Rancangan Penelitian (b) S2 IPK FK UGM Januari 2014

Konstruk (Variabel latent) = konsep terstruktur ttg sifat atau kegiatan dari unit analisis. Contoh: Mahasiswa mempunyai Gaya Belajar, bersifat Mandiri, melakukan Pembelajaran. Perguruan Tinggi mempunyai Kurikulum Pendidikan, merupakan Organisasi Pembelajaran, melakukan Tri Dharma PT.

Pembelajaran Kognitif Variabel Manifest = sifat atau kegiatan dari UA yang dapat diamati, dimanipulasi, dikontrol atau diabaikan. Contoh: Konstruk Pembelajaran Dimensi/Faktor Pembelajaran Kognitif Variabel Menghafal (t.d. Item-item)

Subyek penelitian (= unit pengamatan) memiliki data dari variabel. Contoh: Unit analisis: Mahasiswa Konstruk: “Pembelajaran” Peneliti dapat mengamati data dari variabel “Menghafal”. Subyek yang memiliki data mahasiswa “menghafal” ialah mahasiswa itu sendiri (dalam hal ini subyek sama dengan Unit analisis), teman dekatnya, hasil ujiannya, dst.

Apa akibatnya bila moderator specifik/non-spesifik diabaikan? Jenis Variabel Perlakuan Tujuan Prediktor & Kriterion Diamati Meneliti korelasi Prediktor – Kriterion (A) V Bebas & V Terikat V Bebas dimanipulasi, V Terikat diamati. Meneliti korelasi V Bebas - V Terikat (B) Moderator Dikontrol atau diamati Meneliti A atau B berlaku pada siapa atau pada keadaan apa Mediator Meneliti mengapa (why)/ bagaimana (how) A/B Confounding (Moderator non-spesifik) Dikontrol Menghilangkan pengaruh V Confounding Apa akibatnya bila moderator specifik/non-spesifik diabaikan?

Perlakuan peneliti terhadap masing-masing variabel dapat berupa: a. mengamati – data dibiarkan bervariasi & diamati. b. memanipulasi (mengintervensi) – data ditentukan variasinya. c. mengendalikan (mengontrol) – data dibuat konstan  Caranya? d. mengabaikan – data dibiarkan bervariasi ttp tidak diamati.

Hipotesis = hubungan antara variabel2 dari konstruk2 suatu proposisi. Contoh: Ada korelasi kuat/bermakna (r ≥ rmin; rmin = 0.80) antara Menghafal (variabel dari konstruk Pembelajaran) dan Nilai Blok (variabel dari konstruk Hasil Belajar). Apa akibatnya bila arah korelasi disebutkan/ tidak disebutkan?

III. A. Rancangan Penelitian Rancangan Penelitian (Bab III A): Logika (= cara bernalar yang dianggap valid/salah) dari metoda penelitian untuk mencegah/mengakui bias. Rencana Penelitian (Bab IV Proposal): Logistika (= rincian) dari pelaksanaan penelitian.

Metoda penelitian dengan rancangan yang kuat (robust) diperlukan untuk menghasilkan kesimpulan (tesis) yang valid: a. hipotesis2 penelitian diterima/ditolak? b. pertanyaan2 penelitian dijawab? Rancangan penelitian yang lemah menimbulkan bias (Cari di internet jenis2 bias penelitian)

A.1. Rancangan Pengumpulan Data Logika pengumpulan data yang valid: Peneliti secara konsisten menggunakan alat/cara yang valid untuk mengumpulkan data dari subyek yang tepat. Alat/cara pengumpulan data yang valid Penggunaan alat/cara secara konsisten Subyek yang tepat

a. Alat/Cara Pengumpulan Data yang Valid Peneliti (akan) membuktikan dengan data kuantitatif dan kualitatif bahwa alat/cara pengumpulan datanya valid: Validitas Isi (Expert Validity; V. substansi; V. Konsep; Face Validity) – sesuai dengan pendapat para ahli; disusun dalam/ diterjemahkan ke bahasa yang dapat dimengerti responden.

Validitas Konstruk – a. Dibandingkan dengan suatu tolok ukur untuk variabel biologis atau fisik. b. Triangulasi untuk variabel perilaku melalui pengujian hipotesis2 ttg validitas alat ukur/ cara pengkuruan. Contoh: Analisis Faktor, Reliabilitas Internal (Crönbach’s alpha), konsistensi respons terhadap item tertutup dan item terbuka, Validitas diskriminasi, Validitas prediksi.

b. Penggunaan yang konsisten Peneliti (akan) membuktikan dengan data kualitatif dan kuantitatif bahwa alat/cara pengumpulan data yang valid digunakan secara konsisten/reliabel: Pengumpul data diseleksi, dilatih & disupervisi Hasil pengumpulan data inter- dan intra- pengumpul data dari suatu sampel subyek dianalisis:

Untuk data skala interval atau rasio buat tabel data dan hitung r . Untuk data skala ordinal buat tabel data dengan kolom urut dan hitung Spearman rho atau Kendall tau. Untuk data nominal buat tabel subyek dan hitung phi, C, atau kappa

r yang bermakna r ≥ rmin (koef korelasi yg ingin dicapai) Subyek Score Pengamat(an) I Score Pengamat(an) II 1 2 3 . k n Total r ≥ rmin (koef korelasi yg ingin dicapai)

rho atau tau yang bermakna Subyek Pengamat(an) I Pengamat(an) II Score Order 1 2 3 . k n rho atau tau yang bermakna ρ ≥ ρmin τ ≥ τmin

+ - a b a + b c d c + d a + c b + d n=a+b+c+d Φ ≥ φmin atau C ≥ C min Φ atau C yang bermakna Φ ≥ φmin atau C ≥ C min Pengamat(an) II Total Subyek + - Penga- mat(an) I a b a + b c d c + d Total Subyek a + c b + d n=a+b+c+d

c. Subyek yang tepat Peneliti membuktikan dengan data kualitatif dan kuantitatif bahwa subyek yang diukur tepat: Memiliki data yg diperlukan untuk mengukur variabel2 dari konstruk yg bersangkutan. Data dari berbagai subyek dikorelasikan.

A.2. Rancangan Pengolahan Data Logika pengolahan data yang valid: Peneliti menggunakan teknik2 ilmu statistik yang tepat untuk a. menghitung kekuatan korelasi antara konstruk yg disebutkan dalam proposisi2 b. menghitung besar kesalahan sampling bila besar korelasi dihitung berdasar data dari sampel unit2 analisis dan sampel subyek2.

XXXXXXXXXXXXXXXXXXXXX X X X X X = Unit Analisis (e.g., FKG) memiliki konstruk2 (e.g., “Pembelajaran di Skills Lab”, “Kompetensi klinik”) X = subyek (e.g., Mahasiswa) memiliki variabel2 (e.g.“Keterampilan anestesi blok intraoral”) Sampel Mhs FKG UGM Pop Mhs FKG UGM XXXX XXXXXXXXXXXX R XXXXXXXX XXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXX XXXXXX XXXXXXXXXXXXXXXXXXXXX X X X X R Sampel FKG Pop FKG

Score Variabel Prediktor Score Variabel Kriterion Menghitung r utk Prediktor & Kriterion skala interval /rasio Unit Ana-lisis Score Variabel Prediktor Score Variabel Kriterion 1 2 3 . k n Total Hipotesis penelitian didukung jika r ≥ rmin

utk Variabel Bebas yg dimanipulasi Menghitung r bis atau d utk Variabel Bebas yg dimanipulasi Kelompok X1 Kelompok X0 Unit Ana-lisis Score Variabel Terikat Score Variabel Terikat 1 2 3 . k n Total Mean1 Mean0 Hipotesis Penelitian didukung jika rbis ≥ rbis.min atau d ≥ dmin (d = Mean1 - Mean0)

prediktor & kriterion skala ordinal Menghiung rho atau tau utk prediktor & kriterion skala ordinal Unit Ana-lisis Prediktor Kriterion Score Order 1 2 3 . k n Hipotesis penelitian didukung jika ρ ≥ ρmin Atau τ ≥ τmin

Menghitung Φ atau C utk Prediktor & Kriterion skala nominal Hipotesis penelitian didukung jika Φ ≥ φmin & C ≥ C min Menghitung Φ atau C utk Prediktor & Kriterion skala nominal Kriterion Total subyek + - Prediktor a b a + b c d c + d Total subyek a + c b + d n = a+b+c+d

Sampling Error Diperlukan jika kekuatan hubungan dihitung berdasarkan data yang berasal dari sampel Unit Analisis. Dihitung dengan uji statistik yang sesusai dengan skala: a. uji statistik parametrik (e.g., Student’s t Test, F Test) untuk menguji apakah koef korelasi skala rasio mewakili parameternya. b. uji statistik non-parametrik untuk menguji apakah koef korelasi skala nominal, ordinal dan interval mewakili parameternya. Lihat Siegel, S. (1956). Nonparametric statistics for the behavioral sciences. New York: McGrraw-Hill.

Hipotesis statistik (statistik pada sampel mewakili parameter pada populasi) didukung jika kesalahan sampling ≤ batas. Diperkecil dengan memperbesar n.

A.3. Rancangan Penafsiran Data Logika penafsiran data yang valid: Peneliti mempertimbangkan a. validitas dalam - sejauh mana koefisien korelasi (atau koefisen selisih) yang bermakna bukan karena dimoderasi oleh mediator atau variabel confounding yang diabaikan. b. validitas luar – sejauh mana hasil penelitian berlaku untuk subyek2 di luar populasi penelitian.

Untuk meningkatkan validitas dalam peneliti dapat melakukan: Analisis multivariat – korelasi yang menggunakan 2/> prediktor, 2/> kriterion atau keduanya. Nilai tambah: Validitas external tinggi Nilai kurang: Membutuhkan jumlah unit analisis yang besar

Mengontrol (membuat konstan) a. moderator2 spesifik dengan Korelasi Parsial, kriteria inklusi dan kelompok kontrol yg diMatch. Nilai kurang: Validitas external berkurang; matching cocok jika variabel bebas dimanipulasi b. moderator2 tidak spesifik (variabel2 perancu) dengan Penempatan secara acak ke kelompok kontrol dan Pre-test. Nilai kurang: Cocok jika variabel bebas dimanipulasi; Validitas external berkurang.

Variabel2 Perancu History – variabel2 lingkungan Maturasi – variabel2 intra subyek Testing – variabel2 pengukuran Instrumentasi – variabel2 alat ukur Seleksi diferensial – variabel2 inter-subyek Tendensi sentral – variabel2 subyek extrem 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.

Dengan penempatan acak unit2 analisis ke kelompok2 kontrol diharapkan data variabel2 perancu sama di kelompok2 tsb, kecuali Mortalitas X1 Populasi R Sampel R R X0

Cara mengendalikan Mortalitas dengan Pre-test (untuk melihat siapa yang drop-out) Hipotesis penelitian didukung jika Selisih Mean Opost kedua kelompok ≥ Selisih Mean Minimum (yang dipatok sebelum penelitian dimulai). Opre juga dapat digunakan untuk melihat apakah unit2 analisis kedua kelompok setara dalam hal variabel terikat sebelum V bebas dimanipulasi. R O X1 O R O X0 O

Validitas external menurun karena ada kemungkinan interaksi antara Pre-test dengan Intervensi Interaksi antara Seleksi dengan Intervensi Pengaturan2 khusus

Pembelajaran di Skills Lab V Pembelajaran Kompetensi Klinik Kurikulum Klinik Moderator? Keterampilan anestesi blok intraoral V Pembelajaran di Skills Lab X V V