Rancangan Penelitian 19 Sept 2012

III. Metoda Penelitian A.Rancangan Penelitian: 1. Rancangan Pengumpulan Data 2. Rancangan Pengolahan Data 3. Rancangan Penafsiran Data B.Metoda Pengumpulan Data C.Metoda Pengolahan Data D.Metoda Pentafsiran Data

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 & bias publikasi)

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. a.Alat/cara pengumpulan data yang valid b.Penggunaan alat/cara secara konsisten c.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 dengan/ diterjemahkan ke bahasa yang dapat dimengerti responden.

Validitas Konstruk – a. Dibandingkan dengan suatu tolok ukur untuk variabel biologis atau fisik. b. Triangulasi dengan sejumlah metoda validasi untuk variabel perilaku Contoh: Analisis Faktor, Reliabilitas Internal (Cronbach’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:

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

SubyekScore Pengamat(an) I Score Pengamat(an) II k nTotal r yang bermakna r ≥ r min (koef korelasi yg ingin dicapai)

SubyekPengamat(an) IPengamat(an) II ScoreOrderScoreOrder k n ρ ≥ ρ min τ ≥ τ min rho atau tau yang bermakna

Pengamat(an) IITotal Subyek +- Penga- mat(an) I +aba + b -cdc + d Total Subyek a + cb + dn=a+b+c+d Φ atau C yang bermakna Φ ≥ φ min atau C ≥ C min

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 dan/ atau statistik2 peringkas untuk menjawab pertanyaan2 penelitian. b. menghitung besar kesalahan sampling bila besar korelasi dan statistik2 peringkas dihitung berdasar data dari sampel UA.

X = Unit Analisis (e.g., AkBid) memiliki konstruk2 (e.g., “Pembelajaran di Skills Lab”, “Kompetensi klinik”) X = subyek (e.g., Mahasiswa) memiliki variabel2 (e.g.“Keterampilan menolong persalinan normal”) XXXXXX XXXXXXX XXXXXXX XXXXXXX X X X X XXXXXXXX XXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXX XXXXXXXXX XXXX XXXX XXXX Pop AkBid Sampel AkBid Pop Mhs AkBid Bantul R R XX Sampel Mhs AkBid Bantul

Unit Ana- lisis Score Variabel Prediktor Score Variabel Kriterion k nTotal Menghitung r utk Prediktor & Kriterion skala interval /rasio Hipotesis penelitian didukung jika r ≥ r min

Kelompok X 1 Kelompok X 0 Unit Ana- lisis Score Variabel Terikat Unit Ana- lisis Score Variabel Terikat kk nTotal Mean 1 Mean 0 Menghitung r bis atau d utk Variabel Bebas yg dimanipulasi Hipotesis Penelitian didukung jika r bis ≥ r bis.min atau d ≥ d min (d = Mean 1 - Mean 0 )

Unit Ana- lisis PrediktorKriterion ScoreOrderScoreOrder k n Hipotesis penelitian didukung jika ρ ≥ ρ min Atau τ ≥ τ min Menghiung rho atau tau utk prediktor & kriterion skala ordinal

KriterionTotal subyek +- Prediktor +aba + b -cdc + d Total subyeka + cb + dn = a+b+c+d Menghitung Φ atau C utk Prediktor & Kriterion skala nominal Hipotesis penelitian didukung jika Φ ≥ φ min & C ≥ C min

Sampling Error Diperlukan jika kekuatan hubungan dihitung berdasarkan data yang berasal dari sampel UA. Dihitung dengan uji statistik yang sesusai dengan skala: a. uji statistik parametrik untuk menguji apakah statistik skala rasio mewakili parameternya. b. uji statistik non-parametrik untuk menguji apakah statistik 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. H 0 = Statistik tidak mewakili parameter karena sampling error terlampau besar H 1 = Statistik mewakili parameter. Sampling error diperkecil dengan memperbesar n.

A.3. Rancangan Pentafsiran Data Logika pentafsiran data yang valid: Peneliti mempertimbangkan a. validitas dalam - sejauh mana koefisien korelasi (atau koefisen selisih) yang bermakna bukan karena dimoderasi oleh moderator2 dan variabel2 confounding yang diabaikan. b. validitas luar – sejauh mana hasil penelitian berlaku untuk subyek2 di luar populasi penelitian.

Untuk meningkatkan validitas dalam peneliti dapat melakukan: 1.Analisis multivariat – korelasi yang menggunakan 2/> prediktor, 2/> kriterion atau keduanya. Nilai tambah: Validitas external tinggi Nilai kurang: Membutuhkan jumlah unit analisis yang besar

2.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 a)History – variabel2 lingkungan b)Maturasi – variabel2 intra subyek c)Testing – variabel2 pengukuran d)Instrumentasi – variabel2 alat ukur e)Seleksi diferensial – variabel2 inter-subyek f)Tendensi sentral – variabel2 subyek extrem g)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 Populasi Sampel X1X1 X0X0 R R R

Cara mengendalikan Mortalitas dengan Pre-test (untuk melihat siapa yang drop-out) Hipotesis penelitian didukung jika Selisih Mean O post kedua kelompok ≥ Selisih Mean Minimum (yang dipatok sebelum penelitian dimulai). O pre juga dapat digunakan untuk melihat apakah unit2 analisis kedua kelompok setara dalam hal variabel terikat sebelum V bebas dimanipulasi. R O X 1 O R O X 0 O

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