Bab 11 MENGUMPULKAN DATA PRIMER MENGGUNAKAN QUESTIONNAIRES

11.1 Pendahuluan
 Kuesioner adalah istilah umum untuk memasukkan semua metode pengumpulan data di mana setiap orang diminta
untuk menanggapi serangkaian pertanyaan yang sama dalam urutan yang telah ditentukan (deVaus, 2002)
 Kuesioner adalah salah satu metode pengumpulan data yang paling banyak digunakan dalam strategi survei
 Ini adalah cara untuk memaksimalkan reliabilitas, validitas, dan tingkat respons:
o Desain pertanyaan individual yang hati-hati
o Tata letak yang jelas dan menyenangkan dari kuesioner
o Penjelasan yang gamblang tentang tujuan kuesioner o
Uji coba
o Pengiriman yang direncanakan dan dilaksanakan dengan hati-hati dan kembalinya kuesioner yang telah diisi

11.2 Gambaran umum kuesioner

 Kapan menggunakan kuesioner -> tidak baik untuk penelitian eksploratif tetapi bekerja paling baik untuk penelitian
deskriptif atau eksplanatif
 Jenis kuesioner -> silakan lihat gambar berikut
Gambar 11.1 Jenis kuesioner

 Pilihan kuesioner-> silakan lihat Tabel 11.1

o Karakteristik responden dari siapa Anda ingin
mengumpulkan data
o Pentingnya menjangkau orang tertentu sebagai responden
o Pentingnya jawaban responden tidak terkontaminasi atau terdistorsi
o Ukuran sampel yang Anda perlukan untuk analisis Anda, dengan mempertimbangkan tingkat respons yang
mungkin o Jenis pertanyaan yang perlu Anda tanyakan untuk mengumpulkan data Anda
o Jumlah pertanyaan yang perlu Anda tanyakan untuk mengumpulkan data Anda

11.3 Memutuskan data apa yang perlu dikumpulkan

1. Persyaratan desain penelitian
 Pertanyaan yang diajukan dalam kuesioner perlu ditentukan secara tepat sebelum pengumpulan data
 Sampel harus seakurat dan seakurat mungkin di mana ia akan digunakan untuk menyamaratakan total populasi
 Perlu berhubungan dengan penelitian sebelumnya -> 1) meninjau literatur dengan hati-hati; 2) diskusikan ide Anda
dengan rekan kerja, penyelia penelitian, atau pihak lain yang tertarik
 Perlu jelas tentang hubungan mana yang mungkin ada di antara variabel: dependen, independen, mediasi, moderasi

2. Jenis-jenis variabel data

 Tiga jenis variabel data yang dapat dikumpulkan melalui kuesioner:
 Variabel opini -> catat bagaimana perasaan responden tentang sesuatu atau apa yang mereka pikirkan atau yakini
benar atau salah
 Variabel perilaku -> berisi data tentang apa yang orang (atau organisasi mereka) lakukan di masa lalu, lakukan
sekarang atau akan lakukan di masa depan
 Variabel atribut -> berisi data tentang karakteristik responden, dapat mencakup usia, jenis kelamin, status
perkawinan, pendidikan, pekerjaan, pendapatan, dll

3. Memastikan bahwa data penting dikumpulkan

 Ada masalah dalam memastikan bahwa data yang dikumpulkan akan memungkinkan pertanyaan penelitian (s) untuk
dijawab dan tujuan tercapai.
 Solusinya adalah membuat tabel persyaratan data (silakan lihat Tabel 11.2 dan Kotak 11.3
 Pertanyaan investigasi adalah pertanyaan yang harus Anda jawab untuk menjawab setiap pertanyaan penelitian
dengan memuaskan dan memenuhi setiap tujuan

11.4 Merancang kuesioner

1. Menilai validitas
 Validitas / pengukuran validitas internal -> mengacu pada kemampuan kuesioner Anda untuk mengukur apa yang
ingin Anda ukur
 Validitas isi -> mengacu pada sejauh mana perangkat pengukuran menyediakan cakupan yang memadai dari
pertanyaan investigasi
 Validitas / validitas prediktif yang terkait dengan kriteria -> berkaitan dengan kemampuan tindakan (pertanyaan)
untuk membuat prediksi yang akurat
 Konstruk validitas -> mengacu pada sejauh mana pertanyaan pengukuran Anda benar-benar mengukur keberadaan
konstruk yang Anda maksudkan untuk diukur
2. Menguji keandalan
 Uji re-test -> perkiraan keandalan diperoleh dengan
menghubungkan data yang dikumpulkan dengan yang berasal dari
kuesioner yang sama yang dikumpulkan di bawah kondisi sedekat
mungkin. Kuesioner perlu disampaikan dan diselesaikan dua kali
oleh responden
 Konsistensi internal -> menghubungkan jawaban untuk
pertanyaan dalam kuesioner satu sama lain, dengan demikian,
mengukur konsistensi tanggapan baik di seluruh subkelompok
pertanyaan atau semua pertanyaan dari kuesioner Anda. Ini
diukur dengan menggunakan alpha Cronbach.
 Bentuk alternatif -> membandingkan tanggapan terhadap bentuk-
bentuk alternatif dari pertanyaan atau kelompok pertanyaan yang
sama.
Gambar 11.2 Tahapan yang harus terjadi jika suatu pertanyaan harus valid dan dapat diandalkan

3. Merancang pertanyaan individu

 Ketika merancang pertanyaan individu, kita harus melakukan salah satu dari tiga hal sebagai berikut:
o Mengadopsi pertanyaan yang digunakan dalam kuesioner lain
o Adaptasikan pertanyaan yang digunakan dalam kuesioner lain
o Kembangkan pertanyaan mereka sendiri
 Jenis pertanyaan dalam kuesioner
 Pertanyaan terbuka -> juga disebut pertanyaan terbuka, memungkinkan responden memberikan jawaban dengan
cara mereka sendiri
 Pertanyaan tertutup -> juga disebut pertanyaan pilihan paksa, berikan sejumlah alternatif jawaban dari mana
responden diinstruksikan untuk memilih. Enam jenis pertanyaan tertutup: daftar pertanyaan, pertanyaan kategori,
pertanyaan peringkat, pertanyaan peringkat, pertanyaan kuantitas, pertanyaan matriks.

4. Pertanyaan coding
 Pertanyaan tanggapan perlu dikodekan sebelum masuk ke komputer untuk analisis data
 Anda dapat melakukan pra-kode kuesioner dengan menambahkan kode ke kategori respons
 Untuk kuesioner dimediasi Internet atau Intranet Anda dapat membuat dan formulir online (kuesioner)
menggunakan alat perangkat lunak online, misalnya SurveyMonkey

5. Membuat kuisioner
 Urutan dan alur pertanyaan -> urutan harus logis bagi responden
 Untuk membantu alur pertanyaan, mungkin perlu untuk memasukkan pertanyaan-pertanyaan pengisi , yang
mengidentifikasi responden-responden yang mana pertanyaan berikut tidak berlaku sehingga mereka dapat melewati
pertanyaan-pertanyaan tersebut.

6. Menjelaskan tujuan dari kuesioner

 Surat pengantar -> ini adalah bagian pertama dari kuesioner yang harus dilihat oleh responden dan berisi penjelasan
mengenai tujuan survei.
 Memperkenalkan kuesioner -> di awal kuesioner Anda perlu menjelaskan dengan jelas dan ringkas mengapa Anda
ingin responden menyelesaikan survei
 Menutup kuesioner -> di akhir kuesioner Anda perlu menjelaskan dengan jelas apa yang Anda ingin responden lakukan
dengan kuesioner mereka yang telah selesai.

7. Uji coba dan menilai validitas

 Tujuan dari studi percontohan adalah untuk memperbaiki kuesioner sehingga responden tidak akan memiliki masalah
dalam menjawab pertanyaan dan tidak akan ada masalah dalam pencatatan data.
 Studi percontohan juga memungkinkan Anda untuk menilai validitas kuesioner dan kemungkinan keandalan data yang
akan dikumpulkan
 Studi percontohan akan memberi Anda setidaknya beberapa gagasan tentang validitas wajah kuesioner Anda, yaitu,
apakah kuesioner itu masuk akal atau tidak
 Saat melakukan uji coba, Anda perlu mencari tahu:
o Berapa lama waktu yang dibutuhkan untuk o Jika ada pertanyaan, para responden merasa
menyelesaikan kuesioner tidak nyaman untuk menjawab
o Kejelasan instruksi o Apakah menurut mereka ada kelalaian topik
o Pertanyaan yang mana, jika ada, tidak jelas atau utama
tidak ambigu o Apakah tata letaknya bersih dan menarik
o ada komentar lain
11.5 Menyampaikan dan mengumpulkan kuesioner
1. Silakan lihat Tabel 11.5
2. Kuesioner yang dimediasi oleh internet dan intranet
 Jika Anda menggunakan Internet, Anda harus mematuhi panduan operasi umum atau netiket :
o Memastikan email dan posting ke grup pengguna relevan dan Anda tidak mengirim email sampah (spam)
o Mengingat bahwa undangan untuk berpartisipasi yang dikirim ke lebih dari 20 grup pengguna sekaligus dianggap
tidak dapat diterima oleh banyak pengguna internet dan Anda tidak boleh melebihi batas ini
o Menghindari mengirim email Anda ke beberapa mailing list karena ini mungkin menghasilkan individu yang
menerima banyak salinan email Anda (ini dikenal sebagai cross-posting )
 Menghindari penggunaan lampiran email karena ini dapat mengandung virus
 Jika Anda akan mengirimkan kuesioner melalui email yang berisi tautan langsung ke kuesioner, disarankan agar Anda:
o Hubungi penerima melalui email dan sarankan mereka untuk mengharapkan kuesioner
o Email hyperlink ke kuesioner dengan email yang mencakup
o Sertakan permintaan eksplisit untuk persetujuan responden pada awal kuesioner
o Kirim email tindak lanjut pertama satu minggu setelah mengirim kuesioner melalui email kepada semua
penerima o Email tindak lanjut kedua kepada orang-orang yang belum merespons setelah tiga minggu
o Juga gunakan tindak lanjut ketiga jika waktu memungkinkan atau tingkat respons Anda rendah
3. Kuesioner pos
 Pastikan bahwa kuesioner dan surat dicetak dan amplop dibahas
 Hubungi penerima melalui pos, telepon atau email dan sarankan mereka untuk mengharapkan kuesioner-kontak pra
survei
 Posting survei dengan surat pengantar dan amplop kembali
 Posting (atau email) tindak lanjut pertama satu minggu setelah memposting survei ke semua penerima
 Posting tindak lanjut kedua kepada orang-orang yang tidak menanggapi setelah tiga minggu
 Juga gunakan tindak lanjut ketiga jika waktu memungkinkan atau tingkat respons Anda rendah
4. Pengiriman dan pengumpulan kuesioner
5. Kuesioner telepon
 Pastikan bahwa semua kuesioner dicetak atau untuk wawancara dibantu komputer, perangkat lunak telah diprogram
dan diuji
 Jika dimungkinkan dan sumber daya memungkinkan, hubungi responden melalui email, pos atau telepon yang
menasihati mereka untuk mengharapkan panggilan telepon
 Telepon setiap responden, catat data dan waktu panggilan dan apakah kuesioner sudah selesai atau belum
 Untuk panggilan yang tidak berhasil bila tidak ada balasan, coba tiga kali lagi, masing-masing pada waktu yang berbeda
dan pada hari yang berbeda, dan catat informasi yang sama
 Buat panggilan panggilan balik pada waktu yang diatur
 Kuesioner kumulatif dikembalikan oleh Internet dan posting
 Bab 12 Menganalisis Data Kuantitatif
12.1 Pendahuluan
 Data kuantitatif dalam bentuk mentah, yaitu, sebelum data ini telah diproses dan dianalisa, hanya menyampaikan
sedikit mearning kepada kebanyakan orang. Data-data ini, karenanya, perlu diproses untuk membuatnya berguna,
yaitu untuk mengubahnya menjadi informasi.
 Teknik analisis kuantitatif seperti grafik, bagan, dan statistik memungkinkan kami melakukan ini, membantu kami
mengeksplorasi, menyajikan, mendeskripsikan, dan memeriksa hubungan dan tren dalam data kami.

12.2 Menyiapkan, memasukkan, dan memeriksa data

 Jenis data -> tingkat pengukuran numerik yang berbeda menentukan berbagai teknik yang tersedia untuk presentasi
Anda, ringkasan dan analisis data Anda
 Tata letak data ->
o Beberapa metode pengumpulan data primer, seperti
wawancara pribadi yang dibantu komputer (CAPI),
wawancara telepon dibantu komputer (CATI) dan kuesioner
online secara otomatis memasukkan dan menyimpan data ke
file komputer pada saat pengumpulan, biasanya
menggunakan kode yang telah ditetapkan. Data ini dapat
diekspor dalam berbagai format untuk memastikan mereka
kompatibel dengan perangkat lunak
analisis yang berbeda.
o Untuk metode pengumpulan data lainnya, Anda harus
mempersiapkan dan memasukkan data Anda untuk
analisis komputer
o Hampir semua perangkat lunak analisis akan menerima
data Anda jika dimasukkan dalam format tabel dan ini
disebut matriks data (silakan lihat Tabel 12.1)
o Metode multiple-response -> coding menggunakan jumlah
variabel yang sama dengan jumlah tanggapan maksimum
yang berbeda dari setiap satu kasus
o Metode multi-dikotomi -> pengkodean menggunakan
variabel terpisah untuk setiap jawaban yang berbeda
Gambar 12.1 Menentukan tipe data
 Pengodean -> semua tipe data harus direkam menggunakan kode numerik Ini memungkinkan entri data cepat dan
dengan lebih sedikit kesalahan. Ini juga membuat analisis selanjutnya, khususnya yang memerlukan pengkodean ulang
data untuk membuat variabel baru, lebih mudah
o Coding numerical data -> setelah kami memasukkan data sebagai matriks, kami dapat menggunakan perangkat
lunak analisis untuk mengelompokkan atau menggabungkan data untuk membentuk variabel tambahan dengan
kategori yang kurang terperinci
o Coding data kategoris -> skema pengkodean yang ada dapat digunakan untuk banyak variabel. Ini disebut kode pra-
setel, asalkan ada sejumlah kategori terbatas dan mereka akan dipahami oleh orang yang mengisi formulir. Penting
untuk mengembangkan codebook, untuk memastikan bahwa skema pengkodean menangkap berbagai tanggapan
(lihat Kotak 12.6)
o Ketika merancang metode pengumpulan data Anda, penting untuk menjadi jelas tentang analisis yang
dimaksudkan, terutama: 1) tingkat ketepatan yang diperlukan; 2) skema pengkodean yang digunakan oleh survei
dengan perbandingan mana yang harus dibuat
 Coding data yang hilang -> Setiap variabel untuk setiap kasus dalam kumpulan data Anda harus memiliki kode. Empat
alasan utama untuk data yang hilang diidentifikasi oleh deVaus (2002):
o Data tidak diperlukan dari responden, mungkin karena lompatan yang dihasilkan oleh pertanyaan filter dalam
survei o Responden menolak menjawab pertanyaan (tidak menanggapi)
o Responden tidak tahu jawabannya atau tidak memiliki pendapat
o Responden mungkin tidak menjawab pertanyaan karena kesalahan, atau jawaban responden mungkin tidak jelas o
Responden yang meninggalkan sebagian pertanyaan dalam sebuah survei kosong menyiratkan sebuah jawaban,
dalam kasus-kasus seperti itu data tidak diklasifikasikan sebagai hilang (tolong lihat Kotak 12.6)
 Memasukkan data -> memastikan Anda memasukkan data dengan benar
 Memeriksa kesalahan -> Metode utama untuk memeriksa data untuk kesalahan adalah: 1) mencari kode tidak sah; 2)
mencari hubungan yang tidak logis; 3) periksa apakah aturan dalam pertanyaan filter diikuti
 Kasus pembobotan -> Untuk beberapa bentuk sampling probabilitas, misalnya stratified random sampling, Anda
mungkin telah menggunakan fraksi sampling yang berbeda untuk setiap strata. Untuk mendapatkan gambaran
keseluruhan yang akurat, Anda perlu mempertimbangkan perbedaan-perbedaan dalam tingkat tanggapan antar strata,
karenanya, kita perlu mempertimbangkan kasus-kasus
12.3 Menjelajahi dan menyajikan data
 Menjelajahi dan menyajikan variabel individual:
o Untuk menunjukkan nilai spesifik -> gunakan tabel (distribusi frekuensi)
o Untuk menunjukkan nilai tertinggi dan terendah -> gunakan diagram seperti diagram batang dan piktogram (untuk
data kategori dan diskrit) dan histogram untuk data kontinyu
o Untuk menunjukkan tren -> tren hanya dapat disajikan untuk variabel yang mengandung data longitudinal numerik (dan
kadang-kadang peringkat). Diagram yang paling sesuai untuk menjelajahi tren adalah grafik garis (lihat Kotak
12.9)
o Untuk menunjukkan proporsi -> pie chart adalah yang paling banyak digunakan
o Untuk menunjukkan distribusi nilai -> sebelum kita menguji data, perlu untuk menetapkan distribusi nilai untuk
variabel yang mengandung data numerik. Data dapat miring secara positif (miring ke kiri dan ekor panjang ke
kanan), miring negatif (miring ke kanan dan ekor panjang ke kiri), dan terdistribusi secara simetris
o Bentuk khusus dari distribusi simetris, di mana data dapat diplot sebagai kurva berbentuk lonceng dikenal sebagai
distribusi normal
o Indikator lain dari bentuk distribusi adalah kurtosis - keterpusatan atau kerataan distribusi dibandingkan dengan
distribusi normal. Leptokurtik -> jika distribusi lebih runcing atau memuncak. Nilai kurtosis positif. Platykurtic ->
distribusi lebih datar dan nilai kurtosis negatif. Mesokurtic -> distribusi yang berada di antara ekstrem puncak dan
kerataan, dan memiliki nilai kurtosis 0
o Kotak petak dapat digunakan untuk menunjukkan representasi bergambar dari distribusi data untuk variabel

Gambar 12.2 & 12.3 Diagram batang

Gambar 12.4 & 12.5 Histogram Gambar 12.6 Pictogram

Gambar 12.7 Grafik garis Gambar 12.8 Plot box beranotasi

  Membandingkan variabel
o Untuk menunjukkan nilai-nilai spesifik dan interdependensi -> metode terbaik untuk menemukan nilai data spesifik
adalah tabel dan ini dikenal sebagai tabel kontingensi atau tabulasi silang (Tabel 12.3)
o Untuk membandingkan nilai tertinggi dan terendah - Gunakan beberapa grafik batang (Gambar 12.9)
o Untuk membandingkan proporsi -> gunakan bagan batang komponen persentase (Gambar 12.10)
o Untuk membandingkan tren dan konjungsi -> gunakan grafik banyak garis (lihat Kotak 12.11)
o Untuk membandingkan total -> gunakan diagram batang bertumpuk (lihat Gambar 12.11)
o Untuk membandingkan proporsi dan total -> gunakan bagan pai proporsional komparatif (lihat Kotak 12.9)
o Untuk membandingkan distribusi nilai -> petak beberapa poligon frekuensi atau bagan batang akan memungkinkan
Anda untuk membandingkan distribusi hingga tiga atau empat variabel (lihat Kotak 12.11 dan Gambar 12.8)
o Untuk menunjukkan hubungan antara kasus untuk variabel -> gunakan grafik pencar atau scatter plot (lihat Gambar
12.12)

Gambar 12.9 Multiple diagram batang Gambar 12.11 Stacked bar chart

Gambar 12.10 Bagan batang komponen persentase Gambar 12.12 Scatter graph

Fokus pada penelitian siswa: mengukur kecenderungan sentral

Gambar 12.13 Pita frekuensi beranotasi menunjukkan distribusi normal

12.4 Menggambarkan data menggunakan statistik

 Menggambarkan tendensi sentral: tiga cara mengukur tendensi sentral adalah: 1) nilai yang paling sering terjadi (mode);
2) nilai tengah atau titik tengah setelah data diurutkan (median); 3) nilai, sering dikenal sebagai rata-rata, yang
mencakup semua nilai data dalam perhitungannya (rata-rata) -> tolong lihat Tabel 12.4 dan Kotak 12.12
 Menggambarkan dispersi -> dua cara yang paling sering digunakan untuk mendeskripsikan dispersi adalah: 1) perbedaan
di tengah 50 persen nilai (rentang antar-kuartil); 2) Sejauh mana nilai berbeda dari mean (standar deviasi)
12.5 Memeriksa hubungan, perbedaan dan tren menggunakan statistik
 Ada dua kelompok utama uji signifikansi statistik:
o Statistik parametrik -> digunakan dengan data numerik
o Statistik non-parametrik -> dirancang untuk digunakan ketika data Anda tidak terdistribusi secara normal
 Anda perlu memastikan bahwa ukuran sampel Anda cukup besar untuk memenuhi persyaratan statistik yang Anda
gunakan. Jika asumsi tidak dipenuhi, seringkali masih mungkin menggunakan statistik non-parametrik
 Pls lihat Tabel 12.5
 Pengujian normalitas -> uji parametrik mengasumsikan bahwa data numerik dalam sampel Anda diambil dari populasi
terdistribusi normal. Gunakan uji Kolmogorov-Smirnov dan tes Shapiro-Wilk
 Menguji hubungan dan perbedaan yang signifikan
o Menguji kemungkinan suatu pola seperti hubungan antara variabel yang terjadi secara kebetulan saja dikenal sebagai
pengujian signifikansi
o Pengujian mencakup statistik uji, tingkat kebebasan (df) dan probabilitas (p-value) dari hasil tes Anda
o Jika probabilitas statistik tes Anda atau satu lagi ekstrem terjadi secara kebetulan saja sangat rendah (biasanya p <0,05 atau
lebih rendah), maka Anda memiliki hubungan yang signifikan secara statistik. Kami menyebut ini sebagai menolak
hipotesis nol (H0) dan menerima hipotesis alternatif (H1)
o Jika probabilitas untuk mendapatkan statistik uji atau satu lagi secara kebetulan saja lebih tinggi dari 0,05, maka Anda
menyimpulkan bahwa hubungan itu tidak signifikan secara statistik. Kami menganggap ini sebagai menerima
hipotesis nol (H0). Mungkin masih ada hubungan antara variabel dalam keadaan seperti itu, tetapi Anda tidak dapat
membuat kesimpulan dengan pasti
 Kesalahan Tipe I dan Tipe II
o Kesalahan dapat terjadi ketika membuat kesimpulan dari sampel
o Kesalahan Tipe I -> kesalahan yang dibuat dengan salah menolak H0 dan karena itu
menerima hipotesis alternatif (H1). Misalnya menyimpulkan bahwa dua variabel
terkait ketika mereka tidak
o Kesalahan Tipe II -> kesalahan yang dibuat oleh salah menerima H0 ketika harus
ditolak. Misalnya menyimpulkan bahwa dua variabel tidak terkait ketika mereka
benar-benar terkait

Gambar 12.14 Kesalahan Tipe I dan Tipe II

 Untuk menguji apakah dua variabel terkait
o Tes chi square memungkinkan Anda untuk mencari tahu seberapa besar kemungkinan kedua variabel tersebut terkait
 Untuk menguji apakah dua kelompok berbeda
o Data peringkat -> gunakan uji Kolmogorov-Smirnov (lihat Kotak 12.16)
o Data numerik -> gunakan t -test grup independen (lihat Kotak 12.17). Tetapi jika datanya miring atau ukuran
sampelnya kecil, gunakan tes Mann-Whitney U (tes non-parametrik)
 Untuk menguji apakah tiga atau lebih kelompok berbeda -> gunakan varian analisis satu arah (ANOVA satu arah) .
ANOVA menganalisis varians, yaitu, penyebaran nilai data, di dalam dan di antara kelompok data dengan cara
membandingkan. Rasio F atau statistik F mewakili perbedaan-perbedaan ini
 Menilai kekuatan hubungan
o Untuk menilai kekuatan hubungan antara pasangan variabel -> gunakan koefisien korelasi (diwakili oleh huruf r).
Koefisien ini dapat mengambil nilai apa pun antara +1 dan -1. Silakan lihat Gambar 12.15
o Jika kedua variabel mengandung data numerik menggunakan koefisien korelasi momen produk Pearson (PMCC)
untuk menilai kekuatan hubungan
o Untuk data peringkat kami tidak dapat menggunakan PMCC dan menggunakan koefisien korelasi peringkat Spearman
(Spearman rho) dan koefisien korelasi peringkat Kendall (Kendall's tau)

Gambar 12.15 Nilai koefisien korelasi

 Untuk menilai kekuatan hubungan sebab-akibat antara variabel dependen dan independen
o Koefisien determinasi (kadang-kadang dikenal sebagai koefisien regresi) memungkinkan Anda untuk menilai
kekuatan hubungan antara variabel dependen numerik dan satu atau lebih variabel independen numerik
o Koefisien determinasi (diwakili oleh r 2) hanya dapat mengambil nilai antara 0 dan +1. Ini mengukur proporsi variasi
dalam variabel dependen yang dapat dijelaskan secara statistik oleh variabel independen (s). Biasanya r 2 tertinggi
yang bisa diperoleh adalah 0,8
o Analisis regresi -> proses perhitungan koefisien determinasi dan persamaan regresi menggunakan satu variabel
independen
o Analisis regresi berganda -> perhitungan koefisien determinasi berganda (atau koefisien regresi ganda) dan
persamaan regresi menggunakan dua atau lebih variabel independen
  Untuk memprediksi nilai variabel dari satu atau lebih variabel lain -> ketika menghitung persamaan regresi Anda perlu
memastikan asumsi berikut terpenuhi:
o Hubungan antara variabel dependen dan independen adalah linear. Linearitas mengacu pada sejauh mana perubahan
dalam variabel dependen terkait dengan perubahan dalam variabel independen
o Homoscedasticity -> sejauh mana nilai data untuk variabel dependen dan independen memiliki varians yang sama
dan dapat diuji menggunakan uji Levene untuk homogenitas varians. Jika heteroskedastisitas ada, masih mungkin
untuk melakukan analisis
o Tidak adanya korelasi antara dua atau lebih variabel independen (juga disebut collinearity), karena hal ini menyulitkan
untuk menentukan efek terpisah dari variabel individual. Aturan dasarnya adalah bahwa kehadiran korelasi tinggi
(umumnya 0,9 dan di atas) menunjukkan collinearity substansial (Hair et al. 2006)
o Data untuk variabel independen dan variabel dependen terdistribusi secara normal
 Meneliti tren
o Untuk mengeksplorasi tren -> Kita dapat menggunakan nomor indeks untuk membandingkan besaran relatif untuk
setiap nilai data (kasus) dari waktu ke waktu daripada menggunakan nilai data yang sebenarnya
o Untuk membandingkan tren -> gunakan angka indeks dan bandingkan perubahan relatif dalam nilai indeks daripada
angka sebenarnya
o Untuk menentukan tren dan perkiraan -> Hitung rata-rata bergerak untuk rangkaian waktu nilai data. Rata-rata
bergerak melibatkan penggantian setiap nilai dalam rangkaian waktu dengan nilai rata-rata itu dan nilai-nilai tersebut
langsung mendahului dan mengikutinya. Ini akan memuluskan variasi dalam data sehingga kita dapat melihat tren
dengan lebih jelas -> dapat dilakukan menggunakan perangkat lunak statistik
o Tren jangka panjang -> jumlah di mana nilai berubah dalam setiap periode waktu setelah variasi telah dihaluskan
o Statistik Durbin-Watson dapat digunakan untuk menemukan apakah nilai variabel dependen Anda pada waktu t
terkait dengan nilainya pada periode waktu sebelumnya, biasanya disebut sebagai t -1. Situasi ini dikenal sebagai
korelasi autocorrelation atau serial . Ini berarti bahwa hasil analisis regresi cenderung tidak dapat diandalkan.
o Rentang statistik Durbin-Watson dalam nilai dari 0 hingga 4, nilai terhadap 0 menunjukkan autokorelasi positif dan
nilai terhadap 4 menunjukkan autokorelasi negatif

Bab 13 ANALISIS DATA KUALITATIF

13.2 Data Kualitatif
Perbedaan antara data kuantitatif dan kualitatif:
Data kuantitatif Data kualitatif
Berdasarkan makna yang berasal dari angka Berdasarkan makna yang diungkapkan melalui kata-kata
Koleksi menghasilkan data numerik dan standar Pengumpulan menghasilkan data yang tidak terstandardisasi
yang membutuhkan klasifikasi ke dalam kategori
Analisis dilakukan melalui penggunaan diagram dan statistik Analisis dilakukan melalui penggunaan konseptualisasi

13.3 Memutuskan pendekatan Anda untuk analisis

 Menggunakan pendekatan deduktif
 Menggunakan pendekatan induktif

13.4 Menyiapkan data Anda untuk analisis

 Transkripsikan data kualitatif -> tolong lihat Tabel 13.2
 Menggunakan data tekstual elektronik termasuk dokumen yang dipindai -> kita perlu memastikan bahwa datanya adalah: o
Diakui dengan tepat, seperti dengan menggunakan kode terpisah untuk diri sendiri dan peserta yang berbeda
o Disimpan dengan tepat untuk analisis, misalnya satu file untuk setiap wawancara, setiap notulen rapat atau setiap
kebijakan organisasi
o Bebas dari salah ketik

13.5 Bantuan untuk membantu analisis Anda

 Selain menyalin rekaman audio atau catatan Anda, itu juga akan membantu analisis Anda jika Anda telah membuat
catatan informasi kontekstual seperti:
o Ringkasan sementara atau perkembangan: apa yang telah Anda temukan sejauh ini, tingkat kepercayaan diri apa
yang Anda miliki dalam temuan dan kesimpulan Anda hingga saat ini, apa yang perlu Anda lakukan untuk
meningkatkan kualitas data Anda dan / atau untuk mencari bukti kesimpulan yang jelas , atau untuk mencari
penjelasan alternatif, bagaimana Anda akan berusaha untuk mencapai kebutuhan yang diidentifikasi oleh analisis
sementara di atas
o Ringkasan transkrip
o Ringkasan dokumen
o Self-memo
o Sebuah buku catatan penelitian
o Sebuah buku harian atau jurnal reflektif
13.6 Pendekatan umum untuk analisis
 Ada tiga dimensi untuk analisis data kualitatif:
 Sangat terstruktur vs kurang terstruktur
 Bergantung pada interpretasi vs bergantung pada
aturan
 Induktif vs deduktif vs generik Gambar
13.1 Dimensi analisis kualitatif

Pendekatan umum untuk analisis

 Mengkategorikan data -> ada tiga sumber utama untuk memperoleh kode atau label untuk kategori ini:
o Anda menggunakan istilah yang muncul saat Anda menganalisis data Anda
o Mereka didasarkan pada ketentuan aktual yang digunakan oleh peserta Anda (dalam kode in vivo)
o Mereka berasal dari istilah yang digunakan dalam teori dan literatur yang
ada
 Menurut Hari (1993) kategori data harus memiliki:
o Aspek internal -> mereka harus berarti dalam kaitannya dengan data
o Aspek eksternal -> mereka harus bermakna dalam kaitannya dengan
kategori lain
Gambar 13.2 Jenis kategori dan kode

 Unitising data -> unit data dapat berupa jumlah kata, garis transkrip, kalimat, sejumlah kalimat, paragraf lengkap, atau
beberapa bagian data tekstual lain yang sesuai dengan kategori
 Mengenali hubungan dan mengembangkan kategori -> pls lihat kotak 13.7
 Mengembangkan proposisi yang dapat diuji -> pls lihat kotak 13.8. Dengan menguji proposisi Anda secara ketat terhadap
data Anda, mencari penjelasan alternatif dan mencari penjelasan mengapa kasus negatif terjadi, Anda akan dapat bergerak
ke arah pengembangan kesimpulan yang valid dan beralasan kuat. Proposisi dapat diuji dengan mencari penjelasan
alternatif dan contoh negatif yang tidak sesuai dengan pola atau hubungan yang sedang diuji

Fokus pada penelitian siswa: ekstrak wawancara dengan kategori terlampir

 Sifat interaktif dari proses -> pengumpulan data, analisis data dan
pengembangan dan verifikasi proposisi adalah sangat banyak proses
yang saling terkait dan interaktif
 Melaporkan hasil data kualitatif -> proses menganalisis data Anda
akan mengungkapkan tema, pola dan hubungan yang, setelah
diverifikasi, akan menjadi penting untuk dilaporkan. Anda dapat
melaporkan ini dengan menggunakan teks Anda sendiri dan pilihan
kutipan dari peserta penelitian Anda
 Mengukur data kualitatif Anda -> Anda dapat melakukan ini ketika
Anda ingin menghitung frekuensi kejadian tertentu. Frekuensi ini dapat ditampilkan menggunakan tabel atau diagram dan
biasanya dapat diproduksi menggunakan perangkat lunak analisis data kualitatif dibantu komputer (CAQDAS). Tapi ini hanya
analisis tambahan, bukan yang utama.
 Tampilan dan analisis data -> Menurut Miles dan Huberman (1994), proses analisis terdiri dari tiga subproses yang
bersamaan:
o Pengurangan data -> termasuk meringkas dan menyederhanakan data yang dikumpulkan dan / atau secara selektif
berfokus pada beberapa bagian dari data ini
o Tampilan data -> melibatkan pengorganisasian dan pengumpulan data Anda ke dalam diagram ringkasan atau tampilan
visual
o Menggambar dan memverifikasi kesimpulan -> mengenali hubungan dan pola dalam data, serta menarik kesimpulan
dan memverifikasi ini, dibantu oleh penggunaan tampilan data. Menampilkan data memungkinkan Anda untuk
membuat perbandingan antara elemen data dan untuk mengidentifikasi hubungan apa pun, tema utama, pola dan tren
yang mungkin terbukti

13.7 Pendekatan khusus untuk analisis: prosedur induktif

 Metode Teori Beralas:
o Sampel awal akan sengaja dipilih untuk memberi Anda kasus yang tepat untuk mengumpulkan data yang terkait
dengan pertanyaan dan tujuan penelitian Anda
o Analisis berikut dari data awal ini, kasus lebih lanjut akan dipilih untuk mengumpulkan data, untuk mengembangkan
lebih lanjut kategori dan konsep analitis Anda untuk dapat menjelajahi hubungan antara ini untuk mengembangkan
teori grounded -> ini disebut sampling teoritis
o Pengambilan sampel teoritis berlanjut sampai kejenuhan teoritis tercapai -> ini terjadi ketika pengumpulan data
berhenti untuk mengungkapkan data baru yang relevan dengan kategori, di mana kategori telah berkembang
dengan baik dan dipahami dan hubungan antar kategori telah diverifikasi
  Pengodean awal atau pengkodean terbuka -> data yang Anda kumpulkan akan dipilah menjadi unit-unit konseptual
dan diberikan label. Ada tiga sumber utama untuk memperoleh nama untuk kode: 1) menggunakan istilah yang muncul
dari data Anda; 2) menggunakan istilah yang sebenarnya digunakan oleh peserta (dalam kode vivo); 3) menggunakan
istilah-istilah aktual yang digunakan dalam teori yang ada
 Pengkodean terfokus -> melibatkan analisis ulang data
Anda untuk menguji kode awal mana yang dapat digunakan
untuk mengkategorikan unit yang lebih besar dari data ini
 Pengkodean aksial -> mengacu pada proses mencari
hubungan antara kategori data yang muncul dari
pengkodean terbuka. Ketika hubungan antar kategori
dikenali, mereka disusun kembali menjadi bentuk hierarkis,
dengan munculnya subkategori
 Pengkodean selektif -> mengidentifikasi salah satu kategori
utama, yang kemudian dikenal sebagai kategori pusat atau
inti, untuk menghubungkan kategori lain dengan kategori
pusat / inti ini, dengan tujuan mengintegrasikan penelitian
dan mengembangkan teori yang beralasan
 Implikasi menggunakan Metode Teori Beralas -> memakan
waktu, intensif dan reflektif
Gambar 13.3 Membandingkan pendekatan dengan metode grounded theory

 Analisis Template -> menggabungkan pendekatan deduktif dan induktif untuk analisis kualitatif dalam arti bahwa kode
dapat ditentukan sebelumnya dan kemudian diubah atau ditambahkan saat data dikumpulkan dan dianalisis
 Induksi Analitik -> pemeriksaan intensif dari sejumlah kasus yang dipilih secara strategis sehingga dapat secara empiris
menetapkan penyebab fenomena tertentu. Induksi analitik mendorong pengumpulan data yang menyeluruh dan kaya
dengan mengeksplorasi tindakan dan makna dari mereka yang berpartisipasi dalam proses ini, melalui wawancara
mendalam atau observasi, atau beberapa kombinasi dari metode ini.
 Analisis Narasi -> analisis ini menguntungkan karena pengalaman peserta dapat dipahami dengan mengumpulkan dan
menganalisis cerita atau narasi lengkap, daripada sebagai data yang terfragmentasi.
 Analisis Wacana -> adalah istilah umum yang mencakup berbagai pendekatan yang sangat luas terhadap analisis
bahasa pada haknya sendiri dan berkaitan dengan bagaimana dan mengapa bahasa individu digunakan oleh individu
dalam konteks sosial tertentu. Secara khusus, ini mengeksplorasi bagaimana bahasa (wacana) dalam bentuk
pembicaraan dan teks baik membangun dan sekaligus mereproduksi dan / atau mengubah dunia sosial daripada
menggunakannya sebagai sarana untuk mengungkapkan dunia sosial sebagai sebuah fenomena
Gambar 13.4 Kerangka analitis tiga dimensi untuk
analisis wacana kritis

Bab 14 MENULIS DAN MEMPRESENTASIKAN LAPORAN PROYEK ANDA

14.1 Pendahuluan
 Menulis tentang karya Anda cara paling efektif untuk mengklarifikasi pikiran Anda
 Menulis tidak harus dilihat sebagai tahap terakhir penelitian Anda tetapi dianggap sebagai sesuatu yang berkelanjutan
sepanjang riset Anda

14.2 Memulai dengan menulis

 Ciptakan waktu untuk menulis Anda
 Tulis saat pikiran Anda segar
 Temukan tempat menulis biasa
 Tentukan gol dan capai mereka
 Gunakan pengolah kata
 Hasilkan rencana
 Dapatkan teman untuk membaca karya Anda
14.3 Menyusun struktur laporan proyek Anda
 Struktur yang disarankan
o Abstrak-> 1) harus pendek; 2) harus mandiri; 3) harus memenuhi kebutuhan pembaca Anda; 4) harus
menyampaikan penekanan yang sama dengan laporan proyek; 5) harus obyektif, tepat dan mudah dibaca
o Bab pendahuluan -> ini seharusnya memberi pembaca gagasan yang jelas tentang isu sentral yang menjadi
perhatian dalam riset Anda dan mengapa Anda berpikir bahwa ini patut dipelajari
o Tinjauan pustaka -> untuk menetapkan studi Anda dalam konteks yang lebih luas dan untuk menunjukkan kepada
pembaca bagaimana studi Anda melengkapi pekerjaan yang telah dilakukan pada topik Anda
o Bab metodologi -> bab yang terperinci dan transparan memberi pembaca informasi yang cukup untuk membuat
perkiraan reliabilitas dan validitas metode Anda, dan kepercayaan atas temuan Anda
o Bab Temuan (s) -> bagian ini melaporkan fakta-fakta yang Anda temukan dalam penelitian Anda o
Bab diskusi -> fokus utamanya adalah pada interpretasi hasil yang Anda sajikan dalam bab temuan
o Bab kesimpulan -> bab ini tidak boleh digunakan untuk menyajikan materi baru dan harus menjadi kesimpulan
untuk keseluruhan proyek (bukan hanya temuan penelitian). Cara yang paling jelas adalah mengikuti struktur yang
mirip dengan yang digunakan di bagian temuan Anda. Jika struktur tersebut merefleksikan tujuan penelitian maka
harus memastikan bahwa kesimpulan Anda akan mengatasinya.
Gambar 14.1 Menggunakan matriks dalam perencanaan konten untuk hasil dan kesimpulan bab

o Referensi -> Tiga gaya referensi yang paling populer adalah Harvard, Chicago, dan APA
o Lampiran -> Secara umum, lampiran harus dijaga seminimal mungkin.
o Rekomendasi -> Jika Anda ingin riset Anda mengubah situasi yang Anda teliti, maka sertakan kebutuhan untuk
mengembangkan rekomendasi dalam tujuan penelitian Anda.
o Panjang laporan proyek -> Tetap pada pedoman tentang jumlah kata yang harus ada dalam laporan proyek Anda

14.4 Mengatur isi laporan proyek

 Memilih judul
 Ceritakan kisah yang jelas
 Membantu pembaca untuk mendapatkan semua informasi
o Membagi pekerjaan Anda
o Melakukan pratinjau dan meringkas bab
o Tabel dan grafik

Gambar 14.2 Format untuk mengembangkan alur cerita

14.5 Mengembangkan gaya penulisan yang sesuai

 Kejelasan dan kesederhanaan
 Tulis kalimat sederhana
 Hindari jargon
 Hati-hati menggunakan banyak kutipan dari literatur
 Periksa ejaan dan tata bahasa Anda
 Menghindari kesalahan tata bahasa yang umum
 Menjaga anonimitas
 Kebutuhan untuk revisi terus-menerus

14,7 Presentasi lisan dari laporan

 Merencanakan dan menyiapkan -> 1) Memiliki tujuan dan sasaran yang jelas; 2) Jaga agar tetap jelas dan sederhana
 Menggunakan alat bantu visual
 Membuat presentasi
 BAB 7 MEMILIH SAMPEL
7.1 Pendahuluan
 Sensus -> kumpulkan dan analisis data dari setiap kemungkinan kasus atau
anggota kelompok
 Contoh -> Bagian yang mengandung karakteristik populasi yang lebih besar
 Sampel digunakan dalam pengujian statistik ketika ukuran populasi terlalu besar
untuk tes untuk menyertakan semua anggota atau pengamatan yang mungkin
 Sampel harus mewakili keseluruhan populasi dan tidak mencerminkan bias
terhadap atribut tertentu
 Populasi -> kumpulan kasus lengkap dari mana sampel diambil disebut populasi
Gambar 7.1 Populasi, sampel dan kasus individu
Kebutuhan untuk sampel
 Akan tidak praktis bagi Anda untuk mensurvei seluruh
penduduk
 Batasan anggaran Anda menghalangi Anda untuk mensurvei
seluruh populasi
 Batasan waktu Anda menghalangi Anda untuk mensurvei
seluruh populasi
Gambaran teknik sampling
 Probabilitas atau sampling representatif
 Non-probability sampling

Gambar 7.2 Teknik pengambilan sampel

7.2 Probability Sampling
Tahapan sampling probabilitas:
1. Mengidentifikasi kerangka sampling yang sesuai dan implikasinya untuk generalisasi
o Bingkai pengambilan sampel -> daftar lengkap semua kasus dalam populasi dari mana sampel Anda akan diambil.
Tanpa kerangka sampling Anda tidak akan dapat memilih sampel probabilitas & harus mempertimbangkan
menggunakan sampling non-probabilitas
o Bingkai pengambilan sampel harus lengkap, akurat, dan terbaru
2. Memutuskan ukuran sampel yang sesuai
o Generalisasi tentang populasi dari data yang dikumpulkan menggunakan sampel probabilitas didasarkan pada
probabilitas statistik
o Semakin besar ukuran sampel, semakin rendah kemungkinan kesalahan dalam generalisasi populasi
o Probabilitas sampling adalah kompromi antara akurasi temuan Anda dan jumlah waktu dan uang yang Anda
investasikan dalam mengumpulkan, memeriksa dan menganalisis data
o Pilihan ukuran sampel Anda dalam kompromi ini diatur oleh:
- Keyakinan yang perlu Anda miliki dalam data Anda - tingkat kepastian karakteristik data yang dikumpulkan akan
mewakili karakteristik dari total populasi
- Batas kesalahan yang dapat Anda toleransi - akurasi yang Anda butuhkan untuk setiap perkiraan yang dibuat dari
sampel Anda
- Jenis analisis yang akan Anda lakukan - jumlah kategori yang Anda inginkan untuk membagi lagi data Anda
- Ukuran total populasi dari mana sampel Anda diambil
o Semakin besar ukuran absolut suatu sampel, semakin dekat distribusinya ke distribusi normal dan dengan demikian
semakin kuat
o Hubungan ini, yang dikenal sebagai teorema batas pusat, terjadi bahkan jika populasi dari mana sampel diambil tidak
terdistribusi secara normal
o Ukuran sampel 30 atau lebih biasanya akan menghasilkan distribusi sampling untuk mean yang sangat dekat dengan
distribusi normal
o Inferensi statistik -> proses menghasilkan kesimpulan tentang populasi berdasarkan data yang menjelaskan sampel o
Hukum jumlah besar -> Memberikan mereka tidak bias, sampel ukuran absolut yang lebih besar lebih mungkin untuk
mewakili populasi dari mana mereka ditarik daripada sampel yang lebih kecil dan, khususnya, rata-rata (rata-rata)
dihitung untuk sampel lebih cenderung sama dengan mean untuk populasi
3. Pentingnya tingkat respons yang tinggi
o Sampel representatif sempurna adalah yang mewakili populasi dari mana ia diambil
o Kenyataannya, Anda cenderung tidak memiliki tanggapan. Non-responden berbeda dari sisa populasi -> akibatnya,
responden Anda tidak akan mewakili total populasi dan data yang Anda kumpulkan mungkin bias
o Empat tingkat non-respons:
- Penolakan lengkap: tidak ada satu pun pertanyaan yang dijawab
- Break-off: kurang dari 50 persen dari semua pertanyaan yang dijawab
- Tanggapan sebagian: 50 persen hingga 80 persen dari semua pertanyaan dijawab
- Respons lengkap: lebih dari 80 persen dari semua pertanyaan dijawab
 o Non-respons adalah karena empat masalah yang saling terkait:
- Menolak untuk menanggapi
- Tidak memenuhi syarat untuk menanggapi
- Ketidakmampuan untuk menemukan responden
- Responden berada tetapi tidak dapat melakukan kontak
o Beberapa responden yang Anda pilih mungkin tidak memenuhi persyaratan penelitian Anda sehingga tidak memenuhi
syarat untuk menanggapi
o Non-lokasi dan non-kontak menciptakan responden yang tidak dapat dijangkau -> mereka tidak akan diwakili dalam
data yang Anda kumpulkan
o Menurut Neumann (2005):
- Tingkat respons total = jumlah total tanggapan / (jumlah total dalam sampel - tidak memenuhi syarat)
- Tingkat respons aktif = jumlah total tanggapan / (jumlah total dalam sampel - [tidak memenuhi syarat + tidak
dapat dicapai])
4. Memperkirakan tingkat respons dan ukuran sampel aktual yang diperlukan Ukuran sampel aktual yang Anda butuhkan
dapat dihitung menggunakan rumus berikut:

 nα = ukuran sampel aktual yang diperlukan

 n = ukuran sampel minimum
 re% = perkiraan tingkat respons yang dinyatakan sebagai persentase
5. Memilih teknik sampling yang paling tepat dan sampel
 Simple random sampling (atau hanya random sampling ) -> melibatkan pemilihan sampel secara acak dari kerangka
sampling menggunakan komputer atau tabel angka acak. Untuk melakukan ini:
o Beri nomor masing-masing kasus dalam kerangka sampling Anda dengan nomor unik. Kasus pertama diberi nomor
0, angka 1 dan seterusnya
o Pilih kasus menggunakan angka acak sampai ukuran sampel Anda yang sebenarnya tercapai
 Pengambilan sampel acak sistematik (sampling sistematis) -> melibatkan pemilihan sampel secara berkala dari
kerangka sampling. Untuk melakukan ini:
o Beri nomor masing-masing kasus dalam kerangka sampling Anda dengan nomor unik, kasus pertama diberi nomor 0,
angka 1 dan seterusnya
o Pilih kasus pertama menggunakan nomor acak
o Hitung fraksi sampling
o Pilih kasus berikutnya secara sistematis menggunakan fraksi sampling untuk menentukan frekuensi seleksi
o Untuk menghitung pecahan sampling, gunakan rumus ini:
Fraksi sampling = ukuran sampel sebenarnya / populasi total
 Stratified random sampling -> modifikasi sampling acak di mana Anda membagi populasi menjadi dua atau lebih strata
yang relevan dan signifikan berdasarkan pada satu atau sejumlah atribut
 Kerangka sampling dibagi menjadi sejumlah himpunan bagian
 Sampel acak (sederhana atau sistematis) kemudian diambil dari masing-masing strata
 Langkah-langkahnya adalah:
o Pilih variabel stratifikasi (s)
o Bagilah kerangka sampling ke dalam strata diskrit
o Jumlahkan setiap kasus dalam setiap strata dengan numbe yang unik
o Pilih sampel Anda menggunakan sampling acak sederhana acak atau sistematis
 Pengambilan sampel klaster -> serupa dengan pengambilan sampel acak bertingkat saat kita perlu membagi populasi
menjadi kelompok-kelompok diskrit sebelum pengambilan sampel dan kelompok-kelompok tersebut disebut klaster
dan dapat didasarkan pada setiap kelompok yang terjadi secara alami.
o Pilih pengelompokan klaster untuk kerangka sampling Anda
o Beri nomor masing-masing kelompok dengan nomor unik. Cluster pertama diberi nomor 0, yang kedua 1 dan
seterusnya
o Pilih sampel klaster Anda menggunakan beberapa bentuk sampling acak
 Multi-stage sampling -> pengembangan sampling cluster
 Ini biasanya digunakan untuk mengatasi masalah yang terkait dengan populasi yang tersebar secara geografis ketika
kontak tatap muka diperlukan atau di mana itu mahal dan memakan waktu untuk membangun kerangka sampling
untuk area geografis yang luas.
 Gambar 7.3 Memilih sampel
probabilitas

Gambar 7.4 Fase-fase sampling multi-tahap

7.3 Non-probability sampling

 Non-probability sampling menyediakan berbagai teknik alternatif untuk memilih sampel, yang sebagian besar
termasuk elemen penilaian subjektif
 Untuk jenis sampling ini (kecuali quota sampling) masalah sampel tidak jelas dan tidak ada aturan
 Untuk mengumpulkan data kualitatif, kami menggunakan data saturasi yang berarti kami terus mengumpulkan data
sampai tidak ada informasi atau tema baru yang muncul dari data
 Silakan lihat Tabel 7.5 untuk ukuran sampel non-probabilitas minimum
1. Quota sampling -> sepenuhnya tidak acak dan sering digunakan untuk wawancara terstruktur sebagai bagian dari
strategi survei. Langkah-langkahnya adalah:
o Bagilah penduduk menjadi kelompok-kelompok tertentu
o Hitung kuota untuk setiap grup berdasarkan data yang relevan dan tersedia
o Berikan setiap pewawancara tugas, yang menyatakan jumlah kasus di setiap kuota dari mana mereka harus
mengumpulkan data
o Gabungkan data yang dikumpulkan oleh pewawancara untuk memberikan sampel lengkap
2. Purposive sampling -> gunakan penilaian untuk memilih kasus yang akan memungkinkan kita untuk menjawab
pertanyaan penelitian dan untuk memenuhi tujuan kita. Ini sering digunakan ketika bekerja dengan sampel yang sangat
kecil seperti dalam penelitian studi kasus dan ketika kita ingin memilih kasus yang sangat informatif
Jenis purposive sampling:
o Extreme case atau deviant sampling -> berfokus pada kasus-kasus yang tidak biasa atau khusus atas dasar bahwa data
yang dikumpulkan tentang hasil yang tidak biasa atau ekstrim ini akan memungkinkan Anda untuk belajar paling banyak
dan untuk menjawab pertanyaan penelitian Anda (s) dan untuk memenuhi tujuan Anda (s) paling efektif
o Sampel variasi heterogen atau maksimum -> menggunakan penilaian Anda untuk memilih peserta dengan
karakteristik yang cukup beragam untuk memberikan variasi maksimum yang mungkin dalam data yang
dikumpulkan. Ini memungkinkan Anda mengumpulkan data untuk mendeskripsikan dan menjelaskan tema-tema
utama yang dapat diamati
o Sampling homogen -> berfokus pada satu subkelompok tertentu di mana semua anggota sampel serupa, seperti
pekerjaan atau tingkat tertentu dalam hirarki organisasi
o Sampling kasus kritis -> ia memilih kasus kritis atas dasar bahwa mereka dapat membuat titik secara dramatis atau
karena mereka penting. Sejumlah petunjuk yang menunjukkan kasus kritis adalah (Patton, 2002):

Jika itu terjadi di sana, apakah itu akan terjadi di mana-mana?

Jika mereka mengalami masalah, dapatkah Anda yakin bahwa setiap orang akan mengalami masalah?

Jika mereka tidak memahami prosesnya, apakah mungkin tidak ada yang bisa memahami prosesnya?
o Contoh kasus khas -> biasanya digunakan sebagai bagian dari proyek penelitian untuk memberikan profil ilustratif
menggunakan kasus perwakilan
o Pengambilan sampel teoritis -> Pada awalnya, Anda perlu memiliki beberapa gagasan tentang di mana harus
mengambil sampel, meskipun belum tentu apa yang harus dijadikan sampel, dan para peserta dipilih karena
mereka dibutuhkan. Pemilihan sampel selanjutnya ditentukan oleh kebutuhan teori yang muncul dan alur cerita
yang terus berkembang. Sampel teoritis secara kumulatif dipilih berdasarkan kategori pengembangan dan teori
yang muncul berdasarkan pengumpulan, pengodean, dan analisis data secara bersamaan.
 3. Sampel relawan
Snowball sampling -> biasanya digunakan ketika sulit untuk mengidentifikasi anggota populasi yang diinginkan. Apa
yang kamu butuhkan:
o Lakukan kontak dengan satu atau dua kasus dalam populasi
o Minta kasus-kasus ini untuk mengidentifikasi kasus-kasus lebih lanjut
o Minta kasus-kasus baru ini untuk mengidentifikasi kasus baru lebih lanjut (dan seterusnya) o
Hentikan ketika tidak ada kasus baru yang diberikan atau sampel sebesar yang dapat dikelola
Sampling sampling sendiri -> itu terjadi ketika Anda
mengizinkan setiap kasus, biasanya individu, untuk
mengidentifikasi keinginan mereka untuk mengambil bagian
dalam penelitian. Apa yang kamu butuhkan:
o Publikasikan kebutuhan Anda akan kasus, baik dengan
beriklan melalui media yang sesuai atau dengan
meminta mereka untuk ambil bagian
o Kumpulkan data dari mereka yang merespons
4. Sampling serampangan -> terjadi ketika contoh kasus
dipilih tanpa prinsip organisasi yang jelas dalam kaitannya
dengan pertanyaan penelitian Anda (s)
 Bentuk yang paling umum adalah convenience sampling
(juga dikenal sebagai ketersediaan sampling ) -> ini
melibatkan pemilihan kasus secara sembarangan hanya
karena mereka mudah tersedia (atau paling nyaman)
untuk mendapatkan sampel Anda
 Meskipun convenience sampling digunakan secara
luas, itu cenderung bias dan pengaruh yang berada di
luar kendali Anda
 Temuan-temuan dari sampel-sampel kenyamanan
seringkali diberikan sangat sedikit kredibilitas

Gambar 7.5 Memilih teknik sampling non-probabilitas

Bab 8 MENGGUNAKAN DATA SEKUNDER

8.1 Pendahuluan
 Data sekunder -> data yang telah dikumpulkan untuk beberapa tujuan lain dan termasuk data mentah dan ringkasan
yang dipublikasikan
 Ada banyak database online dengan data sekunder potensial (silakan lihat Tabel 8.1)

8.2 Jenis data sekunder dan kegunaan dalam penelitian

 Data sekunder meliputi data kuantitatif (numerik)
dan kualitatif (non-numerik) dan keduanya
digunakan terutama dalam penelitian deskriptif dan
eksplanatori.
 Data mentah adalah data dengan sedikit
pemrosesan (jika ada)
 Data terkompilasi adalah data yang telah menerima
beberapa bentuk seleksi atau rangkuman

Gambar 8.1 Jenis data sekunder

 Data sekunder dokumenter -> termasuk bahan teks
(buku, jurnal, majalah, surat kabar, pemberitahuan,
korespondensi, dll) dan bahan non-teks (rekaman
suara dan video, gambar, gambar, dll).
 Data sekunder berbasis survei -> mengacu pada
data yang ada yang dikumpulkan untuk beberapa tujuan lain menggunakan strategi survei, biasanya kuesioner. Mereka
tersedia sebagai tabel data yang dikompilasi atau sebagai data mentah yang dapat diunduh (lihat Tabel 8.2)
 Data sekunder multi-sumber -> dapat dikompilasi sepenuhnya dari data sekunder dokumenter atau survei, atau dapat
merupakan campuran dari keduanya.
 Studi Kohort -> kompilasi data untuk populasi yang sama dari waktu ke waktu menggunakan serangkaian 'snapshot'.
Studi ini relatif jarang karena kesulitan dalam mempertahankan kontak dengan anggota kohort dari tahun ke tahun
8.3 Mencari data sekunder
 Menetapkan kemungkinan ketersediaan data sekunder
 Menemukan data yang tepat yang Anda butuhkan

8.4 Keuntungan dan kerugian dari data sekunder

1. Keuntungan
 Mungkin memiliki persyaratan sumber daya yang lebih sedikit
 Rendah hati
 Studi longitudinal mungkin layak
 Dapat memberikan data komparatif dan kontekstual
 Dapat menghasilkan penemuan yang tak terduga
 Ketahanan data
2. Kekurangan
 Dapat dikumpulkan untuk tujuan yang tidak sesuai dengan kebutuhan Anda
 Akses mungkin sulit atau mahal
 Agregasi dan definisi mungkin tidak sesuai
 Tidak ada kontrol nyata atas kualitas data
 Tujuan awal dapat mempengaruhi bagaimana data disajikan

8.5 Mengevaluasi sumber data sekunder

 Validitas pengukuran -> data sekunder yang gagal memberi Anda informasi yang Anda butuhkan untuk menjawab
pertanyaan penelitian Anda atau memenuhi tujuan penelitian Anda akan menghasilkan jawaban yang tidak valid
 Cakupan dan variabel tidak terukur -> pastikan data Anda mencakup populasi yang Anda perlukan data, untuk jangka
waktu yang Anda butuhkan, dan berisi variabel data yang akan memungkinkan Anda untuk menjawab pertanyaan
penelitian Anda (s) dan memenuhi tujuan penelitian Anda (s) . Untuk melakukan ini, Anda perlu:
o Pastikan bahwa data yang tidak diinginkan dapat dikecualikan
o Pastikan bahwa data yang memadai tetap untuk analisis yang akan dilakukan setelah data yang tidak diinginkan
telah dikecualikan
 Kesesuaian yang tepat
o Keandalan dan validitas -> ini adalah fungsi dari metode dimana data dikumpulkan dan sumbernya
o Bias pengukuran -> dapat terjadi karena dua alasan: (1) distorsi data yang disengaja atau disengaja; (2) perubahan
dalam cara data dikumpulkan. Distorsi yang disengaja terjadi ketika data dicatat secara tidak sengaja dengan
sengaja dan paling umum untuk sumber data sekunder seperti rekaman organisasi, namun ini sulit untuk
dideteksi. Selanjutnya, asalkan metode pengumpulan data tetap konstan dalam hal orang yang mengumpulkannya
dan prosedur yang digunakan, bias pengukuran harus tetap konstan
 Biaya dan manfaat -> Kita perlu membandingkan antara biaya memperoleh data sekunder dengan manfaat yang akan
mereka bawa. Biaya termasuk waktu dan uang yang Anda perlu curahkan untuk mencari dan memperoleh data sekunder

Gambar 8.2 Mengevaluasi potensi sumber data sekunder

Bab 10 MENGUMPULKAN DATA UTAMA MENGGUNAKAN SEMI-STRUKTUR, IN-KEDALAMAN DAN WAWANCARA KELOMPOK

10.1 Pendahuluan
 Wawancara penelitian adalah percakapan yang disengaja antara dua atau lebih orang, mewajibkan pewawancara untuk
menjalin hubungan, untuk mengajukan pertanyaan yang singkat dan tidak ambigu, yang ingin diwawancarai oleh
responden, dan untuk mendengarkan dengan penuh perhatian

10.2 Jenis wawancara dan kaitannya dengan tujuan penelitian dan strategi penelitian
1. Jenis-jenis wawancara
 Wawancara terstruktur -> gunakan kuesioner
berdasarkan seperangkat pertanyaan yang telah
ditentukan dan standar atau identik (sering
disebut kuesioner yang dikelola pewawancara)
 Wawancara semi-terstruktur -> para peneliti akan
memiliki daftar tema dan beberapa pertanyaan
kunci yang akan dibahas, meskipun
penggunaannya dapat bervariasi dari wawancara
hingga wawancara
 Wawancara tidak terstruktur atau mendalam ->
ini adalah wawancara informal, digunakan untuk
menjelajahi secara mendalam area umum di mana
Anda tertarik
Gambar 10.1 Bentuk wawancara

2 Tautkan ke tujuan penelitian dan strategi penelitian

 Wawancara terstruktur -> ditemukan lebih sering dalam studi deskriptif dan kurang dalam studi penjelasan
 Wawancara semi-terstruktur -> ditemukan lebih sering dalam penelitian penjelasan dan kurang dalam studi eksplorasi
 Wawancara tidak terstruktur -> ditemukan lebih sering dalam studi eksplorasi

10.3 Kapan menggunakan wawancara semi-terstruktur dan mendalam

 Tujuan penelitian -> misalnya dalam studi eksplorasi, kemungkinan Anda akan menyertakan wawancara mendalam atau
semi-terstruktur
 Pentingnya membangun kontak pribadi -> wawancara memungkinkan peserta untuk merefleksikan acara tanpa perlu
menuliskan apa pun
 Sifat pertanyaan -> misalnya, di mana pertanyaan bersifat kompleks atau terbuka
 Lama waktu yang dibutuhkan dan kelengkapan proses -> jika memungkinkan, wawancara mendalam / tidak terstruktur
dapat dilakukan

10.4 Masalah kualitas data terkait dengan wawancara semi-terstruktur dan mendalam
1. Masalah kualitas data
 Keandalan -> karena kurangnya standarisasi, mungkin ada kekhawatiran dengan reliabilitas wawancara. Dalam
penelitian kualitatif, keandalan berkaitan dengan apakah peneliti alternatif akan mengungkapkan informasi serupa
 Bentuk-bentuk bias -> ada tiga jenis potensi bias selama wawancara:
o Bias pewawancara -> ini adalah tempat komentar, nada atau perilaku non-verbal dari pewawancara menciptakan
bias dalam cara yang diwawancarai menanggapi pertanyaan yang ditanyakan
o Responden atau bias tanggapan -> mungkin disebabkan oleh persepsi tentang pewawancara
o Bias partisipasi -> persyaratan yang memakan waktu dari proses wawancara dapat menghasilkan pengurangan
kesediaan untuk mengambil bagian dari beberapa orang yang ingin Anda ajak bicara
 Generalisability -> mengacu pada sejauh mana temuan dari studi penelitian berlaku untuk pengaturan lain
 Validitas -> mengacu pada sejauh mana peneliti telah memperoleh akses ke pengetahuan dan pengalaman peserta,
dan mampu menyimpulkan makna yang peserta maksudkan dari bahasa yang digunakan oleh orang tersebut
2. Mengatasi masalah kualitas data
 Reliabilitas -> temuan yang diperoleh dari menggunakan wawancara mendalam atau semi-terstruktur tidak selalu
dimaksudkan untuk diulang karena mereka mencerminkan kenyataan pada saat mereka dikumpulkan
 Bias pewawancara dan yang diwawancarai -> bias dapat dihindari dengan bertindak berdasarkan poin yang
ditunjukkan dalam Kotak 10.5
 Generalisability -> penting untuk mengenali bahwa dalam studi kualitatif, studi semacam itu tidak dapat digunakan
untuk membuat generalisasi statistik tentang seluruh populasi di mana data Anda berasal dari sampel non-probabilitas
kecil
 Validitas -> validitas dapat dicapai ketika wawancara dilakukan dengan hati-hati karena ruang lingkup untuk
mengklarifikasi pertanyaan, untuk menyelidiki makna dan untuk dapat menjelajahi tanggapan dan tema dari berbagai
sudut pandang
10.5 Mempersiapkan wawancara semi-terstruktur atau mendalam
 Tingkat pengetahuan Anda
 Mengembangkan tema wawancara dan memberikan informasi kepada orang yang diwawancara sebelum wawancara
 Ketepatan lokasi wawancara yang dituju

10.6 Melakukan wawancara semi-terstruktur atau mendalam

 Ketepatan penampilan peneliti pada saat wawancara
 Sifat komentar pembukaan ketika wawancara dimulai
 Pendekatan untuk bertanya
 Penggunaan yang tepat dari berbagai jenis pertanyaan yang berbeda -> pertanyaan terbuka, pertanyaan menyelidik,
pertanyaan spesifik dan tertutup, cara lain untuk memajukan pertanyaan Anda
 Sifat dan dampak perilaku peneliti selama wawancara
 Demonstrasi keterampilan mendengarkan yang penuh perhatian
 Lingkup untuk meringkas dan menguji pemahaman
 Kemampuan untuk mengenali dan menghadapi peserta yang sulit
 Kemampuan untuk merekam data secara akurat dan lengkap

10.7 Mengelola masalah logistik dan sumber daya

1. Masalah logistik dan sumber daya:
 Waktu -> wawancara adalah proses yang memakan waktu
 Biaya dan sumber daya lainnya -> wawancara dapat menjadi proses yang mahal
 Logistik -> perlu mempertimbangkan logistik dari wawancara penjadwalan
2. Mengelola masalah logistik dan sumber daya
 Manajemen waktu
 Penjadwalan wawancara
 Manajemen wawancara
 Rekaman dan transkripsi

10.8 Wawancara kelompok dan kelompok fokus

 Wawancara kelompok -> istilah umum untuk menggambarkan semua wawancara semi-terstruktur dan mendalam yang
dilakukan dengan dua orang atau lebih
 Focus group -> mengacu pada wawancara kelompok di mana topik didefinisikan dengan jelas dan tepat dan ada fokus
pada memungkinkan dan merekam diskusi interaktif antar peserta. Peneliti biasanya bertindak sebagai moderator

10.9 Wawancara melalui telepon, internet dan intranet

 Wawancara telepon
 Wawancara melalui internet dan intranet -> juga disebut wawancara elektronik. Wawancara elektronik bisa
asynchronous atau sinkron

Gambar 10.2 Bentuk wawancara elektronik