mendeteksi hampir segala dependensi fungsional

Kopula dan korelasi

Banyak orang yang keliru menganggap bahwa informasi yang diberikan dari sebuh koefisien korelasi sudah cukup mendefinisikan struktur ketergantungan (dependensi) antara peubah acak. Namun untuk mengetahui adanya ketergantungan antara peubah acak harus dipertimbangkan pula kopula antara keduanya. Koefisien korelasi dapat didefinisikan sebagai struktur ketergantungan hanya pada beberapa kasus, misalnya dalam fungsi distribusi kumulatif pada distribusi normal multivariat.

Matriks korelasi

Matriks korelasi n peubah acak X1, ..., Xn adalah n  ×  n matrik dimana i,j adalah corr(XiXj). Jika ukuran korelasi yang digunakan adalah koefisien momen-produk, matriks korelasi akan sama dengan matriks kovarians peubah acak yang telah distandarkan Xi /SD(Xi) untuk i = 1, ..., n. Sehingga, matriks korelasi merupakan matriks definit tak-negatif.
Matriks korelasi selalu simetris, yakni korelasi antara Xi dan Xj adalah sama dengan korelasi antara Xj and Xi).

"Korelasi tak selalu berarti sebab-akibat"

Diktum konvensi bahwa "korelasi tak selalu berarti sebab-akibat" dibahas dalam artikel hubungan artifisial (spurious relationship). Lihat pula korelasi mengarah ke hubungan sebab-akibat (kekeliruan logis). Bagaimanapun, korelasi tak diasumsukan selalu akausal, meski penyebab tersebut bisa pula tidak diketahui.

Menghitung korelasi secara akurat dengan metode numerik

Berikut adalah algoritma (dalam pseudocode) yang akan mengestimasi korelasi dengan menggunakan metode mumerik
sum_sq_x = 0
sum_sq_y = 0
sum_coproduct = 0
mean_x = x[1]
mean_y = y[1]
last_x = x[1]
last_y = y[1]
for i in 2 to N:
    sweep = (i - 1.0) / i
    delta_x = x[i] - mean_x
    delta_y = y[i] - mean_y
    sum_sq_x += delta_x * delta_x * sweep
    sum_sq_y += delta_y * delta_y * sweep
    sum_coproduct += delta_x * delta_y * sweep
    mean_x += delta_x / i
    mean_y += delta_y / i 
pop_sd_x = sqrt( sum_sq_x / N )
pop_sd_y = sqrt( sum_sq_y / N )
cov_x_y = sum_coproduct / N
correlation = cov_x_y / (pop_sd_x * pop_sd_y)


 Sumber :

 Usman, Husaini, Prof.Dr, et.al, Pengantar statistik, Bumi Aksara, Jakarta, 2009

http://id.wikipedia.org/wiki/Korelasi

09 November 2010

Merubah Paradigma Teksbook menjadi Mindbook

Itulah yang terjadi saat ujian tengah semester pagi ini (9/11/2010) degan sistem openbook yang lebih menekankan pada nilai inprovisasi dalam menjawab soal ujian, penulis sudah melaksanakan teknik openbook tiga tahun yang lalu. Sulitkah soal dengan sistem ujian ini ? 80 % lebih bersifat analisa soal dan selebihnya pengetahuan terhadap mata kuliah. didalamnya ada kemandirian karena kompetensi utamanya dari mata kuliah metodoogi riset ini adalah kemampuan mahasiswa memformulasikan dari masalah menjadi sebuah judul skripsi sesuai dengan jurusannya. tujuannya pembelajaran akan lebih paham bukan sekedar plagaiat dari skripsi kakak tingkatnya yang ada di perpustakaan. Dan pemahaman tentang formulasi masalah kemudian menjadii sebuah judul penelitian.

Ada yang berpendapat bahwa pendidikan di Indonesia merosot akibat lemahnya disiplin para siswa/ mahasiswanya. Teman yang pernah berkunjung kebeberapa  pimpinan perguruan Tinggi Negri terkemuka di  Jawa yang baru saja pulang dari study banding ke kampus - kampus di China,  India, Amerika, Australia dan Eropa.
 
  Beliau melihat, betapa seriusnya para mahasiswa di perguruan tinggi asing  tersebut dalam menuntut ilmu, yang terlihat dari upaya para mahasiswa untuk memahami teksbook wajib mereka. Di kampus yang beliau pimpin, mahasiswa terlihat enggan baca teksbook wajib,  dan cenderung hanya membaca diktat yang telah dibuat oleh dosen dan merupakan 
ringkasan dari teksbook.
 
  Ada beberapa kendala yang dihadapi oleh Mahasiswa Indonesia dalam memahami Teksbook wajib, antara lain kendala bahasa, karena Teksbook wajib umumnya dalam  bahasa inggris atau bahasa Eropa (Jerman, Belanda, Perancis, dsb).
Untuk Mahasiswa India, karena Bahasa Inggris merupakan bahasa kedua mereka,  dalam kehidupan sehari - hari, jadi tidak ada masalah.
Kalau di China, pemerintah menterjemahkan seluruh teksbook, termasuk jurnalnya kedalam tulisan dan bahasa mandarin, sehingga mahasiswa di China tidak punya masalah dalam memahami teksbook wajib.
 Akibatnya Mahasiswa di Indonesia enggan untuk membaca teksbook wajib dan  cenderung membaca diktat yang dibuat oleh dosen yang bersangkutan.
 Ada lagi soal kualitas ujian.
 
  Kalau di beri soal yang sedikit rumit dari dosen, mereka mengeluh dan menuduh  dosennya Killer.
Akibatnya sarjana lulusan perguruan tinggi yang dia pimpin, ternyata banyak yang hanya mengandalkan diktat dari dosen yang bersangkutan dan tidak terlalu 
memahami teksbook wajib mereka.
 
  Dosen juga mengeluh, karena Mahasiswa dengan IP yang tinggi, ternyata belum  tentu memahami mata pelajaran tersebut dengan baik.
Penyebabnya si mahasiswa dapat nilai bagus bukan karena dia telah memahami  masalah yang diujikan dengan baik, tetapi didapat dari hasil menghafalkan soal 
yang pernah keluar, sedangkan dosen punya keterbatasan kreatifitas dalam membuat soal. 

Mahasiswa teksbook
Mahasiswa textbook sebutan mahasiswa yang selalu terfokus pada buku teks dan fotokopian yang diberikan dosennya tanpa adanya improvisasi pengembangan materi perkuliahan, jelas ini hampir kita dapati dikalangan mahasiswa kita yang malas memperluas isi kajian perkuliahan dengan berbagai alasan kurangnya sumber literatur sehingga mereka hanya mengandalkan catatan resmi dari sang dosen dan budaya tekbook itu hal yang sudah biasa dalam sistem pendidikan kita yang selalu berorinetasi hapalan bukan pemahaman. 

Banyak bukti kenapa pembelajaran bahasa di kita kurang begitu berhasil, apa yang kurang dengan pembelajaran bahasa inggeris yang diajarkan sejak TK sampai perguruan tinggi dan hasilnya mereka secara gramatikal menguasai tapi dilihat dari komunikasi masih banyak yang belum begitu menguasai. Kuncinya budaya verbalisme dalam sistem pendidikan kita yang membentuk sampai kita menjadi sarjana sekalipun. sehingga wajar banyak sarjana kita yang secara keilmuan baik tapi kemandiriannya sebagai intelektual dirasa masih jauh. Mereka masih saja menginginkan dunia priyayi yang duduk diatas kursi dan mendapat gaji rutin baik bekerja maupun tidak. Jiwa kemandiriannya sebagai intelektual untuk menciptakan dunia kerja dan wirausaha hanya dimiliki oleh orang luar.

Intinya perlu adanya perubahan paradigma tentang cara pembelajaran kita, hilangkan budaya mendikte, mencatat dan budaya meng-copy, sesering mungkin bedah kasus yang riel yang ada dalam kehidupan nyata, selain penugasan langsung untuk belajar mengamati dan mengadakan riset sehingga terbiasa dengan problem solving akan mematangkan pemahaman para mahasiswa dalam beradptasi antara teori dengan aplikasi di masyarakat.

Tulisan Lainnya:

Related Posts Plugin for WordPress, Blogger...

Formulir Kontak

Nama

Email *

Pesan *