102
dua
variabel
dikotomi
(berskala
nominal);
polyserial
untuk
satu
variabel
berskala
interval dan lainnya nominal.
10. Terdapat
ukuran
sampel
yang
memadai.
Untuk
memperoleh
hasil
yang
maksimal,
sebaiknya digunakan sampel diatas 100.
11. Sampel sama dibutuhkan untuk perhitungan regresi dalam model jalur.
Dalam
penelitian
ini
akan
mengkolaborasikan
asumsi-asumsi
path
analysis yang
dikemukakan
oleh
kedua
pakar
tersebut,
agar mendapatkan
hasil
yang
lebih
obyektif
dan
tepat.
2.1.11 MSI (Method of Successive Interval)
MSI
atau
method of
Successive
Interval merupakan
suatu
metode
yang
digunakan
untuk merubah data ordinal menjadi interval (Sarwono, 2007, p2).
Riduwan
dan Kuncoro (2008,
p30)
menyatakan
bahwa
mentransformasi
data
ordinal
menjadi
data
interval
berguna
untuk
memenuhi sebagian
dari
syarat
analisis
statistik
parametrik yang
mana
data
setidak-tidaknya
berskala
interval. Teknik transformasi
yang
paling sederhana dengan menggunakan MSI (method of successive internal).
Langkah-langkah transformasi data ordinal menjadi interval sebagai berikut:
1.Perhatikan setiap butir jawaban responden dari kuesioner yang disebarkan;
2.Pada
setiap
butir
ditentukan
berapa
orang
yang
mendapat
skor
1,
2,
3,
4
dan
5
yang
disebut frekuensi;
3.Setiap frekuensi dibagi dengan banyaknya responden dari hasilnya disebut proporsi;
4. menentukan nilai proporsi komulatif dengan menjumlahkan nilai proporsi secara berurutan
perkolom skor;
5.Gunakan tabel distribusi normal, hitung nilai z untuk setiap proporsi kumulatif yang
diperoleh;
 |