Nama : Lis Tiara Putri
NPM : 2213031001
Posts made by LIS TIARA PUTRI
MPPE A2025 -> Tugas
by LIS TIARA PUTRI -
Nama : Lis Tiara Putri
NPM : 2213031001
“Hubungan Pemanfaatan V-Class dan Kemandirian Belajar dengan Prestasi Akademik Mahasiswa Pendidikan Ekonomi Universitas Lampung.”
Teknik pengumpulan data dalam penelitian ini dilakukan dengan menggunakan dua sumber utama, yaitu data primer dan data sekunder. Data primer diperoleh melalui penyebaran kuesioner kepada mahasiswa Program Studi Pendidikan Ekonomi Universitas Lampung angkatan 2023, 2024, dan 2025 yang telah menggunakan V-Class dalam proses pembelajaran. Kuesioner disusun menggunakan skala Likert dengan lima pilihan jawaban untuk mengukur dua variabel utama, yaitu pemanfaatan V-Class (X1) dan kemandirian belajar (X2). Pernyataan dalam kuesioner dirancang berdasarkan indikator teoritis yang diambil dari landasan teori mengenai penggunaan teknologi pembelajaran dan karakteristik mahasiswa mandiri dalam belajar. Kuesioner disebarkan secara online menggunakan Google Form agar lebih mudah diakses oleh responden dan mempercepat proses pengumpulan data dalam jumlah besar.
Selain itu, data sekunder diperoleh melalui dokumen akademik berupa nilai IPK atau nilai mata kuliah tertentu yang relevan sebagai ukuran variabel prestasi akademik (Y). Data nilai diperoleh dengan persetujuan responden dan koordinasi dengan pihak program studi sesuai prosedur etika penelitian. Sebelum digunakan dalam analisis, instrumen kuesioner akan diuji validitas dan reliabilitasnya melalui uji coba pada sebagian responden untuk memastikan bahwa setiap item pernyataan benar-benar mengukur konstruk yang dimaksud dan konsisten dalam menghasilkan data. Dengan teknik pengumpulan data ini, informasi yang dibutuhkan untuk menjawab rumusan masalah dan menguji hipotesis dapat diperoleh secara akurat, efisien, serta sesuai dengan pendekatan penelitian kuantitatif yang digunakan.
NPM : 2213031001
“Hubungan Pemanfaatan V-Class dan Kemandirian Belajar dengan Prestasi Akademik Mahasiswa Pendidikan Ekonomi Universitas Lampung.”
Teknik pengumpulan data dalam penelitian ini dilakukan dengan menggunakan dua sumber utama, yaitu data primer dan data sekunder. Data primer diperoleh melalui penyebaran kuesioner kepada mahasiswa Program Studi Pendidikan Ekonomi Universitas Lampung angkatan 2023, 2024, dan 2025 yang telah menggunakan V-Class dalam proses pembelajaran. Kuesioner disusun menggunakan skala Likert dengan lima pilihan jawaban untuk mengukur dua variabel utama, yaitu pemanfaatan V-Class (X1) dan kemandirian belajar (X2). Pernyataan dalam kuesioner dirancang berdasarkan indikator teoritis yang diambil dari landasan teori mengenai penggunaan teknologi pembelajaran dan karakteristik mahasiswa mandiri dalam belajar. Kuesioner disebarkan secara online menggunakan Google Form agar lebih mudah diakses oleh responden dan mempercepat proses pengumpulan data dalam jumlah besar.
Selain itu, data sekunder diperoleh melalui dokumen akademik berupa nilai IPK atau nilai mata kuliah tertentu yang relevan sebagai ukuran variabel prestasi akademik (Y). Data nilai diperoleh dengan persetujuan responden dan koordinasi dengan pihak program studi sesuai prosedur etika penelitian. Sebelum digunakan dalam analisis, instrumen kuesioner akan diuji validitas dan reliabilitasnya melalui uji coba pada sebagian responden untuk memastikan bahwa setiap item pernyataan benar-benar mengukur konstruk yang dimaksud dan konsisten dalam menghasilkan data. Dengan teknik pengumpulan data ini, informasi yang dibutuhkan untuk menjawab rumusan masalah dan menguji hipotesis dapat diperoleh secara akurat, efisien, serta sesuai dengan pendekatan penelitian kuantitatif yang digunakan.
MPPE A2025 -> CASE STUDY
by LIS TIARA PUTRI -
Nama : Lis Tiara Putri
NPM : 2213031001
1. Kesesuaian Teknik Pengumpulan Data dengan Pendekatan Kuantitatif
Teknik pengumpulan data yang digunakan peneliti sudah sesuai dengan pendekatan kuantitatif. Penggunaan angket dengan skala Likert memungkinkan peneliti memperoleh data numerik yang dapat dianalisis secara statistik untuk mengetahui hubungan dan perbedaan antar variabel. Selain itu, data demografis yang dikumpulkan melalui pertanyaan terstruktur juga mendukung analisis kuantitatif karena dapat dikodekan dalam bentuk angka. Dengan demikian, teknik ini memenuhi karakteristik utama penelitian kuantitatif yaitu terukur, terstandar, objektif, dan dapat dianalisis menggunakan uji statistik inferensial.
2. Kelebihan dan Kelemahan Menggunakan Angket
Kelebihan angket dalam penelitian ini adalah mampu menjangkau responden dalam jumlah besar dengan waktu dan biaya yang lebih efisien, sehingga mendukung tujuan generalisasi penelitian. Responden dapat menjawab secara mandiri tanpa tekanan, dan penskalaan Likert memberikan variasi data yang memadai untuk analisis statistik. Namun, kelemahannya adalah kemungkinan responden memberikan jawaban yang tidak mencerminkan kondisi sebenarnya (bias sosial), adanya keterbatasan pemahaman terhadap pernyataan, serta tidak adanya kesempatan menggali jawaban lebih dalam seperti pada wawancara. Selain itu, tingkat respons dapat bervariasi dan dapat memengaruhi validitas data jika banyak instrumen tidak terisi dengan lengkap.
3. Teknik Analisis Statistik yang Tepat
Untuk menjawab tujuan penelitian yang pertama, yaitu mengetahui pengaruh gaya kepemimpinan terhadap motivasi kerja, teknik analisis yang tepat adalah analisis regresi linier sederhana. Hal ini karena gaya kepemimpinan berperan sebagai variabel bebas dan motivasi kerja sebagai variabel terikat, keduanya diukur secara kuantitatif menggunakan skala Likert. Sementara itu, untuk menjawab tujuan kedua mengenai perbedaan motivasi kerja berdasarkan tingkat pendidikan guru, teknik yang sesuai adalah uji ANOVA satu arah (One-Way ANOVA) karena variabel motivasi kerja berbentuk data numerik, sedangkan tingkat pendidikan merupakan variabel kategori dengan lebih dari dua kelompok. Kedua teknik ini memungkinkan peneliti melakukan pengujian hipotesis secara inferensial sesuai tujuan yang dirumuskan.
4. Potensi Bias dan Masalah Validitas serta Cara Mengatasinya
Metode pengumpulan data melalui angket dapat menimbulkan beberapa bias, seperti social desirability bias, yaitu guru mungkin menjawab lebih positif untuk menjaga citra kepala sekolah atau kenyamanan hubungan kerja. Selain itu, terdapat risiko bias pemahaman jika item kurang jelas atau multitafsir. Dari sisi validitas, instrumen harus benar-benar mengukur gaya kepemimpinan dan motivasi kerja sesuai teori; jika tidak, bisa terjadi masalah validitas konstruk. Untuk mengatasinya, peneliti perlu melakukan uji validitas dan reliabilitas instrumen sebelum penyebaran penuh, memberikan instruksi yang jelas, menjamin kerahasiaan jawaban, serta menghindari penggunaan pernyataan yang terlalu sensitif. Juga disarankan untuk memastikan tingkat respons yang tinggi melalui monitoring dan follow-up agar data yang diperoleh lebih representatif.
NPM : 2213031001
1. Kesesuaian Teknik Pengumpulan Data dengan Pendekatan Kuantitatif
Teknik pengumpulan data yang digunakan peneliti sudah sesuai dengan pendekatan kuantitatif. Penggunaan angket dengan skala Likert memungkinkan peneliti memperoleh data numerik yang dapat dianalisis secara statistik untuk mengetahui hubungan dan perbedaan antar variabel. Selain itu, data demografis yang dikumpulkan melalui pertanyaan terstruktur juga mendukung analisis kuantitatif karena dapat dikodekan dalam bentuk angka. Dengan demikian, teknik ini memenuhi karakteristik utama penelitian kuantitatif yaitu terukur, terstandar, objektif, dan dapat dianalisis menggunakan uji statistik inferensial.
2. Kelebihan dan Kelemahan Menggunakan Angket
Kelebihan angket dalam penelitian ini adalah mampu menjangkau responden dalam jumlah besar dengan waktu dan biaya yang lebih efisien, sehingga mendukung tujuan generalisasi penelitian. Responden dapat menjawab secara mandiri tanpa tekanan, dan penskalaan Likert memberikan variasi data yang memadai untuk analisis statistik. Namun, kelemahannya adalah kemungkinan responden memberikan jawaban yang tidak mencerminkan kondisi sebenarnya (bias sosial), adanya keterbatasan pemahaman terhadap pernyataan, serta tidak adanya kesempatan menggali jawaban lebih dalam seperti pada wawancara. Selain itu, tingkat respons dapat bervariasi dan dapat memengaruhi validitas data jika banyak instrumen tidak terisi dengan lengkap.
3. Teknik Analisis Statistik yang Tepat
Untuk menjawab tujuan penelitian yang pertama, yaitu mengetahui pengaruh gaya kepemimpinan terhadap motivasi kerja, teknik analisis yang tepat adalah analisis regresi linier sederhana. Hal ini karena gaya kepemimpinan berperan sebagai variabel bebas dan motivasi kerja sebagai variabel terikat, keduanya diukur secara kuantitatif menggunakan skala Likert. Sementara itu, untuk menjawab tujuan kedua mengenai perbedaan motivasi kerja berdasarkan tingkat pendidikan guru, teknik yang sesuai adalah uji ANOVA satu arah (One-Way ANOVA) karena variabel motivasi kerja berbentuk data numerik, sedangkan tingkat pendidikan merupakan variabel kategori dengan lebih dari dua kelompok. Kedua teknik ini memungkinkan peneliti melakukan pengujian hipotesis secara inferensial sesuai tujuan yang dirumuskan.
4. Potensi Bias dan Masalah Validitas serta Cara Mengatasinya
Metode pengumpulan data melalui angket dapat menimbulkan beberapa bias, seperti social desirability bias, yaitu guru mungkin menjawab lebih positif untuk menjaga citra kepala sekolah atau kenyamanan hubungan kerja. Selain itu, terdapat risiko bias pemahaman jika item kurang jelas atau multitafsir. Dari sisi validitas, instrumen harus benar-benar mengukur gaya kepemimpinan dan motivasi kerja sesuai teori; jika tidak, bisa terjadi masalah validitas konstruk. Untuk mengatasinya, peneliti perlu melakukan uji validitas dan reliabilitas instrumen sebelum penyebaran penuh, memberikan instruksi yang jelas, menjamin kerahasiaan jawaban, serta menghindari penggunaan pernyataan yang terlalu sensitif. Juga disarankan untuk memastikan tingkat respons yang tinggi melalui monitoring dan follow-up agar data yang diperoleh lebih representatif.
MPPE A2025 -> Diskusi
by LIS TIARA PUTRI -
Nama : Lis Tiara Putri
NPM : 2213031001
Seorang peneliti harus mampu menentukan teknik pengumpulan data yang sesuai karena keberhasilan penelitian sangat bergantung pada kualitas data yang diperoleh. Teknik pengumpulan data merupakan cara untuk memperoleh informasi yang akurat tentang variabel yang sedang diteliti. Jika teknik yang dipilih tidak tepat, maka data yang terkumpul dapat menjadi bias, tidak lengkap, atau tidak sesuai dengan karakteristik variabel, sehingga akan memengaruhi validitas dan reliabilitas hasil penelitian. Selain itu, setiap masalah penelitian memiliki sifat dan kebutuhan informasi yang berbeda, sehingga teknik pengumpulan data harus disesuaikan dengan jenis data yang ingin dikumpulkan, apakah berupa data kuantitatif yang membutuhkan angka dan pengukuran objektif, atau data kualitatif yang berfokus pada pemahaman mendalam terhadap fenomena sosial.
Teknik pengumpulan data juga memiliki keterkaitan yang sangat erat dengan masalah penelitian dan tujuan yang ingin dicapai. Jika tujuan penelitian adalah mengetahui hubungan atau pengaruh antar variabel, maka data perlu dikumpulkan menggunakan instrumen terstandar seperti kuesioner atau tes agar dapat dianalisis secara statistik. Sebaliknya, apabila tujuan penelitian adalah memahami persepsi, pengalaman, atau makna yang dirasakan oleh subjek, maka teknik seperti wawancara mendalam atau observasi partisipatif lebih tepat digunakan. Dengan demikian, penentuan teknik pengumpulan data harus melalui pertimbangan yang matang agar informasi yang diperoleh benar-benar selaras dengan tujuan penelitian, mampu menjawab rumusan masalah, dan menghasilkan temuan yang dapat dipercaya.
NPM : 2213031001
Seorang peneliti harus mampu menentukan teknik pengumpulan data yang sesuai karena keberhasilan penelitian sangat bergantung pada kualitas data yang diperoleh. Teknik pengumpulan data merupakan cara untuk memperoleh informasi yang akurat tentang variabel yang sedang diteliti. Jika teknik yang dipilih tidak tepat, maka data yang terkumpul dapat menjadi bias, tidak lengkap, atau tidak sesuai dengan karakteristik variabel, sehingga akan memengaruhi validitas dan reliabilitas hasil penelitian. Selain itu, setiap masalah penelitian memiliki sifat dan kebutuhan informasi yang berbeda, sehingga teknik pengumpulan data harus disesuaikan dengan jenis data yang ingin dikumpulkan, apakah berupa data kuantitatif yang membutuhkan angka dan pengukuran objektif, atau data kualitatif yang berfokus pada pemahaman mendalam terhadap fenomena sosial.
Teknik pengumpulan data juga memiliki keterkaitan yang sangat erat dengan masalah penelitian dan tujuan yang ingin dicapai. Jika tujuan penelitian adalah mengetahui hubungan atau pengaruh antar variabel, maka data perlu dikumpulkan menggunakan instrumen terstandar seperti kuesioner atau tes agar dapat dianalisis secara statistik. Sebaliknya, apabila tujuan penelitian adalah memahami persepsi, pengalaman, atau makna yang dirasakan oleh subjek, maka teknik seperti wawancara mendalam atau observasi partisipatif lebih tepat digunakan. Dengan demikian, penentuan teknik pengumpulan data harus melalui pertimbangan yang matang agar informasi yang diperoleh benar-benar selaras dengan tujuan penelitian, mampu menjawab rumusan masalah, dan menghasilkan temuan yang dapat dipercaya.
MPPE A2025 -> CASE STUDY
by LIS TIARA PUTRI -
Nama : Lis Tiara Putri
NPM : 2213031001
1. Jenis Skala Pengukuran Setiap Item Kuesioner
Pada kuesioner tersebut terdapat beberapa jenis skala pengukuran. Usia responden dalam tahun merupakan skala rasio, karena memiliki angka nol absolut dan selisih antar angka memiliki makna yang sama sehingga dapat dibandingkan secara matematis (misalnya 20 tahun dua kali lebih tua dari 10 tahun). Jenis kelamin merupakan skala nominal karena hanya digunakan untuk mengelompokkan responden berdasarkan kategori tanpa adanya urutan atau tingkat. Item tingkat kepuasan terhadap pelayanan dosen pembimbing akademik menggunakan pilihan jawaban berurutan dari sangat tidak puas hingga sangat puas sehingga termasuk skala ordinal, karena terdapat peringkat tetapi jarak antar kategori belum tentu sama. Jumlah mata kuliah yang diambil semester ini juga merupakan skala rasio, karena angka yang digunakan menunjukkan jumlah yang dapat dihitung secara matematis dan nol memiliki makna absolut. Sedangkan instruksi untuk mengurutkan aspek dalam memilih universitas berdasarkan prioritas merupakan skala ordinal, karena responden memberikan peringkat dari yang paling penting hingga paling tidak penting, tetapi jarak antar urutan tidak pasti sama.
2. Kemungkinan Penggunaan Statistik Parametrik
Pada prinsipnya, tidak semua data dalam kuesioner tersebut dapat langsung dianalisis dengan statistik parametrik. Statistik parametrik membutuhkan data minimal pada skala interval atau rasio, serta harus memenuhi asumsi tertentu seperti normalitas. Dalam kuesioner ini, terdapat data skala nominal dan ordinal (jenis kelamin, kepuasan layanan, dan prioritas pemilihan universitas) yang secara teoritis tidak dapat dianalisis menggunakan statistik parametrik, kecuali dilakukan pengkodean dan perlakuan tertentu (misalnya skala Likert diperlakukan sebagai interval). Data pada skala rasio seperti usia dan jumlah mata kuliah dapat dianalisis dengan statistik parametrik. Dengan demikian, peneliti perlu memilih teknik analisis yang tepat sesuai jenis datanya atau melakukan transformasi serta uji asumsi terlebih dahulu sebelum menggunakan statistik parametrik.
3. Metode Analisis untuk Hubungan Kepuasan dan Jumlah Mata Kuliah
Jika peneliti ingin mengetahui hubungan antara kepuasan layanan akademik dan jumlah mata kuliah yang diambil, maka metode analisis yang paling tepat adalah korelasi Spearman Rank atau Korelasi Point Biserial tergantung perlakuan data. Kepuasan akademik merupakan data ordinal, sedangkan jumlah mata kuliah adalah data rasio. Karena salah satu variabel bukan interval/rasio secara murni, maka korelasi non-parametrik seperti Spearman Rank lebih tepat untuk mengukur hubungan statistik antar dua variabel tersebut tanpa harus memenuhi asumsi normalitas. Korelasi ini dapat menunjukkan apakah terdapat hubungan positif atau negatif antara tingkat kepuasan mahasiswa dan jumlah mata kuliah yang mereka ambil. Jika skala kepuasan dikonversi secara numerik dan memenuhi asumsi distribusi normal, barulah dapat dipertimbangkan teknik parametrik seperti korelasi Pearson, namun secara konsep awal Spearman lebih sesuai.
NPM : 2213031001
1. Jenis Skala Pengukuran Setiap Item Kuesioner
Pada kuesioner tersebut terdapat beberapa jenis skala pengukuran. Usia responden dalam tahun merupakan skala rasio, karena memiliki angka nol absolut dan selisih antar angka memiliki makna yang sama sehingga dapat dibandingkan secara matematis (misalnya 20 tahun dua kali lebih tua dari 10 tahun). Jenis kelamin merupakan skala nominal karena hanya digunakan untuk mengelompokkan responden berdasarkan kategori tanpa adanya urutan atau tingkat. Item tingkat kepuasan terhadap pelayanan dosen pembimbing akademik menggunakan pilihan jawaban berurutan dari sangat tidak puas hingga sangat puas sehingga termasuk skala ordinal, karena terdapat peringkat tetapi jarak antar kategori belum tentu sama. Jumlah mata kuliah yang diambil semester ini juga merupakan skala rasio, karena angka yang digunakan menunjukkan jumlah yang dapat dihitung secara matematis dan nol memiliki makna absolut. Sedangkan instruksi untuk mengurutkan aspek dalam memilih universitas berdasarkan prioritas merupakan skala ordinal, karena responden memberikan peringkat dari yang paling penting hingga paling tidak penting, tetapi jarak antar urutan tidak pasti sama.
2. Kemungkinan Penggunaan Statistik Parametrik
Pada prinsipnya, tidak semua data dalam kuesioner tersebut dapat langsung dianalisis dengan statistik parametrik. Statistik parametrik membutuhkan data minimal pada skala interval atau rasio, serta harus memenuhi asumsi tertentu seperti normalitas. Dalam kuesioner ini, terdapat data skala nominal dan ordinal (jenis kelamin, kepuasan layanan, dan prioritas pemilihan universitas) yang secara teoritis tidak dapat dianalisis menggunakan statistik parametrik, kecuali dilakukan pengkodean dan perlakuan tertentu (misalnya skala Likert diperlakukan sebagai interval). Data pada skala rasio seperti usia dan jumlah mata kuliah dapat dianalisis dengan statistik parametrik. Dengan demikian, peneliti perlu memilih teknik analisis yang tepat sesuai jenis datanya atau melakukan transformasi serta uji asumsi terlebih dahulu sebelum menggunakan statistik parametrik.
3. Metode Analisis untuk Hubungan Kepuasan dan Jumlah Mata Kuliah
Jika peneliti ingin mengetahui hubungan antara kepuasan layanan akademik dan jumlah mata kuliah yang diambil, maka metode analisis yang paling tepat adalah korelasi Spearman Rank atau Korelasi Point Biserial tergantung perlakuan data. Kepuasan akademik merupakan data ordinal, sedangkan jumlah mata kuliah adalah data rasio. Karena salah satu variabel bukan interval/rasio secara murni, maka korelasi non-parametrik seperti Spearman Rank lebih tepat untuk mengukur hubungan statistik antar dua variabel tersebut tanpa harus memenuhi asumsi normalitas. Korelasi ini dapat menunjukkan apakah terdapat hubungan positif atau negatif antara tingkat kepuasan mahasiswa dan jumlah mata kuliah yang mereka ambil. Jika skala kepuasan dikonversi secara numerik dan memenuhi asumsi distribusi normal, barulah dapat dipertimbangkan teknik parametrik seperti korelasi Pearson, namun secara konsep awal Spearman lebih sesuai.