Nama : Igha Mawardhani

NPM : 2313031043

Nama : Igha Mawardhani

NPM : 2313031043

Jurnal ini membahas perbedaan mendasar antara teori (theory), kerangka teori (theoretical framework), dan kerangka konseptual (conceptual framework) yang sering kali membingungkan mahasiswa dan peneliti, khususnya dalam penyusunan proposal dan tesis. Melalui pendekatan systematic literature review dan pengalaman praktis penulis dalam mengajar metode penelitian, artikel ini bertujuan memperjelas makna, fungsi, serta cara penggunaan ketiga konsep tersebut dalam penelitian akademik.

Teori dijelaskan sebagai seperangkat konsep, definisi, dan proposisi yang saling berhubungan untuk menjelaskan dan memprediksi fenomena berdasarkan data empiris. Teori bersifat abstrak, umum, dan dikembangkan melalui proses penelitian yang panjang. Sementara itu, kerangka teori merupakan sintesis dari teori-teori relevan yang digunakan peneliti sebagai landasan analisis dan interpretasi data. Kerangka teori berfungsi sebagai “lensa” atau struktur analitis yang membantu peneliti memahami makna data secara ilmiah dan sistematis.

Adapun kerangka konseptual memiliki cakupan yang lebih luas, mencakup keseluruhan pemikiran peneliti tentang penelitian, mulai dari perumusan masalah, tujuan, metodologi, hingga pelaporan hasil. Jurnal ini menegaskan bahwa kerangka teori adalah bagian dari kerangka konseptual, sehingga keduanya tidak dapat digunakan secara bergantian.

Kesimpulannya, artikel ini menekankan pentingnya pemahaman yang tepat tentang teori, kerangka teori, dan kerangka konseptual agar penelitian memiliki dasar ilmiah yang kuat, analisis yang mendalam, serta kontribusi akademik yang jelas, terutama pada penelitian tingkat pascasarjana.

Nama : Igha Mawardhani

NPM : 2313031043

Nama : Igha Mawardhani

NPM: 2313031043

1. Kesesuaian Teknik Pengumpulan Data dengan Pendekatan Kuantitatif

Teknik pengumpulan data menggunakan angket (kuesioner) dengan skala Likert sudah sesuai dengan pendekatan kuantitatif. Pendekatan kuantitatif menekankan pada pengukuran variabel secara angka dan analisis statistik. Skala Likert memungkinkan sikap, persepsi, dan motivasi guru diukur secara terstruktur dan dapat diolah secara statistik, sehingga hasil penelitian dapat diuji dan digeneralisasikan.

2. Kelebihan dan Kelemahan Penggunaan Angket

Kelebihan:

• Dapat menjangkau banyak responden dalam waktu relatif singkat.
• Data mudah diolah karena sudah berbentuk angka.
• Responden memiliki kebebasan menjawab tanpa tekanan langsung dari peneliti.
• Cocok untuk mengukur sikap dan persepsi seperti gaya kepemimpinan dan motivasi kerja.

Kelemahan:

• Jawaban responden bisa bersifat subjektif atau tidak sepenuhnya jujur.
• Peneliti tidak dapat menggali alasan di balik jawaban responden secara mendalam.
• Risiko salah tafsir terhadap pernyataan angket.
• Responden cenderung memilih jawaban tengah (netral) tanpa pertimbangan mendalam.

3. Teknik Analisis Statistik yang Paling Tepat

Untuk menjawab dua tujuan penelitian tersebut, teknik analisis yang tepat adalah:

1. Analisis regresi linier sederhana
   Digunakan untuk mengetahui pengaruh gaya kepemimpinan kepala sekolah terhadap motivasi kerja guru. Regresi dapat menunjukkan seberapa besar dan seberapa signifikan pengaruh variabel independen terhadap variabel dependen.
2. Uji beda (ANOVA satu arah)
   Digunakan untuk mengetahui perbedaan motivasi kerja berdasarkan tingkat pendidikan guru (misalnya S1, S2, S3). ANOVA tepat digunakan karena membandingkan lebih dari dua kelompok pendidikan.

4. Potensi Bias dan Masalah Validitas serta Cara Mengatasinya

Beberapa potensi bias dan masalah validitas yang mungkin muncul antara lain:

• Bias sosial (social desirability bias):
  Guru cenderung memberikan jawaban yang “aman” atau positif terhadap kepala sekolah.
  Solusi: Menjamin anonimitas responden dan menjelaskan bahwa data hanya untuk kepentingan akademik.
• Bias instrumen:
  Pernyataan angket kurang jelas atau bermakna ganda.
  Solusi: Melakukan uji validitas dan reliabilitas serta uji coba (pilot test) angket sebelum digunakan.
• Bias respon:
  Responden mengisi angket tanpa membaca dengan serius.
  Solusi: Membuat pernyataan singkat, jelas, dan tidak terlalu panjang, serta memberi waktu pengisian yang cukup.
• Masalah validitas eksternal:
  Sampel tidak mewakili seluruh guru SMA negeri di kota X.
  Solusi: Menggunakan teknik sampling yang tepat dan melibatkan guru dari berbagai sekolah.

Nama : Igha Mawardhani

NPM : 2313031043

1. Jenis Skala Pengukuran pada Setiap Item Kuesioner

1. Usia responden (dalam tahun)
   Skala rasio
   Alasan: Usia memiliki jarak yang jelas antar nilai dan memiliki angka nol yang bermakna (usia 0 tahun), sehingga perbandingan seperti “dua kali lebih tua” dapat dilakukan.
2. Jenis kelamin (laki-laki/perempuan)
   Skala nominal
   Alasan: Jenis kelamin hanya berfungsi sebagai kategori pembeda tanpa tingkatan atau urutan.
3. Tingkat kepuasan terhadap pelayanan dosen pembimbing akademik
   Skala ordinal
   Alasan: Pilihan jawaban memiliki urutan dari sangat tidak puas sampai sangat puas, tetapi jarak antar kategori belum tentu sama.
4. Jumlah mata kuliah yang diambil semester ini
   Skala rasio
   Alasan: Data berupa hitungan yang memiliki nol absolut (0 mata kuliah) dan jarak antar nilai bersifat tetap.
5. Urutan prioritas dalam memilih universitas
   Skala ordinal
   Alasan: Data menunjukkan peringkat kepentingan, namun selisih antar peringkat tidak dapat diukur secara pasti.

2. Apakah Seluruh Data Dapat Dianalisis dengan Statistik Parametrik?

Tidak, seluruh data tidak dapat langsung dianalisis menggunakan statistik parametrik.

Statistik parametrik mensyaratkan data minimal berskala interval atau rasio serta berdistribusi normal. Dalam kuesioner ini, sebagian besar data berskala nominal dan ordinal, seperti jenis kelamin, tingkat kepuasan, dan urutan prioritas. Data jenis ini lebih tepat dianalisis menggunakan statistik nonparametrik, kecuali jika data ordinal (misalnya kepuasan) diolah dengan asumsi tertentu dan memenuhi syarat tambahan.

3. Metode Analisis Hubungan Kepuasan dan Jumlah Mata Kuliah

Metode analisis yang paling tepat adalah korelasi Spearman Rank.

Alasannya:

• Tingkat kepuasan berskala ordinal.
• Jumlah mata kuliah berskala rasio, tetapi tidak harus berdistribusi normal.
• Korelasi Spearman cocok untuk melihat hubungan antara dua variabel ketika salah satunya atau keduanya berskala ordinal.

Metode ini dapat menunjukkan apakah terdapat hubungan antara tingkat kepuasan layanan akademik dengan jumlah mata kuliah yang diambil mahasiswa, tanpa melanggar asumsi statistik.