Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Penelitian Korelasi 271

Skala Interval dan Rasio.Pengukuran yang lebih tepat adalah pengukuran yang
menentukan jarak (atau interval) yang tepat antara satu pengukuran dan pengukuran
lainnya. Sistem apa pun yang mengandalkan satuan pengukuran yang mapan dan
konsisten—apakah itu dolar, kaki, atau derajat suhu—memenuhi kriteria skala interval.
Namun, validitas pengukuran sikap dan perasaan pada skala interval masih menjadi
topik diskusi dan beberapa perselisihan.8Dalam kasus kuesioner Kim, kita mungkin
bertanya apakah sah untuk berasumsi bahwa responden yang menggunakan skala 5
poin—dari sangat penting (5) hingga tidak sama sekali (1)—menggunakan peningkatan
selisih jawaban yang konsisten sebesar 4 versus 5 atau 3 versus 4. Jika kita berasumsi
bahwa mereka tidak menggunakan interval perbedaan yang konsisten, maka skala sikap
sebenarnya berfungsi sebagai pengukuran ordinal.
Tingkat presisi pengukuran lebih lanjut dicapai dengan skala rasio, dimana titik nol
mutlak pada skala dapat ditetapkan. Ini berarti bahwa sesuatu yang berukuran 20 pada
skala rasio secara sah dipahami sebagai dua kali kuantitas 10. Dalam istilah praktis, ada
beberapa skala interval yang bukan juga skala rasio, namun satu pengecualian adalah
skala suhu. Memang benar, kita tidak bisa mengklaim bahwa 72 derajat dua kali lebih
panas dari 36 derajat. Namun, kita dapat mengasumsikan interval pengukuran yang
konsisten; perbedaan antara 5 dan 10 derajat sama dengan perbedaan antara 20 dan 25
derajat.9
Perbedaan antara jenis presisi pengukuran ini sering kali berperan dalam
penelitian korelasional karena begitu banyak variabel—mulai dari karakteristik
demografi, sikap dan perilaku, hingga sifat fisik—yang harus diukur. Dan karena
variabel-variabel yang berbeda memiliki tingkat presisi pengukuran yang berbeda-
beda, perhatian besar diberikan untuk menetapkan instrumen pengumpulan data
yang sah dan cara analisis kuantitatif yang sesuai.

8.2.3 Penggunaan Statistik untuk Memperjelas Pola Hubungan

Karakteristik lain yang umum pada studi Whyte dan Kim adalah penggunaan ukuran statistik untuk
menggambarkan hubungan antar variabel. Dalam bukunya,Kehidupan Sosial di Ruang Perkotaan Kecil
, Whyte terutama mengandalkan grafik grafik untuk mewakili secara visual pola penggunaan alun-
alun yang dia pelajari. Misalnya, Gambar 8.1 menunjukkan jumlah rata-rata orang yang menggunakan
18 plaza pada cuaca baik; dan kita dapat melihat, misalnya, bahwa alun-alun yang paling banyak
dikunjungi memiliki rata-rata delapan kali lebih banyak orang dibandingkan alun-alun yang paling
jarang dikunjungi. Penggunaan statistik ini disebutdeskriptifstatistik karena hanya menyajikan, atau
menggambarkan, hubungan penting antar variabel.
Studi Kim tentang perkembangan pemukiman menggunakan, selain statistik
deskriptif dasar, apa yang disebut statistik korelasional. Ukuran statistik ini digunakan
untuk menggambarkan “besarnya hubungan antara dua variabel.”10Untuk
272 Bagian II: Tujuh Strategi Penelitian

Misalnya, Kim menyajikan perhitungan korelasi antara keempat ukuran komunitas,

baik untuk Kentlands maupun Orchard Village (nama samaran untuk pembangunan
pinggiran kota pada umumnya) (lihat Gambar 8.9). Ternyata, keempat ukuran
komunitas mempunyai korelasi yang tinggi dan positif satu sama lain, untuk setiap
pembangunan lingkungan. Jadi, misalnya, peringkat Kentlands mengenai pengaruh
berbagai ciri fisik terhadap rasa keterikatan memiliki pola yang mirip dengan
peringkat interaksi sosial, dan seterusnya. Dengan kata lain, dalam persepsi warga,
peran berbagai ciri fisik dalam mencapai rasa keterikatan, pejalan kaki, interaksi
sosial, dan rasa identitas cukup mirip. Namun, jika pola penilaian pada dua ukuran
mana pun sangat berbeda, maka hal tersebut dapat digambarkan sebagai korelasi
negatif. Semua koefisien korelasi yang dihitung ditunjukkan dalam kisaran –1,00
(korelasi negatif) hingga +1,00 (korelasi positif); dan koefisien korelasi yang
mendekati 0 menunjukkan hampir tidak ada hubungan yang konsisten antar
variabel.

8. 3 StR at egi: dua tipe S dari Cor R el di I onal R e S ea RCh

Dalam kerangka umum penelitian korelasional, seperti yang dijelaskan pada

bagian sebelumnya, dua subtipe utama dapat diidentifikasi: (1) hubungan dan
(2) komparatif sebab akibat.11Meskipun sejumlah penelitian dapat dicirikan
hanya mewakili satu subtipe, penelitian korelasional lainnya bersifat multifaset,

Hubungan antara Q1, Q2, Q4, Q7

(Orchard Village dalam tanda kurung)

Empat Elemen Utama (K: berdasarkan 17 item

saja) Q1: Keterikatan komunitas
Q2: Pejalan kaki
Q4: Interaksi sosial
Q7: Identitas komunitas

Maksud Q1 Maksud Q2 Maksud Q4 Maksud Q7

Maksud Q1 1.000 . 605 (.579) . 481 (.517) . 594 (.654)
Maksud Q2 . 605 (.579) 1.000 . 639 (.662) . 514 (.530)
Maksud Q4 . 481 (.517) . 639 (.662) 1.000 . 419 (.575)
Maksud Q7 . 594 (.654) . 514 (.530) . 491 (.575) 1.000
Temuan:
Kentlands: Korelasi signifikan pada tingkat 0,01 Orchard
Village: Korelasi signifikan pada tingkat 0,01

Gambar 8.9Hubungan antar komponen kuesioner. Atas perkenan Joongsub

Kim.
 Penelitian Korelasi 273

dan sebagai konsekuensinya menggabungkan kedua subtipe ini. Dalam paragraf berikut,
kami akan menjelaskan dan menganalisis contoh penelitian hubungan dan perbandingan
sebab akibat.

8.3.1 Studi Hubungan

Meskipun semua studi korelasional, menurut definisinya, berupaya menggambarkan hubungan antara atau di

antara variabel-variabel kunci, istilahnyahubunganPenelitian ini dimaksudkan untuk membedakan penelitian-

penelitian tersebut—atau komponen penelitian yang lebih besar—yang berfokus secara khusus pada sifat dan

potensi kekuatan prediktif dari hubungan-hubungan tersebut.

Contoh bagus dari penelitian berpengaruh yang berupaya memperjelas hubungan dan
memprediksi hasil adalah penelitian Oscar Newman tentang perumahan umum di New York
City, yang disebutkan di Bab 4.12Untuk sampai pada pedoman desain khusus untuk perumahan
tersebut, tim peneliti Newman melakukan penyelidikan mendalam terhadap hubungan
kompleks antara demografi pengguna (termasuk pendapatan dan faktor sosial ekonomi
lainnya), variabel fisik desain perumahan/lokasi, dan kejadian kejahatan. Tim Newman
memeriksa catatan ekstensif yang ada dari 169 proyek perumahan umum yang dikelola oleh
Otoritas Perumahan Kota New York. Sebagaimana dijelaskan oleh Newman, sejumlah besar
data ini, dikombinasikan dengan beragamnya jenis bangunan dan rencana lokasi,
memungkinkan untuk “menentukan dengan tepat di mana area bangunan paling berbahaya
berada, serta membandingkan tingkat kejahatan di berbagai jenis bangunan dan bangunan.
tata letak proyek.”13
Sebagai konsekuensi dari analisis ekstensif terhadap berbagai variabel ini, Newman dan timnya
mampu mengidentifikasi hubungan yang konsisten dan pada akhirnya mengajukan teori “ruang yang
dapat dipertahankan”. Newman mendefinisikan konsep ruang yang dapat dipertahankan sebagai

sebuah model lingkungan perumahan yang menghambat kejahatan dengan menciptakan

ekspresi fisik dari tatanan sosial yang membela dirinya sendiri. . . . [Ini] adalah istilah
pengganti untuk serangkaian mekanisme—hambatan nyata dan simbolis, wilayah pengaruh
yang jelas, dan peningkatan peluang pengawasan—yang digabungkan untuk menjadikan
suatu lingkungan berada di bawah kendali penghuninya.14

Teori ruang yang dapat dipertahankan ini tidak hanya mendefinisikan hubungan antara variabel

lingkungan dan konsekuensi perilaku (penurunan kejahatan), namun juga menawarkan kapasitas prediktif

yang dapat diartikulasikan sebagai pedoman desain, khususnya perumahan bagi masyarakat berpendapatan

rendah yang menggabungkan “kerusakan nyata dan simbolis”. hambatan, wilayah pengaruh yang jelas, dan

peluang untuk melakukan pengawasan” kemungkinan besar akan memiliki tingkat kejahatan yang lebih

rendah (lihat Gambar 8.10).

274 Bagian II: Tujuh Strategi Penelitian

Gambar 8.10Hierarki ruang Newman yang dapat dipertahankan dalam hunian bertingkat.
Atas perkenan Oscar Newman.

Demikian pula dalam kasus penelitian Whyte, ia menyimpulkan bahwa tingkat pemanfaatan
alun-alun yang lebih tinggi dikaitkan dengan kombinasi beberapa variabel, termasuk ruang untuk
duduk, kedekatan dengan kehidupan jalanan, sinar matahari, air/air mancur, pepohonan, dan
ketersediaan makanan dari jalan. pedagang atau kafe. Perhatikan bahwa Whyte (seperti peneliti lain
yang menggunakan penelitian korelasional) tidak mengatakan bahwa ruang duduk menyebabkan
pemanfaatan alun-alun. Memang benar, mungkin ada faktor ketiga yang tersembunyi atau yang
mengintervensi (seperti pengalaman bersosialisasi) yang menjelaskan korelasi yang ditemukan
Whyte. Memang benar, banyak korelasi tinggi—misalnya, antara jumlah es krim yang dikonsumsi dan
kematian akibat tenggelam—dapat dijelaskan oleh faktor ketiga yang tersembunyi, dalam hal ini
cuaca panas.15
Namun, meskipun Whyte tidak mengaitkan penyebab langsung, penelitiannya
memungkinkannya melakukan hal tersebutmeramalkanhubungan antara variabel-variabel kunci
tertentu (misalnya ruang duduk, kedekatan dengan kehidupan jalanan) dengan tingkat penggunaan
plaza yang lebih tinggi. Meskipun kurangnya atribusi kausal, keakuratan prediksi karya Whyte adalah
dasar untuk memberikan pedoman desain yang akhirnya dimasukkan ke dalam kode zonasi baru dan
digunakan oleh banyak arsitek dan arsitek lanskap.
Demikian pula, Kim berupaya memahami dan memprediksi hubungan antara
berbagai komponen ukuran komunitas. Sebagaimana ditunjukkan oleh korelasi
yang dijelaskan di bagian 8.2, pola penilaian untuk masing-masing empat ukuran
 Penelitian Korelasi 275

masyarakat saling memprediksi satu sama lain. Dengan tujuan yang sama, Kim juga
menanyakan dua pertanyaan umum kepada penduduk di setiap lingkungan pembangunan
tentang rasa kebersamaan mereka. Dia pertama kali meminta responden untuk memberikan
penilaian mereka atas “Tinggal di Kentlands (atau Orchard Village) memberi saya rasa
kebersamaan.” Yang kedua mencari rating mereka untuk “Karakteristik fisik Kentlands (atau OV)
memberi saya rasa kebersamaan.” Kim menemukan bahwa jawaban atas dua pertanyaan
global ini sangat berkorelasi dengan peringkat masing-masing dari empat komponen ukuran
komunitas. Dengan kata lain, penilaian keseluruhan responden terhadap rasa kebersamaan
merupakan prediksi penilaian mereka terhadap ciri-ciri fisik setiap komponen komunitas, dan
sebaliknya.
Terakhir, Kim menilai kekuatan korelasi yang ia temukan dengan menggunakan uji signifikansi
statistik. Tanpa menjelaskan secara rinci pada poin ini, penting untuk menjelaskan secara sederhana
bahwa uji statistik tersebut—dikenal dengan istilah umuminferensial statistik—memungkinkan
peneliti untuk menentukan seberapa besar kemungkinan suatu hasil merupakan konsekuensi dari
kejadian yang kebetulan. Dalam kasus Kim, korelasinya ditemukan signifikan pada tingkat 0,01, yang
berarti bahwa hanya ada 1 dari 100 kemungkinan bahwa penilaian masyarakat secara keseluruhan
tidak berhubungan dengan komponen pengukuran.

8.3.2 Studi Banding Kausal

Studi komparatif kausal mewakili jenis penelitian korelasional yang menempatkan posisi
perantara antara orientasi prediktif studi hubungan dan fokus pada kausalitas yang
menjadi ciri penelitian eksperimental. Dalam studi perbandingan kausal, peneliti memilih
kelompok orang yang sebanding atau lingkungan fisik yang sebanding dan kemudian
mengumpulkan data mengenai berbagai variabel yang relevan. Tujuan pemilihan contoh
pembanding adalah untuk mengisolasi faktor-faktor relevan yang masuk akal yang dapat
mengungkap “penyebab” perbedaan signifikan dalam tingkat variabel yang diukur.

Studi Kim tentang Kentlands dan Orchard Village menjadi contoh yang baik
mengenai studi perbandingan sebab-akibat. Meskipun ia tentu tertarik untuk
mempelajari hubungan antar variabel (seperti hubungan prediktif antara ukuran
keseluruhan dan komponen rasa kebersamaan), tujuan utamanya adalah untuk
menentukan sejauh mana perbedaan karakteristik fisik Kentlands vs. Orchard
Village. mungkin berkontribusi terhadap perbedaan persepsi warga tentang rasa
kebersamaan. Kim sebenarnya mengonseptualisasikan berbagai ciri fisik setiap
lingkungan sebagai variabel independen dan persepsi warga terhadap komunitas
sebagai variabel dependen. Dalam hal ini, desain penelitian memiliki banyak
kesamaan dengan strategi penelitian eksperimental, yaitu peneliti berusaha untuk
menganggap kekuatan sebab akibat pada suatu variabel (atau sekumpulan variabel)
untuk hasil yang diukur.
276 Bagian II: Tujuh Strategi Penelitian

Namun—dan ini sangat penting—desain komparatif kausal hanya dapat

menganggap sebab bersifat sementara atau hipotetis. Hal ini karena penelitian
komparatif kausal (seperti penelitian Kim) mengandalkan studi terhadap variabel-variabel
yang terjadi secara alami (lihat bagian 8.2), seperti halnya semua penelitian korelasional.
Hal ini sangat berbeda dengan penelitian eksperimental (lihat Bab 9), yang secara khas
melibatkan “perlakuan”, yaitu variabel independen yang dimanipulasi oleh peneliti.
Sebagai konsekuensinya, desain komparatif kausal bergantung pada penetapan
keterbandingan esensial antara dua contoh yang berbeda hanya dalam hal variabel yang
dapat dianggap sebagai penyebab. Sayangnya, ada banyak kemungkinan kekurangan
dalam menetapkan kesetaraan contoh/kelompok yang sebanding.
Dalam kasus studi Kim mengenai dua pembangunan perumahan, sulit untuk memastikan bahwa
penduduk Kentlands dan Orchard Village pindah ke lingkungan mereka dengan sikap yang setara
terhadap rasa kebersamaan. Memang benar, ada kemungkinan bahwa penduduk Kentlands di masa
depan akan tertarik untuk pindah ke sana justru karena mereka sudah memiliki kecenderungan yang
lebih besar terhadap kehidupan yang berorientasi pada komunitas; jika memang demikian, maka
tingkat rasa kebersamaan yang lebih tinggi yang diukur di Kentlands, dibandingkan dengan Orchard
Village, hanyalah sebuah konsekuensi dari sikap awal tersebut. Untuk melawan argumen tersebut,
Kim dapat merujuk pada data yang diperoleh dari wawancara mendalam kualitatif dan catatan
aktivitas yang menunjukkan setidaknya beberapa penduduk (1) mengubah pola transportasi mereka
dengan lebih banyak berjalan kaki setelah pindah ke Kentlands, dan/atau (2) menjadi lebih interaktif
secara sosial setelah tinggal di Kentlands selama beberapa waktu. Meski begitu, studi perbandingan
sebab-akibat seperti itu hanya dapat menunjukkan kemungkinan sebab-akibat; ia tidak dapat
menentukan penyebab dengan tingkat ketelitian yang sama dengan desain eksperimental.

Demikian pula, Oscar Newman berupaya untuk memperkuat studinya tentang perumahan
umum Kota New York dengan memasukkan komponen komparatif sebab akibat dalam keseluruhan
desain penelitiannya. Oleh karena itu, tim Newman melakukan analisis mendalam terhadap pasangan
proyek perumahan, yang hampir dapat dibandingkan dalam segala hal kecuali variabel desain fisik.
Alasan Newman mengenai hal ini cukup jelas (lihat Gambar 8.11 hingga 8.13).
Oleh karena itu, pengujian yang adil terhadap hipotesis mengenai dampak
lingkungan fisik terhadap kejahatan memerlukan perbandingan komunitas yang
karakteristik sosial penduduknya bersifat konstan—di mana satu-satunya variasi
adalah bentuk fisik bangunan.16
Meskipun Newman berargumentasi sebagai konsekuensi dari studi perbandingan kausal
bahwa desain fisik jelas berkontribusi terhadap perbedaan terukur dalam tingkat kejahatan
antara kedua proyek, ia juga mengakui bahwa datanya tidak dapat memberikan “bukti final dan
definitif” mengenai dampak desain fisik.17Faktanya, Newman mengemukakan bahwa citra
negatif perilaku kriminal di Van Dyke Houses (desain tanparuang yang dapat dipertahankan)
berkontribusi pada pesimisme departemen kepolisian mengenai nilai kehadiran mereka,
sebuah faktor yang dengan sendirinya dapat berkontribusi pada
 Penelitian Korelasi 277

Gambar 8.11Denah rumah Brownsville dan Van Dyke. Atas perkenan Oscar
Newman

Gambar 8.12Rumah Van Dyke. Atas perkenan Oscar Newman.

278 Bagian II: Tujuh Strategi Penelitian

Gambar 8.13Rumah Brownsville. Atas perkenan Oscar Newman.

mencatat tingkat kejahatan yang lebih tinggi di sana. Jadi, seperti Kim, Newman dapat menunjukkan
penyebab dalam bentuk variabel fisik (kekuatan desain penelitian), namun tidak dapat
membuktikannya tanpa keraguan (kelemahan desain).

8. 4 kebijaksanaan saya CS : Mengumpulkan data

Maksud kami dalam pembahasan taktik ini adalah untuk menyajikan berbagai contoh
pengumpulan dan analisis data yang umum digunakan dalam desain penelitian
korelasional. Ada empat isu penting yang relevan dengan diskusi ini yang penting untuk
diketahui sejak awal. Pertama, karena cakupan pengumpulan dan analisis data sangat
luas, kami hanya dapat menyebutkan beberapa contoh yang paling umum dalam konteks
satu bab. Kedua, sejumlah taktik pengumpulan data juga sering digunakan dalam desain
penelitian lain; misalnya, teknik observasi umum dilakukan pada penelitian kualitatif dan
juga penelitian korelasional. Dan ketiga, hampir semua taktik yang dibahas di sini
kemungkinan besar akan dibahas dalam seluruh bab atau bahkan buku. Untuk
memberikan pembaca titik masuk ke sumber-sumber yang lebih terfokus ini, kami akan
memberikan kutipan kunci dan kutipan yang relevan, sehingga