PSPE_METODOLOGI PENELITIAN PENDIDIKAN EKONOMI_KELAS A_GANJIL 2026/2027

Nama: Nayla Andara
NPM: 2413031018

1. Identifikasi Jenis Skala Pengukuran

Item usia responden menggunakan skala rasio karena memiliki nilai nol mutlak. Jenis kelamin menggunakan skala nominal karena hanya membedakan kategori tanpa tingkatan. Tingkat kepuasan menggunakan skala ordinal karena memiliki urutan dari sangat tidak puas hingga sangat puas. Jumlah mata kuliah menggunakan skala rasio karena berupa data hitungan dengan nol mutlak. Sementara itu, urutan prioritas memilih universitas menggunakan skala ordinal karena menunjukkan tingkatan kepentingan.

2. Apakah seluruh data dapat dianalisis menggunakan statistik parametrik?

Tidak. Statistik parametrik umumnya digunakan untuk data interval dan rasio dengan memenuhi asumsi tertentu. Sementara itu, data nominal dan ordinal lebih tepat dianalisis menggunakan statistik nonparametrik. Oleh karena itu, metode analisis harus disesuaikan dengan jenis skala pengukuran dan karakteristik datanya.

3. Metode analisis yang tepat

Metode yang tepat adalah uji korelasi Spearman Rank, karena variabel kepuasan menggunakan skala ordinal, sedangkan jumlah mata kuliah menggunakan skala rasio. Spearman digunakan untuk mengetahui arah dan kekuatan hubungan kedua variabel tanpa mensyaratkan distribusi normal. Hasilnya dapat menunjukkan apakah hubungan keduanya positif, negatif, atau tidak signifikan.

Nama : Alissya Putri Kartika 

Npm : 2413031011

1. Jenis Skala pengukuran per Item

Usia responden (tahun) mengukur rasio. Datanya berupa angka dengan jarak antarnilai yang sama dan memiliki titik nol mutlak (usia 0 berarti belum berumur). Usia 40 tahun dapat dikatakan dua kali lebih tua dari usia 20 tahun.

Jenis kelamin berskala nominal. Item ini hanya mengelompokkan responden ke dalam kategori yang saling lepas. Tidak ada urutan atau tingkatan, sehingga laki-laki dan perempuan hanya berbeda label.

Tingkat kepuasan terhadap dosen pembimbing akademik berskala ordinal. Kategorinya memiliki urutan yang jelas dari rendah ke tinggi (sangat tidak puas sampai sangat puas), tetapi jarak antar kategori tidak dapat dipastikan sama. Selisih antara “tidak puas” dan “netral” belum tentu sama dengan selisih antara “puas” dan “sangat puas”.

Jumlah mata kuliah yang diambil semester ini berukuran rasio. Datanya hasil penghitungan dengan jarak yang sama dan titik nol mutlak (0 berarti tidak mengambil mata kuliah yang sama sekali).

Urutan aspek prioritas dalam memilih universitas berukuran ordinal. Peringkat hanya menunjukkan urutan kepentingan, bukan besar selisihnya. Aspek di peringkat 1 dan 2 bisa jadi hampir sama pentingnya, sedangkan peringkat 2 dan 3 bisa berbeda sangat jauh.

Catatan: dalam praktik, item kepuasan sering diperlakukan sebagai interval, terutama bila berupa skala Likert gabungan dari beberapa pernyataan. Namun, sebagai satu butir tunggal dengan lima kategori seperti di atas, secara ketat tetap tergolong ordinal.

2. Apakah Seluruh Data Dapat Dianalisis dengan Parametrik Statistik?

Tidak. Parametrik statistik (misalnya uji-t, ANOVA, korelasi Pearson, dan regresi linier) mensyaratkan data berukuran interval atau rasio, berdistribusi normal atau mendekati normal, memiliki varian yang homogen antarkelompok, dan pengamatannya saling independen.

Berdasarkan kuesioner tersebut, data usia dan jumlah mata kuliah dapat dianalisis dengan parametrik statistik karena ukuran rasio, selama asumsi normalitas dan asumsi lainnya terpenuhi.

Sebaliknya, jenis kelamin, tingkat kepuasan, dan urutan prioritas tidak dapat dijelaskan secara parametrik. Jenis kelamin ukuran nominal, sehingga tidak bisa dihitung rata-rata atau simpangan bakunya dan cukup dianalisis dengan frekuensi, proporsi, atau uji non-parametrik seperti Chi-Square. Tingkat kepuasan dan urutan prioritas bersifat ordinal, sehingga tidak memenuhi syarat jarak yang sama dan lebih tepat dijelaskan dengan median, modus, atau uji non-parametrik seperti Mann-Whitney, Kruskal-Wallis, dan Spearman.

Jadi, data kuesioner ini bersifat campuran, sehingga teknik analisis harus disesuaikan dengan skala masing-masing variabel, tidak diseragamkan.

3. Metode Analisis Hubungan Kepuasan dan Jumlah Mata Kuliah

Metode yang paling tepat adalah Korelasi Rank Spearman (Spearman's rho).

Alasan pemilihannya sebagai berikut. Pertama, skala kedua variabel berbeda: kepuasan berukuran ordinal, sedangkan jumlah mata kuliah berukuran rasio. Korelasi Pearson mensyaratkan kedua variabel berukuran interval atau rasio, sehingga tidak memenuhi syarat, sedangkan Spearman cocok digunakan bila minimal salah satu variabel berukuran ordinal.

Kedua, Spearman berbasis peringkat. Data diubah menjadi peringkat sebelum korelasi dihitung, sehingga hasilnya tidak bergantung pada jarak antar kategori kepuasan.

Ketiga, metode ini tidak mensyaratkan data berdistribusi normal. Hal ini penting karena kepuasan data sebaran sangat mungkin tidak normal.

Keempat, Spearman mampu menangkap hubungan monotonik, yaitu apakah kenaikan jumlah mata kuliah cenderung diikuti kenaikan atau penurunan kepuasan, tanpa harus membentuk garis lurus.

Kelima, metode ini tahan terhadap pencilan (outlier), misalnya siswa dengan beban mata kuliah yang sangat ekstrem.

Untuk menafsirkannya, koefisien korelasi (ρ) berkisar dari -1 hingga +1. Nilai positif berarti semakin banyak mata kuliah, semakin tinggi kepuasan. Nilai negatif berarti sebaliknya. Nilai mendekati 0 berarti hampir tidak ada hubungan. Signifikansinya diuji dengan nilai p, misalnya p < 0,05.

Alternatifnya, jika jumlah mata kuliah yang disimpan (misalnya ringan, sedang, dan berat), peneliti dapat menggunakan uji Kruskal-Wallis untuk mengukur tingkat kepuasan antarkelompok. Untuk pemodelan lebih lanjut, dapat digunakan regresi logistik ordinal.

Nama : Eris Ana Dita
Npm : 2413031017

1. Jenis skala pengukuran yang digunakan pada setiap item kuesioner berbeda-beda, yaitu:

• Usia responden: termasuk skala rasio karena memiliki angka nol yang menunjukkan tidak adanya usia serta memiliki jarak dan perbandingan yang jelas.

• Jenis kelamin: termasuk skala nominal karena hanya membedakan responden ke dalam kategori laki-laki dan perempuan tanpa menunjukkan tingkatan.

• Tingkat kepuasan: termasuk skala ordinal karena memiliki urutan dari sangat tidak puas hingga sangat puas, tetapi jarak antara setiap tingkat kepuasan belum tentu sama.

• Jumlah mata kuliah: termasuk skala rasio karena berupa data jumlah yang memiliki nilai nol dan dapat dihitung secara matematis.

• Urutan prioritas memilih universitas: termasuk skala ordinal karena menunjukkan tingkatan kepentingan dari yang paling utama sampai paling rendah.

2. Tidak semua data dalam kuesioner tersebut dapat dianalisis menggunakan statistik parametrik. Hal ini karena setiap data memiliki skala pengukuran yang berbeda. Data nominal dan ordinal umumnya lebih sesuai dianalisis menggunakan statistik nonparametrik, sedangkan data interval dan rasio dapat digunakan dalam statistik parametrik jika memenuhi asumsi tertentu, seperti distribusi normal dan hubungan yang sesuai. Jadi, pemilihan metode statistik harus disesuaikan dengan jenis data dan tujuan penelitian.

3. Metode analisis yang dapat digunakan adalah korelasi Spearman Rank. Metode ini dipilih karena tingkat kepuasan layanan akademik menggunakan skala ordinal, sedangkan jumlah mata kuliah menggunakan skala rasio. Korelasi Spearman dapat digunakan untuk mengetahui apakah terdapat hubungan antara kedua variabel tanpa mengharuskan data berdistribusi normal. Melalui analisis ini, peneliti dapat mengetahui apakah jumlah mata kuliah yang diambil mahasiswa memiliki hubungan dengan tingkat kepuasan mereka terhadap layanan dosen pembimbing akademik.

Nama: Serly Natasa

NPM: 2413031028

1. Skala pengukuran tiap item

• Item 1 (usia dalam tahun) berskala rasio karena angkanya memiliki jarak yang sama dan titik nol mutlak, sehingga perbandingan bermakna, misalnya usia 20 tahun adalah dua kali usia 10 tahun. 
• Item 2 (jenis kelamin) berskala nominal karena hanya berupa kategori tanpa urutan atau tingkatan. 
• Item 3 (tingkat kepuasan terhadap dosen pembimbing akademik) berskala ordinal karena kategorinya memiliki urutan dari sangat tidak puas sampai sangat puas, tetapi jarak antarkategori tidak dapat dipastikan sama.
• Item 4 (jumlah mata kuliah yang diambil) berskala rasio karena merupakan data hasil hitung dengan nol mutlak, yaitu 0 berarti tidak mengambil mata kuliah sama sekali. 
• Item 5 (ranking prioritas memilih universitas) berskala ordinal karena menunjukkan urutan kepentingan, tetapi selisih antarperingkat tidak dapat dianggap sama.

2. Apakah seluruh data dapat dianalisis dengan statistik parametrik?

Tidak. Statistik parametrik mensyaratkan data berskala interval atau rasio, berdistribusi normal, dan untuk uji tertentu memiliki varians yang homogen. Dari kuesioner tersebut, hanya usia dan jumlah mata kuliah (rasio) yang memenuhi syarat skala, itu pun masih perlu diuji normalitasnya. Jenis kelamin (nominal) serta kepuasan dan ranking prioritas (ordinal) tidak memenuhi syarat sehingga dianalisis dengan statistik nonparametrik, misalnya uji Chi-square untuk data nominal serta uji Spearman atau Mann-Whitney untuk data ordinal. Dalam praktik, skala Likert yang terdiri atas banyak butir kadang diperlakukan sebagai interval, tetapi satu item kepuasan tunggal seperti pada soal ini tetap bersifat ordinal.

3. Metode analisis hubungan kepuasan dan jumlah mata kuliah

Metode yang paling tepat adalah korelasi rank Spearman (Spearman's rho). Alasannya, kepuasan berskala ordinal sedangkan jumlah mata kuliah berskala rasio. Korelasi Pearson mensyaratkan kedua variabel berskala interval atau rasio dan berdistribusi normal, sehingga tidak sesuai untuk kasus ini. Spearman bekerja berdasarkan peringkat data, tidak mensyaratkan normalitas, dan cocok untuk data ordinal. Hasilnya berupa koefisien rho yang menunjukkan arah dan kekuatan hubungan, serta nilai signifikansi (p) untuk menguji apakah hubungan tersebut bermakna secara statistik.