PSPE_METODOLOGI PENELITIAN PENDIDIKAN EKONOMI_KELAS A_GANJIL 2025/2026

Nama : Catur Febriyan
NPM : 2313031018

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.

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.

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.

Nama:Muhammad Rizqi Alfiah
Npm:2313031008

Nama : Nida Yasmin Sofiyah
NPM : 2313031026

Nama:Sela Ayu Irawati
Npm: 2313031015

Nama : Khoirun Nisa
Npm : 2313031005

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.

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.

Nama : Mar'atus Shalihah
NPM : 2313031025