Nama : Diah Arum Sari Nawang Ulan
NPM : 2313031021
NPM : 2313031021
Posts made by Diah Arum Sari Nawang Ulan
Nama : Diah Arum Sari Nawang Ulan
NPM : 2313031021
1. Kesesuaian Teknik Pengumpulan Data
Teknik pengumpulan data menggunakan angket (kuesioner) sudah sesuai dengan pendekatan kuantitatif, karena data yang dihasilkan bersifat numerik dan dapat diolah secara statistik. Skala Likert 1- 5 memungkinkan peneliti mengukur variabel gaya kepemimpinan dan motivasi kerja secara terukur. Pendekatan ini cocok untuk menjawab pertanyaan penelitian yang bersifat hubungan (correlational) dan perbedaan (comparative).
2. Kelebihan dan Kelemahan Angket
Kelebihan:
a. Dapat menjangkau banyak responden dalam waktu singkat.
b. Efisien dari segi biaya dan waktu.
c. Memberikan data kuantitatif yang mudah dianalisis.
Kelemahan:
a. Responden bisa menjawab tidak jujur (bias sosial).
b. Tidak semua responden memahami pertanyaan dengan sama.
c. Sulit menggali alasan di balik jawaban responden.
3. Teknik Analisis Statistik
Untuk mengetahui pengaruh gaya kepemimpinan terhadap motivasi kerja, analisis yang tepat adalah regresi linier sederhana, karena mengukur pengaruh satu variabel bebas terhadap satu variabel terikat. Untuk mengetahui perbedaan motivasi kerja berdasarkan tingkat pendidikan, analisis yang digunakan adalah uji ANOVA satu arah (One-Way ANOVA), karena membandingkan rata-rata motivasi kerja dari beberapa kelompok tingkat pendidikan yang berbeda.
4. Potensi Bias dan Cara Mengatasinya
Potensi bias yang mungkin muncul antara lain:
a. Bias respon sosial, di mana responden menjawab untuk menyenangkan peneliti.
b. Masalah validitas konstruk, jika item angket tidak benar-benar mengukur variabel yang dimaksud.
c. Kesalahan pengisian data, akibat ketidaktelitian responden.
Cara mengatasinya antara lain dengan uji validitas dan reliabilitas instrumen (misalnya uji Pearson dan Cronbach’s Alpha), menggunakan pernyataan netral dan jelas, serta menjaga anonimitas responden agar mereka menjawab dengan jujur.
NPM : 2313031021
1. Kesesuaian Teknik Pengumpulan Data
Teknik pengumpulan data menggunakan angket (kuesioner) sudah sesuai dengan pendekatan kuantitatif, karena data yang dihasilkan bersifat numerik dan dapat diolah secara statistik. Skala Likert 1- 5 memungkinkan peneliti mengukur variabel gaya kepemimpinan dan motivasi kerja secara terukur. Pendekatan ini cocok untuk menjawab pertanyaan penelitian yang bersifat hubungan (correlational) dan perbedaan (comparative).
2. Kelebihan dan Kelemahan Angket
Kelebihan:
a. Dapat menjangkau banyak responden dalam waktu singkat.
b. Efisien dari segi biaya dan waktu.
c. Memberikan data kuantitatif yang mudah dianalisis.
Kelemahan:
a. Responden bisa menjawab tidak jujur (bias sosial).
b. Tidak semua responden memahami pertanyaan dengan sama.
c. Sulit menggali alasan di balik jawaban responden.
3. Teknik Analisis Statistik
Untuk mengetahui pengaruh gaya kepemimpinan terhadap motivasi kerja, analisis yang tepat adalah regresi linier sederhana, karena mengukur pengaruh satu variabel bebas terhadap satu variabel terikat. Untuk mengetahui perbedaan motivasi kerja berdasarkan tingkat pendidikan, analisis yang digunakan adalah uji ANOVA satu arah (One-Way ANOVA), karena membandingkan rata-rata motivasi kerja dari beberapa kelompok tingkat pendidikan yang berbeda.
4. Potensi Bias dan Cara Mengatasinya
Potensi bias yang mungkin muncul antara lain:
a. Bias respon sosial, di mana responden menjawab untuk menyenangkan peneliti.
b. Masalah validitas konstruk, jika item angket tidak benar-benar mengukur variabel yang dimaksud.
c. Kesalahan pengisian data, akibat ketidaktelitian responden.
Cara mengatasinya antara lain dengan uji validitas dan reliabilitas instrumen (misalnya uji Pearson dan Cronbach’s Alpha), menggunakan pernyataan netral dan jelas, serta menjaga anonimitas responden agar mereka menjawab dengan jujur.
Nama : Diah Arum Sari Nawang Ulan
NPM : 2313031021
Menurut saya, seorang peneliti harus mampu menentukan teknik pengumpulan data yang sesuai karena teknik tersebut sangat menentukan kualitas dan keakuratan hasil penelitian. Teknik pengumpulan data yang tepat akan menghasilkan informasi yang relevan, valid, dan reliabel sesuai dengan kebutuhan penelitian. Sebaliknya, teknik yang tidak tepat dapat menyebabkan data bias dan kesimpulan yang keliru.
Terdapat keterkaitan erat antara teknik pengumpulan data dengan masalah penelitian dan tujuan penelitian. Masalah penelitian menentukan jenis data yang dibutuhkan, sedangkan tujuan penelitian menentukan kedalaman dan bentuk data yang harus dikumpulkan. Misalnya, penelitian kuantitatif memerlukan data terukur melalui kuesioner atau tes, sedangkan penelitian kualitatif membutuhkan wawancara atau observasi mendalam untuk memahami konteks fenomena. Oleh karena itu, peneliti harus menyesuaikan metode pengumpulan data dengan pendekatan, variabel, dan tujuan yang hendak dicapai agar hasil penelitian dapat dipertanggungjawabkan secara ilmiah.
NPM : 2313031021
Menurut saya, seorang peneliti harus mampu menentukan teknik pengumpulan data yang sesuai karena teknik tersebut sangat menentukan kualitas dan keakuratan hasil penelitian. Teknik pengumpulan data yang tepat akan menghasilkan informasi yang relevan, valid, dan reliabel sesuai dengan kebutuhan penelitian. Sebaliknya, teknik yang tidak tepat dapat menyebabkan data bias dan kesimpulan yang keliru.
Terdapat keterkaitan erat antara teknik pengumpulan data dengan masalah penelitian dan tujuan penelitian. Masalah penelitian menentukan jenis data yang dibutuhkan, sedangkan tujuan penelitian menentukan kedalaman dan bentuk data yang harus dikumpulkan. Misalnya, penelitian kuantitatif memerlukan data terukur melalui kuesioner atau tes, sedangkan penelitian kualitatif membutuhkan wawancara atau observasi mendalam untuk memahami konteks fenomena. Oleh karena itu, peneliti harus menyesuaikan metode pengumpulan data dengan pendekatan, variabel, dan tujuan yang hendak dicapai agar hasil penelitian dapat dipertanggungjawabkan secara ilmiah.
Nama : Diah Arum Sari Nawang Ulan
NPM : 2313031021
1. Jenis Skala Pengukuran
a. Usia responden (dalam tahun): Skala rasio, karena memiliki jarak yang sama antar nilai dan nol absolut (nol berarti tidak memiliki usia).
b. Jenis kelamin: Skala nominal, karena hanya menunjukkan kategori (laki-laki atau perempuan) tanpa urutan atau peringkat.
c. Tingkat kepuasan terhadap pelayanan dosen pembimbing: Skala ordinal, karena menunjukkan urutan tingkat kepuasan dari sangat tidak puas hingga sangat puas, tetapi jarak antar kategori tidak pasti sama.
d. Jumlah mata kuliah yang diambil: Skala rasio, karena memiliki nol absolut dan jarak yang bermakna antar nilai.
e. Prioritas memilih universitas: Skala ordinal, karena responden diminta mengurutkan prioritas, tetapi jarak antar peringkat tidak pasti sama.
2. Analisis Statistik Parametrik
Tidak semua data dari kuesioner tersebut dapat dianalisis menggunakan statistik parametrik. Statistik parametrik hanya dapat digunakan pada data dengan skala interval dan rasio, karena memenuhi syarat numerik dan distribusi normal. Sementara data nominal dan ordinal (seperti jenis kelamin dan tingkat kepuasan) sebaiknya dianalisis menggunakan statistik non-parametrik seperti uji Chi-Square atau Spearman Rank.
3. Metode Analisis Hubungan
Untuk mengetahui hubungan antara kepuasan layanan akademik (ordinal) dan jumlah mata kuliah (rasio), metode yang paling tepat adalah korelasi Spearman Rank. Alasan pemilihannya karena salah satu variabel berskala ordinal, sehingga metode ini dapat mengukur hubungan monotonic (arah hubungan) tanpa mengharuskan data berdistribusi normal seperti uji Pearson.
NPM : 2313031021
1. Jenis Skala Pengukuran
a. Usia responden (dalam tahun): Skala rasio, karena memiliki jarak yang sama antar nilai dan nol absolut (nol berarti tidak memiliki usia).
b. Jenis kelamin: Skala nominal, karena hanya menunjukkan kategori (laki-laki atau perempuan) tanpa urutan atau peringkat.
c. Tingkat kepuasan terhadap pelayanan dosen pembimbing: Skala ordinal, karena menunjukkan urutan tingkat kepuasan dari sangat tidak puas hingga sangat puas, tetapi jarak antar kategori tidak pasti sama.
d. Jumlah mata kuliah yang diambil: Skala rasio, karena memiliki nol absolut dan jarak yang bermakna antar nilai.
e. Prioritas memilih universitas: Skala ordinal, karena responden diminta mengurutkan prioritas, tetapi jarak antar peringkat tidak pasti sama.
2. Analisis Statistik Parametrik
Tidak semua data dari kuesioner tersebut dapat dianalisis menggunakan statistik parametrik. Statistik parametrik hanya dapat digunakan pada data dengan skala interval dan rasio, karena memenuhi syarat numerik dan distribusi normal. Sementara data nominal dan ordinal (seperti jenis kelamin dan tingkat kepuasan) sebaiknya dianalisis menggunakan statistik non-parametrik seperti uji Chi-Square atau Spearman Rank.
3. Metode Analisis Hubungan
Untuk mengetahui hubungan antara kepuasan layanan akademik (ordinal) dan jumlah mata kuliah (rasio), metode yang paling tepat adalah korelasi Spearman Rank. Alasan pemilihannya karena salah satu variabel berskala ordinal, sehingga metode ini dapat mengukur hubungan monotonic (arah hubungan) tanpa mengharuskan data berdistribusi normal seperti uji Pearson.
Nama : Diah Arum Sari Nawang Ulan
NPM : 2313031021
1. Populasi dan Sampel
Populasi dalam penelitian ini adalah seluruh siswa kelas XI di SMA negeri di Provinsi Jawa Barat. Populasi ini mencakup semua sekolah di 27 kota/kabupaten. Sampelnya adalah sebagian SMA negeri yang dipilih untuk mewakili karakteristik populasi tersebut, misalnya beberapa sekolah dari tiap wilayah dengan perbedaan kondisi sosial, ekonomi, dan infrastruktur digital. Pemilihan sampel ini dilakukan agar hasil penelitian dapat digeneralisasi secara akurat.
2. Teknik Sampling yang Tepat
Teknik yang paling sesuai adalah stratified random sampling (sampling acak berstrata). Alasan utamanya karena populasi sangat besar dan heterogen. Dengan stratifikasi, peneliti dapat membagi populasi berdasarkan strata tertentu misalnya wilayah (kota/kabupaten), kondisi sosial ekonomi, atau tingkat kesiapan digital lalu mengambil sampel secara acak dari setiap strata. Cara ini menjaga proporsionalitas dan meningkatkan representativitas hasil penelitian.
3. Kelemahan Jika Hanya Mengambil Sekolah di Kota Besar
Jika peneliti hanya mengambil sampel dari Bandung dan Bekasi, maka hasil penelitian menjadi kurang valid secara eksternal (generalizability). Sekolah di kota besar cenderung memiliki fasilitas digital lebih baik dan kondisi sosial ekonomi yang lebih tinggi dibanding daerah lain. Akibatnya, temuan tidak mencerminkan kondisi sebenarnya dari seluruh provinsi, terutama sekolah di daerah terpencil atau dengan keterbatasan infrastruktur.
NPM : 2313031021
1. Populasi dan Sampel
Populasi dalam penelitian ini adalah seluruh siswa kelas XI di SMA negeri di Provinsi Jawa Barat. Populasi ini mencakup semua sekolah di 27 kota/kabupaten. Sampelnya adalah sebagian SMA negeri yang dipilih untuk mewakili karakteristik populasi tersebut, misalnya beberapa sekolah dari tiap wilayah dengan perbedaan kondisi sosial, ekonomi, dan infrastruktur digital. Pemilihan sampel ini dilakukan agar hasil penelitian dapat digeneralisasi secara akurat.
2. Teknik Sampling yang Tepat
Teknik yang paling sesuai adalah stratified random sampling (sampling acak berstrata). Alasan utamanya karena populasi sangat besar dan heterogen. Dengan stratifikasi, peneliti dapat membagi populasi berdasarkan strata tertentu misalnya wilayah (kota/kabupaten), kondisi sosial ekonomi, atau tingkat kesiapan digital lalu mengambil sampel secara acak dari setiap strata. Cara ini menjaga proporsionalitas dan meningkatkan representativitas hasil penelitian.
3. Kelemahan Jika Hanya Mengambil Sekolah di Kota Besar
Jika peneliti hanya mengambil sampel dari Bandung dan Bekasi, maka hasil penelitian menjadi kurang valid secara eksternal (generalizability). Sekolah di kota besar cenderung memiliki fasilitas digital lebih baik dan kondisi sosial ekonomi yang lebih tinggi dibanding daerah lain. Akibatnya, temuan tidak mencerminkan kondisi sebenarnya dari seluruh provinsi, terutama sekolah di daerah terpencil atau dengan keterbatasan infrastruktur.