Diajukan Untuk Memenuhi Salah Satu Tugas Mata Kuliah Riset Keperawatan
Dosen Pembimbing : Sri Wulan Megawati S.Kep., Ners., M.Kep
Disusun Oleh :
Cecep Mulyana AK118031
Chapter 1
Chapter 3
PART 2
STUDI PENELITIAN KONSEPTUALISASI
Chapter 1
Chapter 2
Chapter 3
PART 4
D. Contoh Penelitian
Contoh Penelitian Laporan Diri Kualitatif :
Norton dan Bowers (2001) melakukan studi grounded theory
tentang pengambilan keputusan akhir kehidupan. Penelitian difokuskan
pada strategi klinisi untuk mengubah keputusan pengobatan pasien dari
yang tidak realistis (kuratif) menjadi pilihan yang lebih realistis (paliatif).
Sampel terdiri dari 10 perawat, 5 dokter, dan 5 anggota keluarga.
Wawancara dilakukan pada waktu dan tempat yang nyaman bagi peserta
selama periode 16 bulan. Semua wawancara direkam dan kemudian
ditranskripsikan dan diperiksa keakuratannya. Para peneliti melakukan
semua wawancara sendiri.
Wawancara berubah selama studi sebagai teori muncul. Untuk
empat wawancara pertama, yang berlangsung selama 60 hingga 90 menit,
Norton dan Bowers menggunakan pertanyaan terbuka yang luas, seperti
"Bagaimana keputusan perawatan pasien dibuat di sini?" dan “Bagaimana
keputusan dibuat ketika tampaknya pasien tidak akan pulih?”.
Wawancara yang dilakukan kemudian dalam penelitian ini lebih
pendek, berlangsung 30 sampai 60 menit. Pertanyaan yang digunakan
untuk memandu wawancara selanjutnya menjadi lebih terfokus karena
kategori dihasilkan dari analisis. Pertanyaan berikut mengilustrasikan
pertanyaan wawancara yang digunakan menjelang akhir studi grounded
theory ini: “Bagaimana Anda mengetahui apakah keputusan pengobatan
itu realistis?”, Apa bedanya jika semua orang yang terlibat (pasien,
keluarga, dan penyedia) setuju tentang bagaimana untuk melanjutkan?”,
dan “Apa yang Anda lakukan ketika bukan itu masalahnya?”. Memo dan
matriks digunakan untuk melacak teori yang berkembang dan
mendokumentasikan pilihan metodologis para peneliti.
Hasil mengungkapkan bahwa pergeseran pilihan pasien dan
keluarga dari kuratif ke paliatif dicapai dengan mengubah pemahaman
mereka tentang "gambaran besar" dari kondisi pasien. Strategi yang
digunakan dokter untuk membuat perubahan ini termasuk meletakkan
dasar, menggeser gambar, dan menerima gambar baru.
E. Bias Pengamat
Meskipun observasi merupakan metode pengumpulan data yang
penting, baik observasi yang tidak terstruktur maupun yang terstruktur
rentan terhadap bias. Kesalahan dan kekurangan persepsi manusia
merupakan ancaman terus menerus terhadap kualitas informasi yang
diperoleh. Pengamatan dan interpretasi adalah tugas yang menuntut,
membutuhkan perhatian, sensasi, persepsi, dan konsepsi. Untuk mencapai
kegiatan ini dengan cara yang benar-benar objektif adalah menantang dan
mungkin tidak mungkin.
Beberapa jenis bias observasional sangat umum. Salah satu bias
adalah peningkatan efek kontras, di mana pengamat mendistorsi
pengamatan ke arah membagi konten menjadi entitas yang jelas. Efek
sebaliknya bias terhadap tendensi sentral terjadi ketika peristiwa ekstrem
terdistorsi menuju jalan tengah. Serangkaian bias disebut asimilasi, di
mana pengamat mendistorsi pengamatan ke arah identitas dengan masukan
sebelumnya. Bias ini akan memiliki efek salah mengkategorikan informasi
ke arah keteraturan dan keteraturan. Asimilasi dengan harapan dan sikap
pengamat juga terjadi. Skala penilaian dan observasi evaluatif lainnya juga
rentan terhadap bias. Efek halo adalah kecenderungan pengamat untuk
dipengaruhi oleh satu karakteristik dalam menilai karakteristik lain yang
tidak terkait. Misalnya, jika kita membentuk kesan umum yang positif
tentang seseorang, kita mungkin akan menilai orang itu sebagai orang
yang cerdas, setia, dan dapat diandalkan hanya karena sifat-sifat ini dinilai
secara positif. Skala penilaian mungkin mencerminkan kepribadian
pengamat. Kesalahan leniency adalah kecenderungan pengamat untuk
menilai segala sesuatu secara positif, dan kesalahan keparahan adalah
kecenderungan kontras untuk menilai terlalu keras. Bias sangat mungkin
untuk beroperasi ketika tingkat inferensi pengamat yang tinggi diperlukan.
Meskipun tingkat bias pengamat bukan merupakan fungsi dari tingkat
struktur yang dikenakan pada pengamatan, biasanya lebih sulit untuk
menilai tingkat bias bila menggunakan metode tidak terstruktur.
F. Contoh Penelitian
a. Contoh penelitian observasi partisipan
Holt dan Reeves (2001) melakukan studi ethnonursing tentang
praktik kepedulian yang dirancang untuk memelihara harapan di desa
pedesaan di Republik Dominika. Observasi partisipan dan wawancara
dengan informan kunci dilakukan selama periode 5 minggu ketika
peneliti utama benar-benar tenggelam dalam budaya Republik
Dominika. Satu minggu dihabiskan untuk tinggal bersama para
perawat di negara ini dan belajar tentang sistem perawatan kesehatan.
Sisa 4 minggu dihabiskan di desa pegunungan yang tinggal bersama
salah satu keluarga Dominikan.
Model Observasi Partisipasi Refleksi Leininger digunakan
untuk transisi ke peran penelitian yang berbeda. Dua minggu pertama
penelitian dikhususkan terutama untuk pengamatan murni, dan untuk
menanyai penduduk desa tentang kehidupan dan perawatan medis
mereka. Namun, beberapa partisipasi dimulai pada minggu pertama
tinggal di desa. Peneliti mengamati semua aktivitas yang dia bisa,
mulai dari potong rambut hingga menyiapkan makan malam spaghetti.
Peneliti berpartisipasi dalam berbagai kegiatan sosial dan keagamaan
di desa, seperti menghadiri Gereja Katolik di pusat desa.
Sebanyak 13 wawancara kelompok kecil dilakukan dengan 45
penduduk desa, yang diidentifikasi sebagai calon informan oleh
seorang kepala desa yang juga seorang petugas kesehatan. Peneliti
menulis catatan lapangan setelah setiap wawancara. Catatan lapangan
juga digunakan untuk mengabadikan dan mengingat peristiwa dan
percakapan yang terjadi selama 5 minggu observasi partisipan.
Hasil penelitian mengungkapkan lima tema terkait harapan di
desa di kaki bukit Republik Dominika ini. Holt dan Reeves
menggabungkan lima tema ini ke dalam definisi harapan bagi
kelompok Dominikan ini: “Harapan adalah kekuatan hidup yang
esensial namun dinamis yang tumbuh dari iman kepada Tuhan;
didukung oleh hubungan, sumber daya, dan pekerjaan; dan
menghasilkan energi yang diperlukan untuk bekerja demi masa depan
yang diinginkan. Harapan memberi makna dan kebahagiaan”
b. Contoh penelitian observasi terstruktur
Holditch-Davis, Docherty, Miles, dan Burchinal (2001)
membandingkan hasil perkembangan dan interaksi ibu-bayi dari bayi
dengan displasia bronkopulmoner (BPD) dengan bayi lain yang rapuh
secara medis. Berbagai macam data observasi dikumpulkan untuk 23
bayi dengan BDP dan 39 bayi yang rapuh secara medis tanpa BDP.
Interaksi ibu-bayi diamati dalam sesi observasi 1 jam di
beberapa titik waktu: pada saat pendaftaran ke penelitian, setiap 2
bulan selama rawat inap bayi, 1 bulan setelah keluar, dan pada usia 6
bulan dan 12 bulan, dikoreksi untuk prematuritas. Selama observasi,
ada atau tidak adanya lima perilaku ibu dan lima bayi dicatat selama
setiap interval 10 detik. Kategori perilaku ibu adalah perawatan medis,
interaksi, bicara, afek positif, dan afek negatif; kategori bayi adalah
anak waspada, anak bersuara, afek negatif anak, bicara anak, dan
gerak anak. Pengaruh positif ibu, misalnya, secara operasional
didefinisikan sebagai "Ibu mengarahkan pengaruh positif kepada anak
(misalnya, tersenyum, memuji, atau menyentuh kasih sayang)" (hal.
185). Kategori perilaku tidak saling eksklusif; jika perilaku tertentu
terjadi lebih dari sekali dalam interval 10 detik, insidennya dihitung,
bukan frekuensinya. 10 variabel terakhir dinyatakan sebagai
persentase dari total observasi. Artinya, persentase dihitung sebagai
jumlah periode 10 detik di mana perilaku tertentu terjadi, dibagi
dengan jumlah periode 10 detik dalam sesi observasi.
Hasil penelitian menunjukkan bahwa tidak ada perbedaan
antara kedua kelompok bayi dalam hasil perkembangan atau perilaku
interaktif. Namun, perhatian positif ibu dan kualitas lingkungan rumah
yang lebih tinggi merupakan prediksi hasil perkembangan yang lebih
baik pada kedua kelompok.
A. Tindakan Biofisiologis
1. Tujuan Tindakan Biofisiologis
Proses fisiologis dasar. Studi semacam itu sering melibatkan subjek yang
sehat dan normal, atau beberapa spesies hewan di bawah manusia.
a. Contoh proses fisiologi dasar :
Nantais-Smith dan rekan-rekannya (2001) mempelajari kadar plasma
dan aspirasi puting susu pada wanita menyusui dan pascasapih untuk
mengeksplorasi apakah pengangkutan karotenoid dari darah ke
payudara ditingkatkan oleh menyusui.
Hasil fisiologis asuhan keperawatan. Beberapa dari studi ini dilakukan
ketika ada kekhawatiran bahwa prosedur standar tidak memiliki efek
menguntungkan yang diinginkan.
b. Contoh studi hasil fisiologis:
Jellema dan rekan (2000) menyelidiki perubahan hemodinamik yang
disebabkan oleh hiperinflasi paru manual (MLH) pada pasien dengan
syok septik. Tujuan mereka adalah untuk menilai apakah perubahan
tersebut cukup merugikan untuk menjamin pelarangan MLH sebagai
prosedur rutin dalam merawat pasien ini.
Evaluasi intervensi keperawatan. Biasanya, studi ini melibatkan
hipotesis yang menyatakan bahwa prosedur keperawatan yang inovatif
akan menghasilkan peningkatan hasil biofisiologis di antara pasien.
c. Contoh evaluasi:
Wong, Lopez-Nahas, dan Molassiotis (2001) mengevaluasi efektivitas
terapi musik dalam mengurangi kecemasan pada pasien yang
bergantung pada ventilator. Tekanan darah rata-rata dan laju
pernapasan digunakan untuk menilai kecemasan.
Penilaian produk. Sejumlah studi keperawatan dirancang untuk
mengevaluasi produk alternatif yang dirancang untuk meningkatkan
kesehatan atau kenyamanan pasien, daripada mengevaluasi intervensi
keperawatan.
d. Contoh studi penilaian produk:
Cohen, Hayes, Tordella, dan Puente (2002) menggunakan desain
eksperimental untuk mengevaluasi efisiensi termal dari tiga produk
pencegahan kehilangan panas (kapas yang telah dihangatkan, selimut
reflektif, dan selimut tiup udara hangat paksa) pada pasien trauma
yang menjalani resusitasi dalam keadaan darurat. departemen. Suhu
tubuh dicatat setiap 15 menit selama satu jam pertama, dan kemudian
setiap jam.
Pengukuran dan perbaikan diagnosis. Peneliti perawat terkadang
melakukan penelitian untuk meningkatkan pengukuran dan pencatatan
informasi biofisiologis yang secara teratur dikumpulkan oleh perawat.
Demikian pula, beberapa peneliti menyelidiki metode untuk
meningkatkan diagnosis klinis.
e. Contoh studi tentang pengukuran :
Gray, McClain, Peruggia, Patrie, dan Steers (2001) melakukan
penelitian untuk membangun model yang optimal untuk mendiagnosis
inkontinensia dorongan motorik. Tes urodinamik digunakan untuk
mendiagnosis jenis inkontinensia urin. Sebuah studi tekanan berkemih
digunakan untuk mengevaluasi obstruksi saluran keluar kandung
kemih.
Studi korelasi fisiologis. Dalam beberapa kasus, penelitian bersifat
prospektif dan dirancang untuk mengidentifikasi penyebab masalah
fisiologis. Dalam kasus lain, peneliti mencoba untuk menggambarkan
status psikologis orang-orang dengan kondisi fisiologis yang berbeda
saat ini.
f. Contoh studi fisiologi berkorelasi:
Belza, Steele, Hunziker, Lakshminaryan, Holt, dan Buchner (2001)
meneliti hubungan antara kinerja fungsional (aktivitas fisik), kapasitas
fungsional (misalnya, volume ekspirasi paksa selama spirometri), dan
pengalaman gejala pada orang dengan penyakit paru obstruktif kronik.
2. Jenis Tindakan Biofisiologis
a. Tindakan In Vivo
Pengukuran in vivo sering kali melibatkan penggunaan sistem
instrumentasi yang sangat kompleks. Sistem instrumentasi adalah
peralatan dan perlengkapan yang digunakan untuk mengukur satu atau
lebih atribut dari suatu subjek dan penyajian data pengukuran tersebut
dengan cara yang dapat diinterpretasikan oleh manusia. Organisme—
sistem instrumen melibatkan hingga enam komponen utama:
1) Sebuah rangsangan
2) Sebuah subjek
3) Peralatan penginderaan (misalnya, transduser)
4) Peralatan pengkondisi sinyal (untuk mengurangi sinyal
interferensi)
5) Peralatan tampilan
6) Perekaman, pemrosesan data, dan peralatan transmisi Tidak
semua sistem instrumentasi melibatkan keenamnya komponen.
Beberapa sistem, seperti termometer elektronik, sederhana;
lainnya sangat kompleks. Sebagai contoh, beberapa monitor
elektronik menghasilkan pengukuran simultan dari variabel
fisiologis seperti respon jantung, laju dan ritme pernapasan, suhu
inti, dan aktivitas otot.
Instrumen in vivo telah dikembangkan untuk mengukur semua
fungsi tubuh, dan kemajuan teknologi terus meningkatkan
kemampuan kita untuk mengukur fenomena biofisiologis dengan lebih
akurat, lebih nyaman, dan lebih cepat daripada sebelumnya.
Penggunaan instrumen tersebut oleh peneliti perawat sangat beragam
dan mengesankan.
Contoh studi in vivo:
Wipke-Tevis, Stotts, Williams, Froelicher, dan Hunt (2001)
melakukan penelitian untuk membandingkan tekanan parsial oksigen
jaringan transkutan (TcPO2) pada orang dengan ulkus vena di empat
posisi tubuh, baik dengan dan tanpa oksigen inspirasi. Perfusi jaringan
diukur dengan Novametrix 840 PrO2 dan PtcO2 Memantau. Saturasi
b. Tindakan In Vitro
Dengan pengukuran in vitro, data dikumpulkan dengan
mengekstraksi bahan fisiologis dari subjek dan mengirimkannya untuk
analisis laboratorium. Peneliti perawat mungkin atau mungkin tidak
terlibat dalam ekstraksi materi; namun, analisis biasanya dilakukan
oleh teknisi laboratorium khusus. Biasanya, setiap laboratorium
menetapkan kisaran nilai normal untuk setiap pengukuran, dan
informasi ini sangat penting untuk menginterpretasikan hasil.
Contoh studi in vitro:
Bliss dan rekan-rekannya (2001) membandingkan efek
suplemen serat pada orang dewasa yang hidup di komunitas yang
mengalami inkontinensia feses yang encer atau cair. Spesimen tinja
dari sebelum dan sesudah intervensi menjadi sasaran analisis
laboratorium.
3. Memilih Ukuran Biofisiologis
Masalah paling mendasar untuk ditangani dalam memilih ukuran
fisiologis adalah apakah itu akan menghasilkan informasi yang baik
tentang variabel penelitian. Dalam beberapa kasus, peneliti perlu
mempertimbangkan apakah variabel harus diukur dengan observasi atau
laporan diri daripada (atau sebagai tambahan) menggunakan peralatan
biofisiologis. Misalnya, stres dapat diukur dengan mengajukan pertanyaan
kepada orang-orang (misalnya, menggunakan Inventarisasi Kecemasan
Sifat-Negara); dengan mengamati perilaku mereka selama terpapar
rangsangan stres; atau dengan mengukur detak jantung, tekanan darah,
atau kadar hormon adrenokortikotropik dalam sampel urin.
4. Evaluasi Tindakan Biofisiologis
Langkah-langkah biofisiologis menawarkan keuntungan berikut untuk
peneliti perawat:
a. Tindakan biofisiologis relatif akurat dan tepat, terutama dibandingkan
dengan tindakan psikologis (misalnya, pengukuran kecemasan yang
dilaporkan sendiri).
b. Tindakan biofisiologis bersifat objektif. Dua perawat yang membaca
dari keluaran spirometer yang sama kemungkinan besar akan mencatat
pengukuran volume tidal yang sama, dan dua spirometer yang berbeda
kemungkinan akan menghasilkan pembacaan yang identik. Pasien
tidak dapat dengan mudah mendistorsi pengukuran fungsi
biofisiologis dengan sengaja.
c. Instrumentasi biofisiologis memberikan ukuran yang valid dari
variabel yang ditargetkan: termometer dapat diandalkan untuk
mengukur suhu dan bukan volume darah, dan sebagainya. Untuk
ukuran nonbio-fisiologis, pertanyaan apakah instrumen benar-benar
mengukur konsep target masih menjadi perhatian.
d. Karena peralatan untuk mendapatkan pengukuran biofisiologis
tersedia di lingkungan rumah sakit, biaya pengumpulan data
biofisiologis mungkin rendah atau tidak ada sama sekali.
1. Prosedur Sortir-Q
Dalam studi Q-sort, peserta disajikan dengan satu set kartu di
mana kata-kata, pernyataan, atau pesan lain ditulis. Peserta diminta
untuk mengurutkan kartu menurut dimensi tertentu, seperti
setuju/tidak setuju, paling suka/paling tidak suka, atau prioritas
tertinggi/prioritas terendah. Jumlah kartu biasanya antara 60 dan
100. Biasanya, kartu diurutkan menjadi 9 atau 11 tumpukan, dengan
peneliti menentukan jumlah kartu yang akan ditempatkan di setiap
tumpukan. Subyek biasanya diminta untuk menempatkan lebih
sedikit kartu di salah satu dari dua ekstrem dan lebih banyak kartu ke
tengah. Tabel 17-1 menunjukkan distribusi hipotetis 60 kartu dalam
9 tumpukan.
Peneliti dapat mempelajari kepribadian dengan
menggambarkan karakteristik kepribadian pada kartu (misalnya,
ramah, agresif); orang-orang kemudian dapat diminta untuk
mengurutkan kartu-kartu tersebut pada kontinum “sangat mirip
dengan saya” hingga “sama sekali tidak menyukai saya”. Konsep
diri dapat dieksplorasi dengan membandingkan tanggapan terhadap
dimensi "seperti saya" ini dengan tanggapan orang-orang yang
muncul ketika instruksi untuk menyortir kartu menurut apa yang
mereka anggap sebagai ciri kepribadian ideal.
Q sort dapat digunakan untuk mempelajari individu secara
mendalam. Misalnya, peserta dapat diminta untuk mengurutkan
sifat-sifat yang berlaku untuk diri mereka sendiri dalam peran yang
berbeda, seperti karyawan, orang tua, pasangan, dan teman. Teknik
ini dapat digunakan untuk memperoleh informasi tentang bagaimana
individu melihat diri mereka sendiri, bagaimana mereka memandang
orang lain melihat mereka, bagaimana mereka percaya orang lain
ingin mereka menjadi, dan sebagainya. Aplikasi lain termasuk
meminta pasien untuk menilai perilaku keperawatan pada kontinum
dari yang paling bermanfaat hingga yang paling tidak membantu
atau meminta pasien kanker untuk menilai aspek perawatan mereka
pada dimensi yang paling menyusahkan hingga yang paling tidak
menyusahkan.
Jenis Q kadang-kadang digunakan oleh peneliti kualitatif
(Brown, 1996), tetapi lebih sering dianalisis secara statistik. Analisis
statistik data Q-sort adalah masalah yang agak kontroversial. Pilihan
berkisar dari prosedur statistik deskriptif yang paling dasar, seperti
urutan peringkat, rata-rata, dan persentase, hingga prosedur yang
sangat kompleks, seperti analisis faktor. Beberapa peneliti bersikeras
bahwa analisis faktor sangat penting dalam analisis data Q-sort.
Perangkat lunak komputer tertentu (Qmethod) telah dirancang untuk
menganalisis data Q-sort (Brown, 1996).
Keuntungan menggunakan Q sort yang dikembangkan
sebelumnya adalah menghemat waktu, memberikan peluang untuk
perbandingan dengan penelitian lain, dan biasanya mencakup
informasi yang sudah mapan tentang kualitas data. Contoh jenis Q
yang banyak digunakan adalah Child-Rearing Practices Report
(CRPR), 91 item Q sort yang memberikan informasi tentang perilaku
pengasuhan anak.
Contoh penggunaan Q sort yang ada:
Hillman (1997) menggunakan CRPR untuk membandingkan
praktik membesarkan anak dari orang tua dari anak-anak dengan
kanker dan orang tua dari anak-anak yang sehat. Kedua kelompok
orang tua berbeda dalam hal disiplin dan protektif.
2. Evaluasi Metodologi Q
Metodologi Q bisa menjadi alat yang ampuh tetapi, seperti
teknik pengumpulan data lainnya, memiliki kelemahan juga. Di sisi
positifnya, Q sort adalah serbaguna dan dapat diterapkan untuk
berbagai macam masalah. Jenis Q dapat menjadi prosedur yang
objektif dan dapat diandalkan untuk studi intensif individu. Mereka
telah digunakan secara efektif untuk mempelajari kemajuan orang
selama fase terapi yang berbeda, terutama psikoterapi. Persyaratan
bahwa individu menempatkan sejumlah kartu yang telah ditentukan
sebelumnya di setiap tumpukan hampir menghilangkan bias set-
tanggapan. Selain itu, menyortir kartu mungkin merupakan tugas yang
lebih menyenangkan bagi sebagian orang daripada menyelesaikan
instrumen kertas dan pensil.
A. Pengukuran
Studi kuantitatif memperoleh data melalui pengukuran variabel.
Pengukuran melibatkan penetapan angka untuk mewakili jumlah atribut
yang ada dalam suatu objek atau orang, menggunakan seperangkat aturan
tertentu. Seperti yang tersirat dalam definisi ini, kuantifikasi dan
pengukuran berjalan beriringan. Sebuah pernyataan yang sering dikutip
oleh psikolog Amerika awal LL Thurstone mengemukakan posisi
mendasar: "Apa pun yang ada, ada dalam jumlah tertentu dan dapat
diukur." Atribut tidak konstan: Mereka bervariasi dari hari ke hari, dari
situasi ke situasi, atau dari satu orang ke orang lain. Variabilitas ini
dianggap mampu ekspresi numerik yang menandakan berapa banyak
atribut yang hadir.
1. Aturan dan Pengukuran
Pengukuran melibatkan pemberian nomor ke objek menurut
aturan, bukan sembarangan. Aturan untuk mengukur suhu, berat
badan, tekanan darah, dan atribut fisik lainnya sudah tidak asing lagi
bagi kita. Aturan untuk mengukur banyak variabel untuk studi
penelitian keperawatan, bagaimanapun, harus ditemukan. Apakah data
dikumpulkan dengan observasi, laporan diri, atau beberapa metode
lain, peneliti harus menentukan dalam kondisi apa dan menurut
kriteria apa nilai numerik harus diberikan pada karakteristik yang
diminati. Sebagai contoh, misalkan kita mempelajari sikap terhadap
pendistribusian kondom di klinik berbasis sekolah dan meminta orang
tua untuk menyatakan tingkat persetujuan mereka dengan pernyataan
berikut:
Remaja harus memiliki akses ke kontrasepsi di klinik sekolah.
{ } Sangat setuju { } Setuju { } Agak setuju { } Tidak setuju atau
tidak setuju { } Sedikit tidak setuju {} Tidak setuju {} Sangat tidak
setuju
Tanggapan atas pertanyaan ini dapat diukur dengan mengembangkan
sistem untuk menetapkan nomor kepada mereka. Perhatikan bahwa
aturan apa pun akan memenuhi definisi pengukuran. Kita dapat
menetapkan nilai 30 untuk “sangat setuju”, 27 untuk “setuju”, 20
untuk “sedikit setuju”, dan seterusnya, tetapi tidak ada pembenaran
untuk melakukannya. Dalam mengukur atribut, peneliti berusaha
untuk menggunakan aturan yang baik dan bermakna. Tanpa informasi
apriori apapun tentang “jarak” antara tujuh opsi, prosedur yang paling
dapat dipertahankan adalah dengan memberikan angka 1 untuk
“sangat setuju” dan angka 7 untuk “sangat tidak setuju”. Aturan ini
secara kuantitatif akan membedakan, dengan penambahan satu poin,
di antara orang-orang dengan tujuh reaksi berbeda terhadap
pernyataan tersebut. Dengan instrumen baru, peneliti jarang
mengetahui sebelumnya apakah aturan mereka adalah yang terbaik.
Aturan pengukuran baru mencerminkan hipotesis peneliti tentang
bagaimana atribut berfungsi dan bervariasi. Kecukupan hipotesis—
yaitu, nilai instrumen—perlu dinilai secara empiris.
2. Keuntungan Pengukuran
Kekuatan utama pengukuran adalah menghilangkan
subjektivitas dan dugaan. Karena pengukuran didasarkan pada aturan
eksplisit, informasi yang dihasilkan cenderung objektif, yaitu dapat
diverifikasi secara independen. Dua orang yang mengukur berat badan
seseorang menggunakan timbangan yang sama kemungkinan akan
mendapatkan hasil yang sama. Tidak semua ukuran benar-benar
objektif, tetapi sebagian besar memasukkan mekanisme untuk
meminimalkan subjektivitas.
PART 5
ANALISIS DARI DATA PENELITIAN
A. Tingkat pengukuran
Para ilmuwan telah mengembangkan sistem untuk
mengkategorikan tindakan. Sistem ini penting karena analisis yang dapat
dilakukan pada data bergantung pada tingkat pengukurannya. Empat kelas
utama, atau tingkat, pengukuran adalah nominal, ordinal, interval, dan
rasio.
B. Pengukuran nominal
Level pengukuran terendah adalah pengukuran nominal, yang
melibatkan pemberian nomor untuk mengklasifikasikan karakteristik ke
dalam kategori. Contoh variabel setuju untuk pengukuran nominal
termasuk jenis kelamin, golongan darah, dan status perkawinan.
Kode numerik yang ditetapkan dalam pengukuran nominal tidak
menyampaikan informasi kuantitatif. Jika kita mengklasifikasikan laki-laki
sebagai 1 dan perempuan sebagai 2, angka-angka tersebut tidak memiliki
arti yang melekat. Angka 2 jelas tidak berarti “lebih dari” 1. Sangat dapat
diterima untuk membalikkan kode dan menggunakan 1 untuk wanita dan 2
untuk pria. Angka hanyalah simbol yang mewakili dua nilai atribut gender
yang berbeda. Memang, alih-alih kode numerik, kita bisa menggunakan
simbol abjad, seperti M dan F. Namun, kami menyarankan untuk
memikirkan kode numerik jika analisis data dilakukan dengan komputer.
Pengukuran nominal tidak memberikan informasi tentang atribut
kecuali ekuivalensi dan nonekivalensi. Jika kita ingin "mengukur" jenis
kelamin Jon, Michael, James, Sheila, dan Helen, kita akan—menurut
aturan kita—memberi mereka kode 1, 1, 1, 2, dan 2, masing-masing. Jon,
Michael, dan James dianggap setara dalam atribut gender tetapi tidak
setara dengan Sheila dan Helen.
Ukuran nominal harus memiliki kategori yang saling eksklusif dan
secara kolektif lengkap. Misalnya, jika kita mengukur etnis, kita mungkin
menggunakan kode berikut: 1 - kulit putih, 2 - Afrika Amerika, 3 -
Hispanik. Setiap mata pelajaran harus dapat diklasifikasikan ke dalam satu
dan hanya satu kategori. Persyaratan untuk kelengkapan kolektif tidak
akan terpenuhi jika, misalnya, ada individu keturunan Asia dalam sampel.
Angka-angka yang digunakan dalam pengukuran nominal tidak
dapat diperlakukan secara matematis. Misalnya, tidak masuk akal untuk
menghitung rata-rata jenis kelamin sampel. Namun, kita dapat menghitung
elemen dalam kategori, dan membuat pernyataan tentang frekuensi
kemunculan. Dalam sampel 50 pasien, jika ada 30 laki-laki dan 20
perempuan, dapat dikatakan bahwa 60% subjek adalah laki-laki dan 40%
perempuan. Tidak ada operasi matematika lebih lanjut yang berarti dengan
data nominal.
C. Pengukuran ordinal
Dengan pengukuran ordinal, tidak seperti pengukuran nominal,
informasi mengenai tidak hanya kesetaraan tetapi juga kedudukan relatif di
antara objek ditangkap. Ketika kami menetapkan angka untuk
mengklasifikasikan metode persalinan ibu (pervaginam versus sesar),
angkanya tidak bermakna. Sekarang, pertimbangkan skema ini untuk
mengkodekan kemampuan klien untuk melakukan aktivitas kehidupan
sehari-hari: (1) sepenuhnya bergantung, (2) membutuhkan bantuan orang
lain, (3) membutuhkan bantuan mekanis, (4) sepenuhnya mandiri. Dalam
hal ini, pengukurannya ordinal. Angka-angka itu tidak sembarangan —
angka-angka itu menandakan kemampuan tambahan untuk melakukan
aktivitas kehidupan sehari-hari. Individu yang diberi nilai empat setara
satu sama lain dalam hal kemampuan fungsionaldan, relatif terhadap
kategori lainnya, memiliki lebih banyak atribut tersebut.
D. Pengukuran interval
Pengukuran interval terjadi ketika peneliti dapat menentukan
urutan peringkat objek pada atribut dan dapat mengasumsikan jarak yang
setara di antara mereka. Kebanyakan tes psikologi dan pendidikan
didasarkan pada skala interval. Tes Penilaian Skolastik (SAT) adalah
contoh dari tingkat pengukuran ini. Skor 550 pada SAT lebih tinggi dari
skor 500, yang pada gilirannya lebih tinggi dari 450. Selain itu, perbedaan
antara 550 dan 500 pada tes mungkin setara dengan perbedaan antara 500
dan 450. Ukuran interval lebih informatif daripada ukuran ordinal,
tetapi ukuran interval tidak memberikan informasi tentang besaran absolut.
Skala suhu Fahrenheit menggambarkan hal ini. Suhu 60-F adalah 10-F
lebih hangat dari 50-F. Perbedaan 10-F sama memisahkan 40-F dan 30-F,
dan dua perbedaan suhu setara. Namun, tidak dapat dikatakan bahwa 60-F
dua kali lebih panas dari 30-F, atau tiga kali lebih panas dari 20-F. Skala
Fahrenheit melibatkan titik nol yang berubah-ubah. Nol pada termometer
tidak berarti tidak adanya panas sama sekali. Dalam skala interval, tidak
ada titik nol yang nyata atau rasional.
E. Pengukuran rasio
Level pengukuran tertinggi adalah pengukuran rasio. Skala rasio
memiliki angka nol yang rasional dan bermakna. Ukuran pada skala rasio
memberikan informasi mengenai pengurutan peringkat objek pada atribut
kritis, interval antar objek,dan besarnya mutlak atribut. Banyak ukuran
fisik menyediakan data tingkat rasio. Berat badan seseorang, misalnya,
diukur pada skala rasio karena bobot nol adalah kemungkinan yang
sebenarnya. Sangat dapat diterima untuk mengatakan bahwa seseorang
yang beratnya 200 pon dua kali lebih berat dari seseorang yang beratnya
100 pon.
F. Perbandingan level
Empat tingkat pengukuran membentuk suatu hierarki, dengan skala
rasio di bagian atas dan ukuran nominal di bagian bawah. Perpindahan dari
tingkat pengukuran yang lebih tinggi ke tingkat yang lebih rendah
mengakibatkan hilangnya informasi. Mari kita tunjukkan ini dengan
contoh berat badan orang. Tabel 19-1 menyajikan data fiktif untuk 10 mata
pelajaran. Kolom kedua menunjukkan data tingkat rasio (yaitu, berat
aktual dalam pound).
Di kolom ketiga, data rasio telah diubah menjadi ukuran interval
dengan menetapkan skor 0 untuk individu yang paling ringan (Heather),
skor 5 untuk orang yang 5 pon lebih berat daripada orang yang paling
ringan (Amy), dan seterusnya. Perhatikan bahwa hasil skor masih bisa
menerima penambahan dan pengurangan; perbedaan dalam pound sama-
sama berjauhan, meskipun mereka berada di bagian skala yang berbeda.
Namun, data tidak lagi memberi tahu kami apa pun tentang bobot subjek.
Heather, individu yang paling ringan, mungkin bayi seberat 10 pon atau
orang dewasa seberat 120 pon.
Di kolom keempat Tabel 19-1, pengukuran ordinal ditetapkan
dengan mengurutkan sampel dari yang paling ringan (diberi skor 1),
hingga yang terberat (diberi skor 10). Sekarang bahkan lebih banyak
informasi yang hilang. Data tidak memberikan indikasi seberapa berat
Nathan dibandingkan Heather. Perbedaan yang memisahkan mereka
mungkin 5 pon atau 150 pon.
Akhirnya, kolom kelima menyajikan pengukuran nominal di mana
subjek diklasifikasikan sebagai berat atau lampu. Kriteria yang diterapkan
dalam mengkategorikan individu secara sewenang-wenang ditetapkan
pada bobot lebih besar dari 150 pon (2), atau kurang dari atau sama dengan
150 pon (1). Data nominal ini sangat terbatas. Dalam sebuah kategori,
tidak ada petunjuk siapa yang lebih berat dari siapa. Dengan tingkat
pengukuran ini, Nathan, Colby, dan Trevor setara dalam hal atribut
berat/ringan, seperti yang didefinisikan oleh kriteria klasifikasi.
Contoh ini menggambarkan bahwa pada setiap tingkat berturut-
turut dalam hierarki pengukuran, ada kehilangan informasi. Ini juga
menggambarkan poin lain: Dengan informasi pada satu tingkat,
dimungkinkan untuk mengubah data ke tingkat yang lebih rendah, tetapi
kebalikannya tidak benar. Jika kita hanya diberi ukuran nominal, tidak
mungkin untuk merekonstruksi bobot sebenarnya.
G. Frekuensi Distri Tapi Ion
Sekumpulan data dapat dideskripsikan secara lengkap dalam tiga
karakteristik: bentuk distribusi nilai, tendensi sentral, dan variabilitas.
Tendensi sentral dan variabilitas dibahas dalam bagian berikutnya.
1. Membangun distribusi frekuensi
Distribusi frekuensi adalah metode pengorganisasian data
numerik. Adistribusi frekuensi adalah susunan nilai secara sistematis
dari terendah ke tertinggi, bersama dengan hitungan berapa kali setiap
nilai diperoleh.
2. Bentuk distribusi
Data yang ditampilkan dalam poligon frekuensi dapat
mengambil banyak bentuk. Sebuah distribusi adalah simetris dalam
bentuk jika, ketika dilipat, kedua bagian ditumpangkan satu sama lain.
Distribusi simetris dengan demikian terdiri dari dua bagian yang
merupakan bayangan cermin satu sama lain.
H. Edensi tengah
Distribusi frekuensi adalah cara yang baik untuk mengatur data dan
memperjelas pola. Seringkali, bagaimanapun, suatu pola kurang menarik
daripada ringkasan keseluruhan. Peneliti biasanya mengajukan pertanyaan
seperti, “Berapa konsumsi oksigen rata-rata pasien infark miokard selama
mandi?” atau “Berapa tingkat stres rata-rata pasien AIDS?” Pertanyaan
semacam itu mencari satu nomor yang paling mewakili distribusi nilai
data. Karena indeks kekhasan lebih mungkin berasal dari pusat distribusi
daripada dari kedua ekstrem, indeks semacam itu disebut ukurantendensi
sentral. Orang awam menggunakan istilah ratarata untuk menunjukkan
tendensi sentral. Peneliti menghindari istilah ambigu ini karena ada tiga
jenis rata-rata, atau indeks tendensi sentral: modus, median, dan mean.
1. Modus
Modus adalah nilai skor yang paling sering muncul dalam suatu
distribusi. Modusnya sederhana untuk ditentukan; itu tidak dihitung
melainkan ditetapkan dengan memeriksa distribusi frekuensi. Dalam
pembagian bilangan berikut, kita dapat dengan mudah melihat bahwa
modusnya adalah 53: 50 51 51 52 53 53 53 53 54 55 56 Skor 53 terjadi
empat kali, frekuensi yang lebih tinggi daripada nomor lainnya. Pada
contoh skor tes pengetahuan AIDS (Tabel 19-3), modusnya adalah 24.
Dalam distribusi multimodal, tentu saja, ada lebih dari satu nilai skor
yang memiliki frekuensi tinggi.
2. Median
Median adalah titik dalam distribusi di atas mana dan di bawah
mana 50% kasus jatuh. Sebagai contoh, pertimbangkan kumpulan nilai
berikut: 2 2 3 3 4 5 6 7 8 9 Nilai yang membagi kasus tepat menjadi
dua adalah 4,5, yang merupakan median untuk kumpulan angka ini.
Titik yang memiliki 50% kasus di atas dan di bawahnya adalah
setengah jalan antara 4 dan 5
3. Mean
Mean berati sama dengan jumlah semua skor dibagi dengan
jumlah total skor. Mean adalah indeks yang biasanya disebut
sebagairata-rata. Mean adalah ukuran tendensi sentral yang paling
banyak digunakan. Banyak tes penting dari signifikansi statistik, yang
dijelaskan dalam Bab 20, didasarkan pada mean. Ketika peneliti
bekerja dengan pengukuran tingkat interval atau tingkat rasio, ratarata,
bukan median atau mode, biasanya statistik yang dilaporkan. Dalam
laporan penelitian, mean sering dilambangkan sebagai M atau x.
I. Variability
Ukuran tendensi sentral tidak sepenuhnya merangkum distribusi.
Dua set data dengan rata-rata identik dapat berbeda dalam beberapa hal.
Misalnya, dua distribusi dengan rata-rata yang sama dapat memiliki bentuk
yang berbeda. Ciri yang menjadi perhatian pada bagian ini adalah
variabilitas dari suatu distribusi, yaitu seberapa tersebar atau tersebarnya
data tersebut.
J. Standar deviasi
Dengan data tingkat interval atau rasio, ukuran variabilitas yang
paling banyak digunakan adalah standar deviasi. simpangan baku
menunjukkan jumlah ratarata penyimpangan nilai dari rata-rata. Seperti
mean, standar deviasi dihitung menggunakan setiap skor.
Sebuah indeks variabilitas perlu menangkap sejauh mana skor
menyimpang dari satu sama lain. Konsep deviasi ini diwakili baik dalam
rentang dan rentang semikuartil dengan adanya tanda minus, yang
menghasilkan indeks deviasi, atau perbedaan, antara dua poin skor.
Standar deviasi juga didasarkan pada perbedaan skor. Sebenarnya, langkah
pertama dalam menghitung deviasi standar adalah menghitung skor deviasi
untuk setiap mata pelajaran.
Standar deviasi juga dapat digunakan dalam menafsirkan skor
individu dalam distribusi. Misalkan kita memiliki ukuran berat dari sampel
yang berat rata-ratanya adalah 125 pon dan SDnya 10 pon. Standar deviasi
memberikanstandar dari variabilitas. Bobot lebih besar dari 1 SD dari rata-
rata (yaitu, lebih besar dari 135 atau kurang dari 115 pon) lebih besar dari
variabilitas ratarata untuk distribusi itu. Bobot dalam 1 SD dari rata-rata,
akibatnya, kurang dari variabilitas rata-rata untuk sampel itu.
K. Rentang semikuartil
Seperti yang telah dibahas sebelumnya, median adalah titik di mana
50% kasus jatuh. Dimungkinkan untuk menghitung titik di mana
persentase skor turun. rentang semikuartil dihitung berdasarkan kuartil
distribusi. Kuartil atas (Q3) adalah titik di mana 75% kasus jatuh, dan
kuartil bawah (Q1) adalah titik di bawah mana 25% dari skor terletak.
Rentang semikuartil (SQR) adalah setengah jarak antara Q1 dan Q3, atau
Persegi Panjang = Q3 – Q1
L. Korelasi
Hubungan antara dua variabel biasanya digambarkan melalui
korelasi Prosedur. Koefisien korelasi dapat dihitung dengan dua variabel
yang diukur pada skala ordinal, interval, atau rasio. Koefisien korelasi
secara singkat dijelaskan dalam Bab 18, dan bagian ini memperluas
diskusi itu.
Pertanyaan korelasinya adalah Sejauh mana dua variabel terkait
satu sama lain? Misalnya, sejauh mana skor tes kecemasan dan pembacaan
tekanan darah terkait? Pertanyaan ini dapat dijawab secara grafis atau,
lebih umum, dengan menghitung indeks yang menggambarkan: besarnya
danarah dari hubungan.
M. Komputer dan deskriptif statistik
Peneliti biasanya menggunakan komputer untuk menghitung
statistik. Bagian ini bertujuan untuk membiasakan Anda dengan cetakan
dari program komputer yang banyak digunakan yang disebut Paket
Statistik untuk Ilmu Sosial (SPSS). Misalkan kita sedang mengevaluasi
efektivitas intervensi untuk remaja hamil berpenghasilan rendah.
Intervensi yang dilakukan berupa program pelayanan kesehatan intensif,
pendidikan gizi, dan penyuluhan kontrasepsi.
A. Contoh distribusi
Untuk memperkirakan parameter populasi, jelas disarankan untuk
menggunakan sampel yang representatif. Seperti yang kita lihat di Bab 13,
sampel probabilitas adalah cara terbaik untuk mendapatkan sampel yang
representatif. Statistik inferensial didasarkan pada asumsi pengambilan
sampel acak dari populasi—walaupun asumsi ini banyak dilanggar.
Bahkan ketika sampling acak digunakan, bagaimanapun,
karakteristik sampel jarang identik dengan karakteristik populasi. Misalkan
kita memiliki populasi 25.000 pelamar sekolah perawat yang skor ratarata
pada Tes Penilaian Scholastic (SAT) adalah 500 dengan standar deviasi
(SD) 100. Misalkan kita tidak mengetahui parameter ini tetapi harus
memperkirakannya dari skor acak sampel 25 siswa. Haruskah kita
mengharapkan maksud daritepat 500 dan SD 100 untuk sampel ini?
Mendapatkan nilai populasi yang tepat tidak mungkin. Katakanlah mean
sampel adalah 505. Jika sampel baru diambil dan mean lain dihitung, kita
mungkin memperoleh nilai seperti 497. Kecenderungan statistik untuk
berfluktuasi dari satu sampel ke sampel lainnya dikenal sebagaikesalahan
pengambilan sampel. Tantangan bagi peneliti adalah untuk menentukan
apakah nilai sampel merupakan perkiraan yang baik dari parameter
populasi.
B. Karakteristik distribusi sampling
Ketika jumlah sampel tak terbatas diambil dari populasi tak
terbatas, distribusi sampel rata-rata memiliki karakteristik tertentu. Contoh
kita tentang populasi 25.000 pelamar, dan 5000 sampel dengan masing-
masing 25 siswa, berhubungan dengan jumlah yang terbatas, tetapi
jumlahnya cukup besar untuk mendekati karakteristik ini.
C. Kesalahan standar mean
Simpangan baku dari distribusi sampling rata-rata disebut
kesalahan standar rata-rata (SEM). kata kesalahan menandakan bahwa
berbagai cara dalam distribusi sampling memiliki beberapa kesalahan
sebagai perkiraan rata-rata populasi. Semakin kecil SEM yaitu, semakin
sedikit variabel mean sampel semakin akurat mean sebagai perkiraan nilai
populasi.
D. Estimasi parameter
Inferensi statistik terdiri dari dua teknik: estimasi parameter dan
pengujian hipotesis. Pengujian hipotesis lebih umum dalam laporan
penelitian, tetapi estimasi juga penting.
Estimasi parameter digunakan untuk memperkirakan parameter
tunggal, seperti mean. Estimasi dapat mengambil dua bentuk: estimasi titik
atau estimasi interval.Estimasi poin melibatkan penghitungan statistik
tunggal untuk memperkirakan parameter populasi. Untuk melanjutkan
contoh SAT, jika kita menghitung rata-rata skor SAT untuk sampel dari 25
pelamar dan menemukan bahwa itu adalah 510, maka angka ini akan
menjadi estimasi titik dari rata-rata populasi.
E. Uji hipotesis
Pengujian hipotesis statistik memberikan kriteria objektif untuk
memutuskan apakah hipotesis didukung oleh bukti empiris. Misalkan kita
berhipotesis bahwa partisipasi pasien kanker dalam program manajemen
stres akan menurunkan tingkat kecemasan. Sampelnya adalah 25 pasien
kelompok kontrol yang tidak mengikuti program dan 25 subjek
eksperimen yang mengikuti program. Semua 50 subjek menyelesaikan
skala kecemasan pasca perawatan, dan skor kecemasan rata-rata untuk
eksperimen adalah 15,8 dan untuk kontrol adalah 17,9. Haruskah kita
menyimpulkan bahwa hipotesis itu benar? Benar, perbedaan kelompok
berada dalam arah yang diprediksi, tetapi hasilnya mungkin hanya karena
fluktuasi pengambilan sampel. Kedua kelompok mungkinterjadi untuk
menjadi berbeda secara kebetulan, terlepas dari intervensi. Mungkin
dengan sampel baru, kelompok berarti hampir sama. Pengujian hipotesis
statistik memungkinkan peneliti untuk membuat keputusan objektif
tentang hasil studi. Para peneliti membutuhkan mekanisme seperti itu
untuk memutuskan hasil mana yang mungkin mencerminkan perbedaan
sampel kebetulan dan mana yang mencerminkan perbedaan populasi yang
sebenarnya.
F. Hipotesis nol
Prosedur yang digunakan dalam menguji hipotesis didasarkan pada
aturan inferensi negatif. Dalam contoh program manajemen stres, kami
menemukan bahwa mereka yang berpartisipasi dalam intervensi memiliki
skor kecemasan rata-rata yang lebih rendah daripada subjek dalam
kelompok kontrol.
Ada dua kemungkinan penjelasan untuk hasil ini: (1) intervensi
berhasil mengurangi kecemasan pasien; atau (2) perbedaan yang
dihasilkan dari faktor kebetulan, seperti perbedaan kelompok dalam
kecemasan bahkan sebelum perawatan. Penjelasan pertama adalah
hipotesis penelitian kami, dan yang kedua adalah hipotesis nol.
NShipotesis nol, mungkin diingat, menyatakan bahwa tidak ada hubungan
antara variabel. Pengujian hipotesis statistik pada dasarnya adalah proses
disproof atau penolakan. Tidak dapat dibuktikan secara langsung bahwa
hipotesis penelitian benar, tetapi dimungkinkan untuk menunjukkan,
dengan menggunakan distribusi sampling teoretis, bahwa hipotesis nol
memiliki probabilitas tinggi untuk salah. Peneliti berusaha untuk menolak
hipotesis nol melalui berbagaites statistik.
G. Kesalahan tipe I dan tipe II
Peneliti memutuskan apakah akan menerima atau menolak
hipotesis nol dengan menentukan seberapa besar kemungkinan perbedaan
kelompok yang diamati adalah karena kebetulan. Karena peneliti
kekurangan informasi tentang populasi, mereka tidak dapat dengan tegas
menyatakan bahwa hipotesis nol benar atau tidak benar. Peneliti harus
puas untuk menyimpulkan bahwa hipotesis adalah mungkinbenar atau
mungkin Salah. Inferensi statistik adalah berdasarkan informasi yang tidak
lengkap, sehingga selalu ada risiko kesalahan.
Peneliti dapat membuat dua jenis kesalahan: menolak hipotesis nol
yang benar atau menerima hipotesis nol yang salah. Gambar 20-2
merangkum kemungkinan hasil keputusan peneliti. Peneliti membuat
Kesalahan tipe I dengan menolak hipotesis nol ketika itu, pada
kenyataannya, benar. Misalnya, jika kita menyimpulkan bahwa
pengobatan eksperimental lebih efektif daripada kondisi kontrol dalam
mengurangi kecemasan pasien, padahal sebenarnya diamati perbedaan
skor kecemasan akibat fluktuasi sampling, kita akan membuat kesalahan
Tipe I. Sebaliknya, jika kita menyimpulkan bahwa perbedaan kelompok
dalam skor kecemasan dihasilkan secara kebetulan, padahal sebenarnya
intervensitelah melakukan mengurangi kecemasan, kami akan melakukan
Kesalahan tipe II dengan menerima hipotesis nol palsu.
H. Tingkat signifikansi
Peneliti tidak mengetahui kapan kesalahan dalam pengambilan
keputusan statistik telah dilakukan. Validitas hipotesis nol hanya dapat
dipastikan dengan mengumpulkan data dari populasi, dalam hal ini tidak
diperlukan inferensi statistik. Namun, para peneliti
mengontrolmempertaruhkan dari kesalahan Tipe I dengan memilih tingkat
signifikansi, yang menandakan kemungkinan menolak hipotesis nol yang
benar.
I. Daerah kritis
Peneliti menetapkan aturan keputusan dengan memilih tingkat
signifikansi. Aturan keputusannya adalah menolak hipotesis nol jika
statistik uji jatuh pada atau di luardaerah kritis pada distribusi teoritis yang
berlaku, dan untuk menerima hipotesis nol sebaliknya. Daerah kritis, yang
ditentukan oleh tingkat signifikansi, menunjukkan apakah hipotesis nol
adalah mustahil, mengingat hasilnya.
J. Tes statistik
Dalam praktiknya, peneliti tidak membuat distribusi sampling dan
menghitung daerah kritis. Data penelitian digunakan untuk
menghitungstatistik uji, menggunakan rumus yang sesuai. Untuk setiap
statistik uji, ada distribusi teoritis terkait. Peneliti membandingkan nilai
statistik uji yang dihitung dengan nilai dalam tabel yang menentukanbatas
kritis untuk distribusi yang berlaku.
Ketika peneliti menghitung statistik uji yang berada di luar batas
kritis, hasilnya dikatakan signifikan secar a statistik. katapentingtidak
harus dibaca sebagai penting atau relevan secara klinis. Dalam
statistik,penting berarti bahwa hasil yang diperoleh tidak mungkin
merupakan hasil kebetulan, pada tingkat probabilitas tertentu. A hasil tidak
signifikan berarti bahwa setiap perbedaan atau hubungan yang diamati
dapat dihasilkan dari fluktuasi kebetulan.
K. Tes satu sisi dan dua sisi
Dalam kebanyakan situasi pengujian hipotesis, peneliti
menggunakan tes dua sisi. Ini berarti bahwa kedua ujung, atau ekor, dari
distribusi sampling digunakan untuk menentukan nilai-nilai yang tidak
mungkin. Pada Gambar 20-3, misalnya, daerah kritis yang mengandung
5% dari daerah distribusi sampling melibatkan 22% di salah satu ujung
distribusi dan 2 2% di sisi lain. Jika tingkat signifikansi 0,01, daerah kritis
akan melibatkan2% dari distribusi di setiap ekor.
Ketika peneliti memiliki dasar yang kuat untuk hipotesis terarah
(lihat Bab 4), mereka terkadang menggunakan uji satu sisi. Misalnya, jika
kami melembagakan program penjangkauan untuk meningkatkan praktik
pralahir wanita pedesaan berpenghasilan rendah, kami berharap bahwa
hasil kelahiran untuk kedua kelompok tidak hanyaberbeda; kami berharap
subjek eksperimental memiliki keuntungan. Mungkin tidak masuk akal
untuk menggunakan tanda distribusi lebih buruk hasil di antara ibu
kelompok eksperimen.
L. Tes parametrik dan non parametrik
Ada dua kelas besar tes statistik. Peneliti lebih sering
menggunakantes parametrik, yang dicirikan oleh tiga atribut: (1) mereka
melibatkan estimasi parameter; (2) mereka membutuhkan pengukuran
setidaknya pada skala interval; dan (3) melibatkan beberapa asumsi,
seperti asumsi bahwa variabel terdistribusi secara normal dalam populasi.
Tes non parametrik, sebaliknya, jangan memperkirakan parameter.
Mereka biasanya diterapkan ketika data telah diukur pada skala nominal
atau ordinal. Metode nonparametrik melibatkan asumsi yang kurang
membatasi tentang bentuk distribusi variabel daripada melakukan tes
parametrik. Untuk alasan ini, tes nonparametrik kadang-kadang
disebutstatistik bebas distribusi.
Tes parametrik lebih kuat daripada tes non parametrik dan biasanya
lebih disukai, tetapi ada beberapa ketidaksepakatan tentang penggunaan
tes nonparametrik. Puritan bersikeras bahwa jika persyaratan tes
parametrik tidak terpenuhi, tes ini tidak pantas. Banyak studi statistik telah
menunjukkan, bagaimanapun, bahwa pengambilan keputusan statistik
tidak terpengaruh ketika asumsi untuk tes parametrik dilanggar. Posisi
yang lebih moderat dalam perdebatan ini, dan yang menurut kami masuk
akal, adalah bahwa tes nonparametrik paling berguna ketika data tidak
dapat dengan cara apa pun ditafsirkan sebagai tingkat interval atau ketika
distribusinya sangat tidak normal.
M. Pengujian perbedaan antara cara dua kelompok
Situasi penelitian yang umum melibatkan membandingkan dua
kelompok subjek pada variabel dependen. Misalnya, kita mungkin
membandingkan kelompok eksperimen dan kontrol pasien pada ukuran
fisiologis seperti tekanan darah. Atau, kita mungkin membandingkan
jumlah rata-rata hari sekolah yang terlewatkan di antara anak-anak yang
lahir prematur versus cukup bulan. Bagian ini menjelaskan metode untuk
menguji signifikansi statistik dari perbedaan antara dua rata-rata
kelompok.
1. Analisis domain
Analisis domain adalah analisis tingkat pertama. Domain, yang
merupakan unit pengetahuan budaya, adalah kategori luas yang
mencakup kategori yang lebih kecil.
2. Analisis taksonomi
tingkat kedua dari analisis data, etnografer memutuskan berapa
banyak domain yang akan dicakup oleh analisis data.
3. Analisis komponen,
beberapa hubungan antara istilah dalam domain diperiksa. Etnografer
menganalisis data untuk persamaan dan perbedaan antara istilah
budaya dalam suatu domain.
4. analisis tema
Domain terhubung dalam tema budaya, yang membantu memberikan
pandangan holistik tentang budaya yang dipelajari. Penemuan makna
budaya adalah hasilnya.
N. Analisis Data Kelompok Fokus
Wawancara kelompok fokus menghasilkan data yang kaya dan
kompleks yang menimbulkan tantangan analitik khusus. Memang, ada
sedikit konsensus tentang analisis fokus data kelompok, meskipun
digunakan oleh peneliti dalam beberapa tradisi penelitian kualitatif.
Kontroversi utama dalam analisis data kelompok fokus adalah
apakah unit analisisnya adalah peserta kelompok atau individu. Beberapa
penulis (misalnya, Morrison-Beedy, Côté-Arsenault, dan Feinstein, 2001)
berpendapat bahwa kelompok adalah unit analisis yang tepat. Analisis data
tingkat kelompok melibatkan pemeriksaan tema, interaksi, dan urutan di
dalam dan di antara kelompok.
O. Interpretasi Temuan Kualitatif
Dalam studi kualitatif, interpretasi dan analisis data terjadi hampir
bersamaan. Artinya, peneliti menafsirkan data sebagaimana mereka
mengkategorikannya, mengembangkan analisis tematik, dan
mengintegrasikan tema-tema ke dalam satu kesatuan yang utuh. Upaya
untuk memvalidasi analisis kualitatif tentu merupakan upaya untuk
memvalidasi interpretasi juga. Jadi, tidak seperti analisis kuantitatif,
makna data mengalir dari analisis kualitatif.
Namun demikian, peneliti kualitatif yang bijaksana
mempertahankan interpretasi mereka untuk pemeriksaan yang lebih cermat
terhadap diri sendiri serta tinjauan oleh rekan sejawat dan pengulas luar.
Bahkan ketika peneliti telah melakukan pemeriksaan anggota dan tanya
jawab sejawat, prosedur ini bukan merupakan bukti bahwa hasil dan
interpretasi dapat dipercaya. Misalnya, dalam pemeriksaan anggota,
banyak peserta mungkin terlalu sopan untuk tidak setuju dengan
interpretasi peneliti, atau mereka mungkin tertarik dengan konseptualisasi
yang mereka sendiri tidak akan pernah kembangkan sendiri—
konseptualisasi yang belum tentu akurat.
Part 6
Riset komunikasi
BAB 26
1. Penelitian Kritik
Praktik keperawatan dapat didasarkan pada bukti yang kuat hanya jika
laporan penelitian dinilai secara kritis. Konsumen terkadang berpikir
bahwa jika sebuah laporan adalah diterima untuk publikasi, penelitian
harus sehat. Sayangnya, ini tidak terjadi. Memang, kebanyakan
penelitian memiliki keterbatasan dan kelemahan.
2. Tujuan Kritik Penelitian
Laporan penelitian dievaluasi untuk berbagai tujuan. Siswa sering
diminta untuk menyiapkan kritik untuk menunjukkan keterampilan
metodologis mereka. Berpengalaman peneliti terkadang diminta untuk
menulis kritik terhadap naskah untuk membantu editor jurnal
membuat publikasi keputusan atau untuk menyertai laporan yang
dipublikasikan komentar*; mereka mungkin juga diminta untuk
mempresentasikan kritik lisan jika diundang sebagai pembahas
makalah pada konferensi profesional.
3. Elemen Kritik Penelitian
Laporan penelitian memiliki beberapa dimensi penting yang mungkin
perlu dipertimbangkan dalam evaluasi kritis dari nilai studi. Ini
termasuk dimensi substantif / teoritis, metodologis, interpretatif, etis,
dan presentasi / gaya dari sebuah studi. Itu seharusnya perlu dicatat,
bagaimanapun, bahwa beberapa kritik — seperti yang disiapkan untuk
editor jurnal—cenderung fokus terutama pada isu-isu substantif dan
metodologis.
4. Dimensi Interpretasi Laporan
penelitian biasanya diakhiri dengan Bagian Diskusi, Kesimpulan, atau
Implikasi. Di bagian terakhir inilah peneliti mencoba untuk
memahami analisis, untuk mempertimbangkan apakah temuan
mendukung atau gagal mendukung hipotesis atau teori, dan untuk
mendiskusikan apa implikasi temuan perawatan. Mau tidak mau,
bagian diskusi lebih banyak juga harus didasarkan pada pertimbangan
yang cermat terhadap bukti. Dalam penilaian laporan, tidak beralasan
interpretasi adalah permainan yang adil untuk kritik. Sebagai
reviewer, Anda harus agak waspada jika bagian diskusi gagal untuk
menunjukkan keterbatasan studi. Peneliti sendiri berada di posisi
terbaik untuk mendeteksi dan menilai dampak dari kekurangan
pengambilan sampel, masalah kualitas data, dan sebagainya, dan
merupakan tanggung jawab profesional untuk mengingatkan pembaca
tentang masalah tersebut. Selain itu, ketika peneliti mencatat
kekurangan metodologis, pembaca memiliki jaminan bahwa
keterbatasan ini dipertimbangkan dalam menafsirkan hasil
BAB 27