Construct Interval Based on Total Score

Data selain dapat diklasifikasikan menggunakan aturan Formula Sturges, juga dapat diklasifikasikan menggunakan Dasar Apriori, misalkan menggunakan skala likert 5 opsi, tapi diklasifikasikan (category size) menjadi 2 kategori, atau menggunakan skala guttman (2 opsi), namun diklasifikasikan (category size) sebanyak 3 kategori, atau data yang memiliki satuan seperti usia, pendapatan namun diklasifikasikan sesuai kebijakan peneliti. Pada data kuesioner membuat interval selain menggunakan mean score juga bisa menggunakan total score, salah satu dari keduanya sama-sama benar, karena menggunakan mean score ataupun total score menghasilkan kesimpulan yang sama.

Membuat interval berdasarkan total score tidak hanya digunakan untuk membuat distribusi frekuensi, tetapi juga bisa digunakan untuk memberi label atau kategori pada rata-rata dimensi (sub variabel), maupun rata-rata variabel, namun rata-rata ini berasal dari total indikator (item) atau total score.

Contoh Kasus

Suatu variabel memiliki 3 indikator, kemudian ingin menilai secara keseluruhan responden memiliki pengetahuan (variabel pengetahuan) yang berada dalam interval berapa atau kategori apa. (Untuk membuat distribusi / tabel frekuensi (Click Here))

1. Menghitung Panjang Interval

diperoleh panjang interval 1 (jika ditemukan panjang interval bernilai desimal, maka sebaiknya tidak dibulatkan).

note : pembulatan sebaiknya dilakukan setelah menentukan interval (batas bawah dan batas atas)

2. Menentukan Interval (Batas Bawah dan Batas Atas)

Batas bawah kelas pertama (LB1) = min value = 0

Batas atas kelas pertama (UB1) = 0 + 1 = 1

Batas bawah kelas kedua (LB2) = 1 (meskipun implisit, makna LB2 yang sesungguhnya adalah > 1)

Batas atas kelas kedua (UB2) = 1 + 1 = 2

Batas bawah kelas kedua (LB3) = 2 (meskipun implisit, makna LB3 yang sesungguhnya adalah > 2)

Batas atas kelas kedua (UB3) = 2 + 1 = 3

Sehingga intervalnya menjadi seperti berikut :

misal : total indikator (item) bisa menggunakan kategori setuju - kurang setuju

Rata-rata dimensi (sub variabel) dan rata-rata variabel bisa menggunakan kategori selain setuju - kurang setuju

Variabel pengetahuan bisa menggunakan kategori baik - kurang baik

Variabel daya ingat menggunakan kategori kuat - lemah

Variabel pengalaman menggunakan kategori tinggi - rendah, dan sebagainya.

Dengan demikian rata-rata (dari skor total) yang ada dalam tabel di atas (paling atas) bisa diinterpretasikan :
Rata-rata (dari skor total) variabel X (misal variabel pengetahuan) bernilai 2.1 berarti, rata-rata tersebut berada dalam interval 2 - 3, sehingga responden memiliki pengetahuan yang baik.

Kemudian peneliti bisa memberikan kategori sebagai berikut, dan penggunaan kategori ini bisa disesuaikan dengan substansi variabel nya.

Perhitungan interval yang seperti ini, peneliti tidak perlu menghitung manual lagi,

dengan InQuest Calculator peneliti bisa menghemat banyak waktu.

setelah kita membuat interval (rentang skor total), maka selanjutnya menentukan frekuensi dari masing-masing interval, menghitung persentase, dan menentukan label (labeling) berdasarkan interval dan sesuai dengan substansi variabel nya.

3. Menentukan Frekuensi

Identifikasi terlebih dahulu data sesuai dengan interval yang sudah dibuat sebelumnya.

setelah diidentifikasi sesuai interval, selanjutnya dihitung banyak responden yang sesuai intervalnya, kemudian dituangkan dalam tabel frekuensi berikut.

Interpretasi :

Tidak satupun karyawan yang memiliki produktivitas yang sangat rendah dan rendah.

30% dari 20 responden memiliki produktivitas yang kurang baik.

25% dari 20 responden memiliki produktivitas yang cukup baik.

45% dari 20 responden memiliki produktivitas yang baik.

4. Menghitung Persentase (%)

5. Memberi Label / Kategori

Dalam memberi label atau kategori pada interval disesuikan dengan besar / kecilnya interval juga disesuaikan dengan konteks variabelnya. Pemberian label ini sebenarnya bersifat tidak wajib, namun pemberian label ini dapat mempermudah interpretasi.

Referensi :

• Machali, I. 2015. Statistik Manajemen Pendidikan, Teori dan Praktik Statistik dalam bidang pendidikan, Penelitian, Ekonomi Bisnis, dan Ilmu-Ilmu Sosial Lainnya. Yogyakarta : Kaukaba Dipantara

• Solimun, Fernandes, A.A.R., Nurjannah. 2017. Metode Statistika Multivariat Pemodelan Persamaan Struktural (SEM) Pendekatan WarpPLS. Malang : UB Press

• Walpole, R.E. 1995. Pengantar Statistika, Edisi ke-3, Jakarta : Gramedia Pustaka Utama.

© Copyright by Arena Statistics. All Rights Reserved

Follow Us!