Dosen Pengampu:
Dr. Sri Hastuti Noer, M.Pd.
Kelompok 4:
1. Ratih Dwi Anggreini (1923021012)
2. Aura Purwaningrum (1923021019)
3. Wahyu Anggraini (1923021023)
4. Mayang Kencana Vindra Jaya (1923021027)
Dengan mengucapkan puji dan syukur ke hadirat Allah SWT, kami dapat
menyelesaikan makalah ini sebagai tugas mata kuliah metodologi penelitian
pendidikan. Makalah ini disusun agar kita semua dapat memahami materi
metodologi penelitian kuantitatif yang bersumber dari buku “How To Design And
Evaluate Research In Education” yang ditulis oleh Jack R. Fraenkel dan Norman
E. Wallen.
Penyusunan makalah ini dimaksudkan untuk menjadi panduan dalam
pembelajaran maupun diskusi mahasiswa. Kami menyadari sepenuhnya bahwa
tugas ini masih jauh dari kesempurnaan dan masih banyak kekurangannya, hal ini
dikarenakan keterbatasan waktu, pengetahuan dan kemampuan yang kami miliki,
oleh karena itu kami sangat mengharapkan adanya saran dan kritik yang sifatnya
membangun untuk perbaikan dimasa yang akan datang.
Pada kesempatan ini, kami mengucapkan terima kasih kepada semua pihak yang
telah membantu terselesaikannya makalah ini. Semoga makalah ini dapat
bermanfaat bagi penulis dan pembaca pada umumnya.
BAB I
PENDAHULUAN
A. Latar Belakang
Penelitian dapat diartikan sebagai refleksi dari keinginan manusia yang selalu
berusaha untuk mengetahui sesuatu atau memenuhi keingintahuannya. Penelitian
bersifat sistematis sehingga perlu adanya metodologi penelitian. Metodologi
penelitian merupakan proses atau cara ilmiah untuk mendapatkan data yang akan
digunakan untuk keperluan penelitian. Terdapat beberapa metodologi penelitian,
salah satunya yaitu metodologi penelitian kuntitatif. Menurut Kasiram (2008)
Penelitian kuantitatif adalah suatu proses menemukan pengetahuan yang
menggunakan data berupa angka sebagai alat menganalisis keterangan mengenai
apa yang ingin diketahui. Metodologi penelitian kuantitatif meliputi penelitian
eksperimen, penelitian single-subjek, penelitian korelasi, penelitian kausal
komparatif dan penelitian survey.
Penelitian eksperimen digunakan untuk melihat dampak atau pengaruh suatu
variabel, dan menguji hipotesis sebab akibatnya. Terdapat juga penelitian single-
subjek yang merupakan suatu desain penelitian yang menekankan pada konsep
dasar perilaku dari individu sebagai tujuan utamanya. Selain itu, terdapat pula
penelitian korelasi yang merupakan penelitian yang menekankan pada ada
tidaknya hubungan antara dua variabel atau lebih.
Untuk lebih memahami mengenai penelitian eksperimen, penelitian single-
subjek dan penelitian korelasi secara lebih mendetail, kami menyusun materi ini
dalam sebuah makalah yang bersumber dari buku “how to design and evaluate
research in education”.
B. Rumusan Masalah
C. Tujuan
A. PENELITIAN EKSPERIMEN
1. Keunikan Penelitian Eksperimental
Dari semua metodologi penelitian yang dijelaskan dalam buku ini,
penelitian eksperimental ada dalam dua hal yang sangat penting, ini adalah satu-
satunya jenis penelitian yang secara langsung berupaya mempengaruhi variabel
tertentu, dan bila diterapkan dengan benar, ini adalah tipe terbaik untuk pengujian
hipotesis tentang hubungan sebab-akibat. Dalam sebuah studi eksperimental,
peneliti melihat akibat dari setidaknya satu variabel independen pada satu atau
lebih variabel dependen. Variabel independen dalam eksperimen penelitian ini
juga sering disebut sebagai eksperimental atau variabel perlakuan.
Ketergantungan variabel juga dikenal sebagai kriteria atau hasil variabel, mengacu
pada hasil atau hasil penelitian.
Karakteristik utama dari penelitian eksperimental yang membedakannya
dari semua jenis penelitian lainnya bahwa peneliti memanipulasi variabel
independen. Mereka memutuskan sifat perlakuan yaitu, apa yang akan terjadi
pada subyek penelitian, kepada siapa itu harus diterapkan, dan sejauh mana.
Variabel independen sering dimanipulasi dalam penelitian pendidikan termasuk
metode pengajaran, jenis penugasan, bahan belajar, hadiah yang diberikan kepada
siswa, dan tipe pertanyaan yang diajukan oleh guru. Variabel dependen yang
sering dipelajari antara lain prestasi, minat dalam subjek, rentang perhatian,
motivasi, dan sikap menuju sekolah.
Setelah perlakuan diberikan sesuai dengan waktu yang ditetapkan, peneliti
mengamati atau mengukur kelompok yang menerima perlakuan berbeda (dengan
cara semacam posttest) untuk melihat apakah mereka berbeda. Cara lain
mengatakan bahwa para peneliti ingin melihat apakah perlakuan menimbulkan
perbedaan. Jika skor rata-rata kelompok pada posttest memang berbeda dan
peneliti tidak bisa temukan penjelasan alternatif yang masuk akal untuk perbedaan
ini, mereka dapat menyimpulkan bahwa perlakuan itu memang memiliki akibat
dan kemungkinan merupakan penyebab perbedaan.
Penelitian eksperimental, memungkinkan para peneliti melampaui deskripsi
dan prediksi, melampaui identifikasi hubungan, untuk setidaknya sebagian
penentuan apa yang menyebabkan mereka. Studi korelasional dapat menunjukkan
hubungan yang kuat antara tingkat sosial ekonomi dan prestasi akademik, tetapi
mereka tidak dapat menunjukkan bahwa meningkatkan sosial ekonomi level tentu
akan meningkatkan prestasi. Hanya penelitian eksperimental yang memiliki
kemampuan ini. Beberapa contoh aktual dari jenis studi eksperimental yang telah
dilakukan oleh peneliti pendidikan adalah sebagai berikut:
“Kualitas pembelajaran dengan aktif melawan pasif set motivasi ”1
"Perbandingan koperasi yang dibantu komputer, pembelajaran yang
kompetitif dan individualistis ”2
“Pencegahan putus sekolah kelompok konseling intensif intervensi: . . .
mengisolasi remaja yang berisiko di dalam sekolah menengah atas ”3
“Akibat pertanyaan siswa dan pertanyaan guru tentang akuisisi konsep ”4
“Mengubah praktik mengajar di ruang kelas umum untuk meningkatkan
ikatan dan perilaku rendah berprestasi ”5
“Belajar kosakata Mnemonic melawan nonmnemonic strategi untuk anak-
anak ”6
a) Perbandingan Kelompok
Eksperimen biasanya melibatkan dua kelompok subjek, yaitu kelompok
eksperimen dan kelompok kontrol atau grup pembanding, meskipun
dimungkinkan untuk melakukan percobaan dengan satu kelompok (dengan
menyediakan semua perlakuan untuk mata pelajaran yang sama) atau dengan tiga
kelompok atau lebih. Eksperimental kelompok menerima perlakuan seperti buku
teks yang baru atau metode pengajaran yang berbeda, sedangkan kelompok
kontrol tidak menerima perlakuan (atau perbandingan kelompok menerima
perlakuan berbeda). Kontrol atau kelompok pembanding sangat penting dalam
semua penelitian eksperimen, untuk itu memungkinkan peneliti untuk
menentukan apakah perlakuan memiliki akibat atau tidak.
Secara historis, kelompok kontrol murni adalah yang menerima tidak ada
perlakuan sama sekali. Sementara ini sering terjadi di dunia medis atau penelitian
psikologis, jarang benar dalam pendidikan penelitian. Kelompok kontrol hampir
selalu menerima perlakuan berbeda. Beberapa peneliti pendidikan lebih baik
merujuk pada kelompok pembanding daripada mengontrol kelompok.
Pertimbangkan sebuah contoh. Misalkan seorang peneliti berharap untuk
mempelajari metode pengajaran ilmu baru. Dia akan memiliki siswa dalam
kelompok percobaan diajarkan dengan metode baru, tetapi siswa dalam kelompok
pembanding akan terus diajarkan dengan metode guru mereka yang biasa
digunakan. Peneliti tidak akan mengelola metode baru ke kelompok eksperimen
dan minta kelompok kontrol tidak melakukan apa pun. Apa saja metode
pengajaran kemungkinan akan lebih efektif daripada tidak ada metode sama
sekali!
b) Manipulasi Variabel Independen
Karakteristik penting kedua dari semua percobaan adalah bahwa peneliti
secara aktif memanipulasi variabel independen. Apa artinya ini? Sederhananya,
artinya bahwa peneliti sengaja dan langsung menentukan apa bentuk variabel
independen yang akan diambil dan kemudian kelompok mana yang akan
mendapatkan formulir yang mana. Misalnya kalau variabel independen dalam
penelitian adalah jumlah antusiasme menampilkan instruktur, seorang peneliti
dapat melatih dua guru untuk menampilkan jumlah antusiasme yang berbeda
sebagaimana mereka mengajar kelas mereka.
Meskipun banyak variabel independen dalam pendidikan dapat dimanipulasi,
banyak lainnya tidak bisa. Contoh dari variabel independen yang dapat
dimanipulasi diantaranya: metode pengajaran, jenis konseling, kegiatan belajar,
tugas yang diberikan, dan bahan yang digunakan; contoh variabel independen
yang tidak dapat dimanipulasi diantaranya: jenis kelamin, etnis, usia, dan
preferensi agama. Peneliti dapat memanipulasi jenis kegiatan pembelajaran
dimana siswa terpapar di ruang kelas, tetapi mereka tidak dapat memanipulasi,
katakanlah, preferensi agama — yaitu, siswa tidak dapat "dibuat menjadi"
Protestan, Katolik, Yahudi, atau Muslim, misalnya, untuk melayani tujuan sebuah
pelajaran. Untuk memanipulasi variabel, peneliti harus memutuskan siapa yang
mendapatkan sesuatu dan kapan, dimana, dan bagaimana mereka akan
mendapatkannya.
Variabel independen dalam penelitian eksperimental dapat dibentuk dengan
beberapa cara — baik (1) satu bentuk variabel melawan yang lain; (2) kehadiran
lawan tidak adanya bentuk tertentu; atau (3) berbagai tingkat bentuk yang sama.
Contoh (1) akan menjadi studi membandingkan metode inkuiri dengan metode
ceramah instruksi dalam pengajaran kimia. Contoh dari (2) akan menjadi studi
yang membandingkan penggunaan transparansi melawan tidak ada transparansi
dalam pengajaran statistik. Sebuah contoh (3) akan menjadi studi yang
membandingkan akibat dengan jumlah antusiasme guru yang ditentukan berbeda
sikap siswa terhadap matematika. Baik (1) dan (2), variabel (metode) jelas
kategoris. Dalam (3), variabel yang dalam kenyataannya adalah kuantitatif
(tingkat antusiasme) diperlakukan sebagai kategori (akibat dari jumlah antusiasme
yang ditentukan akan dipelajari) dalam memerintahkan peneliti untuk
memanipulasi (yaitu, untuk mengendalikan) jumlah antusiasme.
c) Pengacakan
Aspek penting dari banyak eksperimen adalah acak tugas mata pelajaran ke
grup. Meskipun ada beberapa jenis eksperimen di mana tugas acak tidak mungkin,
peneliti mencoba menggunakan pengacakan jika memungkinkan. Ini merupakan
unsur penting dalam jenis eksperimen terbaik. Tugas acak serupa, tetapi tidak
identik, dengan konsep seleksi acak kita bahas dalam Bab 6. Cara penugasan acak
bahwa setiap individu yang berpartisipasi dalam percobaan memiliki peluang
yang sama untuk ditugaskan membandingkan salah satu kondisi eksperimental
atau kontrol. Pemilihan acak, di sisi lain berarti setiap anggota populasi memiliki
peluang yang sama untuk dipilih menjadi anggota sampel. Di bawah tugas acak,
setiap anggota sampel diberi nomor (sewenang-wenang), dan tabel angka acak
(lihat Bab 6) kemudian digunakan untuk memilih anggota kelompok eksperimen
dan kontrol.
Tiga hal harus diperhatikan tentang penugasan acak subyek ke kelompok.
Pertama, itu terjadi sebelum percobaan dimulai. Kedua, ini adalah proses
menugaskan atau mendistribusikan individu ke grup, bukan hasil distribusi
tersebut. Ini artinya Anda tidak bisa lihat dua kelompok yang sudah terbentuk dan
dapat mengetahui, hanya dengan melihat apakah mereka benar atau tidak
terbentuk secara acak. Ketiga, penggunaan tugas acak memungkinkan peneliti
untuk membentuk kelompok itu, tepat di permulaan penelitian, setara artinya
mereka berbeda hanya secara kebetulan di setiap variabel yang diminati. Di lain
kata, tugas acak dimaksudkan untuk menghilangkan ancaman variabel asing atau
tambahan tidak hanya yang peneliti sadari tetapi juga yang tidak mereka sadari
yang mungkin memengaruhi hasil penelitian. Ini adalah keindahan dan kekuatan
penugasan acak. Itu salah satu alasannya mengapa eksperimen secara umum lebih
efektif daripada jenis penelitian lain untuk menilai sebab-akibat hubungan.
Pernyataan terakhir ini ditempa oleh realisasinya bahwa kelompok dibentuk
melalui penugasan acak mungkin masih agak berbeda. Tugas acak memastikan
hanya bahwa grup tersebut setara (atau setidaknya sama dengan setara dengan
manusia yang bisa membuatnya) pada awalnya sebuah eksperimen.
Selain itu, tugas acak tidak ada jaminan kelompok yang setara kecuali kedua
kelompok tersebut cukup besar. Tidak seorang pun akan mengharapkan hasil
tugas acak dalam kesetaraan misalnya jika hanya lima mata pelajaran yang
ditugaskan masing-masing kelompok. Tidak ada aturan untuk menentukan harus
berapa besar kelompok tetapi kebanyakan peneliti tidak nyaman mengandalkan
tugas acak dengan kurang dari 40 mata pelajaran di setiap kelompok
Pengacakan: Seperti yang kami sebutkan sebelumnya, jika subjek dapat secara
acak ditugaskan ke berbagai kelompok yang terlibat dalam studi
eksperimental, para peneliti dapat mengasumsikan bahwa grup tersebut
setara. Ini adalah cara terbaik untuk memastikan akibat satu atau lebih
variabel asing yang mungkin telah dikontrol.
Memegang variabel konstan tertentu: Idenya di sini adalah untuk
menghilangkan kemungkinan akibat suatu variabel dengan menghapusnya
dari ruang kerja. Misalnya, jika seorang peneliti mencurigai bahwa gender
dapat memengaruhi hasil penelitian, dia bisa mengendalikannya dengan
membatasi subyek penelitian untuk wanita dan dengan mengecualikan semua
laki-laki. Variabel gender dengan kata lain dianggap konstan. Namun, ada
biaya yang terlibat (karena hampir selalu ada) untuk kontrol ini sebagai
generalisasi dari hasil studi berkurang.
Membangun variabel ke dalam desain: Solusi ini melibatkan membangun
variabel ke dalam penelitian untuk menilai dampaknya. Ini adalah kebalikan
dari ide sebelumnya. Menggunakan contoh sebelumnya, the Peneliti akan
mencakup perempuan dan laki-laki (sebagai kelompok yang berbeda) dalam
desain penelitian dan kemudian menganalisis dampak gender dan metode
hasil.
Sesuai: Seringkali pasangan mata pelajaran dapat dicocokkan pada variabel
tertentu yang menarik. Jika seorang peneliti memisalkan usia dapat
mempengaruhi hasil sebuah studi, ia mungkin berusaha untuk mencocokkan
siswa sesuai untuk umur mereka dan kemudian menetapkan satu anggota dari
masing-masing pasangan (secara acak jika memungkinkan) untuk masing-
masing pasangan kelompok pembanding.
Menggunakan subyek sebagai kontrol mereka sendiri: Ketika subyek
digunakan sebagai kontrol mereka sendiri, kinerja mereka di bawah kedua
(atau semua) perlakuan dibandingkan. Dengan demikian, siswa yang sama
dapat diajarkan aljabar unit pertama dengan metode penyelidikan dan
kemudian dengan metode ceramah. Contoh lain adalah penilaian perilaku
individu selama periode waktu sebelum dan sesudah perlakuan dilaksanakan
untuk melihat apakah terjadi perubahan perilaku.
Menggunakan analisis kovarians: Seperti disebutkan dalam Bab 11, analisis
kovarians dapat digunakan untuk menyamakan kelompok secara statistik
berdasarkan pretest atau variabel lain. Skor posttest subjek di masing-masing
kelompok kemudian disesuaikan.
Kami akan segera menunjukkan sejumlah desain penelitian yang menggambarkan
bagaimana beberapa dari kontrol di atas dapat diimplementasikan dalam studi
eksperimental.
X O
Buku teks baru Skala sikap
untuk mengukur bunga
(Variabel tak bebas)
Gambarbebas)
13.1 Contoh Desain Studi Kasus Satu Tembakan
Dengan demikian, dia tidak tahu apakah perlakuannya sudah berakibat apa
pun. Sangat mungkin siswa yang menggunakan buku teks baru akan menunjukkan
sikap yang sangat menguntungkan menuju sejarah. Tapi pertanyaannya tetap,
apakah sikap-sikap ini dihasilkan oleh buku teks baru? Sayangnya, studi kasus
sekali pakai tidak membantu kami menjawab pertanyaan ini. Untuk memperbaiki
desain ini, perbandingan dapat dibuat dengan kelompok siswa lain yang memiliki
konten kursus yang sama disajikan dalam buku teks biasa. (Kami akan segera
menunjukkan desain seperti itu kepada Anda.) Untungnya, kelemahan dalam
desain sekali tembak sangat baik diketahui bahwa itu jarang digunakan dalam
penelitian pendidikan.
Desain Satu-Grup Pretest-Posttest Dalam desain satu kelompok pretest-posttest,
satu kelompok diukur atau diamati tidak hanya setelah menjadi terkena semacam
perlakuan, tetapi juga sebelumnya. Sebuah diagram desain ini adalah sebagai
berikut:
Desain Satu-Grup Pretest-Posttest
O X O
Pretest Perlakuan Posttest
Pertimbangkan contoh desain ini. Keinginan utama untuk menilai akibat dari
sesi konseling mingguan pada sikap siswa "sulit dijangkau" tertentu di
sekolahnya. Dia meminta para penasihat dalam program untuk bertemu sekali
seminggu dengan siswa ini selama 10 minggu, selama sesi mana siswa didorong
untuk mengekspresikan perasaan dan kekhawatiran mereka. Dia menggunakan
skala 20-item untuk mengukur sikap siswa terhadap sekolah dengan sebelum dan
sesudah periode 10 minggu. Gambar 13.2 menyajikan diagram desain penelitian.
Desain ini lebih baik daripada studi kasus sekali pakai (peneliti setidaknya
tahu apakah ada perubahan yang terjadi) tapi masih lemah. Sembilan ancaman
tidak terkendali untuk validitas internal yang mungkin juga menjelaskan hasil
pada posttest.
Mereka adalah sejarah, pematangan, instrumen pembusukan, karakteristik
pengumpul data, bias pengumpul data, pengujian, regresi statistik, sikap subyek,
dan penerapan. Setiap atau semua ini dapat mempengaruhi hasil penelitian.
Peneliti tidak akan tahu jika ada perbedaan antara pretest dan posttest karena
perlakuan atau satu atau lebih dari ancaman ini. Untuk perbaiki ini, kelompok
pembanding yang tidak menerima perlakuan bisa ditambahkan. Lalu jika ada
perubahan sikap terjadi antara pretest dan posttest, sang peneliti memiliki alasan
untuk percaya bahwa itu disebabkan oleh perlakuan (dilambangkan dengan X).
X O
Buku teks baru Skala sikap
untuk mengukur bunga
_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ __ _ _ _ _ _ _
O
Buku teks biasa Skala sikap
untuk mengukur bunga
Kontrol Acak Hanya Desain Kelompok Posttest. Kontrol posttest hanya acak
desain kelompok melibatkan dua kelompok, keduanya dibentuk oleh tugas acak.
Satu kelompok menerima perlakuan eksperimental sementara yang lain tidak, dan
kemudian kedua kelompok dipostest pada variabel dependen. Sebuah diagram
desain ini adalah sebagai berikut:
Desain Empat Kelompok Solomon Secara Acak. Solomon secara acak terdiri
dari empat kelompok desain adalah upaya untuk menghilangkan kemungkinan
akibat dari pretest. Ini melibatkan penugasan acak subjek untuk empat kelompok,
dengan dua kelompok yang dites dan dua tidak. Salah satu kelompok yang dites
dan salah satu kelompok yang tidak ditafsirkan terkena perlakuan eksperimental.
Keempat kelompok ini kemudian diuji coba. Diagram dari desain ini adalah
sebagai berikut:
Desain Empat Kelompok Solomon Secara Acak
Kelompok perlakuan R O X O
Kelompok kontrol R O C O
Kelompok perlakuan R X O
Kelompok kontrol R C O
Desain empat kelompok Solomon secara acak menggabungkan kelompok
kontrol pretest-posttest dan hanya posttest desain kelompok kontrol. Dua
kelompok pertama mewakili desain kelompok kontrol pretest-posttest, sedangkan
dua kelompok terakhir yang mewakili desain kelompok kontrol hanya posttest.
Gambar 13.6 menyajikan contoh acak Desain Solomon empat kelompok.
Desain empat kelompok Solomon secara acak menyediakan kontrol terbaik
dari ancaman terhadap validitas internal yang telah kita bahas. Namun,
kelemahannya adalah itu memerlukan sampel besar karena subjek harus
ditugaskan ke empat kelompok. Selanjutnya, melakukan penelitian melibatkan
empat kelompok sekaligus membutuhkan banyak hal jumlah energi dan upaya
dari pihak peneliti. Tugas Acak dengan Pencocokan. Dalam sebuah upaya
meningkatkan kemungkinan bahwa kelompok subjek dalam percobaan akan
setara, pasang individu dapat dicocokkan pada variabel tertentu. Itu pilihan
variabel yang cocok didasarkan pada penelitian sebelumnya, teori, dan atau
pengalaman peneliti. Anggota dari setiap pasangan yang cocok kemudian
ditugaskan ke kelompok eksperimen dan kontrol secara acak. Adaptasi ini dapat
dilakukan untuk kedua-satunya posttest desain kelompok kontrol dan desain
kelompok kontrol pretest-posttest, meskipun yang terakhir lebih umum. Diagram
desain ini disediakan di bawah ini.
individu dapat dicocokkan pada variabel tertentu. Itu pilihan variabel yang
cocok didasarkan pada penelitian sebelumnya, teori, dan / atau pengalaman
peneliti. Anggota dari setiap pasangan yang cocok kemudian ditugaskan ke
kelompok eksperimen dan kontrol secara acak. Adaptasi ini dapat dilakukan untuk
kedua-satunya posttest desain kelompok kontrol dan kontrol pretest-posttest
desain kelompok, meskipun yang terakhir lebih umum. Diagram desain ini
disediakan di bawah ini
Gambar 13.7 Desain Kelompok Kontrol Acak Posttest Saja, Menggunakan Subjek
yang Cocok
Pencocokan mekanis adalah proses memasangkan dua orang yang nilainya
serupa pada variabel tertentu. Misalnya, dua gadis yang memiliki kemampuan
skor matematika dan skor tes kecemasan serupa mungkin cocok dengan variabel-
variabel tersebut. Setelah pencocokan selesai untuk seluruh sampel, pemeriksaan
harus dilakukan (melalui penggunaan poligon frekuensi) untuk memastikan kedua
kelompok tersebut memang setara pada setiap pencocokan variabel. Sayangnya,
dua masalah membatasi kegunaan pencocokan mekanik. Pertama, sangat sulit
cocok dengan lebih dari dua atau tiga variabel — orang saja jangan berpasangan
dengan lebih dari beberapa karakteristik, perlu memiliki sampel awal yang sangat
besar untuk menggambar. Kedua, untuk mencocokkan, hampir tidak bisa
dihindari bahwa beberapa mata pelajaran harus dihilangkan dari penelitian karena
tidak ada "kecocokan" untuk mereka yang dapat ditemukan. Maka sampel tidak
lagi acak meskipun mungkin mereka miliki sebelum pencocokan terjadi.
Sebagai contoh desain pencocokan mekanis dengan tugas acak, misalkan
seorang peneliti tertarik akibat dari pembinaan akademik pada titik kelas rata-rata
(IPK) siswa berprestasi dalam sains kelas. Peneliti secara acak memilih sampel 60
siswa dari populasi 125 siswa seperti disekolah dasar setempat dan
mencocokkannya secara berpasangan IPK, menemukan bahwa dia dapat
mencocokkan 40 dari 60. Dia kemudian secara acak menempatkan setiap subjek
dalam 20 pasangan yang dihasilkan baik eksperimental atau grup kontrol. Gambar
13.7 menyajikan contoh serupa.
Pencocokan statistik di sisi lain, tidak mengharuskan hilangnya subjek juga
tidak membatasi jumlah variabel yang cocok. Setiap mata pelajaran diberikan skor
dan "diprediksi" pada variabel dependen, berdasarkan korelasi antara variabel
dependen dan variabel (atau variabel) di mana subjek sedang cocok. Perbedaan
antara prediksi dan skor aktual untuk setiap individu kemudian digunakan untuk
membandingkan kelompok eksperimen dan kontrol.
Ketika pretest digunakan sebagai variabel yang cocok, perbedaan antara skor
yang diprediksi dan yang sebenarnya adalah disebut skor gain regressed. Skor ini
lebih disukai untuk mendapatkan skor yang lebih mudah (minus posttest skor
pretest untuk setiap individu) karena itu lebih terpercaya. Kami membahas
prosedur serupa di sebagian korelasi dalam Bab 15. Jika pencocokan mekanis
digunakan, masing-masing satu anggota pasangan yang cocok secara acak
ditugaskan ke eksperimen grup, yang lain ke grup kontrol.
Jika statistik cocok digunakan, sampel dibagi secara acak di awal,dan
penyesuaian statistik dilakukan setelah semua data telah dikumpulkan. Meskipun
beberapa peneliti menganjurkan penggunaan statistik lebih dari pencocokan
mekanik, pencocokan statistik tidak bisa salah. Itu utama kelemahannya adalah ia
menganggap bahwa hubungannya antara variabel dependen dan masing-masing
variabel prediktor dapat digambarkan dengan benar oleh garis lurus dari garis
melengkung. Prosedur mana pun yang digunakan, peneliti harus (dalam desain
ini) mengandalkan tugas acak untuk menyamakan grup pada semua variabel lain
yang terkait dengan variabel dependen.
c) Desain Quasi-Eksperimental
Desain kuasi-eksperimental tidak termasuk penggunaan tugas acak. Peneliti
yang menggunakan desain ini sebaliknya mengandalkan teknik lain untuk
mengontrol (atau di paling tidak mengurangi) ancaman terhadap validitas internal.
Kami akan menjelaskan beberapa teknik ini seperti yang kita bahas beberapa
desain kuasi-eksperimental. Desain Yang Cocok Saja. Desain ini berbeda dari
penugasan acak dengan pencocokan hanya pada kenyataannya bahwa tugas acak
tidak digunakan. Peneliti masih cocok dengan subjek dalam eksperimen dan
kelompok kontrol pada variabel tertentu, tetapi dia tidak memiliki jaminan bahwa
mereka setara pada orang lain. Mengapa? Karena meskipun cocok, subjek sudah
dalam kondisi utuh kelompok. Ini adalah batasan serius tetapi seringkali tidak
dapat dihindari ketika tugas acak tidak mungkin — yaitu, ketika kelompok utuh
harus digunakan. Ketika beberapa (katakanlah, 10 atau lebih) kelompok tersedia
untuk studi metode dan kelompok dapat secara acak ditugaskan untuk perlakuan
yang berbeda, desain ini menawarkan alternatif untuk penetapan acak dari mata
pelajaran. Setelah grup ditetapkan secara acak untuk perlakuan yang berbeda,
individu yang menerima satu perlakuan dicocokkan dengan individu yang
menerima perlakuan lain. Desain yang ditunjukkan pada Gambar 13.7 masih lebih
disukai. Harus ditekankan bahwa pencocokan (apakah mekanis atau statistik)
tidak pernah menjadi pengganti acak tugas. Selanjutnya, korelasi antara variabel
yang cocok dan variabel dependen harus cukup substansial. (Kami sarankan
setidaknya 0,40.) Sadarilah juga bahwa kecuali digunakan bersamaan dengan acak
tugas, kontrol pencocokan hanya untuk variabel dicocokkan. Diagram masing-
masing hanya cocok desain kelompok kontrol mengikuti.
Dengan kata lain, skor posttest rata-rata untuk semua kelompok perlakuan 1
dapat dibandingkan dengan posttest rata-rata skor untuk semua kelompok untuk
perlakuan 2, dan seterusnya, untuk bagaimanapun ada banyak perlakuan.
Desain ini mengontrol dengan baik untuk karakteristik subjek ancaman
terhadap validitas internal tetapi sangat rentan untuk gangguan multi-perlakuan
yaitu, kinerja selama perlakuan tertentu dapat dipengaruhi oleh satu atau lebih
perlakuan sebelumnya. Karena itu, hasil penelitian apa pun yang digunakan
peneliti desain yang seimbang harus diperiksa dengan cermat. Pertimbangkan dua
set data hipotetis yang ditunjukkan pada Gambar 13.8.
Interpretasi dalam penelitian 1 jelas: Metode X lebih unggul untuk kedua
grup terlepas dari urutan dan ke derajat yang sama. Namun, interpretasi dalam
studi 2 adalah jauh lebih kompleks. Secara keseluruhan, metode X muncul
unggul, dan dengan jumlah yang sama seperti dalam studi 1. Dalam kedua studi,
rata-rata keseluruhan untuk X adalah 12, sedangkan untuk Y adalah 8. In belajar
2, namun, tampaknya perbedaan antara X dan Y tergantung pada eksposur
sebelumnya ke yang lain metode. Kelompok I berkinerja jauh lebih buruk pada
metode Y ketika itu terkena setelah X, dan kelompok II dilakukan jauh lebih baik
pada X ketika terkena setelah itu metode Y. Ketika X atau Y diberikan pertama
kali dalam urutan, tidak ada perbedaan dalam kinerja. Bukan itu jelas bahwa
metode X lebih unggul dalam semua kondisi dalam penelitian 2, sedangkan ini
cukup jelas dalam studi 1. Desain Seri Waktu. Pra-dan khas desain posttest
diperiksa hingga sekarang melibatkan pengamatan atau pengukuran dilakukan
segera sebelum dan setelah perlakuan. Namun, desain deret waktu melibatkan
pengukuran berulang atau pengamatan lebih dari periode waktu sebelum dan
sesudah perlakuan. Itu benar-benar penjabaran dari desain satu kelompok pretest-
posttest disajikan pada Gambar 13.2. Jumlah yang luas data dikumpulkan pada
satu kelompok. Jika skor kelompok pada dasarnya sama pada pretest dan
kemudian jauh meningkatkan posttests, peneliti memiliki lebih banyak keyakinan
bahwa perlakuan tersebut menyebabkan perbaikan daripada jika hanya satu pretest
dan satu posttest diberikan. Contohnya mungkin seorang guru yang memberi tes
mingguan ke kelasnya selama beberapa minggu sebelum memberikan mereka
buku teks baru untuk digunakan, dan kemudian memantau bagaimana mereka
skor pada sejumlah tes mingguan setelah mereka gunakan teks. Diagram desain
seri waktu dasar adalah sebagai berikut:
O1 O2 O3 O4 O5 X O6 O7 O8 O9 O10
Ancaman terhadap validitas internal yang membahayakan penggunaan desain
ini termasuk sejarah (sesuatu bisa terjadi di antaranya pretest terakhir dan posttest
pertama), instrumentasi (jika, karena alasan tertentu, tes yang digunakan adalah
berubah setiap saat selama penelitian), dan pengujian (karena akibat latihan).
Kemungkinan pretesttreatment interaksi juga meningkat dengan penggunaan
beberapa pretest.
Efektifitas perlakuan dalam desain seri waktu pada dasarnya ditentukan
dengan menganalisis pola nilai tes yang dihasilkan dari beberapa tes. Gambar 13.9
menggambarkan beberapa kemungkinan pola hasil yang mungkin hasil dari
pengenalan variabel eksperimental (X). Garis vertikal menunjukkan titik di mana
perlakuan eksperimental diperkenalkan. Dalam gambar ini, the perubahan antara
periode waktu 5 dan 6 memberikan hal yang sama jenis data yang akan diperoleh
dengan menggunakan satu kelompok desain pretest-posttest. Pengumpulan data
tambahan sebelum dan sesudah pengenalan perlakuan, Namun, menunjukkan
betapa menyesatkan pretestpost satu kelompok desain bisa. Dalam (A),
peningkatannya adalah terbukti tidak lebih dari apa yang terjadi satu periode
pengumpulan data ke periode lainnya terlepas dari metode. Anda akan melihat
bahwa kinerjanya membaik
dari waktu ke waktu, tetapi tidak ada tren atau peningkatan keseluruhan semu.
Dalam (B), keuntungan dari periode 5 hingga 6 tampak menjadi bagian dari tren
yang sudah jelas sebelum perlakuan dimulai (sangat mungkin contoh
pematangan). Di (D) skor yang lebih tinggi dalam periode 6 hanya sementara,
seperti kinerja segera mendekati apa itu sebelum perlakuan diperkenalkan
(menunjukkan adanya tambahan dampak sementara). Hanya di (C) kita memiliki
bukti dari akibat yang konsisten dari perlakuan.
Desain time-series adalah desain yang kuat ia rentan terhadap sejarah (suatu
peristiwa asing bisa terjadi setelah periode 5) dan instrumentasi (karena beberapa
administrasi ujian pada titik dalam waktu yang berbeda). Diperlukan sejumlah
besar pengumpulan data bahkan kemungkinan alasan mengapa desain ini jarang
digunakan dalam penelitian pendidikan. Dalam banyak penelitian khususnya di
sekolah, tidak mungkin untuk memberikan instrumen yang sama delapan hingga
sepuluh kali. Bahkan ketika itu mungkin, pertanyaan serius diajukan tentang
validitas instrumen interpretasi dengan begitu banyak administrasi. Pengecualian
adalah penggunaan perangkat yang tidak mencolok yang bisa diterapkan pada
banyak kesempatan, sejak interpretasi berdasarkan mereka harus tetap valid.
d) Desain Faktorial
Desain faktorial menambah jumlah hubungan yang dapat diperiksa dalam
studi eksperimental. Mereka pada dasarnya adalah modifikasi dari posttest-only
kelompok kontrol atau desain kelompok kontrol pretes-postes (dengan atau tanpa
penugasan acak), yang mengizinkan investigasi variabel independen tambahan.
Nilai lain dari desain faktorial adalah bahwa hal itu memungkinkan seorang
peneliti untuk mempelajari interaksi yang variabel independen dengan satu atau
lebih variabel lain, kadang-kadang disebut variabel moderator. Variabel
moderator mungkin baik variabel perlakuan atau karakteristik subjek variabel.
Diagram desain faktorial adalah sebagai berikut:
Desain Faktorial
Perlakuan R O X Y1 O
Kontrol R O C Y2 O
Perlakuan R X Y3 O
Kontrol R C Y4 O
Variasi desain ini menggunakan dua atau lebih kelompok berbeda perlakuan
dan tidak ada kelompok kontrol. Pertimbangkan contoh yang telah kita gunakan
sebelum seorang peneliti membandingkan keefektifan metode inkuiri dan ceramah
dari instruksi tentang pencapaian dalam sejarah. Variabel independen dalam hal
ini (metode pengajaran) memiliki dua level — inquiry (X1) dan ceramah (X2).
Sekarang bayangkan Peneliti ingin melihat apakah prestasi juga dipengaruhi oleh
ukuran kelas. Dalam hal itu Y1 mungkin mewakili kelas kecil dan Y2 mungkin
mewakili kelas besar. Seperti yang kami sarankan di atas, dimungkinkan
menggunakan faktorial desain untuk menilai tidak hanya akibat terpisah dari
masing-masing variabel independen tetapi juga akibat bersama mereka. Di lain
kata-kata, peneliti dapat melihat bagaimana salah satu variabel mungkin
memoderasi yang lain (karenanya alasan untuk memanggil variabel ini variabel
moderator).
metode
Kecil (Y1)
Besar (Y2)
Gambar 13.10 Menggunakan Desain Faktorial untuk Mempelajari Akibat Metode
dan Ukuran Kelas pada Prestasi
Yang ingin menyelidiki akibat dari metode pengajaran dan ukuran kelas
tentang prestasi dalam sejarah. Gambar 13.10 menggambarkan bagaimana
berbagai kombinasi ini variabel dapat dipelajari dalam desain faktorial.
Desain faktorial, oleh karena itu, adalah cara yang efisien untuk pelajari
beberapa hubungan dengan satu set data. Biarkan kami menekankan lagi,
bagaimanapun, bahwa kebajikan terbesar mereka terletak dalam kenyataan bahwa
mereka memungkinkan seorang peneliti untuk mempelajari interaksi antar
variabel.
Gambar 13.11 misalnya menggambarkan dua kemungkinan hasil untuk
desain faktorial 2 oleh 2 ditunjukkan pada Gambar 13.10. Skor untuk setiap
kelompok pada posttest (kuis 50 item tentang sejarah Amerika) ditampilkan di
kotak-kotak (biasanya disebut sel) masing-masing kombinasi metode dan ukuran
kelas.
Dalam studi (a) pada Gambar 13.11, metode penyelidikan adalah terbukti
lebih unggul di kelas kecil dan besar, dan kelas kecil lebih unggul daripada kelas
besar untuk keduanya metode. Karenanya tidak ada akibat interaksi. Dalam
belajar (B), siswa melakukan lebih baik di kecil daripada di kelas besar dengan
kedua metode; Namun, siswa di kelas kecil melakukan lebih baik ketika mereka
diajarkan oleh metode penyelidikan, tetapi siswa di kelas besar melakukan yang
lebih baik ketika mereka diajarkan dengan metode ceramah. Demikianlah, meski
pelajar melakukan lebih baik dikelas kecil daripada dikelas besar pada umumnya,
seberapa baik mereka bergantung pada metode pengajaran. Sebagai akibatnya
peneliti tidak dapat mengatakan metode tersebut selalu lebih baik itu tergantung
pada ukuran kelas dimana siswa diajarkan ada interaksi.
Gambar 13.11 Ilustrasi Interaksi & Tanpa Interaksi dalam Desain faktorial 2 per 2
dengan kata lain, antara ukuran dan metode kelas dalam mengubah prestasi yang
terpengaruh.
Misalkan desain faktorial tidak digunakan dalam penelitian (b). Jika peneliti
hanya membandingkan akibat kedua metodenya tanpa memperhitungkan ukuran
kelas, ia akan menyimpulkan bahwa tidak ada perbedaan dalam pengaruhnya pada
pencapaian (perhatikan bahwa sarana kedua kelompok 40). Penggunaan desain
faktorial memungkinkan kita untuk melihat bahwa efektivitas metode, dalam hal
ini, tergantung pada ukuran kelas di mana ia digunakan. Tampaknya suatu
interaksi ada antara metode dan ukuran kelas. Angka 13.12 mengilustrasikan
contoh akibat interaksi.
Desain faktorial yang melibatkan empat tingkat variabel independen dan
menggunakan modifikasi desain kelompok kontrol posttest-only dipekerjakan
oleh Tuckman.7 Dalam desain ini, variabel independen adalah jenis instruksi, dan
moderator adalah jumlah motivasi. Ini adalah desain faktorial 4 oleh 2 (Gambar
13.13). Banyak variasi tambahan juga dimungkinkan, seperti 3 oleh 3, 4 oleh 3,
dan 3 oleh 2 oleh 3 desain. Desain faktorial dapat digunakan untuk menyelidiki
lebih dari dua variabel, meskipun jarang lebih dari tiga variabel yang diteliti satu
desain.
Peralatan.
1. Peluruhan instrumen. Langkah 1: Kerusakan instrumen dapat mempengaruhi
hasil apa pun. Langkah 2: Kerusakan instrumen bisa berbeda untuk kelompok. Ini
seharusnya tidak menjadi masalah besar, asalkan semua instrumen yang
digunakan diperiksa dengan cermat dan setiap perubahan yang ditemukan
dikoreksi. Langkah 3: Kemungkinan memiliki akibat kecuali dikendalikan:
rendah.
2. Karakteristik pengumpul data. Langkah 1: Pengumpul data karakteristik dapat
mempengaruhi skor pada kritis tes berpikir. Langkah 2: Ancaman ini mungkin
berbeda untuk grup kecuali dikontrol dengan menggunakan pengumpul data yang
sama (s) untuk semua grup. Langkah 3: Kemungkinan memiliki akibat kecuali
terkendali: sedang.
3. Bias pengumpul data. Langkah 1: Bias pasti bisa memengaruhi skor pada tes
berpikir kritis. Langkah 2: Ini ancaman mungkin berbeda untuk kelompok kecuali
dikontrol oleh pelaksana pelatihan dalam administrasi instrumen dan / atau
menjaga mereka agar tidak tahu kelompok perlakuan sedang diuji. Langkah 3:
Kemungkinan memiliki akibat kecuali dikendalikan: tinggi.
Regresi. Langkah 1: Regresi tidak akan berpengaruh pada skor posttest kecuali
mata pelajaran dipilih berdasarkan skor ekstrim. Langkah 2: Ancaman ini tidak
mungkin \mempengaruhi kelompok secara berbeda, walaupun bisa juga demikian.
Langkah 3: Kemungkinan memiliki akibat kecuali dikendalikan rendah.
B. PENELITIAN SINGLE-SUBJEK
1. Desain Single-Subject
Grafik dari desain single-subject
Peneliti single-subject menggunakan grafik garis untuk menyajikan data
mereka dan untuk menggambarkan efek intervensi atau perlakuan tertentu.
Gambar 14.1 menyajikan ilustrasi grafik tersebut. Variabel dependen (hasil)
ditampilkan pada sumbu vertikal (sumbu ordinasi, atau y). Misalnya, jika kita
mengajarkan keterampilan swa-bantu kepada anak yang sangat terbatas, jumlah
respons yang benar akan ditunjukkan pada sumbu vertikal.
Sumbu horizontal (absis, atau sumbu x) digunakan untuk menunjukkan
urutan waktu, seperti sesi, hari, minggu, percobaan, atau bulan. Sebagai aturan
praktis, sumbu horizontal harus berada di mana saja dari satu dan satu hingga dua
kali lebih lama dari sumbu vertikal.
Gambar 14.1. Grafik single-subject
Deskripsi kondisi yang terlibat dalam penelitian ini tercantum tepat di atas
grafik. Kondisi pertama biasanya baseline, diikuti oleh intervensi (variabel
independen). Garis kondisi, yang menunjukkan kapan kondisi telah berubah,
pisahkan kondisi. Titik-titik adalah titik data. Mereka mewakili data yang
dikumpulkan pada berbagai waktu selama penelitian. Mereka ditempatkan pada
grafik dengan menemukan persimpangan waktu ketika titik data dikumpulkan
(mis., Sesi 6) dan hasilnya pada waktu itu (enam tanggapan yang benar). Titik
data ini kemudian dihubungkan untuk menggambarkan tren dalam data. Terakhir,
ada keterangan gambar di dekat bagian bawah grafik, yang merupakan ringkasan
dari gambar, biasanya daftar variabel independen dan dependen.
Desain A-B
Pendekatan dasar para peneliti menggunakan desain A-B adalah untuk
mengumpulkan data tentang subjek yang sama, beroperasi sebagai kontrolnya
sendiri, di bawah dua kondisi atau fase. Kondisi pertama adalah kondisi
pretreatment, biasanya disebut (seperti yang disebutkan sebelumnya) periode
awal, dan diidentifikasi sebagai A. Selama periode awal, subjek dinilai untuk
beberapa sesi sampai tampak bahwa perilaku tipikalnya telah ditentukan dengan
andal. Baseline sangat penting dalam penelitian single-subject karena merupakan
estimasi terbaik dari apa yang akan terjadi jika intervensi tidak diterapkan. Poin
data yang cukup harus diperoleh untuk menentukan gambaran yang jelas tentang
kondisi yang ada; tentunya seseorang harus mengumpulkan minimal tiga titik data
sebelum mengimplementasikan intervensi. Baseline, pada dasarnya, memberikan
perbandingan dengan kondisi intervensi.
Setelah kondisi dasar telah ditetapkan, kondisi perlakuan atau intervensi,
diidentifikasi sebagai B, diperkenalkan dan dipelihara untuk jangka waktu
tertentu. Biasanya, meskipun tidak harus, perilaku yang sangat spesifik diajarkan
selama kondisi intervensi, dengan instruktur yang berfungsi sebagai pengumpul
data — biasanya dengan mencatat jumlah respons yang benar (misalnya, jawaban
atas pertanyaan) atau perilaku (misalnya, melihat guru ) diberikan oleh subjek
selama sejumlah percobaan. Sebagai contoh desain A-B, pertimbangkan seorang
peneliti yang tertarik pada efek pujian verbal pada siswa sekolah menengah
pertama yang tidak responsif selama pengajaran matematika. Peneliti dapat
mengamati perilaku siswa selama, katakanlah, lima hari ketika instruksi dalam
matematika terjadi, kemudian pujilah dia secara lisan selama lima sesi dan amati
perilakunya segera setelah pujian. Gambar 14.2 menggambarkan desain A-B ini.
Desain B-A-B
Kadang-kadang ada saat-saat ketika perilaku seseorang begitu parah atau
mengganggu (mis., Pertarungan berlebihan baik di dalam maupun di luar kelas)
sehingga seorang peneliti tidak bisa menunggu terbentuknya garis dasar. Dalam
kasus seperti itu, desain B-A-B dapat digunakan. Desain ini melibatkan perlakuan
diikuti oleh baseline diikuti dengan kembali ke perlakuan. Desain ini juga sesuai
ketika ada kurangnya perilaku — misalnya, jika subjek tidak pernah menunjukkan
perilaku yang diinginkan (misalnya, memperhatikan) di masa lalu — atau ketika
intervensi sudah berlangsung (misalnya, penahanan setelah sekolah usai program)
dan seorang peneliti ingin membangun pengaruhnya. Gambar 14.5
mengilustrasikan desain B-A-B.
Gambar 14.5. Desain B-A-B
Desain A-B-C-B
Desain A-B-C-B merupakan modifikasi lebih lanjut dari desain A-B-A. C
dalam desain ini mengacu pada variasi intervensi dalam kondisi B. Dalam dua
kondisi pertama, data dasar dan intervensi dikumpulkan. Selama kondisi C,
intervensi diubah untuk mengendalikan perhatian ekstra yang mungkin diterima
subjek selama fase B. Sebagai contoh, dalam contoh kami sebelumnya, orang
mungkin berpendapat bahwa itu bukan pujian yang bertanggung jawab atas
peningkatan respons (jika itu terjadi) pada bagian dari subjek, tetapi perhatian
ekstra yang diterima subjek. Oleh karena itu, kondisi C, mungkin pujian yang
diberikan tidak peduli bagaimana subjek merespons (yaitu, apakah ia menawarkan
tanggapan atau tidak). Dengan demikian, seperti yang ditunjukkan pada Gambar
14.6, kesimpulan dapat dicapai bahwa pujian kontinjensi (atau selektif) sangat
penting untuk meningkatkan daya tanggap, dibandingkan dengan peningkatan
pujian secara keseluruhan.
Gambar 14.6. Desain A-B-C-B
Desain Multiple-Baseline
Alternatif untuk desain A-B-A-B adalah desain multiplebaseline. Desain
multi-baseline biasanya digunakan jika tidak mungkin atau tidak etis untuk
melakukan perlakuan dan kembali ke kondisi awal. Saat menggunakan desain
multi-baseline, peneliti melakukan lebih dari mengumpulkan data tentang satu
perilaku untuk satu subjek dalam satu pengaturan; mereka mengumpulkan
beberapa perilaku untuk satu subjek, memperoleh garis dasar untuk masing-
masing selama periode waktu yang sama.
Ketika menggunakan desain multi-baseline di seluruh perilaku, peneliti secara
sistematis menerapkan perlakuan pada waktu yang berbeda untuk setiap perilaku
sampai semuanya menjalani perlakuan. Jika perubahan perilaku dalam setiap
kasus hanya setelah perlakuan telah diterapkan, perlakuan dinilai menjadi
penyebab perubahan. Penting bahwa perilaku yang dirawat, bagaimanapun, tetap
independen satu sama lain. Jika perilaku 2, misalnya, dipengaruhi oleh pengenalan
perlakuan ke perilaku 1, maka efektivitas perlakuan tidak dapat ditentukan.
Diagram desain garis dasar berganda yang melibatkan tiga perilaku ditunjukkan
pada Gambar 14.7.
e. Perilaku Independen/Bebas
Kekhawatiran ini paling berlaku untuk studi multi-baseline. Bayangkan sejenak
bahwa seorang peneliti sedang menyelidiki berbagai metode pengajaran sejarah.
Peneliti mendefinisikan dua perilaku terpisah yang akan dia ukur. Ini termasuk (1)
kemampuan untuk menemukan ide sentral, dan (2) kemampuan untuk merangkum
poin-poin penting dalam berbagai dokumen sejarah. Peneliti mendapatkan data
dasar untuk masing-masing keterampilan ini dan kemudian mengimplementasikan
intervensi (memberikan lembar kerja yang memberikan petunjuk tentang
bagaimana menemukan ide-ide penting dalam dokumen sejarah). Kemampuan
subjek untuk menemukan ide sentral dalam dokumen meningkat dengan cepat dan
jauh. Namun, kemampuan subjek untuk merangkum poin-poin penting juga
meningkat. Sangat jelas bahwa kedua keterampilan ini tidak mandiri. Mereka
tampaknya terkait dalam beberapa cara, mungkin tergantung pada kemampuan
kognitif dasar yang sama, dan karenanya mereka meningkat bersama.
f. Jumlah Baseline
Untuk memiliki desain multi-baseline, seorang peneliti harus memiliki setidaknya
dua baseline. Meskipun baseline dimulai pada waktu yang sama, intervensi
diperkenalkan pada waktu yang berbeda. Seperti yang kami sebutkan sebelumnya,
kemungkinan bahwa variabel asing menyebabkan hasil ketika menggunakan
desain multi-baseline di dua perilaku berkurang, karena kecil kemungkinannya
bahwa peristiwa asing yang sama menyebabkan perubahan yang diamati untuk
kedua perilaku pada waktu yang berbeda. Oleh karena itu, probabilitas bahwa
peristiwa asing menyebabkan perubahan dalam desain multiple-baseline di tiga
perilaku lebih kecil.
Dengan demikian, semakin besar jumlah baseline, semakin besar probabilitas
bahwa intervensi adalah penyebab dari setiap perubahan perilaku, karena semakin
banyak perilaku yang kita miliki, kemungkinan bahwa variabel asing
menyebabkan perubahan secara bersamaan menurun.
Namun, ada masalah dengan sejumlah besar baseline. Semakin banyak garis dasar
yang ada, semakin lama perilaku selanjutnya harus tetap berada pada garis dasar
— yaitu, tidak menerima intervensi. Misalnya, jika kita mengikuti rekomendasi
yang disebutkan sebelumnya tentang menetapkan titik data yang stabil sebelum
kita memperkenalkan kondisi intervensi, ini berarti bahwa perilaku pertama
adalah pada awal untuk minimal tiga sesi, yang kedua untuk enam sesi, dan yang
ketiga untuk sembilan . Jika kita menggunakan empat garis dasar, perilaku
keempat akan berada dalam kondisi awal untuk 12 sesi! Ini adalah waktu yang
sangat lama untuk menjaga perilaku agar tidak menerima intervensi. Sebagai
aturan umum, bagaimanapun, penting untuk diingat bahwa semakin sedikit
jumlah baseline, semakin kecil kemungkinan kita dapat menyimpulkan bahwa itu
adalah intervensi daripada beberapa variabel lain yang menyebabkan perubahan
perilaku.
C. PENELITIAN KORELASI
b) Studi Prediksi
Tujuan kedua penelitian korelasional adalah prediksi: Jika ada hubungan yang
cukup besar antara dua variabel, kemungkinan untuk memprediksi skor pada satu
variabel jika skor pada variabel lain diketahui. Periset telah menemukan,
misalnya, bahwa nilai sekolah tinggi sangat terkait dengan nilai perguruan tinggi.
Makanya, nilai SMA bisa digunakan untuk memprediksi nilai kuliah. Kami akan
memprediksi bahwa orang dengan SMA berpendidikan tinggi cenderung memiliki
IPK tinggi di perguruan tinggi. Variabel yang digunakan untuk membuat prediksi
disebut variabel prediktor; variabel tentang prediksi yang dibuat disebut variabel
kriteria. Oleh karena itu, dalam contoh di atas, nilai sekolah menengah akan
menjadi variabel prediktor, dan nilai perguruan tinggi akan menjadi variabel
kriteria. Seperti yang telah kami sebutkan di Bab 8, studi prediksi juga digunakan
untuk menentukan validitas prediktif alat ukur.
c. Koefisien Determinasi
Kuadrat korelasi antara prediktor dan variabel kriteria dikenal sebagai
koefisien determinasi, dilambangkan dengan r2. Jika korelasi antara IPK SMA dan
IPK perguruan tinggi, misalnya, sama dengan 0,60, maka koefisien determinasi
akan sama. 36. Apa artinya ini? Singkatnya, koefisien determinasi menunjukkan
persentase variabilitas di antara nilai kriteria yang dapat dikaitkan dengan
perbedaan nilai pada variabel prediktor. Jadi, jika korelasi antara IPK SMA dan
IPK perguruan tinggi untuk sekelompok siswa adalah 0,60, 36 persen (0,60)2 dari
perbedaan IPK perguruan tinggi siswa tersebut dapat dikaitkan dengan perbedaan
dalam IPK sekolah menengah mereka.
Interpretasi R2 (untuk regresi berganda) sama dengan r (untuk regresi
sederhana). Misalkan dalam contoh kita yang menggunakan tiga variabel
prediktor, koefisien korelasi berganda sama dengan 0,70. Koefisien determinasi,
sama dengan (0,70)2, atau 0,49. Dengan demikian, akan tepat untuk mengatakan
bahwa 49 persen variabilitas dalam variabel kriteria dapat diprediksi berdasarkan
tiga variabel prediktor. Cara lain untuk mengatakan ini adalah bahwa IPK SMA,
nilai SAT lisan, dan nilai SAT matematika (tiga variabel prediktor), diambil
bersamaan, menyumbang sekitar 49 persen variabilitas IPK perguruan tinggi
(variabel kriteria).
Nilai persamaan prediksi tergantung pada apakah bisa digunakan dengan
kelompok individu baru. Periset tidak pernah bisa memastikan persamaan prediksi
yang mereka kembangkan akan berhasil bekerja bila digunakan untuk
memprediksi skor kriteria untuk sekelompok orang baru. Sebenarnya, sangat
mungkin hal itu akan kurang akurat bila digunakan, karena kelompok baru tidak
akan identik dengan yang digunakan untuk mengembangkan persamaan prediksi.
Keberhasilan suatu persamaan prediksi dengan kelompok baru, oleh karena itu,
biasanya bergantung pada kesamaan kelompok terhadap kelompok yang
digunakan untuk mengembangkan persamaan prediksi yang awalnya.
d. Analisis Fungsi Diskriminan
Dalam kebanyakan penelitian prediksi, variabel kriteria bersifat kuantitatif-
yaitu, ini melibatkan skor yang dapat jatuh di mana saja sepanjang rangkaian dari
rendah ke tinggi. Contoh IPK perguruan tinggi kami sebelumnya adalah variabel
kuantitatif, karena nilai pada variabel dapat turun di mana saja atau antara 0.00
dan 4.00. Terkadang, bagaimanapun, variabel kriteria mungkin merupakan
variabel kategoris - yaitu, melibatkan keanggotaan dalam kelompok (atau
kategori) daripada skor sepanjang rangkaian. Misalnya, seorang peneliti mungkin
tertarik untuk memprediksi apakah seorang individu lebih menyukai jurusan
teknik atau jurusan bisnis. Dalam contoh ini, variabel kriteria dikotomis - individu
berada dalam satu kelompok atau kelompok lainnya. Tentu saja, variabel
kategoris bisa memiliki lebih dari dua kategori (misalnya jurusan teknik, jurusan
bisnis, jurusan pendidikan, jurusan sains, dan sebagainya). Teknik regresi
berganda tidak dapat digunakan bila variabel kriteria bersifat kategoris; Sebagai
gantinya, teknik yang dikenal sebagai analisis fungsi diskriminan digunakan. Itu
Tujuan analisis dan bentuk persamaan prediksi, bagaimanapun, serupa dengan
regresi berganda. Gambar 15.4 menggambarkan logika; perhatikan bahwa nilai
individu yang diwakili oleh enam wajah tetap sama untuk kedua kategori! Skor
orang tersebut dibandingkan dengan skor pertama dari para ahli kimia penelitian,
dan kemudian skor guru kimia.
e. Analisis Faktor
Ketika sejumlah variabel diselidiki dalam satu studi, analisis dan interpretasi
data bisa menjadi agak rumit. Oleh karena itu, seringkali diinginkan untuk
mengurangi jumlah variabel dengan mengelompokkan yang cukup atau sangat
berkorelasi satu sama lain menjadi faktor.
Analisis faktor adalah teknik yang memungkinkan peneliti menentukan
apakah banyak variabel dapat digambarkan oleh beberapa faktor. Perhitungan
matematis yang terlibat berada di luar cakupan buku ini, namun teknik dasarnya
melibatkan pencarian untuk "kelompok" variabel, yang semuanya berkorelasi satu
sama lain. Klaster berikutnya mewakili sebuah faktor. Studi tentang tes IQ
kelompok, misalnya, menunjukkan bahwa banyak nilai spesifik yang digunakan
dapat dijelaskan sebagai hasil dari sejumlah faktor yang relatif kecil. Sementara
kontroversial, hasil ini memang memberi satu sarana untuk memahami
kemampuan mental yang dibutuhkan untuk tampil dengan baik pada tes semacam
itu. Mereka juga menghasilkan tes baru yang dirancang untuk menguji
kemampuan yang teridentifikasi ini secara lebih efektif.
f. Analisis Jalur
Analisis jalur digunakan untuk menguji kemungkinan hubungan kausal antara
tiga atau lebih variabel. Beberapa teknik lain yang telah kita gambarkan dapat
digunakan untuk mengeksplorasi teori tentang kausalitas, namun analisis jalur
jauh lebih kuat daripada yang lainnya. Meskipun penjelasan rinci tentang teknik
ini terlalu teknis untuk dimasukkan di sini, gagasan penting di balik analisis jalur
adalah merumuskan sebuah teori tentang kemungkinan penyebab fenomena
tertentu (seperti keterasingan siswa) -yaitu, untuk mengidentifikasi variabel-
variabel penyebab yang dapat menjelaskan mengapa fenomena itu terjadi - dan
kemudian untuk menentukan apakah korelasi antara semua variabel konsisten
dengan teori.
Misalkan seorang peneliti berteori sebagai berikut: (1) Siswa tertentu lebih
terasing di sekolah daripada yang lain karena mereka tidak menganggap sekolah
menyenangkan dan karena mereka memiliki sedikit teman; (2) mereka tidak
menganggap sekolah menyenangkan sebagian karena mereka memiliki sedikit
teman dan sebagian karena mereka tidak menganggap kursus mereka sesuai
dengan kebutuhan mereka; dan (3) relevansi yang dirasakan dari kursus sedikit
terkait dengan jumlah teman. Peneliti kemudian akan mengukur masing-masing
variabel ini (tingkat keterasingan, relevansi pribadi dari kursus, kenikmatan di
sekolah, dan jumlah teman) untuk sejumlah siswa. Korelasi antara pasangan
masing-masing variabel kemudian akan dihitung. Mari kita bayangkan bahwa
peneliti memperoleh korelasi yang ditunjukkan dalam matriks korelasi pada Tabel
15.3.
Apa yang ditunjukkan tabel ini tentang kemungkinan penyebab keterasingan
siswa? Dua dari variabel (relevansi kursus di -.48 dan kenikmatan sekolah di -.53)
yang ditunjukkan dalam tabel adalah prediktor yang cukup besar tentang
keterasingan semacam itu. Namun demikian, untuk mengingatkan Anda lagi,
hanya karena variabel ini memprediksi keterasingan siswa, Anda seharusnya tidak
berasumsi bahwa hal itu menyebabkannya terjadi. Selanjutnya, ada masalah yang
ada dalam kenyataan bahwa kedua variabel prediktor berkorelasi satu sama lain.
Seperti yang dapat Anda lihat, kesenangan sekolah dan relevansi yang dirasakan
dari kursus tidak hanya memprediksi keterasingan siswa, tapi juga berkorelasi
sangat tinggi satu sama lain (r? .65). Sekarang, apakah relevansi yang dirasakan
dari kursus mempengaruhi keterasingan siswa secara independen dari kenikmatan
sekolah? Apakah kenikmatan sekolah mempengaruhi keterasingan siswa secara
independen terhadap persepsi relevansi kursus? Analisis jalur dapat membantu
peneliti menentukan jawaban atas pertanyaan-pertanyaan ini.
Analisis jalur, kemudian, melibatkan empat langkah dasar. Pertama, teori
yang menghubungkan beberapa variabel diformulasikan untuk menjelaskan
fenomena minat tertentu. Dalam contoh kita, peneliti berteori hubungan kausalitas
berikut: (1) Ketika siswa menganggap pelajaran mereka tidak terkait dengan
kebutuhan mereka, mereka tidak akan menikmati sekolah; (2) Jika mereka
memiliki sedikit teman di sekolah, ini akan berkontribusi pada kurangnya
kesenangan mereka, dan (3) semakin tidak disukai siswa sekolah dan semakin
sedikit teman yang dimilikinya, semakin terasing dia. Kedua, variabel yang
ditentukan oleh teori kemudian diukur dalam beberapa cara. * Ketiga, koefisien
korelasi dihitung untuk menunjukkan kekuatan hubungan antara masing-masing
pasangan variabel yang dipostulasikan dalam teori. Dan keempat, hubungan
antara koefisien korelasi dianalisis dalam kaitannya dengan teori.
Variabel analisis jalur biasanya ditunjukkan pada jenis diagram yang
digambarkan pada Gambar 15.5. † Setiap variabel dalam teori ditunjukkan pada
gambar. Setiap panah menunjukkan hubungan kausalitas yang dihipotesiskan ke
arah panah. Jadi, menyukai sekolah dihipotesiskan untuk mempengaruhi
keterasingan; Jumlah teman mempengaruhi kenikmatan sekolah, dan sebagainya.
Perhatikan bahwa dalam contoh ini semua panah mengarah ke satu arah saja. Ini
berarti bahwa variabel pertama dihipotesiskan untuk mempengaruhi variabel
kedua, namun tidak sebaliknya. Angka serupa (tapi tidak identik) dengan
koefisien korelasi dihitung untuk masing-masing pasangan variabel. Jika hasilnya
ditunjukkan pada Gambar 15.5, teori kausal peneliti akan didukung. Apakah kamu
melihat mengapa?
g. Pemodelan Struktur
Pemodelan struktural adalah metode yang canggih untuk mengeksplorasi dan
mungkin mengonfirmasi sebab akibat di antara beberapa variabel.
Kompleksitasnya berada di luar cakupan teks ini. Cukup dengan mengatakan
bahwa ia menggabungkan beberapa regresi, analisis jalur, dan analisis faktor.
Perhitungannya sangat disederhanakan dengan menggunakan program komputer;
program komputer yang paling banyak digunakan mungkin LISREL.1
A. Kesimpulan
Penelitian eksperimental adalah satu-satunya jenis penelitian yang secara
langsung berupaya mempengaruhi variabel tertentu, dan bila diterapkan dengan
benar, ini adalah tipe penelitian terbaik untuk pengujian hipotesis tentang
hubungan sebab-akibat.
Karakteristik penting dalam penelitian eksperimental diantaranya ::
1) perbandingan kelompok : melakukan perlakuan terhadap dua kelompok yaitu
eksperimen dan kontrol dengan menggunakan metode yang berbeda, untuk
mengetahui metode manakah yang cocok digunakan agar memperoleh tujuan
yang diharapkan.
2) memanipulasi variable independen : sengaja dan langsung menentukan apa
bentuk variabel independen yang akan diambil dan kemudian kelompok mana
yang akan mendapatkan formulir yang telah ditentukan
3) pengacakan : pengambilan sampel dilakukan secara acak.
Cara menghilangkan ancaman karena karakteristik subjek : pengacakan,
memegang variable konstan tertentu, membangun variable ke dalam design,
sesuai, menggunakan subyek sebagai kontrol, menggunakan analisis kovarian.
Desain eksperimental ilmiah diantaranya: studi kasus satu tembakan, desain satu
grup pretest-posttest, desain perbandingan kelompok statis, desain kelompok
pretest-posttest kelompok statis,
Desain quasi-eksperimental tidak termasuk penggunaan tugas acak, peneliti yang
menggunakan desain ini sebaliknya mengandalkan teknik lain untuk mengontrol
(atau di paling tidak mengurangi) ancaman terhadap validitas internal.
B. Saran
Penulis menyadari tidak menutup kemungkinan adanya kekurangan dalam
penulisan makalah ini. Oleh karena itu, pembaca diharapkan dapat menanggapi
pembahasan yang dijelaskan dalam makalah. Kritik dan saran pembaca
diharapkan dapat menyempurnakan penulisan makalah dikemudian hari.
DAFTAR PUSTAKA
Fraenkel, Jack R. dan Norman E. Wallen. 1932. How to Design and Evaluate
Research in Education. New York: McGraw-Hill.