Nama: Lilin Ratnasari
NPM: 2313031056

1. Identifikasi Skala Pengukuran Tiap Item Kuesioner
a. Usia responden (dalam tahun) → Skala Rasio
Alasan:Usia memiliki nol absolut, dapat dihitung selisihnya secara bermakna, dan bisa dilakukan operasi matematika (×, ÷).
b. Jenis kelamin (Laki-laki/Perempuan) → Skala Nominal
Alasan: Hanya berupa kategori tanpa menunjukkan urutan atau tingkatan.
c. Tingkat kepuasan layanan dosen pembimbing (Likert 5 tingkat) → Skala Ordinal
Alasan: Memberikan peringkat dari sangat tidak puas sampai sangat puas, tetapi jarak antar kategori tidak pasti sama.
d. Jumlah mata kuliah yang diambil semester ini → Skala Rasio
Alasan: Jumlah mata kuliah memiliki nol absolut dan dapat dibandingkan secara proporsional (misal 10 MK adalah dua kali 5 MK).
e. Mengurutkan prioritas memilih universitas (ranking 1–5) → Skala Ordinal
Alasan: Item menunjukkan peringkat prioritas, tetapi perbedaan prioritas antar angka tidak berjarak sama.

2. Apakah Semua Data Bisa Dianalisis dengan Statistik Parametrik?
Tidak semua. Statistik parametrik mensyaratkan data berskala interval/rasio dan berdistribusi normal.
Pada kuesioner ini:
Rasio: usia, jumlah mata kuliah → bisa digunakan untuk analisis parametrik.
Ordinal: tingkat kepuasan, ranking prioritas → tidak ideal untuk parametrik karena jarak antar tingkat tidak sama.
Nominal: jenis kelamin → tidak bisa dianalisis parametrik.
Kesimpulan:
Hanya sebagian data yang memenuhi syarat, sehingga analisis parametrik tidak dapat digunakan untuk seluruh item.

3. Analisis yang Tepat untuk Hubungan Kepuasan Layanan Akademik dan Jumlah Mata Kuliah
Variabel: Kepuasan layanan akademik → Ordinal (skala Likert)
Jumlah mata kuliah → Rasio
Metode analisis yang paling tepat:
Spearman Rank Correlation
Alasan: Cocok untuk melihat hubungan antara variabel ordinal dan variabel rasio, tidak mensyaratkan distribusi normal, mengukur kekuatan dan arah hubungan secara non-parametrik.

Jika peneliti memaksa menganggap Likert sebagai interval (beberapa penelitian kuantitatif melakukan ini), maka bisa digunakan Pearson Correlation, tetapi secara teoretis Spearman lebih tepat untuk menjaga validitas skala.

Nama: Lilin Ratnasari
NPM: 2313031056

1. Identifikasi Populasi dan Sampel
Populasi:
Populasinya adalah seluruh siswa kelas XI di SMA Negeri yang ada di Provinsi Jawa Barat.
Alasannya karena tujuan penelitian adalah mengukur efektivitas pembelajaran hybrid terhadap hasil belajar matematika pada seluruh siswa kelas XI di SMA Negeri, sehingga semua siswa kelas XI dari 600 SMA Negeri tersebut termasuk dalam cakupan populasi target.
Sampel:
Sampel adalah sebagian sekolah SMA Negeri dan siswa kelas XI yang dipilih mewakili seluruh karakteristik SMA Negeri di Jawa Barat.
Alasannya, jumlah sekolah sangat banyak dan tersebar, sehingga peneliti tidak mungkin meneliti semua sekolah. Dengan sampel, peneliti bisa memperoleh data yang tetap representatif tanpa menghabiskan terlalu banyak waktu, biaya, dan tenaga.

2. Teknik Sampling yang Paling Tepat
Teknik sampling yang paling tepat adalah Stratified Cluster Random Sampling (gabungan stratifikasi dan cluster).
Alasan:
a. Populasi sangat besar dan tersebar
600 sekolah di 27 kota/kabupaten cocok ditangani dengan cluster berdasarkan wilayah administratif.
b. Terdapat perbedaan kondisi antar daerah
Karena faktor sosial, ekonomi, dan infrastruktur digital berbeda-beda, maka stratifikasi wilayah (misal: kota besar, kota sedang, dan daerah pinggiran) penting agar sampel tetap representatif.
c. Jumlah siswa tiap sekolah berbeda
Dengan stratifikasi, peneliti bisa menyesuaikan jumlah sampel per strata agar proporsional.
Cara Menerapkannya:
Langkah 1 — Membuat strata wilayah
Misal: Strata 1: Kota besar (Bandung, Bekasi, Depok)
Strata 2: Kota sedang
Strata 3: Kabupaten pinggiran
Langkah 2 — Memilih cluster (sekolah) secara acak
Contoh: ambil 10–15 sekolah secara acak dari tiap strata.
Langkah 3 — Memilih sampel siswa
Dari tiap sekolah terpilih, ambil sampel siswa kelas XI secara acak atau proporsional (misal 30 siswa per sekolah).
Dengan cara ini, hasilnya lebih representatif karena setiap wilayah memiliki peluang terwakili.

3. Potensi Kelemahan Jika Sampel Hanya dari Kota Besar
Jika peneliti hanya mengambil sampel dari Bandung dan Bekasi saja, maka hasil penelitian berpotensi tidak valid secara eksternal (kurang generalizable).
Kelemahannya:
a. Tidak mewakili kondisi seluruh Jawa Barat
Sekolah di kota besar biasanya memiliki fasilitas digital lebih baik, guru lebih siap, dan siswa lebih terbiasa dengan teknologi.
b. Hasil cenderung bias dan terlalu optimis
Efektivitas hybrid di kota besar mungkin lebih tinggi daripada di daerah dengan infrastruktur digital lemah.
c. Mengabaikan kesenjangan antar wilayah
Daerah pinggiran atau kabupaten yang fasilitasnya terbatas juga merupakan bagian penting dari populasi.
d. Generalisasi menjadi tidak tepat
Kesimpulan “metode hybrid efektif” bisa menyesatkan jika hanya berdasarkan sekolah-sekolah yang sudah maju.

Nama: Lilin Ratnasari
NPM: 2313031056

Secara umum, teknik sampling adalah cara peneliti memilih sebagian anggota populasi untuk dijadikan sumber data. Menurut Sugiyono (2019) dan Creswell (2014), teknik sampling dibagi menjadi dua kelompok besar:
1. Probability Sampling
Setiap anggota populasi memiliki peluang yang sama untuk terpilih.
Simple Random Sampling
Pengambilan sampel secara acak tanpa memperhatikan strata. Cocok bila populasi homogen.
Stratified Random Sampling
Populasi dibagi menjadi strata (misalnya: jurusan, kelas, gender), lalu sampel diambil dari tiap strata. Memastikan representasi merata.
Cluster Sampling
Sampel diambil berdasarkan kelompok/cluster (misal: kelas, sekolah). Digunakan jika populasi luas dan tersebar.
Systematic Sampling
Pengambilan sampel berdasarkan interval tertentu (misal setiap siswa ke-5).

2. Non-Probability Sampling
Tidak semua anggota populasi memiliki peluang yang sama.
Purposive Sampling
Pengambilan sampel berdasarkan pertimbangan tertentu (misal: siswa yang pernah ikut program literasi keuangan).

Convenience Sampling
Berdasarkan siapa saja yang mudah ditemui. Paling cepat, tapi kurang representatif.
Quota Sampling
Peneliti menetapkan jumlah sampel per kategori, lalu memilih sesuai kuota.
Snowball Sampling
Responden awal merekomendasikan responden lain. Cocok untuk populasi yang sulit diidentifikasi.

Referensi:
• Sugiyono (2019) Metode Penelitian Kuantitatif, Kualitatif, dan R&D
• Creswell, J. (2014). Research Design.
• Etikan et al. (2016). “Comparison of Convenience Sampling and Purposive Sampling.” American Journal of Theoretical and Applied Statistics.

Teknik Sampling yang Paling Sering Digunakan dalam Riset Pendidikan Ekonomi
Berdasarkan berbagai penelitian pendidikan ekonomi, teknik yang paling sering digunakan adalah:
1. Stratified Random Sampling
Alasan teoretis: Populasi pendidikan biasanya heterogen (misalnya perbedaan kelas, jurusan, kemampuan akademik).

Menurut Fraenkel & Wallen (2012), stratified sampling dipilih ketika karakteristik subpopulasi harus terwakili agar hasil lebih valid. Penelitian pendidikan ekonomi sering membutuhkan representasi proporsional, terutama jika menganalisis perbandingan antar kelompok (misal IPA–IPS, kelas X–XI–XII). Contoh riset pendidikan ekonomi: studi literasi ekonomi antar jenjang kelas, efektivitas model pembelajaran di beberapa jurusan.

2. Purposive Sampling (untuk penelitian kualitatif & survei tertentu)
Alasan teoretis: Kualitatif pendidikan ekonomi fokus pada informan yang relevan (guru ekonomi, siswa tertentu).
Menurut Patton (2015), purposive sampling efektif untuk mendapatkan data yang mendalam dari responden yang paling memahami fenomena.
Banyak penelitian pendidikan ekonomi memakai purposive ketika meneliti guru ekonomi atau siswa dengan karakter tertentu.

Berdasarkan berbagai referensi, teknik sampling merupakan cara memilih sebagian anggota populasi sebagai sumber data. Dari buku Sugiyono (2019) dan Creswell (2014), teknik sampling dibagi menjadi probability dan non-probability sampling. Dalam riset pendidikan ekonomi, teknik yang paling sering digunakan adalah stratified random sampling, karena populasi di sekolah biasanya terdiri dari strata kelas atau jurusan sehingga membutuhkan representasi yang proporsional. Selain itu, untuk penelitian kualitatif, teknik purposive sampling juga sering digunakan karena peneliti membutuhkan informan yang benar-benar memahami konteks penelitian. Penggunaan dua teknik ini sejalan dengan pendapat Fraenkel & Wallen (2012) dan Patton (2015) yang menekankan pentingnya representasi dan relevansi informan.

Nama: Lilin Ratnasari
NPM: 2313031056

Nama: Lilin Ratnasari
NPM: 2313031056

Pengertian Populasi dan Sampel Serta Hal yang Perlu Diperhatikan Peneliti
1. Pengertian Populasi
Berdasarkan pemahaman dari buku metodologi penelitian yang pernah saya pelajari, populasi dapat diartikan sebagai keseluruhan subjek, objek, atau unit analisis yang memiliki karakteristik tertentu dan menjadi fokus penelitian. Populasi tidak selalu berarti jumlah yang sangat besar, tetapi mencakup semua individu atau hal yang ingin diteliti sesuai variabel penelitian.
Contoh: Jika penelitian ingin melihat pengaruh media digital terhadap hasil belajar mahasiswa, maka seluruh mahasiswa yang mengikuti pembelajaran digital pada suatu perguruan tinggi adalah populasinya. Intinya: populasi adalah “wilayah generalisasi” tempat peneliti ingin menarik kesimpulan.
2. Pengertian Sampel
Sampel adalah sebagian dari populasi yang dipilih dengan teknik tertentu untuk diteliti. Sampel digunakan ketika populasi terlalu besar sehingga tidak mungkin diteliti semuanya, baik karena keterbatasan waktu, biaya, maupun tenaga.
Dalam penelitian, sampel harus benar-benar mewakili kondisi populasi supaya hasil penelitian dapat digeneralisasikan.
Contoh: Dari 1.000 mahasiswa yang mengikuti kuliah daring, peneliti bisa mengambil 100 mahasiswa sebagai sampel menggunakan teknik sampling tertentu.
3. Hal yang Perlu Diperhatikan Dalam Menentukan Populasi dan Sampel
a. Kesesuaian dengan tujuan penelitian
Peneliti harus memastikan bahwa populasi dan sampel yang dipilih memang relevan dan sesuai dengan variabel yang diteliti. Kesalahan memilih populasi dapat membuat data tidak valid.
b. Karakteristik populasi
Sebelum mengambil sampel, peneliti harus memahami karakteristik populasi seperti:
jumlah anggota, sifat homogen atau heterogen, sebaran lokasi, variabel yang ingin dikaji.
Ini penting untuk menentukan teknik sampling yang tepat.
c. Teknik sampling yang digunakan
Pemilihan teknik sampling harus disesuaikan dengan kondisi populasi.
Beberapa pertimbangan:
Jika populasi homogen → simple random sampling cukup memadai.
Jika populasi memiliki kelompok berbeda → stratified sampling lebih tepat.
Jika sulit diakses → bisa menggunakan purposive atau snowball sampling.
d. Ukuran sampel (sample size)
Peneliti harus mempertimbangkan jumlah sampel yang memadai agar hasil akurat. Ukuran sampel tidak harus besar, tetapi cukup untuk mewakili populasi. Banyak peneliti menggunakan rumus seperti Slovin, Krejcie-Morgan, atau power analysis untuk menentukannya.
e. Keterjangkauan (aksesibilitas)
Populasi yang terlalu luas atau sulit dijangkau akan menyulitkan proses pengumpulan data. Peneliti harus memilih populasi dan sampel yang realistis sesuai kemampuan.
f. Potensi bias
Saat memilih sampel, peneliti harus menghindari bias seperti:
hanya memilih responden yang mudah dijangkau,
memilih berdasarkan kesukaan pribadi.
Sampel harus diambil dengan cara yang objektif agar hasil penelitian dapat dipercaya.
g. Etika penelitian
Peneliti harus memastikan bahwa anggota populasi yang menjadi sampel diberi informasi yang jelas, tetap menjaga kerahasiaan, dan tidak dipaksa untuk berpartisipasi.