CASE STUDY

CASE STUDY

Number of replies: 26

Seorang mahasiswa sedang melakukan penelitian tentang tingkat kepuasan mahasiswa terhadap layanan akademik di universitas. Ia menyusun kuesioner dengan beberapa item berikut:

  1. Usia responden (dalam tahun): ________
  2. Jenis kelamin:
    a. Laki-laki
    b. Perempuan
  3. Tingkat kepuasan terhadap pelayanan dosen pembimbing akademik:
    a. Sangat tidak puas
    b. Tidak puas
    c. Netral
    d. Puas
    e. Sangat puas
  4. Jumlah mata kuliah yang diambil semester ini: ________
  5. Urutkan aspek berikut berdasarkan prioritas Anda dalam memilih universitas (1 = paling penting, 5 = paling tidak penting):
  • Akreditasi
  • Fasilitas
  • Biaya kuliah
  • Lokasi
  • Rekomendasi teman/keluarga

Pertanyaan:

1. Identifikasi jenis skala pengukuran (nominal, ordinal, interval, atau rasio) yang digunakan untuk setiap item dalam kuesioner di atas. Jelaskan alasan Anda!
2. Apakah seluruh data dari kuesioner di atas dapat dianalisis menggunakan statistik parametrik? Mengapa demikian?
3. Seandainya peneliti ingin mengetahui hubungan antara kepuasan layanan akademik dan jumlah mata kuliah yang diambil, metode analisis apa yang paling tepat? Jelaskan alasan pemilihan metode tersebut.


In reply to First post

Re: CASE STUDY

by Diah Arum Sari Nawang Ulan -
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.
In reply to Diah Arum Sari Nawang Ulan

Re: CASE STUDY

by Saqila Rahma Andini -
Nama : Saqila Rahma Andini
Npm : 2313031020

1. Jenis skala pengukuran tiap item
Usia responden menggunakan skala rasio karena berupa angka dengan nol absolut dan dapat dihitung secara matematis. Jenis kelamin menggunakan skala nominal karena hanya berupa kategori tanpa urutan. Tingkat kepuasan menggunakan skala ordinal karena menunjukkan urutan dari sangat tidak puas hingga sangat puas. Jumlah mata kuliah menggunakan skala rasio karena nilainya berupa angka yang dapat dioperasikan matematis. Urutan prioritas memilih universitas menggunakan skala ordinal karena menunjukkan peringkat berdasarkan kepentingan.
2. Apakah semua data bisa dianalisis dengan statistik parametrik?
Tidak semua. Statistik parametrik hanya cocok untuk data interval atau rasio dan berdistribusi normal. Pada kuesioner ini, hanya usia dan jumlah mata kuliah yang memenuhi syarat tersebut. Data nominal (jenis kelamin) dan ordinal (kepuasan dan prioritas) tidak cocok untuk analisis parametrik sehingga lebih tepat menggunakan analisis non-parametrik.
3. Metode analisis hubungan kepuasan dan jumlah mata kuliah
Metode yang paling tepat adalah korelasi Spearman, karena kepuasan diukur dengan skala ordinal dan jumlah mata kuliah dengan skala rasio. Korelasi Spearman tidak memerlukan distribusi normal dan cocok untuk variabel ordinal.
In reply to First post

Re: CASE STUDY

by Desmala Az-Zahra -
Nama : Desmala Az Zahra
NPM : 2313031002

1. Jenis Skala Pengukuran
- Usia responden (tahun): Ini memakai skala rasio karena angka umur bisa diurutkan, bisa dihitung selisih, dan umur 0 itu bermakna (benar-benar belum lahir).
- Jenis kelamin: Ini memakai skala nominal karena hanya berupa kategori (laki-laki/perempuan) tanpa urutan, hanya membedakan saja.
- Tingkat kepuasan dosen pembimbing: Ini memakai skala ordinal karena pilihannya urut dari sangat tidak puas sampai sangat puas, namun jarak antar pilihan belum tentu sama.
- Jumlah mata kuliah semester ini: Ini skala rasio, sama seperti usia, karena berupa angka yang ada nolnya dan bisa dihitung.
- Urutan prioritas memilih universitas: Ini skala ordinal karena kamu diminta ngurutkan mana yang paling penting sampai yang tidak penting. Ada urutan, tapi jarak antar nomor belum tentu sama.

2. Tidak semua data di atas bisa langsung dianalisis pakai statistik parametrik, karena statistik parametrik cuma bisa dipakai kalau datanya berbentuk angka (skala interval/rasio) dan polanya normal. Data seperti jenis kelamin (kategori) dan kepuasan (pilihan urutan) tidak bisa diproses pakai statistik parametrik, biasanya dipakai statistik non-parametrik yang sesuai untuk data kategori dan urutan.

3. Jika ingin melihat hubungan antara kepuasan layanan akademik (pilihan urutan) dengan jumlah mata kuliah (angka), metode yang cocok yaitu korelasi Spearman. Ini karena satu variabel berbentuk urutan (ordinal), dan yang lain angka (rasio), serta tidak perlu pola normal.
In reply to First post

Re: CASE STUDY

by Dela Novita -
Nama : Dela Novita
NPm:2313031023

1. Identifikasi Jenis Skala Pengukuran

- Usia responden: Rasio, karena data usia adalah data kuantitatif yang memiliki titik nol absolut dan jarak yang sama antara setiap kategori.
- Jenis kelamin: Nominal, karena data jenis kelamin adalah data kategorikal yang tidak memiliki urutan atau hierarki.
- Tingkat kepuasan terhadap pelayanan dosen: Ordinal, karena data tingkat kepuasan adalah data kategorikal yang memiliki urutan atau hierarki, tetapi jarak antara setiap kategori tidak sama.
- Jumlah mata kuliah yang diambil: Rasio, karena data jumlah mata kuliah adalah data kuantitatif yang memiliki titik nol absolut dan jarak yang sama antara setiap kategori.
- Urutan prioritas dalam memilih universitas: Ordinal, karena data urutan prioritas adalah data kategorikal yang memiliki urutan atau hierarki, tetapi jarak antara setiap kategori tidak sama.

2. Analisis Statistik Parametrik
Tidak seluruh data dari kuesioner di atas dapat dianalisis menggunakan statistik parametrik. Statistik parametrik memerlukan data yang berdistribusi normal dan memiliki skala pengukuran interval atau rasio. Data yang dapat dianalisis menggunakan statistik parametrik adalah data usia responden dan jumlah mata kuliah yang diambil. Data lainnya (jenis kelamin, tingkat kepuasan, dan urutan prioritas) memerlukan analisis statistik non-parametrik.

3. Metode Analisis Hubungan
Metode analisis yang paling tepat untuk mengetahui hubungan antara kepuasan layanan akademik dan jumlah mata kuliah yang diambil adalah analisis korelasi Spearman. Alasan pemilihan metode ini adalah karena data tingkat kepuasan adalah data ordinal, sedangkan data jumlah mata kuliah adalah data rasio. Analisis korelasi Spearman dapat digunakan untuk mengetahui hubungan antara data ordinal dan data rasio.
In reply to First post

Re: CASE STUDY

by Annisa Luthfiyyah -

Nama : Annisa Luthfiyyah 

NPM   : 2313031010 

1. Skala pengukuran kuesioner:

Usia responden → Rasio, karena bernilai numerik, jarak sama, dan ada nol mutlak.

Jenis kelamin → Nominal, karena hanya kategori tanpa urutan.

Tingkat kepuasan layanan akademik → Ordinal, karena ada urutan, tapi jarak antar kategori tidak sama.

Jumlah mata kuliah → Rasio, karena numerik dengan jarak sama dan nol mutlak.

Prioritas memilih universitas → Ordinal, karena ada urutan preferensi, tapi jaraknya tidak sama.

2. Apakah seluruh data bisa dianalisis parametrik?

Tidak seluruhnya, karena hanya variabel usia dan jumlah mata kuliah (rasio) yang bisa dianalisis parametrik. Variabel nominal dan ordinal (jenis kelamin, kepuasan, prioritas) sebaiknya dianalisis non-parametrik.

3. Metode analisis hubungan kepuasan layanan akademik dengan jumlah mata kuliah yang diambil. 

Jenis data: keputuasan layanan akademik → ordinal, dan jumlah mata kuliah → rasio. Alasannya karena salah satu variabel adalah ordinal (kepuasan), tidak bisa langsung digunakan korelasi Pearson yang hanya untuk data interval/rasio.

Dengan korelasi Spearman, karena kepuasan berskala ordinal dan jumlah mata kuliah berskala rasio. Metode ini tepat untuk mengukur kekuatan dan arah hubungan antara variabel ordinal dan rasio.

In reply to First post

Re: CASE STUDY

by Rieke Nindita Sari - -
Nama : Rieke Nindita Sari
NPM : 2313031019

1. Usia termasuk dalam rasio, karena bentuknya angka yang punya nol mutlak dan bisa dibandingkan secara proporsional (misal 20 tahun memang lebih tua dua kali dari 10 tahun). Jenis kelamin termasuk dalam nominal, karena cuma kategori tanpa urutan apa pun. Kemudian Tingkat kepuasan termasuk dalam ordinal, soalnya ada urutan “sangat tidak puas” sampai “sangat puas”, tapi kita nggak tahu jarak antar level itu sama atau tidak. Jumlah mata kuliah termasuk rasio, karena berupa hitungan real yang bisa nol dan bisa dibandingkan secara proporsional. Terakhir prioritas 1–5 termasuk ordinal, karena angka 1–5 menunjukkan urutan kepentingan, bukan angka yang jaraknya sama kayak skala interval.

2. Nggak semua. Soalnya di kuesioner ini ada beberapa variabel yang bukan angka “beneran” untuk statistik parametrik, contohnya jenis kelamin (nominal) dan kepuasan/prioritas yang cuma ordinal. Statistik parametrik itu butuh data interval/rasio dan biasanya butuh asumsi normalitas. Jadi hasil dari kuesioner ini harus dipisah, yang rasio bisa pakai parametrik, tapi yang nominal/ordinal lebih aman pakai teknik nonparametrik.

3. Analisis yang paling masuk akal yaitu korelasi Spearman. Kenapa? Karena variabel kepuasan itu ordinal, sedangkan jumlah mata kuliah itu numerik rasio. Kalau pakai Pearson bakal agak “maksa” karena Pearson butuh dua variabel numerik yang levelnya minimal interval. Spearman cocok buat campuran ordinal–rasio dan nggak terlalu ribet soal distribusi data, jadi hasilnya lebih aman buat konteks penelitian kayak gini.
In reply to First post

Re: CASE STUDY

by TAZKI ALFIKRI -
Nama: Tazki Alfikri
NPM: 2313031028

1. Jenis skala pengukuran untuk setiap item:
a. Usia responden (dalam tahun): Skala rasio. Alasannya karena usia memiliki nol mutlak (0 tahun = tidak ada umur) dan jarak antar nilai bermakna (misal, selisih 20 dan 25 tahun sama pentingnya dengan selisih 25 dan 30 tahun).
b. Jenis kelamin: Skala nominal. Jenis kelamin hanya berupa kategori tanpa urutan atau nilai numerik yang bermakna.
c. Tingkat kepuasan terhadap pelayanan dosen pembimbing akademik: Skala ordinal. Pilihan jawaban memiliki urutan dari sangat tidak puas hingga sangat puas, tetapi jarak antara kategori tidak selalu sama atau terukur.
d. Jumlah mata kuliah yang diambil semester ini: Skala rasio. Jumlah mata kuliah bisa dihitung, memiliki nol mutlak (0 mata kuliah), dan jarak antar nilai bermakna.
e. Urutan aspek prioritas dalam memilih universitas (1–5): Skala ordinal. Responden memberi peringkat, sehingga ada urutan, tetapi jarak antar peringkat tidak dapat dianggap sama.

2. Apakah seluruh data dapat dianalisis menggunakan statistik parametrik?
Tidak semua data dari kuesioner ini bisa dianalisis menggunakan statistik parametrik. Statistik parametrik umumnya membutuhkan data pada skala interval atau rasio yang berdistribusi normal. Sementara itu, data nominal (jenis kelamin) dan ordinal (tingkat kepuasan, prioritas aspek) tidak memenuhi asumsi ini. Untuk data tersebut, lebih tepat digunakan statistik non-parametrik.

3. Metode analisis untuk mengetahui hubungan antara kepuasan layanan akademik dan jumlah mata kuliah yang diambil:
Metode yang tepat adalah analisis korelasi Spearman. Alasannya karena kepuasan layanan akademik diukur dengan skala ordinal, sedangkan jumlah mata kuliah bersifat rasio. Spearman cocok digunakan ketika salah satu variabel ordinal atau ketika data tidak memenuhi asumsi normalitas, sehingga hubungan antara urutan kepuasan dan jumlah mata kuliah dapat dianalisis tanpa melanggar prinsip statistik.
In reply to First post

Re: CASE STUDY

by Tria Meilisma -

Nama: Tria Meilisma

NPM: 2313031029

1.Jenis skala pengukuran yang digunakan dalam item kuensioner

Usia responden:Rasio,data usia bersifat numerik dan memiliki nilai nol mutlak yang menunjukkan tidak adanya usia (baru lahir).data ini memungkinkan operasi matematika seperti penjumlahan,pengurangan,dan perhitungan rata-rata

Jenis kelamin:Nominal, data ini mengelompokkan responden ke dalam kategori tanpa urutan tertentu yaitu laki-laki dan Perempuan.tidak ada urutan atau jarak tertentu antara kategori ini.

Tingkat kepuasan terhadap pelayanan dosen pembimbing akademik: ordinal, data ini menunjukkan tingkatan kepuasan yang diurutkan dari sangat tidak pusa sampai sangat puas,dengan urutan yang bermakna tetapi jarak antar tingkatan tidak harus sama.

Jumlah mata kuliah yang diambil semester ini: rasio,data ini merupakan angka yang menunjukkan kuantitas nyata dengan nilai nol mutlak dan operasi matematika yang memungkinkan dilakukan.

Urutan prioritas dalam memilih universitas: Ordinal,data ini merupakan ranking dari prioritas yang diurutkan dari yang paling penting sampai yang paling tidak penting, tanpa jarak yang sama antar peringkat.

2.Tidak seluruh data dari kuesioner di atas dapat dianalisis menggunakan statistik parametrik.Data nominal dan ordinal, seperti jenis kelamin dan tingkat kepuasan, tidak memenuhi asumsi statistik parametrik yang biasanya membutuhkan data interval atau rasio dengan distribusi normal dan tingkat pengukuran tertentu. Sedangkan data interval dan rasio, seperti usia dan jumlah mata kuliah, dapat dianalisis menggunakan statistik parametrik jika memenuhi asumsi normalitas dan homogenitas varians

3.Metode analisis yang paling tepat adalah Korelasi Spearman (rho), Kedua metode ini cocok untuk melihat hubungan antara variabel ordinal (kepuasan) dan variabel rasio/ordinal (jumlah mata kuliah) yang mungkin tidak memenuhi asumsi normalitas.
Selain itu, keduanya tidak mengharuskan data memenuhi asumsi distribusi normal, sehingga cocok untuk analisis hubungan variabel yang diukur dengan skala ordinal dan rasio.

In reply to First post

Re: CASE STUDY

by Ni Wayan Vara Wulandari -
Nama: Ni Wayan Vara Wulandari
NPM: 2313031017

1. Jenis skala
a. Usia responden menggunakan skala rasio karena datanya berupa angka yang memiliki jarak sama dan memiliki nol absolut.
b. Jenis kelamin menggunakan skala nominal karena hanya berfungsi membedakan kategori tanpa urutan atau tingkatan.
c. Tingkat kepuasan menggunakan skala ordinal karena pilihan jawabannya menunjukkan tingkat kepuasan yang berurutan, tetapi jarak antar tingkatannya tidak pasti sama.
d. Jumlah mata kuliah menggunakan skala rasio karena merupakan angka dengan jarak yang tetap dan memiliki titik nol yang bermakna.
e. Prioritas memilih universitas menggunakan skala ordinal karena responden diminta mengurutkan aspek berdasarkan peringkat kepentingan.
2. Tidak semua data pada kuesioner ini dapat dianalisis menggunakan statistik parametrik. Statistik parametrik membutuhkan data berskala interval atau rasio. Namun, beberapa item memiliki skala nominal dan ordinal (jenis kelamin, tingkat kepuasan, dan ranking prioritas), sehingga tidak memenuhi syarat untuk statistik parametrik. Hanya data usia dan jumlah mata kuliah (skala rasio) yang memenuhi syarat analisis parametrik.
3. Analisis yang paling tepat adalah korelasi Spearman karena kepuasan layanan diukur dengan skala ordinal, sedangkan jumlah mata kuliah adalah data rasio, sehingga analisis korelasi non-parametrik lebih sesuai untuk melihat hubungan keduanya.
In reply to First post

Re: CASE STUDY

by Suci Tri Wahyuni 2313031012 -
Nama: Suci Tri Wahyuni
Npm: 2313031012
Kelas: A

1. Identifikasi jenis skala pengukuran dan alasannya
• Usia responden (dalam tahun) menggunakan skala rasio, karena datanya berupa angka yang memiliki jarak yang sama antar nilai dan memiliki titik nol absolut (usia 0 berarti benar-benar tidak ada umur).
• Jenis kelamin (laki-laki/perempuan) menggunakan skala nominal, karena hanya untuk mengklasifikasikan responden ke dalam kategori tanpa menunjukkan tingkatan atau urutan.
• Tingkat kepuasan terhadap pelayanan dosen pembimbing akademik (dari sangat tidak puas sampai sangat puas) menggunakan skala ordinal, karena pilihan jawaban menunjukkan urutan tingkat kepuasan, tetapi jarak antar kategori tidak pasti sama.
• Jumlah mata kuliah yang diambil semester ini menggunakan skala rasio, karena berupa angka, jarak antar nilai sama, dan ada nol absolut (0 menunjukkan tidak mengambil mata kuliah).
• Pengurutan prioritas aspek memilih universitas (1 paling penting sampai 5 paling tidak penting) menggunakan skala ordinal, karena menunjukkan urutan prioritas tetapi tidak menjamin jarak perbedaan antar peringkat sama.

2. Apakah seluruh data dapat dianalisis menggunakan statistik parametrik? Mengapa?
Tidak semua data dapat dianalisis menggunakan statistik parametrik.
Statistik parametrik memerlukan data minimal berskala interval atau rasio dan harus berdistribusi normal.
Dalam kuesioner ini terdapat skala nominal dan ordinal, sehingga sebagian datanya tidak memenuhi syarat untuk statistik parametrik. Jadi hanya sebagian variabel saja (usia dan jumlah mata kuliah) yang bisa dianalisis parametrik, sedangkan lainnya tidak.

3. Analisis yang tepat untuk mengetahui hubungan antara kepuasan layanan akademik dan jumlah mata kuliah

• Metode analisis yang tepat adalah Korelasi Spearman.

Alasannya: – Variabel kepuasan menggunakan skala ordinal.
– Variabel jumlah mata kuliah menggunakan skala rasio.
– Kombinasi data ordinal dan rasio lebih sesuai menggunakan korelasi non-parametrik, dan Spearman dirancang untuk melihat hubungan antara variabel yang memiliki peringkat/urutan.
Jika kepuasan diubah menjadi skor numerik dan distribusi datanya normal, bisa saja memakai korelasi Pearson, tetapi secara standar Spearman lebih aman dan tepat untuk jenis data tersebut.
In reply to First post

Re: CASE STUDY

by Yesi Novia Pitriani -
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.
In reply to First post

Re: CASE STUDY

by LIS TIARA PUTRI -
Nama : Lis Tiara Putri
NPM : 2213031001

1. Jenis Skala Pengukuran Setiap Item Kuesioner
Pada kuesioner tersebut terdapat beberapa jenis skala pengukuran. Usia responden dalam tahun merupakan skala rasio, karena memiliki angka nol absolut dan selisih antar angka memiliki makna yang sama sehingga dapat dibandingkan secara matematis (misalnya 20 tahun dua kali lebih tua dari 10 tahun). Jenis kelamin merupakan skala nominal karena hanya digunakan untuk mengelompokkan responden berdasarkan kategori tanpa adanya urutan atau tingkat. Item tingkat kepuasan terhadap pelayanan dosen pembimbing akademik menggunakan pilihan jawaban berurutan dari sangat tidak puas hingga sangat puas sehingga termasuk skala ordinal, karena terdapat peringkat tetapi jarak antar kategori belum tentu sama. Jumlah mata kuliah yang diambil semester ini juga merupakan skala rasio, karena angka yang digunakan menunjukkan jumlah yang dapat dihitung secara matematis dan nol memiliki makna absolut. Sedangkan instruksi untuk mengurutkan aspek dalam memilih universitas berdasarkan prioritas merupakan skala ordinal, karena responden memberikan peringkat dari yang paling penting hingga paling tidak penting, tetapi jarak antar urutan tidak pasti sama.

2. Kemungkinan Penggunaan Statistik Parametrik
Pada prinsipnya, tidak semua data dalam kuesioner tersebut dapat langsung dianalisis dengan statistik parametrik. Statistik parametrik membutuhkan data minimal pada skala interval atau rasio, serta harus memenuhi asumsi tertentu seperti normalitas. Dalam kuesioner ini, terdapat data skala nominal dan ordinal (jenis kelamin, kepuasan layanan, dan prioritas pemilihan universitas) yang secara teoritis tidak dapat dianalisis menggunakan statistik parametrik, kecuali dilakukan pengkodean dan perlakuan tertentu (misalnya skala Likert diperlakukan sebagai interval). Data pada skala rasio seperti usia dan jumlah mata kuliah dapat dianalisis dengan statistik parametrik. Dengan demikian, peneliti perlu memilih teknik analisis yang tepat sesuai jenis datanya atau melakukan transformasi serta uji asumsi terlebih dahulu sebelum menggunakan statistik parametrik.

3. Metode Analisis untuk Hubungan Kepuasan dan Jumlah Mata Kuliah
Jika peneliti ingin mengetahui hubungan antara kepuasan layanan akademik dan jumlah mata kuliah yang diambil, maka metode analisis yang paling tepat adalah korelasi Spearman Rank atau Korelasi Point Biserial tergantung perlakuan data. Kepuasan akademik merupakan data ordinal, sedangkan jumlah mata kuliah adalah data rasio. Karena salah satu variabel bukan interval/rasio secara murni, maka korelasi non-parametrik seperti Spearman Rank lebih tepat untuk mengukur hubungan statistik antar dua variabel tersebut tanpa harus memenuhi asumsi normalitas. Korelasi ini dapat menunjukkan apakah terdapat hubungan positif atau negatif antara tingkat kepuasan mahasiswa dan jumlah mata kuliah yang mereka ambil. Jika skala kepuasan dikonversi secara numerik dan memenuhi asumsi distribusi normal, barulah dapat dipertimbangkan teknik parametrik seperti korelasi Pearson, namun secara konsep awal Spearman lebih sesuai.
In reply to First post

Re: CASE STUDY

by Dwi Apriyana -
Nama: Dwi Apriyana
Npm: 2313031022

1. Identifikasi jenis skala pengukuran (nominal, ordinal, interval, rasio) dan jelaskan alasannya.
Pada kuesioner diatas,
1. Usia responden menggunakan skala rasio karena datanya berupa angka tahun yang dapat dihitung dan dibandingkan serta mempunyai nol absolut.
2. Jenis kelamin termasuk skala nominal, karena hanya menunjukkan kategori laki-laki dan perempuan tanpa adanya tingkatan.
3. Untuk tingkat kepuasan terhadap pelayanan dosen pembimbing, skala yang digunakan adalah ordinal karena pilihan jawabannya tersusun berurutan dari sangat tidak puas sampai sangat puas, tetapi jarak antar pilihan tidak bisa diukur secara pasti.
4. Jumlah mata kuliah yang diambil menggunakan skala rasio, karena berupa data angka dan dapat dilakukan perbandingan antar responden. 5. Peringkat prioritas pemilihan universitas dari angka 1 sampai 5 merupakan skala ordinal, karena hanya menyatakan urutan tanpa adanya jarak yang sama antar peringkat.

2. Tidak semua data dari kuesioner diatas dapat dianalisis dengan statistik parametrik. Statistik parametrik memiliki syarat bahwa data minimal harus berskala interval atau rasio dan berdistribusi normal. Sementara dalam kuesioner ini terdapat variabel nominal seperti jenis kelamin dan variabel ordinal seperti tingkat kepuasan serta peringkat prioritas. Data ordinal dan nominal tidak memenuhi syarat parametrik, sehingga variabel-variabel tersebut tidak bisa dianalisis dengan teknik parametrik. Hanya variabel usia dan jumlah mata kuliah yang berpotensi menggunakan analisis parametrik.

3. Jika peneliti ingin mengetahui hubungan antara kepuasan layanan dan jumlah mata kuliah,
analisis yang tepat digunakan adalah korelasi Spearman, ini karena tingkat kepuasan merupakan data skala ordinal, sementara jumlah mata kuliah berskala rasio. Ketika salah satu variabel berskala ordinal, analisis non-parametrik seperti Spearman lebih sesuai daripada Pearson. Korelasi Spearman tidak mensyaratkan distribusi data normal dan dapat digunakan untuk mengetahui apakah ada hubungan naik-turun antara banyaknya mata kuliah yang diambil dengan tingkat kepuasan mahasiswa terhadap layanan akademik.
In reply to First post

Re: CASE STUDY

by Syifa Hesti Pratiwi -
Nama: Syifa Hesti Pratiwi
NPM: 2313031003

1. Identifikasi Skala Pengukuran dan Alasannya
a. Usia responden (dalam tahun)
- Skala Rasio
Karena usia dinyatakan dengan angka yang memiliki nilai nol absolut, dapat dihitung selisih dan perbandingan. Misalnya, usia 20 tahun benar-benar dua kali usia 10 tahun. Ini ciri khas skala rasio.
b. Jenis kelamin (Laki-laki / Perempuan)
- Skala Nominal
Karena hanya berupa kategori tanpa urutan atau peringkat. Tidak ada kategori yang lebih tinggi atau lebih rendah. Ini ciri khas skala nominal.
c. Tingkat kepuasan (sangat tidak puas – sangat puas)
- Skala Ordinal
Karena pilihan jawaban berurutan dari tingkat rendah menuju tinggi, tetapi jarak antar kategori (misal dari “tidak puas” ke “netral”) tidak dapat dipastikan sama. Ordinal menekankan urutan, bukan jarak.
d. Jumlah mata kuliah yang diambil
- Skala Rasio
Karena jumlah mata kuliah adalah angka dengan nol absolut. Bisa dihitung, dibandingkan, dijumlahkan, dan diperbandingkan. Misalnya, mengambil 8 mata kuliah dua kali lebih banyak dari 4.
e. Mengurutkan aspek berdasarkan prioritas (1 = paling penting, 5 = paling tidak penting)
- Skala Ordinal
Karena menunjukkan urutan prioritas, tetapi angka 1, 2, 3, 4, 5 tidak memiliki interval yang sama. Ini adalah ranking, sehingga skala ordinal.

2. Apakah semua data bisa dianalisis dengan statistik parametrik?
Tidak, tidak semua data dapat dianalisis menggunakan statistik parametrik, karena:
* Statistik parametrik mengharuskan data ber-skala interval atau rasio, berdistribusi normal, dan memenuhi syarat-syarat tertentu.
* Dalam kuesioner terdapat data nominal (jenis kelamin) dan ordinal (kepuasan dan urutan prioritas).
* Data nominal dan ordinal tidak memenuhi syarat untuk analisis parametrik karena tidak memiliki jarak numerik yang pasti atau nilai absolut.
Jadi, hanya data usia dan jumlah mata kuliah yang bisa dianalisis parametrik. Yang lainnya harus dianalisis dengan statistik non-parametrik.

-3. Metode analisis hubungan kepuasan layanan akademik dan jumlah mata kuliah
Variabel:
* Kepuasan → Ordinal
* Jumlah mata kuliah → Rasio
Karena salah satu variabel berskala ordinal, maka metode statistik parametrik (seperti Pearson) tidak cocok.

Metode yang paling tepat adalah:
→ Korelasi Spearman Rank (Spearman’s Rho)
Alasan:
1. Spearman digunakan untuk mengukur hubungan antara variabel ordinal dengan ordinal, atau ordinal dengan interval/rasio.
2. Tidak mengharuskan data berdistribusi normal.
3. Cocok untuk data berbentuk tingkat kepuasan, yang merupakan ranking/urutan.
4. Mampu menunjukkan hubungan (arah dan kekuatan) secara akurat untuk data non-parametrik.
In reply to First post

Re: CASE STUDY

by IRFAN A SUKI -
Nama : Irfan A Suki
Npm : 2313031013

1. Jenis Skala Pengukuran Setiap Item

Usia responden → Rasio
Karena berupa angka dengan jarak yang sama dan memiliki nol absolut.

Jenis kelamin → Nominal
Hanya membedakan kategori tanpa menunjukkan urutan.

Kepuasan terhadap layanan dosen pembimbing → Ordinal
Menunjukkan tingkat kepuasan yang berurutan, tetapi perbedaan antar tingkat tidak pasti sama.

Jumlah mata kuliah yang diambil → Rasio
Termasuk data numerik yang dapat dihitung dan memiliki nol mutlak.
In reply to First post

Re: CASE STUDY

by Selvidar Armalia -
Nama : Selvidar Armalia
NPM : 2313031014

1. Jenis Skala Pengukuran
     # Usia responden _ Rasio
         Karena berupa angka, bisa dihitung, dan ada nol yang jelas.
     #Jenis kelamin _ Nominal
        Hanya menunjukkan kategori, tidak ada urutan.
     #Tingkat kepuasan _ Ordinal
       Ada tingkatan dari sangat tidak puas sampai sangat puas.
     #Jumlah mata kuliah _ Rasio
       Berupa angka yang bisa dihitung dan dibandingkan.
     #Prioritas memilih universitas (1–5) _ Ordinal
       Angka menunjukkan urutan kepentingan.

2. Apakah semua data bisa pakai statistik parametrik?
    Tidak bisa, Karena beberapa data berbentuk nominal dan ordinal, sementara statistik parametrik hanya cocok untuk data           
     interval atau rasio.

3. Analisis hubungan kepuasan dan jumlah mata kuliah
    Metode yang tepat adalah korelasi Spearman.
    Alasannya karena kepuasan adalah data ordinal, sedangkan jumlah mata kuliah berupa angka, sehingga lebih cocok memakai        korelasi non-parametrik seperti Spearman.
In reply to First post

Re: CASE STUDY

by Intan Ruliana -
Nama: Intan Ruliana
NPM: 2313031016

1. Usia → Rasio
Karena berupa angka, ada nol absolut, dan bisa dihitung.
2. Jenis kelamin → Nominal
Hanya kategori, tidak ada urutan.
3. Kepuasan layanan → Ordinal
Ada urutan dari sangat tidak puas sampai sangat puas.
4. Jumlah mata kuliah → Rasio
Berupa hitungan nyata, ada nol mutlak.
5. Urutan prioritas memilih universitas → Ordinal
Hanya ranking, tidak menunjukkan jarak antar peringkat.

2. Tidak bisa.
Karena statistik parametrik butuh data interval/rasio, sedangkan kuesioner ini punya data nominal dan ordinal yang tidak cocok untuk parametrik.

3. Gunakan korelasi Spearman.
Alasan: kepuasan = ordinal, jumlah mata kuliah = rasio → Spearman paling cocok untuk data campuran dan tidak mensyaratkan distribusi normal.
In reply to First post

Re: CASE STUDY

by Aulya Syifa Zulkarnaen -
Nama : Aulya Syifa Zulkarnaen
NPM : 2313031009

1. Jenis Skala Pengukuran
  • Usia responden: memakai skala rasio
  • Jenis kelamin: memakai skala nominal, karena berupa kategori tanpa urutan tertentu.
  • Tingkat kepuasan dosen pembimbing akademik: memakai skala ordinal, karena memperlihatkan tingkatan kepuasan tetapi jarak antar kategori tidak pasti.
  • Jumlah mata kuliah yang diambil: memakai skala rasio, karena merupakan data hitungan dengan nol absolut atau bisa dihitung.
  • Urutan prioritas dalam memilih universitas: memakai skala ordinal, karena berbentuk peringkat dari paling penting hingga paling tidak penting.

2. Kelayakan Statistik Parametrik
Tidak semua data pada kuesioner dapat dianalisis menggunakan statistik parametrik. Statistik parametrik hanya diterapkan pada data berskala interval dan yang memenuhi asumsi statistik tertentu. Dalam kuesioner ini, hanya data usia dan jumlah mata kuliah yang berpotensi dianalisis secara parametrik, sedangkan data lain menggunakan statistik nonparametrik.

3. Metode Analisis Hubungan Variabel
Untuk melihat hubungan antara tingkat kepuasan layanan akademik dan jumlah mata kuliah yang diambil, metode yang cocok adalah korelasi Spearman karena melibatkan data berskala ordinal dan rasio serta tidak mensyaratkan distribusi data normal.
In reply to First post

Re: CASE STUDY

by Rizka Mufidah -
Nama: Rizka Mufidah
NPM: 2313031001

1. Jenis Skala Pengukuran pada Setiap Item Kuesioner
  1. Usia responden (dalam tahun): Skala rasio, karena memiliki nol mutlak dan jarak antar nilai bermakna sehingga dapat dilakukan operasi matematika.
  2. Jenis kelamin (laki-laki/perempuan): Skala nominal, karena hanya berupa kategori tanpa urutan atau tingkatan.
  3. Tingkat kepuasan terhadap pelayanan dosen pembimbing akademik: Skala ordinal (Likert), karena menunjukkan tingkatan kepuasan tetapi jarak antar kategori tidak dapat dipastikan sama.
  4. Jumlah mata kuliah yang diambil semester ini: Skala rasio, karena memiliki nol mutlak dan perbandingan antar nilai bermakna.
  5. Urutan prioritas aspek dalam memilih universitas: Skala ordinal, karena menunjukkan peringkat kepentingan tanpa jarak yang pasti antar peringkat.

2. Kelayakan Penggunaan Statistik Parametrik
Tidak seluruh data dalam kuesioner dapat dianalisis menggunakan statistik parametrik. Statistik parametrik mensyaratkan data berskala interval atau rasio serta berdistribusi normal. Oleh karena itu, data nominal dan ordinal tidak memenuhi syarat analisis parametrik. Statistik parametrik hanya dapat digunakan pada data usia dan jumlah mata kuliah dengan catatan memenuhi asumsi normalitas.

3. Metode Analisis Hubungan Kepuasan dan Jumlah Mata Kuliah
Metode analisis yang paling tepat adalah korelasi Spearman Rank. Metode ini sesuai karena variabel kepuasan layanan akademik berskala ordinal, sedangkan jumlah mata kuliah berskala rasio, serta tidak mensyaratkan distribusi normal. Korelasi Spearman mampu mengukur hubungan antara kedua variabel tersebut secara tepat.