PENUGASAN

Sebuah perusahaan memiliki tingkat manajerial sejumlah 100 orang dan mereka diikutkan kepada sebuah pelatihan mengenai coaching. Pimpinan ingin mengetahui seberapa jauh dampak pelatiahn tersebut terhadap kemampuan coaching para manajernya.

Dalam hal ini digunakan metode eksperimental, terdapat 50 orang manajer yang ikut sertakan dalam pelatihan tersebut(kelompok Eksperimental), dan 50 orang manajer lagi tidak dikut sertakan dalam pelatihan tersebut (kelompok Kontrol).

Metodenya digunakan Pengukuran sebelum dan sesudah Pelatihan dengan rentang 1 minggu sebleum pelatihan dan 3 bulan setelah pelatihan, mengingat penyerapan materi dan penerapan skill.

Alat ukur yang digunakan adalah Coaching Process Questionnaire (CPQ) dari Hay, silakan jika yang memerlukan info lebih lanjut alat ukur ini kesini : http://info.haygroupupdate.com/US-PS-Talent-NUR-2015-12-Catalog-lead-nurtures-N-America-LANG-EN-X1Y3_CATALOG_US_LTSITE_LP_CPQ.html

Hipotesa 0 : Pemberian pelatihan X tidak mempengaruhi secara signifikan terhadap peningkatan Coaching Skill di PT XYZ Hipotesa alternatif : Pemberian pelatihan X mempengaruhi secara signifikan terhadap peningkatan Coaching Skill di PT XYZ

Menarik Data

library(ggpubr)
## Loading required package: ggplot2
## Loading required package: magrittr
datacpq<-read.csv("/home/peopleanalytics/Desktop/CPQ.csv")
head(datacpq)
##   PRE     Treatment POST
## 1  35 Eksperimental   75
## 2  26 Eksperimental   66
## 3  34 Eksperimental   74
## 4  24 Eksperimental   64
## 5  21 Eksperimental   61
## 6  40 Eksperimental   80
tail(datacpq)
##     PRE Treatment POST
## 95   44   Kontrol   54
## 96   30   Kontrol   40
## 97   38   Kontrol   48
## 98   43   Kontrol   53
## 99   41   Kontrol   51
## 100  29   Kontrol   39
dim(datacpq)
## [1] 100   3

Data terdapat 100 partisipan dan terdiri dari 50 pada kelompok eksperimen dan 50 pada kelompok kontrol.

Pengujian Pertama Kondisi Pre and Post

#Uji Wilcoxon
compare_means(POST ~ PRE, data = datacpq)
## # A tibble: 325 × 8
##      .y. group1 group2          p p.adj p.format p.signif   method
##    <chr>  <chr>  <chr>      <dbl> <dbl>    <chr>    <chr>    <chr>
## 1   POST     35     26 1.00000000     1   1.0000       ns Wilcoxon
## 2   POST     35     34 0.30052231     1   0.3005       ns Wilcoxon
## 3   POST     35     24 0.47454914     1   0.4745       ns Wilcoxon
## 4   POST     35     21 0.48456201     1   0.4846       ns Wilcoxon
## 5   POST     35     40 0.09942495     1   0.0994       ns Wilcoxon
## 6   POST     35     44 0.09059878     1   0.0906       ns Wilcoxon
## 7   POST     35     42 0.30052231     1   0.3005       ns Wilcoxon
## 8   POST     35     20 1.00000000     1   1.0000       ns Wilcoxon
## 9   POST     35     41 0.30052231     1   0.3005       ns Wilcoxon
## 10  POST     35     36 0.37697880     1   0.3770       ns Wilcoxon
## # ... with 315 more rows
#Create a box plot with p-values for PRE:
p <- ggboxplot(datacpq, x = "Treatment", y = "PRE",
               color = "Treatment", palette = "jco",
               add = "jitter")
#  Add p-value
p + stat_compare_means()

dengan menggunakan default uji wilcoxon tampak tidak berbeda secara signifikan pada kondisi awal antara kelompok kontrol dan kelompok eksperimental, sehingga bisa dikatakan kedua kelompok dalam kondisi yang setara

Mencoba dengan pengujian T-test

p + stat_compare_means(method = "t.test")

dengan uji t tampak tidak berbeda secara signifikan pada kondisi awal antara kelompok kontrol dan kelompok eksperimental, sehingga bisa dikatakan kedua kelompok dalam kondisi yang setara

Kesimpulan

Tidak terdapat perbedaan secara signifikan(CPQ) pada kondisi awal antara kelompok kontrol dan kelompok eksperimental, sehingga bisa dikatakan kedua kelompok dalam kondisi yang setara.

Pengujian Kedua Kondisi Pre and Post

p <- ggboxplot(datacpq, x = "Treatment", y = "POST",
               color = "Treatment", palette = "jco",
               add = "jitter")
p + stat_compare_means()

Dengan nilai probabilitias yang jauh lebih kecil dibawah 0,05 artinya terdapat perbedaan yang signifikan nilai CPQ antara kelompok kontrol dan eksperimental setelah diberikan pelatihan X. hal tersebut dapat dilihat dari gambarnya. ### Mencoba dengan pengujian T-test

p + stat_compare_means(method = "t.test")

dengan uji t nilai probalbilitas yang jauh lebih kecil dari nilai p 0.05 dan visualisasi grafik tampak perbedaan yangsignifikan pada nilai CPQ kondisi aakhir antara kelompok kontrol dan kelompok eksperimental, sehingga bisa dikatakan pemberian pelatihan memberikan dampak yang signfikan terhadap peningkatan keterampilan coaching. ##Kesimpulan Tidak terdapat perbedaan secara signifikan(CPQ) antara kelompok kontrol dan kelompok eksperimental, sehingga bisa dikatakan Pelatihan “X” memberikan peningkatan yang signfikan dalam keterampilan para manajer untuk melakukan coaching.

Bagaimana pola perubahan pola Nilai CPQ

Dapat digambarkan melalui visualisasi sebagai berikut :

#Create a box plot with p-values for PRE:
p <- ggboxplot(datacpq, x = "PRE", y = "POST",
               color = "Treatment", palette = "jco",
               add = "jitter")
#  Add p-value
p + stat_compare_means()

diatas dengan Uji Wilcoxon, berikut dengan uji T

p + stat_compare_means(method = "t.test")
## Warning: Computation failed in `stat_compare_means()`:
## arguments imply differing number of rows: 0, 1

Demikian Ilustrasi penggunaan paket library ggpubr dari R untuk menggambarkan dan menguji suatu dampak pelatihan. mudah-mudahan memberikan barokah bagi kita semua.

Depok, 15 Ramadhan 1438

Abu Amany Assundawy