གནས་བསྐྱོད་བཟོ་མི་ Yesi Novia Pitriani

MPPE A2025 -> CASE STUDY

Yesi Novia Pitriani གིས-
Nama: Yesi Novia Pitriani
NPM: 2313031006

1. Kesesuaian Teknik Pengumpulan Data KuantitatifTeknik pengumpulan data melalui angket terstruktur sangat sesuai untuk pendekatan kuantitatif. Alasannya, angket memungkinkan data diubah ke dalam bentuk numerik misalnya, skor pada skala Likert, sehingga analisis statistik dapat dilakukan untuk menemukan hubungan antar variabel atau membandingkan kelompok responden berdasarkan karakteristik tertentu seperti tingkat pendidikan. Data demografis juga penting untuk pengelompokan dan analisis selanjutnya.

2. Kelebihan dan Kelemahan
Kelebihan penggunaan angket dalam penelitian ini adalah kemampuan untuk mengumpulkan data dari banyak guru dalam waktu relatif singkat dengan prosedur yang terstandar, sehingga memudahkan peneliti mengubah respons menjadi angka dan melakukan analisis statistik secara objektif. Selain itu, angket memungkinkan responden menjawab secara lebih jujur karena sifatnya yang anonim dan tidak menuntut interaksi langsung dengan peneliti, sehingga dapat mengurangi rasa sungkan ketika menilai gaya kepemimpinan kepala sekolah atau mengungkap tingkat motivasi kerja. Di sisi lain, angket memiliki kelemahan karena setiap guru mungkin menafsirkan pernyataan dengan cara yang berbeda, sehingga dapat menurunkan ketepatan makna data yang diperoleh. Angket juga kurang mampu menggali informasi yang bersifat mendalam, seperti alasan psikologis atau pengalaman spesifik yang memengaruhi motivasi kerja, dan terdapat risiko jawaban tidak akurat jika responden mengisi secara terburu-buru, asal pilih, atau sekadar menyesuaikan dengan jawaban yang dianggap “aman” secara sosial.

3. Teknik Analisis Statistik yang Tepat
• Untuk mengetahui pengaruh gaya kepemimpinan terhadap motivasi kerja digunakan teknik regresi linier sederhana (bila variabel gaya kepemimpinan dianggap sebagai satu skor keseluruhan) atau regresi linier berganda (bila terdiri dari beberapa dimensi kepemimpinan).
• Untuk mengetahui perbedaan motivasi kerja berdasarkan tingkat pendidikan guru digunakan teknik uji ANOVA satu arah (one-way ANOVA), karena membandingkan mean motivasi kerja dari lebih dari dua kelompok pendidikan.

4. Potensi Bias/Validitas dan Cara Mengatasinya
• Bias sosial (social desirability bias): Guru bisa memilih jawaban yang dianggap ‘baik’ atau aman. Cara mengatasi: Anonimitas diperkuat dan instruksi menekankan kerahasiaan.
• Validitas konstruk: Pernyataan pada angket harus benar-benar mencerminkan teori variabel yang diukur. Cara mengatasi: Uji validitas isi dengan meminta ahli menelaah item, lakukan uji coba (try-out) dan analisis validitas.
• Bias nonrespons: Tidak semua guru yang diberi angket mengisinya, sehingga data tidak representatif. Cara mengatasi: Pastikan distribusi angket merata dan lakukan follow-up pada responden.
• Reliabilitas skala: Pastikan konsistensi internal antar butir pernyataan dengan uji reliabilitas (misalnya menggunakan Cronbach’s Alpha).

MPPE A2025 -> Diskusi

Yesi Novia Pitriani གིས-
Nama: Yesi Novia Pitriani
NPM: 2313031006

Peneliti harus bisa menentukan teknik pengumpulan data yang sesuai karena dari situlah kualitas dan ketepatan data (valid-reliabel, relevan, tidak bias) sangat ditentukan, sehingga kesimpulan penelitian dapat dipercaya. Teknik pengumpulan data sangat terkait dengan rumusan masalah dan tujuan penelitian: apa yang ditanyakan dalam masalah dan apa yang ingin dicapai dalam tujuan akan “mengarahkannya” pada teknik yang paling tepat (misalnya kuesioner untuk menguji hubungan variabel, wawancara/observasi untuk menggali makna dan proses).

MPPE A2025 -> CASE STUDY

Yesi Novia Pitriani གིས-
Nama: Yesi Novia Pitriani
NPM: 2313031006

1. Jenis skala pengukuran
- Usia (tahun): rasio, karena ada nol absolut dan bisa dilakukan operasi matematika (dua kali lebih tua, selisih usia jelas).
- Jenis kelamin: nominal, hanya membedakan kategori tanpa urutan (laki-laki ≠ perempuan).
- Kepuasan dosen pembimbing (Sangat tidak puas–Sangat puas): ordinal (skala Likert), ada urutan tingkat kepuasan tetapi jarak antar kategori tidak pasti sama.
- Jumlah mata kuliah: rasio, berupa hitungan dengan nol absolut dan bisa dijumlah, dibanding, dan dibagi.
- Urutan prioritas 1–5: ordinal, angka menunjukkan peringkat penting–tidak penting, bukan jarak kepentingan yang sama.

2. Boleh semua pakai statistik parametrik?
Tidak. Statistik parametrik mensyaratkan data minimal interval/rasio dan asumsi tertentu (misalnya normalitas), sedangkan kuesioner ini juga menghasilkan data nominal dan ordinal, sehingga sebagian variabel lebih tepat dianalisis dengan statistik nonparametrik atau teknik khusus data kategori/ordinal.

3. Hubungan kepuasan dan jumlah mata kuliah
Metode yang paling aman adalah korelasi Spearman, karena menghubungkan satu variabel ordinal (kepuasan Likert) dengan satu variabel rasio (jumlah mata kuliah) tanpa mensyaratkan distribusi normal.
Jika skor kepuasan dijumlahkan menjadi skor total yang dianggap mendekati interval dan data memenuhi asumsi, peneliti juga bisa mempertimbangkan korelasi Pearson atau regresi linear sederhana, tetapi ini lebih bersyarat dan harus diuji asumsi terlebih dahulu.

MPPE A2025 -> Diskusi

Yesi Novia Pitriani གིས-
Nama: Yesi Novia Pitriani
NPM: 2313031006

Skala pengukuran dalam penelitian adalah cara memberi angka/kategori pada variabel agar data bisa diklasifikasi, diurutkan, dan dianalisis dengan teknik statistik yang tepat. Pemilihan skala harus disesuaikan dengan jenis variabel pada rancangan penelitian.
1. Skala nominal: hanya membedakan kategori tanpa urutan (misal jenis kelamin, fakultas).
2. Skala ordinal: membedakan dan mengurutkan (misal tingkat kepuasan: rendah–sedang–tinggi).
3. Skala interval: ada urutan dan jarak sama, tetapi tidak ada nol mutlak (misal suhu Celcius).
4. Skala rasio: seperti interval tetapi memiliki nol mutlak (misal umur, pendapatan, lama kerja).

Dalam rancangan data penelitian kuantitatif:
- Variabel sikap/persepsi (misal kepuasan, motivasi, gaya kepemimpinan) biasanya diukur dengan skala Likert 1–5, yang diperlakukan sebagai ordinal atau interval.
- Data demografis (jenis kelamin, pendidikan, status) memakai nominal, sedangkan usia, pendapatan, masa kerja memakai rasio.