Menurut saya, seorang peneliti harus mampu menentukan teknik pengumpulan data yang sesuai karena teknik tersebut sangat berpengaruh terhadap kualitas dan keakuratan hasil penelitian. Pemilihan teknik pengumpulan data yang tepat akan membantu peneliti memperoleh informasi yang benar-benar dibutuhkan, sehingga data yang dikumpulkan dapat dipercaya dan sesuai dengan kondisi yang sebenarnya. Jika teknik yang digunakan tidak tepat, data yang diperoleh bisa saja kurang lengkap atau tidak mampu menjawab permasalahan penelitian.

Ada keterkaitan yang sangat erat antara teknik pengumpulan data, masalah penelitian, dan tujuan penelitian. Ketiganya harus saling disesuaikan. Misalnya, jika penelitian bertujuan mengetahui tingkat kepuasan mahasiswa terhadap pelayanan akademik, maka teknik yang tepat adalah menggunakan kuesioner karena peneliti perlu memperoleh tanggapan dari banyak responden. Namun, jika peneliti ingin mengetahui lebih dalam pengalaman mahasiswa terhadap pelayanan tersebut, wawancara dapat digunakan untuk mendapatkan informasi yang lebih terperinci.

Dengan demikian, menurut saya, penentuan teknik pengumpulan data bukan hanya sekadar bagian dari prosedur penelitian, tetapi merupakan langkah penting yang menentukan keberhasilan penelitian. Peneliti harus memahami masalah dan tujuan yang ingin dicapai terlebih dahulu agar dapat memilih teknik pengumpulan data yang tepat. Dengan begitu, hasil penelitian akan lebih relevan, sistematis, dan mampu menjawab rumusan masalah yang telah ditentukan.

1. Identifikasi Jenis Skala Pengukuran

Skala pengukuran digunakan untuk menentukan jenis data yang diperoleh dari setiap pertanyaan dalam kuesioner. Berdasarkan lima item yang diberikan, jenis skala pengukurannya adalah sebagai berikut.

Dengan demikian, kuesioner tersebut menggunakan empat jenis skala pengukuran, yaitu nominal, ordinal, interval, dan rasio. Namun, pada item yang diberikan, tidak terdapat variabel yang secara langsung menggunakan skala interval.

2. Apakah Seluruh Data Dapat Dianalisis Menggunakan Statistik Parametrik?

Menurut saya, tidak seluruh data dalam kuesioner tersebut dapat dianalisis menggunakan statistik parametrik. Hal ini karena setiap item memiliki jenis skala pengukuran yang berbeda. Statistik parametrik umumnya digunakan untuk data berskala interval atau rasio serta memerlukan asumsi tertentu, seperti distribusi normal dan homogenitas varians, sesuai jenis analisis yang digunakan.

Data usia dan jumlah mata kuliah termasuk skala rasio sehingga dapat dianalisis menggunakan statistik parametrik apabila asumsi yang diperlukan terpenuhi. Sementara itu, jenis kelamin termasuk skala nominal, sedangkan tingkat kepuasan dan urutan prioritas termasuk skala ordinal. Data nominal dan ordinal tidak dapat langsung diperlakukan sebagai data interval atau rasio untuk analisis parametrik.

Oleh karena itu, peneliti perlu menyesuaikan metode analisis dengan jenis skala pengukuran. Data nominal dapat dianalisis menggunakan distribusi frekuensi atau persentase, sedangkan data ordinal dapat dianalisis menggunakan median, modus, atau metode statistik nonparametrik.

3. Metode Analisis untuk Mengetahui Hubungan Kepuasan Layanan Akademik dan Jumlah Mata Kuliah

Menurut saya, metode analisis yang paling tepat adalah korelasi Spearman Rank. Metode ini digunakan untuk mengetahui hubungan antara dua variabel yang setidaknya dapat diukur secara ordinal.

Alasannya, tingkat kepuasan mahasiswa terhadap pelayanan dosen pembimbing akademik menggunakan skala ordinal, yaitu mulai dari sangat tidak puas sampai sangat puas. Sementara itu, jumlah mata kuliah yang diambil mahasiswa menggunakan skala rasio. Karena salah satu variabel berskala ordinal, korelasi Spearman dapat digunakan untuk mengetahui hubungan antara kedua variabel tersebut tanpa mengharuskan data berdistribusi normal seperti pada korelasi Pearson.

Melalui analisis Spearman, peneliti dapat mengetahui arah dan kekuatan hubungan antara tingkat kepuasan mahasiswa dengan jumlah mata kuliah yang diambil. Jika nilai korelasi positif, berarti semakin tinggi tingkat kepuasan mahasiswa cenderung diikuti oleh semakin banyak jumlah mata kuliah yang diambil. Sebaliknya, jika nilai korelasi negatif, berarti semakin tinggi tingkat kepuasan cenderung diikuti oleh semakin sedikit jumlah mata kuliah yang diambil.

Kesimpulan: Pemilihan metode analisis harus disesuaikan dengan skala pengukuran masing-masing variabel. Dalam kasus ini, korelasi Spearman Rank menjadi pilihan yang tepat karena dapat menganalisis hubungan antara data kepuasan yang berskala ordinal dan jumlah mata kuliah yang berskala rasio. Namun, hasil korelasi hanya menunjukkan hubungan, bukan membuktikan adanya pengaruh sebab-akibat.

1. Identifikasi Populasi dan Sampel

Populasi dalam penelitian tersebut adalah seluruh siswa kelas XI yang bersekolah di SMA negeri di Provinsi Jawa Barat. Populasi ini mencakup siswa kelas XI dari 600 SMA negeri yang tersebar di 27 kota/kabupaten.

Alasannya, penelitian bertujuan mengetahui efektivitas metode pembelajaran hybrid terhadap hasil belajar matematika siswa kelas XI di seluruh SMA negeri Provinsi Jawa Barat. Oleh karena itu, seluruh siswa kelas XI di sekolah-sekolah tersebut menjadi sasaran generalisasi penelitian.

Sampel adalah sebagian siswa kelas XI dari beberapa SMA negeri yang dipilih untuk mewakili populasi. Sampel dapat diambil dari sekolah-sekolah terpilih yang tersebar di berbagai kota dan kabupaten di Jawa Barat, dengan mempertimbangkan jumlah siswa, kondisi sosial ekonomi, infrastruktur digital, serta penerapan pembelajaran hybrid di masing-masing sekolah.

2. Teknik Sampling yang Paling Tepat dan Cara Penerapannya

Menurut saya, teknik sampling yang paling tepat digunakan adalah multistage sampling (sampling bertahap) dengan pendekatan stratified cluster random sampling. Teknik ini merupakan kombinasi pengambilan sampel berdasarkan kelompok atau wilayah dan pembagian populasi ke dalam beberapa strata.

Alasan pemilihan teknik ini adalah karena jumlah sekolah cukup banyak dan tersebar di 27 kota/kabupaten. Selain itu, setiap daerah memiliki kondisi sosial ekonomi, infrastruktur digital, serta jumlah siswa yang berbeda. Dengan teknik ini, sampel dapat diambil secara lebih terstruktur sehingga berbagai karakteristik wilayah tetap terwakili.

Cara penerapannya dalam penelitian ini adalah sebagai berikut:

1. Membagi populasi ke dalam strata wilayah. Peneliti mengelompokkan 600 SMA negeri berdasarkan 27 kota/kabupaten di Provinsi Jawa Barat.

2. Mengelompokkan sekolah berdasarkan karakteristik tertentu. Misalnya, berdasarkan kondisi infrastruktur digital, kondisi sosial ekonomi wilayah, dan konsistensi penerapan pembelajaran hybrid.

3. Memilih sekolah secara acak. Dari setiap kelompok wilayah, peneliti memilih beberapa SMA negeri secara acak dengan mempertimbangkan jumlah sekolah atau jumlah siswa di masing-masing wilayah.

4. Menentukan sampel siswa. Setelah sekolah terpilih, peneliti mengambil siswa kelas XI secara acak atau proporsional sesuai jumlah siswa di setiap sekolah.

5. Mengumpulkan data penelitian. Peneliti mengukur hasil belajar matematika siswa dan mencatat tingkat penerapan pembelajaran hybrid di sekolah tersebut.

Khusus untuk sekolah yang tidak menerapkan pembelajaran hybrid secara konsisten, peneliti sebaiknya tidak langsung mengeluarkannya dari sampel. Sekolah tersebut dapat dikelompokkan berdasarkan tingkat konsistensi penerapan hybrid agar peneliti dapat mengetahui apakah perbedaan penerapan metode pembelajaran berpengaruh terhadap hasil belajar siswa.

3. Potensi Kelemahan Jika Sampel Hanya Diambil dari Bandung dan Bekasi

Apabila peneliti hanya mengambil sampel dari sekolah-sekolah di kota besar seperti Bandung dan Bekasi, terdapat beberapa kelemahan yang dapat memengaruhi validitas hasil penelitian.

Pertama, sampel menjadi kurang mewakili populasi karena hanya menggambarkan kondisi sekolah di wilayah perkotaan. Padahal, sekolah di daerah kabupaten atau wilayah yang lebih terpencil mungkin memiliki kondisi sosial ekonomi dan infrastruktur digital yang berbeda.

Kedua, terdapat potensi bias pemilihan sampel (sampling bias) karena sekolah di kota besar umumnya memiliki akses teknologi dan fasilitas internet yang berbeda dengan sekolah di daerah lain. Kondisi tersebut dapat memengaruhi keberhasilan penerapan pembelajaran hybrid dan hasil belajar matematika siswa.

Ketiga, validitas eksternal penelitian menjadi terbatas. Artinya, hasil penelitian yang diperoleh dari sekolah di Bandung dan Bekasi belum tentu dapat digeneralisasikan untuk seluruh SMA negeri di Provinsi Jawa Barat.

Dengan demikian, pengambilan sampel hanya dari kota besar dapat menghasilkan kesimpulan yang kurang menggambarkan kondisi sebenarnya di seluruh wilayah Jawa Barat. Oleh karena itu, peneliti perlu mengambil sampel dari berbagai kota dan kabupaten agar karakteristik populasi dapat terwakili dengan lebih baik.

Kesimpulan: Teknik multistage sampling dengan pendekatan stratified cluster random sampling merupakan pilihan yang tepat karena dapat mempertimbangkan perbedaan karakteristik wilayah, sekolah, dan jumlah siswa. Dengan demikian, sampel yang diperoleh diharapkan lebih representatif dan hasil penelitian memiliki peluang generalisasi yang lebih baik.