Secondary data
Experience survey
Pilot studies
Focus Group Discussion
In depth interview
Descriptive research
Menggambarkan fenomena-fenomena tertentu, berpusat
pada isu apa yang terjadi, atau data kuantitas yang terkait
dengan kejadian, dan tidak berpusat pada pertanyyaan
mengapa hal itu terjadi.
Descriptive Research:
who, what, where, how
Dirancang untuk mendapatkan pemahaman
lebih mendalam terhadap problema riset dengan
menggambarkan variabel-variabel yang terkait
Descriptive Research
Mendeskripsikan karakteristik populasi atau
fenomena
Konsep permasalahan sebagian dipahami
Descriptive (Quantitative) Research
4-9
Example
Survey oleh perusahaan motor untuk
mempelajari konsumen mobil
Kesukaan konsumen terhadap desain dan
feature mobil, dan bagaimana cara
memuaskan kesukaaan mereka
shopping mall “intercepts”; mail interview etc.
Data-data demografi, kepuasan pelanggan;
Uji tentang aspek-aspek advertising;
Studi tentang imej produk.
10
Causal Research (If-then)
Riset ini berusaha untuk menjelaskan
mengapa sesuatu terjadi, dan menilai
hubungan sebab akibat antar variabel
Dirancang untuk mendapatkan informasi
tentang hubungan sebab akibat →theory
building
Causal Research
Dilakukan untuk mengetahui hubungan sebab dan
akibat
Identifying Causality
Bukti-bukti hubungan sebab akibat:
1. urutan peristiwa yang logis
2. Ada keterkaitan anatara variabel: --two phenomena
vary together
3. Tidak ada penejelasn lain yang memadai
Pemilihan metode penelitian yang paling tepat
tergantung pada:
1. Tujuan riset
2. Seberapa besar informasi yang telah ada terkait
dengan problema dan tujuan riset
Tujuan dan Desain Riset
Research Objective Appropriate Design
15
Uncertainty Influences the Type of
Research
“our sales are declining and “What kind of people are buying “Will buyers purchase more of
we don’t know why.” our product? Who buys our our products in a new package?
competitor’s product?”
“Would people be interested “Which of two advertising
in our new product idea?” “What features do buyers prefer campaigns is more effective?”
in our product?”
Theory/paradigma
Evaluasi prediksi
Statistik Ho,
Evaluasi statistik Ho & Ha Statistik ha, utk semua variable yg diukur
22
2. Response variable menyebabkan terjadinya perubahan
pada explanatory variable.
contoh: pada studi di Resource Manual, dijelaskan bahwa
lelaki yang bercerai memiliki kemungkinan 2 x lebih
besar dalam penyalahgunaan alkohol. Penulis
menyimpulkan bahwa perceraian (explanatory
variabel) menyebabkan penyalahgunaan
alkohol(respon variabel). Tetapi sebenarnya, bisa juga
disimpulkan bahwa penyalahgunaan alkohol adalah
penyebab perceraian.
3. Explanatory variable menyumbang sebagai
penyebab, tetapi bukan sebagai satu-satunya
sebab untuk response variabel
contoh: zat karsinogen pd makanan bukan merupakan
satu-satunya sebab terjadinya penyakit kanker, tetapi
merupakan kontributor penting untuk kanker
24
4. Confounding variables mungkin ada.
Suatu confounding variable terkait dengan
explanatory variable dan mempengaruhi respon
response variable. Sehingga, tidak dapat ditentukan
berapa banyak perubahan disebabkan karena
explanatory dan sberapa banyak oleh confounding
variable(s).
Contoh: hubungan antara jumlah jam belajar per hari
dan IPK. Belajar meningkatkan IPK, tetapi motivasi
untuk sukses (confounding variabel) akan
mengakibatkan mhs belajar lebih banyak sehingga
IPK menjadi tinggi.
Confounding
Dua variabel dikatakan confounded apabila
pengaruh mereka terhadap response variabel tidak
dapat dipisahkan satu dengan yang lain. Variabel2
yang confounded bisa berupa explanatory variables
atau lurking variables.
contoh: penelitian menunjukkan bahwa orang-orang
yang religius hidup lebih lama daripada yang tidak
religius.
orang2 religius juga memperhatikan kesehatan dirinya
lebih baik, mis; tidak mabuk2an, tidak menjadi pecandu
narkoba, makan secukupnya, tidak foya-foya, lebih
dermawan, etc.
26
Lurking Variables
Lurking variables dapat menciptakan korelasi yang
tidak masuk akal.
Contoh: untuk negara-negara di dunia: x rata-rata
konsumsi kertas/orang, y: rata-rata angka harapan
hidup.
Korelasi positif yang sangat tinggi
Negara dgn konsumsi kertas tinggi memeiliki harapan
hidup yang lebih tinggi
27
Lurking Variables and Causation:
An Example
The following scatter-plot shows that the average life
expectancy for a country is related to the number of doctors
per person in that country. We could come up with all
sorts of reasonable explanations justifying this, but…
Lurking Variables and Causation:
Another Example
This new scatter-plot shows that the average life expectancy
for a country is also related to the number of televisions per
person in that country.
And the relationship is even stronger: R2 of 72% instead of 62%
Since TVs are cheaper than doctors, Why don’t we send TVs
to countries with low life expectancies in order to extend
lifetimes. Right?
Kertas, TV
Lurking variable: kesejahteraan bangsa
Negara kaya: konsumsi kertas lebih tinggi dan tv per
orang lebih banyak.
Negara kaya: memiliki harapan hidup lebih tinggi
karena faktor gizi, kebersihan dan jaminan kesehatan.
5. Kedua variabel mungkin berasal dari sebab yang
sama
Example: pelajar yang memiliki NEM tinggi akan
memiliki IPK yang lebih tinggi pada tahun pertama
kuliah
Korelasi positif tersebut merupakan respon yang sama
terhadap students’ ability and knowledge.
31
Common Response
“Ada korelasi postif yang sangat kuat
antara jumlah personel pemadam
kebakaran dan tingkat kerusakan
bangunan yang terbakar. “So mengirim
banyak personal pemadam kebakaran
akan menyebabkan kerusakan yang lebih
parah”
32
What is the lurking variable?
a) Number of firefighters
b) Amount of damage
c) How large the fire is.
d) If the fire is close to the fire station
6. Kedua variabel berubah seiring berubahnya
waktu.
Nonsensical associations result from correlating two
variables that have both changed over time.
Example: The number of divorces and the number of
suicides have both increased dramatically since 1900.
This does not mean that divorces are causing suicides.
All such statistics increase as the population increases.
7. Asosiasi terjadi karena kebetulan belaka.
34
Tiga Komponen
Independent dan dependent variables
Effect dari perlakuan terhadap outcome beberapa variabel
Pretesting dan posttesting
Kemampuan untuk menilai adanya perubahan sebelum dan
sesudah manipulasi
Grup perlakuan dan kontrol
Perbandingan terhadap grup yang tidak memperoleh
perlakuan
Grup Perlakuan dan Kontrol
Harus semirip mungkin.
Grup kontrol merupakan alat untuk mengukur apa
yang terjadi pada grup eksperimen apabila tidak diberi
perlakuan
Contoh:
Pertanyaan:
Apakah air minum yang diberi garam mempengaruhi
tekanan darah (BP) pada tikus?
Percobaan:
1. Memberikan seekor tikus air minum yang
mengandung NaCl 1%.
2. Perlakuan selama 14 hari.
3. Mengukur tekanan darah (BP).
37
Kontrol
Membandingkan BP tikus yang diberi minum
dengan air bergaram dengan yang diberi air tawar
47
At Rothamsted, Fisher mengenali masalah-masalah dalam
eksperiment di bidang pertanian
Tempat Tempat
dgn level dgn level
N tinggi N rendah