SOAL UAS METODOLOGI PENELITIAN MAHASISWA MEGISTER ADMINISTRASI

KESEHATAN SEMESTER GENAP T.A : 2022/2023

MARDIAN SATRIYADI
NIM: 1316322015

PROGRAM MAGISTER ADMINISTRASI KESEHATAN

UNIVERSITAS QAMARUL HUDA BADARUDDIN BAGU

LOMBOK TENGAH, 2023

SOAL UAS METODOLOGI PENELITIAN MAHASISWA MEGISTER ADMINISTRASI KESEHATAN
SEMESTER GENAP T.A : 2022/2023

DOSEN PENGAMPU: Dr. LALU SULAIMAN, SKM., M.Kes

1. Rancangan penelitian yang paling umum dilakukan dalam penelitian mahasiswa dalam
rangka penyelesaian karya ilmiahnya (tugas akhir) adalah Cross-sectional. Mengapa
demikian?
2. Mengapa dalam penelitian deskriptif-kualitatif tidak membutuhkan sampel yang
representatif sedangkan pada penelitian kuantitatif-analitik memerlukan sampel yang
representatif?
3. Mengapa dalam penelitian kuantitatif (observasional analitik) perlu pengambilan besar
sampel yang representatif?
4. Dalam menghitung besar sampel yang representatif maka peneliti menentukan standar error
atau galat baku dengan besar tertentu. Mengapa demikian?
5. Dalam kondisi apa kita bisa mempertimbangkan kapan menggunakan teknik pengambilan
sampel secara stratified sampling atau cluster sampling?
6. Jelaskan apa yang disebut dengan probability sampling dan non probability sampling dan
sebutkan jenisnya masing-masing
7. Mengapa dalam sebuah penelitian kita perlu membuat definisi operasional variabel?
8. Biasanya dalam uji hipotesis ditentukan tingkat kemaknaan (tingkat singnifikansi) atau
dilambangkan dengan ꬰ. Katakanlah seorang peneliti menentukan tingkat singnifikansi
sebesar 5% atau 0,05. Apa arti dari tingkat kemaknaan tersebut?

Selamat bekerja semoga sukses

 JAWABAN

1) Penelitian cross-sectional seringkali dipilih oleh mahasiswa dalam penyelesaian karya

ilmiahnya (tugas akhir) karena metode ini memiliki beberapa keunggulan
a. Keterbatasan Waktu: Mahasiswa seringkali memiliki keterbatasan waktu dalam
menyelesaikan tugas akhir mereka. Penelitian cross-sectional cenderung lebih cepat
dilakukan dibandingkan dengan penelitian longitudinal yang memerlukan waktu lebih
lama.
b. Kemudahan Pengumpulan Data: Penelitian cross-sectional melibatkan pengumpulan
data pada satu titik waktu tertentu. Ini memungkinkan mahasiswa untuk
mengumpulkan data dengan relatif mudah, terutama jika topik penelitian dapat
dianalisis dengan survei atau pengamatan pada saat tertentu.
c. Sumber Daya Terbatas: Mahasiswa seringkali memiliki keterbatasan sumber daya,
seperti anggaran dan akses ke responden atau partisipan. Penelitian cross-sectional
biasanya lebih ekonomis dalam hal sumber daya yang dibutuhkan.
d. Fokus Pada Fenomena Tertentu: Penelitian cross-sectional cocok untuk mengidentifikasi
hubungan atau perbedaan antara variabel pada satu titik waktu, yang berguna untuk
menjawab pertanyaan-pertanyaan penelitian tertentu.
e. Namun, penting untuk diingat bahwa pemilihan metode penelitian harus sesuai dengan
tujuan penelitian dan pertanyaan penelitian yang diajukan. Terkadang, penelitian
longitudinal atau eksperimental mungkin lebih sesuai tergantung pada jenis data yang
diperlukan dan kerangka waktu penelitian.
2) Penelitian deskriptif-kualitatif dan penelitian kuantitatif-analitik memiliki pendekatan dan
tujuan yang berbeda, yang dapat menjelaskan mengapa persyaratan sampel yang
representatif berbeda:

1. *Penelitian Deskriptif-Kualitatif*:

- *Tujuan Utama*: Penelitian ini bertujuan untuk memahami dan menjelaskan fenomena
atau kejadian secara mendalam. Ini lebih tentang menggambarkan karakteristik, makna,
dan konteks suatu fenomena.

- *Pendekatan*: Menggunakan metode seperti wawancara, observasi, atau analisis

dokumen untuk mengumpulkan data kualitatif yang mendalam.

- *Pemilihan Sampel*: Dalam penelitian ini, peneliti cenderung memilih partisipan atau
sumber data yang dapat memberikan wawasan yang kaya dan beragam tentang
fenomena yang diteliti. Representasi statistik tidak selalu menjadi fokus utama, karena
penelitian ini bukan tentang generalisasi hasil kepada populasi yang lebih besar.

2. *Penelitian Kuantitatif-Analitik*:

- *Tujuan Utama*: Penelitian ini bertujuan untuk mengukur, menganalisis, dan menguji
hipotesis secara kuantitatif. Ini sering digunakan untuk membuat generalisasi tentang
populasi yang lebih besar.

- *Pendekatan*: Menggunakan metode pengukuran, survei, eksperimen, atau analisis

statistik untuk mengumpulkan dan menganalisis data kuantitatif.
 - *Pemilihan Sampel*: Karena tujuannya adalah membuat generalisasi, representasi yang
baik dari populasi menjadi sangat penting. Oleh karena itu, dalam penelitian ini, peneliti
memerlukan sampel yang representatif agar hasil dapat diterapkan secara lebih umum
pada populasi yang lebih besar.

Jadi, perbedaan ini berkaitan dengan fokus dan pendekatan masing-masing jenis penelitian.
Penelitian deskriptif-kualitatif lebih mendalam dan kontekstual, sedangkan penelitian
kuantitatif-analitik lebih berfokus pada generalisasi statistik.

3) Pengambilan sampel yang besar dan representatif dalam penelitian kuantitatif

(observasional analitik) memiliki beberapa alasan penting:

1. Akurasi Statistik: Dengan sampel yang besar, Anda dapat memiliki estimasi yang lebih
akurat tentang parameter populasi yang Anda teliti. Ini membantu mengurangi
kesalahan acak dan meningkatkan kepercayaan statistik.

2. Generalisasi: Dengan sampel yang representatif, hasil penelitian Anda lebih mungkin
dapat digeneralisasikan ke populasi yang lebih besar. Ini berarti temuan Anda dapat
memiliki relevansi yang lebih luas.

3. Menghindari Bias: Sampel yang representatif dapat membantu mengurangi bias dalam
penelitian Anda. Jika sampel tidak mencerminkan populasi dengan baik, hasil penelitian
Anda dapat menjadi tidak valid.

4. Keandalan Temuan: Dengan sampel yang besar dan representatif, temuan Anda lebih
dapat diandalkan. Ini karena Anda memiliki lebih banyak data untuk mendukung klaim
Anda.

5. Daya Statistik: Sampel yang besar dapat meningkatkan daya statistik atau kemampuan
penelitian Anda untuk mendeteksi perbedaan atau hubungan yang signifikan antara
variabel yang Anda teliti.

Dalam penelitian kuantitatif, penting untuk merencanakan pengambilan sampel yang hati-
hati untuk memastikan bahwa sampel tersebut mewakili populasi yang Anda teliti
secara akurat. Hal ini dapat membantu meminimalkan kesalahan dan meningkatkan
validitas hasil penelitian Anda.

4) Peneliti menentukan standar error atau galat baku dengan besar tertentu dalam
menghitung besar sampel yang representatif karena hal ini berkaitan erat dengan akurasi
hasil penelitian. Standar error adalah ukuran seberapa jauh rata-rata sampel dari rata-rata
populasi sebenarnya. Dengan menetapkan standar error yang diinginkan, peneliti dapat
mengendalikan sejauh mana mereka bersedia menerima tingkat ketidakpastian dalam
hasil penelitian mereka.

Ada beberapa alasan mengapa peneliti ingin mengendalikan standar error:

1. *Akurasi Statistik:* Standar error yang lebih kecil mengindikasikan bahwa hasil sampel
lebih mendekati nilai sebenarnya dari populasi. Ini meningkatkan akurasi statistik
penelitian.

2. *Ketentuan Ketidakpastian:* Dengan menetapkan standar error tertentu, peneliti dapat

membuat pernyataan tentang seberapa besar ketidakpastian dalam hasil penelitian
 mereka. Misalnya, dengan tingkat kepercayaan 95%, mereka dapat mengatakan bahwa
hasil penelitian mereka memiliki galat baku sebesar X dengan X% keyakinan.

3. *Keputusan yang Lebih Baik:* Hasil penelitian yang akurat memungkinkan pengambilan
keputusan yang lebih baik. Ini penting dalam berbagai konteks, termasuk ilmu
pengetahuan, bisnis, dan kebijakan.

4. *Efisiensi Sampel:* Mengetahui standar error yang diinginkan memungkinkan peneliti

untuk menentukan ukuran sampel yang cukup untuk mencapai tingkat akurasi yang
diinginkan tanpa mengumpulkan sampel yang terlalu besar atau terlalu kecil.

Dengan demikian, menetapkan standar error yang sesuai adalah langkah penting dalam
merancang penelitian yang berkualitas dan memastikan bahwa hasilnya dapat
diandalkan dan representatif dari populasi yang lebih besar

5) Anda dapat mempertimbangkan menggunakan teknik pengambilan sampel stratified

sampling atau cluster sampling dalam kondisi berikut:

1. *Stratified Sampling*:

- *Heterogenitas Populasi*: Ketika populasi memiliki kelompok-kelompok yang berbeda

secara signifikan. Contohnya, jika Anda ingin melakukan penelitian tentang preferensi
makanan di sebuah negara dengan berbagai kelompok etnis yang berbeda.

- *Tujuan Representatif*: Jika Anda ingin memastikan bahwa sampel mencerminkan

secara proporsional setiap kelompok dalam populasi. Ini membantu mendapatkan
gambaran yang lebih akurat tentang setiap kelompok.

2. *Cluster Sampling*:

- *Populasi Tersebar Luas*: Saat populasi terlalu besar atau sulit diakses untuk diambil
sampel langsung. Dalam cluster sampling, Anda hanya mengambil sampel dari
beberapa kelompok (cluster) yang mewakili seluruh populasi.

- *Biaya dan Waktu Terbatas*: Jika Anda memiliki keterbatasan dalam hal anggaran
atau waktu, cluster sampling dapat mengurangi biaya dan waktu yang diperlukan
karena Anda hanya perlu mengambil sampel dari beberapa cluster daripada seluruh
populasi.

Pemilihan antara kedua metode ini tergantung pada karakteristik populasi Anda, tujuan
penelitian, dan keterbatasan sumber daya yang Anda miliki. Stratified sampling
digunakan ketika Anda ingin memastikan representasi setiap kelompok, sedangkan
cluster sampling cocok untuk populasi yang luas atau sulit dijangkau.

6) Probability sampling dan non-probability sampling adalah dua pendekatan dalam

pengambilan sampel dalam penelitian statistik. Berikut penjelasan singkat tentang
keduanya beserta jenis-jenisnya:

1. *Probability Sampling (Sampel Berdasarkan Kemungkinan):*

- Ini adalah pendekatan di mana setiap elemen dalam populasi memiliki kemungkinan
yang diketahui untuk dipilih dalam sampel.

- Jenis-jenis probability sampling meliputi:

 a. *Simple Random Sampling (Pemilihan Acak Sederhana):* Setiap elemen dalam
populasi memiliki probabilitas yang sama untuk dipilih.

b. *Stratified Sampling (Pemilihan Berstrata):* Populasi dibagi menjadi kelompok

(strata) yang saling eksklusif, lalu sampel diambil dari setiap strata ini.

c. *Systematic Sampling (Pemilihan Sistematis):* Sampel diambil secara sistematis

dengan selang tetap, misalnya setiap 10 elemen.

d. *Cluster Sampling (Pemilihan Kluster):* Populasi dibagi menjadi kluster, dan

beberapa kluster dipilih secara acak untuk dianalisis secara lengkap.

2. *Non-Probability Sampling (Sampel Non-Kemungkinan):*

- Ini adalah pendekatan di mana probabilitas pemilihan elemen dalam sampel tidak
diketahui atau tidak dapat dihitung secara pasti.

- Jenis-jenis non-probability sampling meliputi:

a. *Convenience Sampling (Pemilihan Secara Mudah):* Memilih sampel berdasarkan

kenyamanan atau ketersediaan yang praktis.

b. *Judgmental or Purposive Sampling (Pemilihan Berdasarkan Pertimbangan):*

Memilih sampel berdasarkan penilaian atau tujuan penelitian tertentu.

c. *Snowball Sampling (Pemilihan Berantai):* Menggunakan responden awal untuk

merekomendasikan atau menghubungkan peneliti dengan responden berikutnya.

d. *Quota Sampling (Pemilihan Kuota):* Populasi dibagi menjadi kelompok, dan

sampel diambil dari setiap kelompok hingga kuota tertentu terpenuhi.

Perlu dicatat bahwa probability sampling cenderung menghasilkan sampel yang lebih
representatif dari populasi, sementara non-probability sampling dapat memiliki bias
yang lebih tinggi. Pemilihan metode sampling harus disesuaikan dengan tujuan
penelitian dan sumber daya yang tersedia.

7) Dalam penelitian, definisi operasional variabel sangat penting karena mereka mengubah
konsep abstrak menjadi sesuatu yang dapat diukur dan diobservasi secara konkret.
Beberapa alasan mengapa definisi operasional variabel diperlukan adalah

1. Konsistensi: Membuat definisi operasional membantu memastikan bahwa pengukuran

variabel seragam dan konsisten di seluruh penelitian, sehingga hasilnya dapat diandalkan.

2. Jelasnya Konsep: Definisi operasional membantu mengklarifikasi apa yang dimaksud

dengan variabel yang sedang diteliti. Ini membantu peneliti dan pembaca untuk
memahami dengan jelas apa yang sedang diamati.

3. Reproduksi: Dengan definisi operasional yang jelas, penelitian dapat direproduksi oleh
peneliti lain, karena instruksi yang tepat untuk mengukur variabel telah disediakan.

4. Validitas: Definisi operasional membantu mengukur sejauh mana variabel tersebut

mengukur apa yang seharusnya diukur (validitas) dan seberapa baik pengukuran tersebut
(reliabilitas).
 5. Keterkaitan dengan Teori: Definisi operasional membantu menghubungkan variabel yang
diamati dengan teori yang mendasarinya, yang dapat membantu menguji hipotesis
penelitian.

Dengan demikian, definisi operasional membantu menjadikan penelitian lebih sistematis,

akurat, dan dapat diandalkan

8) Tingkat kemaknaan (signifikansi) dalam uji hipotesis adalah tingkat risiko yang diterima
oleh peneliti untuk membuat kesalahan tipe I, yaitu menolak hipotesis nol ketika
seharusnya tidak. Dalam konteks Anda yang telah menetapkan tingkat kemaknaan
sebesar 5% atau 0,05, ini berarti:

Jika hasil uji hipotesis menunjukkan bahwa probabilitas memperoleh hasil seperti yang
diamati atau lebih ekstrem adalah kurang dari 5%, maka peneliti akan menolak hipotesis nol.
Dengan kata lain, peneliti akan menganggap hasilnya signifikan secara statistik.

Namun, ada 5% peluang bahwa peneliti akan membuat kesalahan dengan menolak hipotesis
nol ketika seharusnya tidak (kesalahan tipe I). Oleh karena itu, tingkat kemaknaan 0,05
mengukur sejauh mana peneliti bersedia mengambil risiko ini dalam melakukan uji hipotesis.
Tingkat kemaknaan yang lebih rendah, misalnya 1%, akan mengurangi risiko kesalahan tipe I,
tetapi juga membuat lebih sulit untuk menemukan hasil yang signifikan secara statistik.