1 / 36

Analisis Kuantitatif

Analisis Kuantitatif. 13 Maret 2012. Kerangka Konsep menggambarkan proposisi , yang menyatakan hubungan antara konstruk-konstruk dari suatu unit yang diteliti (= Unit Analisis ).

Download Presentation

Analisis Kuantitatif

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. AnalisisKuantitatif 13 Maret 2012

  2. KerangkaKonsepmenggambarkanproposisi, yang menyatakanhubunganantarakonstruk-konstrukdarisuatu unit yang diteliti (= Unit Analisis). Konstruk= konsepterstruktur (i.e., mempunyaidimensidanvariabel) mengenaibenda, sifatataukegiatanygdimiliki Unit Analisis. Contoh: Mahasiswamempunyai Gaya Belajar, bersifatMandiridanmelakukanPembelajaran. PerguruanTinggimempunyaiKurikulumPendidikan, merupakanOrganisasiPembelajarandanmelakukan Tri Dharma PT.

  3. Variabel = benda, sifatdankerjadariUA yang dapatdiberiperlakuanolehpeneliti (i.e., datanyadiamati, dimanipulasi, dikontrolataudiabaikan) Contoh: Konstruk Pembelajaran PembelajaranKognitif Dimensi/Faktor Variabel Menghafal

  4. Subyekpenelitianmemiliki data darivariabel. Contoh: • Unit analisis: Mahasiswa • Konstruk: “Pembelajaran” • Penelitidapatmengamati data darivariabel “Menghafal”. • Subyek yang memiliki data mahasiswa “menghafal” ialahmahasiswaitusendiri (dalamhalinisubyeksamadengan Unit analisis), temandekatnya, hasilujiannya, dst.

  5. Perlakuanpenelititerhadapmasing-masingvariabeldapatberupa: a. mengamati – data dibiarkanbervariasi & diamati. b. memanipulasi (mengintervensi) – data ditentukanvariasinya. c. mengendalikan (mengontrol) – data dibuatkonstan. d. mengabaikan – data dibiarkanbervariasittptidakdiamati.

  6. Hipotesis = hubunganantara variabel2 dari konstruk2 suatuproposisi. Contoh:Adakorelasi yang kuatantarasalahsatuvariabeldarikonstruk Gaya BelajardanMenghafal (variabeldarikonstrukPembelajaran)

  7. Mediator Gaya Belajar Pembelajaran Moderator

  8. III. MetodaPenelitian • RancanganPenelitian: 1. RancanganPengumpulan Data 2. RancanganPengolahan Data 3. RancanganPenafsiran Data • MetodaPengumpulan Data • MetodaPengolahan Data • MetodaPenafsiran Data

  9. A. RancanganPenelitian • RancanganPenelitian (Bab III A): Logika (= carabernalar yang dianggap valid/salah) darimetodapenelitianuntukmencegah/mengakuibias. RencanaPenelitian (Bab IV Proposal): Logistika (= rincian) daripelaksanaanpenelitian.

  10. Metodapenelitiandenganrancangan yang kuat (robust) diperlukanuntukmenghasilkankesimpulan (tesis) yang valid: a. hipotesis2 penelitianditerima/ditolak? b. pertanyaan2 penelitiandijawab? • Rancanganpenelitian yang lemahmenimbulkanbias (Caridi internet jenis2 bias penelitian)

  11. A.1. RancanganPengumpulan Data Logikapengumpulan data yang valid: Penelitisecarakonsistenmenggunakanalat/cara yang valid untukmengumpulkan data darisubyek yang tepat. • Alat/carapengumpulan data yang valid • Penggunaanalat/carasecarakonsisten • Subyek yang tepat

  12. a. Alat/Cara Pengumpulan Data yang Valid Peneliti(akan) membuktikandengan data kuantitatifdankualitatifbahwaalat/carapengumpulandatanya valid: • ValiditasIsi(Expert Validity;V. substansi; V. Konsep; Face Validity) – sesuaidenganpendapatparaahli; disusundalam/ diterjemahkankebahasa yang dapatdimengertiresponden.

  13. ValiditasKonstruk– a. Dibandingkandengansuatutolokukuruntukvariabelbiologisataufisik. b. Triangulasidengansejumlahmetodavalidasiuntukvariabelperilaku Contoh: AnalisisFaktor, Reliabilitas Internal (Cronbach’salpha), konsistensiresponsterhadapitem tertutupdan item terbuka, Validitasdiskriminasi, Validitasprediksi.

  14. b. Penggunaan yang konsisten Peneliti(akan) membuktikandengan data kualitatifdankuantitatifbahwaalat/carapengumpulan data yang valid digunakansecarakonsisten/reliabel: • Pengumpul data diseleksi, dilatih & disupervisi • Hasilpengumpulan data inter- dan intra- pengumpul data darisuatusampelsubyekdianalisis:

  15. Untukdata skalainterval ataurasiobuattabel data danhitungr . • Untuk data skala ordinal buattabel data dengankolomurutdanhitung Spearman rho atau Kendall tau. • Untukdata nominal buattabelsubyekdanhitung phi, C, ataukappa

  16. r yangbermakna r ≥ rmin(koefkorelasiygingindicapai)

  17. rho atautau yang bermakna ρ≥ ρmin τ≥ τmin

  18. Φatau C yang bermakna Φ ≥ φmin atauC ≥ C min

  19. c. Subyek yang tepat Penelitimembuktikandengan data kualitatifdankuantitatifbahwasubyek yang diukurtepat: • Memilikidata ygdiperlukanuntukmengukur variabel2 darikonstrukygbersangkutan. • Data dariberbagaisubyekdikorelasikan.

  20. A.2. RancanganPengolahan Data Logikapengolahan data yang valid: Penelitimenggunakan teknik2 ilmustatistik yang tepatuntuk a. menghitungkekuatankorelasiantarakonstrukygdisebutkandalam proposisi2 b. menghitungbesarkesalahan sampling bilabesarkorelasidihitungberdasar data darisampel unit2 analisisdansampel subyek2.

  21. X = Unit Analisis (e.g., FKG)memiliki konstruk2 (e.g., “Pembelajarandi Skills Lab”, “Kompetensiklinik”) X= subyek (e.g., Mahasiswa) memiliki variabel2 (e.g.“Keterampilananestesiblok intraoral”) SampelMhsFKG UGM Pop MhsFKG UGM XXXX R XXXXXXXXXXXX XXXXXXXX XXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXX XXXXXX XXXXXXXXXXXXXXXXXXXXXX XXX R Sampel FKG Pop FKG

  22. Menghitungr utkPrediktor & Kriterionskala interval /rasio Hipotesispenelitiandidukungjika r ≥ rmin

  23. Menghitung r bisataud utkVariabelBebasygdimanipulasi HipotesisPenelitiandidukungjika rbis≥ rbis.min atau d ≥ dmin (d = Mean1 - Mean0)

  24. Menghiung rho atautau utk prediktor & kriterionskala ordinal Hipotesispenelitiandidukungjika ρ≥ ρmin Atau τ≥ τmin

  25. Hipotesispenelitian didukungjika Φ≥ φmin & C ≥ C min MenghitungΦatau C utkPrediktor & Kriterionskala nominal

  26. Sampling Error • Diperlukanjikakekuatanhubungandihitungberdasarkan data yang berasaldarisampel Unit Analisis. • Dihitungdenganujistatistik yang sesusaidenganskala: a. ujistatistikparametrik (e.g., Student’s t Test, F Test) untukmengujiapakahkoefkorelasiskalarasiomewakiliparameternya. b. ujistatistik non-parametrikuntukmengujiapakahkoefkorelasiskala nominal, ordinal dan interval mewakiliparameternya. Lihat Siegel, S. (1956). Nonparametric statistics for the behavioral sciences. New York: McGrraw-Hill.

  27. Hipotesisstatistik (statistikpadasampelmewakili parameter padapopulasi) didukungjikakesalahan sampling ≤ batas. • Diperkecildenganmemperbesar n.

  28. A.3. RancanganPenafsiran Data Logikapenafsirandata yang valid: Penelitimempertimbangkan a. validitasdalam - sejauhmanakoefisienkorelasi (ataukoefisenselisih) yang bermaknabukankarenadimoderasioleh mediator atauvariabel confounding yang diabaikan. b. validitasluar– sejauhmanahasilpenelitianberlakuuntuk subyek2 diluarpopulasipenelitian.

  29. Untukmeningkatkanvaliditasdalampenelitidapatmelakukan: • Analisismultivariat – korelasi yang menggunakan 2/> prediktor, 2/> kriterionataukeduanya. Nilaitambah: Validitas external tinggi Nilaikurang: Membutuhkanjumlah unit analisis yang besar

  30. Mengontrol (membuatkonstan) a. moderator2 spesifikdenganKorelasiParsial, kriteriainklusidankelompokkontrolygdiMatch. Nilaikurang: Validitas external berkurang; matching cocokjikavariabelbebasdimanipulasi b. moderator2 tidakspesifik (variabel2 perancu) denganPenempatansecaraacakkekelompokkontroldan Pre-test. Nilaikurang: Cocokjikavariabelbebasdimanipulasi; Validitas external berkurang.

  31. Variabel2 Perancu • History – variabel2 lingkungan • Maturasi – variabel2 intra subyek • Testing – variabel2 pengukuran • Instrumentasi – variabel2 alatukur • Seleksidiferensial – variabel2 inter-subyek • Tendensisentral – variabel2 subyekextrem • Mortalitas – variabel2 subyek yang drop-out Lihat: Campbell, D.T., & Stanley, J.C. (1963). Experimental and quasi-experimental designs for research. Chicago: Rand McNally College.

  32. Denganpenempatanacak unit2 analisiske kelompok2 kontroldiharapkan data variabel2 perancusamadi kelompok2 tsb, kecualiMortalitas X1 Populasi R Sampel R R X0

  33. Cara mengendalikanMortalitasdengan Pre-test (untukmelihatsiapa yang drop-out) • HipotesispenelitiandidukungjikaSelisih Mean Opostkeduakelompok ≥ Selisih Mean Minimum (yang dipatoksebelumpenelitiandimulai). • Oprejugadapatdigunakanuntukmelihatapakah unit2 analisiskeduakelompoksetaradalamhalvariabelterikatsebelum V bebasdimanipulasi. R O X1 O R O X0 O

  34. Validitas external menurunkarenaadakemungkinan • interaksiantara Pre-test denganIntervensi • InteraksiantaraSeleksidenganIntervensi • Pengaturan2 khusus

  35. V Pembelajaran KompetensiKlinik KurikulumKlinik Moderator? Keterampilan anestesiblok intraoral V Pembelajarandi Skills Lab X V V

More Related