PSPE_METODOLOGI PENELITIAN PENDIDIKAN EKONOMI_KELAS B_GANJIL 2025/2026

NAMA : NELA AMELIA
NPM : 2313031050

1. Skala Pengukuran untuk Setiap Item Kuesioner
• Usia responden (dalam tahun) → Rasio
Alasan: Data usia memiliki nol absolut (0 tahun berarti tidak ada umur), urutan jelas, dan jarak antarangka sama sehingga memungkinkan perhitungan rata-rata, standar deviasi, dan analisis rasio.
• Jenis kelamin (laki-laki / perempuan) → Nominal
Alasan: Jenis kelamin hanya merupakan kategori tanpa urutan atau nilai numerik. Data ini hanya dapat diklasifikasikan dan dihitung frekuensinya.
• Tingkat kepuasan terhadap dosen pembimbing akademik (Sangat tidak puas–Sangat puas) → Ordinal
Alasan: Respon memiliki urutan peringkat dari yang sangat tidak puas hingga sangat puas, tetapi jarak antarkategori tidak dapat dijamin sama. Misalnya, perbedaan kepuasan antara “Tidak puas” dan “Netral” belum tentu sama dengan perbedaan antara “Puas” dan “Sangat puas”.
• Jumlah mata kuliah yang diambil → Rasio
Alasan: Jumlah mata kuliah bersifat kuantitatif dengan nol absolut (0 mata kuliah berarti tidak mengambil mata kuliah), urutan jelas, dan jarak antarangka sama.
• Prioritas aspek dalam memilih universitas (peringkat 1–5) → Ordinal
Alasan: Responden memberikan urutan prioritas, sehingga data memiliki ranking, namun jarak antarperingkat tidak bisa dianggap sama. Misalnya, perbedaan antara prioritas 1 dan 2 belum tentu sama dengan perbedaan antara prioritas 4 dan 5.

2. Kemungkinan Analisis Statistik Parametrik
Tidak semua data dari kuesioner ini bisa dianalisis dengan statistik parametrik. Hal ini karena statistik parametrik biasanya memerlukan data interval atau rasio yang berdistribusi normal. Dalam kuesioner ini:
• Usia dan jumlah mata kuliah berskala rasio → bisa dianalisis parametrik.
• Tingkat kepuasan dan prioritas aspek berskala ordinal → biasanya dianalisis dengan statistik non-parametrik, karena jarak antar peringkat tidak sama.
• Jenis kelamin berskala nominal → hanya dapat dianalisis dengan frekuensi, persentase, atau uji chi-square, bukan statistik parametrik seperti rata-rata atau uji-t.
Dengan kata lain, analisis parametrik hanya dapat diterapkan pada variabel kuantitatif (usia, jumlah mata kuliah), sedangkan variabel kualitatif atau ordinal membutuhkan metode non-parametrik.

3. Metode Analisis untuk Hubungan Kepuasan dan Jumlah Mata Kuliah
Jika peneliti ingin meneliti hubungan antara kepuasan layanan akademik (ordinal) dan jumlah mata kuliah yang diambil (rasio), metode yang paling tepat adalah analisis korelasi non-parametrik, misalnya Spearman Rank Correlation.
Alasannya:
• Kepuasan mahasiswa berskala ordinal, sehingga tidak bisa diasumsikan memiliki jarak yang sama antarkategori.
• Jumlah mata kuliah berskala rasio, tetapi karena salah satu variabel ordinal, uji Spearman lebih tepat daripada Pearson, karena Spearman dapat menangani variabel ordinal dan memeriksa hubungan monotonic antara kedua variabel.
Metode ini akan menunjukkan apakah ada kecenderungan bahwa mahasiswa yang mengambil lebih banyak mata kuliah cenderung memiliki tingkat kepuasan tertentu terhadap layanan akademik.

Nama: Fajriyatur Rohmah
NPM: 2313031048

Jawaban:
1. Jenis Skala Pengukuran pada Kuesioner
- Usia responden (dalam tahun): Rasio
Karena usia punya nol absolut (umur 0 = belum ada kehidupan), bisa dilakukan operasi matematika seperti kali-bagi, dan perbedaan antar nilai menunjukkan selisih yang nyata.
- Jenis kelamin: Nominal
Hanya sebagai kategori (laki-laki atau perempuan) tanpa urutan atau tingkatan.
- Tingkat kepuasan terhadap pelayanan dosen pembimbing akademik: Ordinal
Ada tingkatan dari sangat tidak puas hingga sangat puas, tetapi jarak antar kategori tidak bisa dipastikan sama persis.
- Jumlah mata kuliah yang diambil semester ini: Rasio
Karena ada nol absolut (0 mata kuliah = tidak ambil sama sekali), bisa dihitung dan dibandingkan secara matematis.
- Urutan prioritas memilih universitas (akreditasi, fasilitas, biaya, lokasi, rekomendasi): Ordinal
Karena responden diminta mengurutkan dari paling penting ke paling tidak penting, artinya ada peringkat, tetapi tidak ada jarak kuantitatif antar peringkat.

2. Tidak semua data di atas bisa langsung dianalisis dengan statistik parametrik. Statistik parametrik umumnya membutuhkan data berskala interval atau rasio, serta harus memenuhi asumsi tertentu (misalnya distribusi normal).
- Data seperti usia dan jumlah mata kuliah (rasio) cocok untuk analisis parametrik.
- Data ordinal (kepuasan dan prioritas universitas) serta nominal (jenis kelamin) lebih tepat dianalisis menggunakan statistik non-parametrik, kecuali diubah terlebih dahulu ke dalam bentuk skor yang bisa diperlakukan mendekati interval.

3. Metode yang paling tepat adalah uji korelasi.
Karena kepuasan diukur dengan skala ordinal (skor kategori) dan jumlah mata kuliah berskala rasio, maka analisis yang bisa dipakai adalah Spearman Rank Correlation.
Alasan: Spearman cocok untuk menguji hubungan antara variabel ordinal dengan variabel numerik, apalagi jika distribusi data tidak normal. Jika kepuasan diubah menjadi skor interval (misalnya 1–5), barulah bisa dipertimbangkan uji korelasi Pearson.

Nama: Dita Silviana Putri
NPM : 2313031057
No. Absen: 26

1. Jenis Skala Pengukuran
Pada kuesioner tersebut, setiap pertanyaan memiliki jenis skala yang berbeda.
- Pertanyaan tentang usia responden menggunakan skala rasio, karena usia dapat diukur dengan angka yang memiliki nol mutlak dan jarak antar nilainya sama.
- Pertanyaan jenis kelamin menggunakan skala nominal, sebab hanya menunjukkan kategori (laki-laki atau perempuan) tanpa urutan tertentu.
- Pertanyaan tentang tingkat kepuasan terhadap pelayanan dosen pembimbing akademik menggunakan skala ordinal, karena terdapat tingkatan dari sangat tidak puas sampai sangat puas.
- Pertanyaan jumlah mata kuliah yang diambil juga menggunakan skala rasio, karena nilainya berupa angka yang memiliki nol mutlak dan dapat diperbandingkan.
- Sedangkan pertanyaan mengenai urutan prioritas dalam memilih universitas menggunakan skala ordinal, karena menunjukkan peringkat berdasarkan tingkat kepentingan, meskipun jarak antar peringkat tidak pasti sama.

2. Analisis dengan Statistik Parametrik
Tidak semua data dari kuesioner tersebut bisa dianalisis menggunakan statistik parametrik.
Statistik parametrik hanya bisa digunakan jika data berskala interval atau rasio dan berdistribusi normal.
Dalam kuesioner ini, hanya data usia dan jumlah mata kuliah yang berskala rasio, sehingga dapat dianalisis secara parametrik.
Sementara data jenis kelamin, tingkat kepuasan, dan urutan prioritas berskala nominal atau ordinal, sehingga lebih tepat dianalisis menggunakan statistik non-parametrik, seperti uji Chi-Square atau korelasi Spearman.
Dengan demikian, tidak semua data kuesioner cocok untuk statistik parametrik, karena sebagian besar berupa data kategori atau peringkat.

3. Metode Analisis Hubungan
Jika peneliti ingin mengetahui hubungan antara kepuasan layanan akademik dan jumlah mata kuliah yang diambil, maka metode yang paling tepat digunakan adalah korelasi Spearman Rank.
Alasannya, karena variabel kepuasan diukur dengan skala ordinal, sedangkan jumlah mata kuliah menggunakan skala rasio, dan data kemungkinan tidak berdistribusi normal.
Korelasi Spearman dapat menunjukkan apakah ada hubungan yang positif atau negatif antara kedua variabel tersebut tanpa harus memenuhi syarat distribusi normal seperti pada korelasi Pearson.

Kesimpulan Singkat
- Setiap pertanyaan dalam kuesioner memiliki jenis skala berbeda. Sebagian bisa dianalisis dengan statistik parametrik, sebagian tidak.
- Untuk meneliti hubungan antara kepuasan dan jumlah mata kuliah, metode korelasi Spearman Rank adalah yang paling sesuai karena menyesuaikan dengan jenis datanya.

Nama: Adella Putri Rizkia
NPM : 2313031044

1.Identifikasi jenis skala pengukuran
A. Usia responden (dalam tahun) = Skala Rasio
Usia termasuk skala rasio adalah karena variabel ini memiliki titik nol absolut, yaitu usia 0 tahun yang menunjukkan ketiadaan umur. Selain itu, usia dapat dikenai operasi matematika seperti penjumlahan, pengurangan, perkalian, maupun pembagian. Tidak hanya itu, perbandingan antar nilai usia juga bermakna secara proporsional; misalnya, seseorang yang berusia 20 tahun benar-benar dapat dikatakan memiliki usia dua kali lebih besar daripada seseorang yang berusia 10 tahun.
B. Jenis kelamin = Skala Nominal
Karna hanya menunjukkan kategori tanpa urutan (Laki-laki ≠ Perempuan, tetapi tidak ada ranking), serta tidak dapat diurutkan atau dihitung perbedaan jarak antar kategori.
C. Tingkat kepuasan terhadap pelayanan dosen pembimbing akademik = Skala Ordinal (Likert)
Karna memiliki tingkatan dari sangat tidak puas hingga sangat puas, serta daa urutan, tetapi jarak antar kategori tidak pasti sama (selisih “Tidak puas -Netral” belum tentu sama dengan “Puas - Sangat puas”).
D. Jumlah mata kuliah yang diambil = Skala Rasio
Karna memiliki nilai 0 yang bermakna (artinya tidak mengambil matkul) dan busa dihitung, dibandingkan, dan dijumlahkan.
E. Urutan prioritas memilih universitas = Skala Ordinal
Karna responden diminta memberi ranking (1 paling penting - 5 paling tidak penting) dan ada urutan tetapi tidak ada nilai jarak pasti antar peringkat.

2.Tidak semua data dapat dianalisis dengan statistik parametrik. Karna statistik parametrik mensyaratkan data minimal skala interval/rasio, dan berdistribusi normal, lada kuesioner di atas terdapat data nominal (jenis kelamin) dan ordinal (Likert & ranking prioritas), skala nominal dan ordinal tidak memenuhi syarat untuk statistik parametrik karena tidak memiliki jarak yang pasti antar kategori.
Jadi, sebagian data bisa dianalisis parametrik (usia, jumlah matkul), tetapi sebagian lainnya harus menggunakan statistik non-parametrik.

3. Menggunakan Metode Korelasi Spearman Rank (Spearman’s Rho)
Karna variabel kepuasan layanan menggunakan skala ordinal (Likert), variabel jumlah mata kuliah menggunakan skala rasio.
Jika salah satu variabel ordinal, maka korelasi non-parametrik Spearman lebih tepat daripada Pearson. Tidak memerlukan asumsi distribusi normal.