Slide AKT304 Riset Metodologi Akuntansi Presentasi 7

METODOLOGI RISET

AKUNTANSI

KARSAM SUNARYO,SE.,MAK.,AK.,QMSA. © 2009 John Wiley & Sons Ltd.

www.wileyeurope.com/college/seka ran

Pertemuan Ketujuh

PE

NG

UK

UR

AN

VA

RI

AB

EL

:

SK

AL

A

DA

N

VA

LI

DI

TA

S

Karsam Sunaryo

PROSES RISET 1 OBSERVASI Identifikasi bidang Permasalahan 1 OBSERVASI Identifikasi bidang Permasalahan 2 PENGUMPULAN DATA AWAL

• Interview

• Studi Pustaka

2

PENGUMPULAN DATA AWAL

• Interview

• Studi Pustaka

3 PENDEFINISI AN MASALAH Pembatasan masalah 3 PENDEFINISI AN MASALAH Pembatasan masalah 4 KERANGK A TEORI Variabel sdh didefisikan dan diberi label 4 KERANGK A TEORI Variabel sdh didefisikan dan diberi label 5 PERUMUSAN HIPOTESIS 5 PERUMUSAN HIPOTESIS 6 RANCANGAN RISET 6 PENGUMPULA N, ANALISIS DAN INTERPRETASI DATA 6 PENGUMPULA N, ANALISIS DAN INTERPRETASI DATA 7 PENGAMBILAN KESIMPULAN DEDUCTIVE 7 PENGAMBILAN KESIMPULAN DEDUCTIVE YA TIDAK 9 PPENULISAN LAPORAN 9 PPENULISAN LAPORAN 10 PRESENTASI LAPORAN 10 PRESENTASI LAPORAN 11 PENGAMBILA N KEPUTUSAN MANAJERIAL 11 PENGAMBILA N KEPUTUSAN MANAJERIAL

TOPIK BAHASAN

Teknik Skala yg Umum Digunakan

 _{Skala rating : Dichotomous, Category, Likert, Semantic Differential, Numerik,}

Itemised Rating, Costant Sum Rating, Stapel, Graphic rating, Consensus

 _{Skala ranking : Paired comparison, Forced choice, Comparative scale}

Goodness of Measures

_{Stability & Internal Consistency} _Validity

TUJUAN PEMBELAJARAN

Setelah mengikuti kuliah ini Sdr dapat : Mengetahui bagaimana dan kapan

menggunakan skala rating dan skala ranking yang berbeda.

Menjelaskan pengertian “stability” dan “consistency” serta bagaimana kedua hal tersebut diterapkan.

Mengenal dengan bentuk-bentuk validity yang berbeda

Membahas arti “goodness of measures” dan mengapa hal itu perlu ditetapkan dalam suatu riset.

RANCANGAN RISET

Kegunaa n Riset :

• Eksploras i • Deskripsi • Pengujian Hipotesis Tipe Investigasi Menetapk a: • hub kausal

• korelasi

• perbedaa n Keterlibat an Peneliti: • Minimal

• Manipulasi

• Control

• Simulasi

Setting Riset • Contrieve d • Non-contrived Ukuran dan Pengukura n • Def. operasi

• Unsur

• Skala

• Kategori

• Kode Unit Analisis: • Individual • Kelompo k • Organisa si

• Mesin

• dsb

Horison Waktu

• One shot (cross-section) • Longitudi nal (time-series) Rancangan Sampel • Probability

• Non-probablity

• Size

Pengumpu lan Data • Observasi • Interview • Kuisioner • Pengukuran fisik Analisis Data

• Feel for Data

• Goodness of Data

• Pengujian Hipotesis Pe rn y a ta a n M a sa la h

SKALA RATING

Skala Dikotomi : digunakan untuk

memperoleh jawaban YA atau TIDAK

Contoh : Apakah Sdr memiliki mobil ? YA TIDAK

 Skala Kategori : menggunakan banyak

butir untuk memperoleh respon tunggal (Ini juga merupakan skala nominal

 Contoh : Dimana Sdr tinggal?

 Jakarta Selatan  Jakarta Timur  Jakarta Pusat

 Jakarta Barat  Jakarta Utara

 Lainnya………

SKALA RATING

Skala Likert : dirancang untuk menguji

seberapa kuat suatu subyek disetujui atau tidak disetujui terhadap suatu

pernyataan dengan 5 skala (Ini termasuk skala interval)

Contoh :

_{Pekerjaan saya sangat menyenangkan}

 _{(1= sangat tdk setuju, 2 = tidak setuju, 3 = ragu-ragu, 4 = setuju, 5}

sangat setuju)

_{Saya seorang pekerja yang disiplin}

 _{(1= sangat tdk setuju, 2 = tidak setuju, 3 = ragu-ragu, 4 = setuju, 5}

sangat setuju)

SKALA RATING

Skala Semantic Differential : digunakan

untuk mengkaji sikap responden terhadap merk, iklan atau obyek

tertentu. Sifat dua-kutub digunakan utk memperoleh respon (Ini termasuk skala interval)

Contoh :

 _{Responsive ………..Tdk}

Responsive

 _{Cantik ……….Buruk}

 _{Pintar ………..Bodoh}

SKALA RATING

Skala Numeric: mirip dengan skala

semantic differential, dimana

disediakan 5 atau 7 skala dengan kata sifat dan dua kutub diujungnya (Ini juga termasuk skala interval)

Contoh :

 _{Cantik 7 6 5 4 3 2 1 Buruk}  _{Pintar 7 6 5 4 3 2 1 Bodoh}  _{Rajin 7 6 5 4 3 2 1 Malas}

 _{Suka 7 6 5 4 3 2 1 Tidak Suka}

SKALA RATING

Skala Constant Sum : Responden ditanya

untuk mendistribusikan suatu angka tertentu pada berbagai butir pilihan dengan jumlah tertentu (Ini lbh

merupakan skala ordinal)

Contoh : Dalam memilih sabun,

indikasikan kelima aspek berikut dengan mengalokasikan jawaban sehingga totalnya 100

 _{Fragrance …….}  _{Color ……..}  _{Shape ……..}  _{Size ……..}  _{Texture ………}  _{Total 100}

SKALA RATING

Skala Stapel: Skala ini secara simultan

mengukur baik arah maupun intensitas dari sikap terhadap butir-butir yg

sedang dipelajari. Karakteristik yg dipelajari ditempatkan di

tengah-tengah antara skala negatif dan skala positif, misal -3 dan +3

Contoh : Nyatakan bgmana Anda menilai kemampuan atasan Anda terkait

dengan karakteristik berikut.

-3 -2 -1 Adopting Modern Technology +1 + 2 +3

-3 -2 -1 Product Innovation +1 + 2 +3 -3 -2 -1 Interpersonal Skill+1 + 2 +3

SKALA RATING

Skala Graphic Rating: suatu grafik

membantu responden untuk

menetapkan skala jawaban thd suatu pertanyaan tertentu dgn memberi

tanda pada suatu titik di garis skala.

Contoh : Pada skala 10 bagaimana Anda menilai kinerja atasan Anda ?

0 2 4 6 8 10

Very Bad All right Excelent

SKALA RANKING

Skala ranking digunakan untuk mengukur preferensi diantara dua atau lebih

obyek atau butir, sayang sekali sulit mengambil kesimpulan ketika suatu kategori telah diurutkan berdasarkan preferensi tsb, misalnya 35% memilih kategori 1, 35% memilih kategori 2,

20% masing-masing memilih kategori 3 dan kategori 4.

Alternatifnya : metode paired

comparison, forced choice dan

SKALA RANKING

Paired Comparison : digunakan jika responden diminta untuk memilih diantara dua obyek pada saat bersamaan. Ini bisa membantu menilai preferensi. Metode ini tepat jika jumlah pasangannya sedikit.

Jika A, B, C dan D adalah produk yang ditawarkan, maka :

_{Apakah A lebih disukai dari B ?} _{Apakah A lebih disukai dari C ?} _{Apakah A lebih disukai dari D ?} _{Apakah B lebih disukai dari C ?} _{Apakah B lebih disukai dari D ?}

GOODNESS OF

MEASURES

Goodness of data

Reliability

Validity

Stability

Consistency

Test-retest reliability Paralel-form reliability

Interitem consistency reliability Spilt-half reliability

Logical Validity (content)

Criterion related Validity

Concurent Validity (construct)

Face Validity Predictive Concurent Convergent Discriminant

GOODNESS OF

MEASURES

Test-Retest Reliability : Koefisien reliabilitas diperoleh dgn mengulang pengukuran yang sama dikesempatan kedua, yg disebut test-retest reliablity. Kuisioner yang sama

diberikan pada responden yang sama dengan waktu yang berbeda, apakah hasilnya

konsisten, Itu dilakukan dengan cara

mengkorelasikan skor jawaban-jawaban.

Parallel-Form Reliability : ketika respon dari dua pengukuran konsep yang sama sangat

berkorelasi. Keduanya harus mempunyai butir yang serupa, format respon yang sama. Yang beda adalah “wording” dan urutan

GOODNESS OF

MEASURES

Interitem Consistency Reliability : pengujian terhadap konsistensi setiap jawaban

responden. Jika butir-butir pertanyaan itu bebas satau dengan yang lain, tetapi

mengukur konsep yang sama, mereka akan saling berkorelasi. Uji yang paling populer

untuk ini adalah Uji Koefisien Alpha Cronbach dan formula Kuder-Richardson. Semakin tinggi korelasinya semakin baik pengukuran

instrumen.

Split-Half Reliability : korelasi antara dua bagian dari suatu instrumen. Kalau setiap indikator dibuat dua pertanyaan yang berbeda (negatif atau positif), dikorelasikan maka akan dbisa digunakan untuk menguji konsistensi

instrumen.

GOODNESS OF

MEASURES

Content Validity: Apakah instrumen memadai utk mengukur konsep.

FaceValidity: Apakah ekspert

memvalidasi instrumen pengukuran yg diharapkan diukur ?

Criterion-related validity : apakah

pengukuran berbeda dalam membantu memprediksi suatu kriteria variabel?

Concurent validy : apakah pengukuran berbeda dalam membantu memprediksi suatu krteria variabel saat ini ?

GOODNESS OF

MEASURES

Predictive validity : apakah pengukuran berbeda secara individual dalam

membantu memprediksi suatu kriteria masa depan ?

Construct Validity : Apakah instrumen mengukur konsep sebagai suatu teori

Convergen validity : Apakah dua instrumen mengukur konsep berkorelasi sangat tinggi.

Discriminat validity : Apakah suatu

pengukuran mempunyai korelasi yang rendah dgn suatu variabel yg

diperkirakan tidak berkaitan.

SKALA RANKING

Paired Comparison : digunakan jika responden diminta untuk memilih diantara dua obyek pada saat bersamaan. Ini bisa membantu menilai preferensi. Metode ini tepat jika jumlah pasangannya sedikit.

Jika A, B, C dan D adalah produk yang ditawarkan, maka :

_{Apakah A lebih disukai dari B ?} _{Apakah A lebih disukai dari C ?} _{Apakah A lebih disukai dari D ?} _{Apakah B lebih disukai dari C ?} _{Apakah B lebih disukai dari D ?}

GOODNESS OF

MEASURES

Goodness of data

Reliability

Validity

Stability

Consistency

Test-retest reliability Paralel-form reliability

Interitem consistency reliability Spilt-half reliability

Logical Validity (content)

Criterion related Validity

Concurent Validity (construct)

Face Validity Predictive Concurent Convergent Discriminant

GOODNESS OF

MEASURES

Test-Retest Reliability : Koefisien reliabilitas diperoleh dgn mengulang pengukuran yang sama dikesempatan kedua, yg disebut test-retest reliablity. Kuisioner yang sama

diberikan pada responden yang sama dengan waktu yang berbeda, apakah hasilnya

konsisten, Itu dilakukan dengan cara

mengkorelasikan skor jawaban-jawaban.

Parallel-Form Reliability : ketika respon dari dua pengukuran konsep yang sama sangat

berkorelasi. Keduanya harus mempunyai butir yang serupa, format respon yang sama. Yang beda adalah “wording” dan urutan

GOODNESS OF

MEASURES

Interitem Consistency Reliability : pengujian terhadap konsistensi setiap jawaban

responden. Jika butir-butir pertanyaan itu bebas satau dengan yang lain, tetapi

mengukur konsep yang sama, mereka akan saling berkorelasi. Uji yang paling populer

untuk ini adalah Uji Koefisien Alpha Cronbach dan formula Kuder-Richardson. Semakin tinggi korelasinya semakin baik pengukuran

instrumen.

Split-Half Reliability : korelasi antara dua bagian dari suatu instrumen. Kalau setiap indikator dibuat dua pertanyaan yang berbeda (negatif atau positif), dikorelasikan maka akan dbisa digunakan untuk menguji konsistensi

instrumen.

GOODNESS OF

MEASURES

Content Validity: Apakah instrumen

memadai utk mengukur konsep.

FaceValidity: Apakah ekspert

memvalidasi instrumen pengukuran yg

diharapkan diukur ?

Criterion-related validity : apakah

pengukuran berbeda dalam membantu

memprediksi suatu kriteria variabel?

Concurent validy : apakah pengukuran

berbeda dalam membantu memprediksi

suatu krteria variabel saat ini ?

GOODNESS OF

MEASURES

Predictive validity : apakah pengukuran

berbeda secara individual dalam

membantu memprediksi suatu kriteria

masa depan ?

Construct Validity : Apakah instrumen

mengukur konsep sebagai suatu teori

Convergen validity : Apakah dua

instrumen mengukur konsep

berkorelasi sangat tinggi.

Discriminat validity : Apakah suatu

pengukuran mempunyai korelasi yang

rendah dgn suatu variabel yg

diperkirakan tidak berkaitan.