Upload presentasi
Presentasi sedang didownload. Silahkan tunggu
Diterbitkan olehDeri Netral Telah diubah "10 tahun yang lalu
1
BAB VI. METODE PENELITIAN BAB VI. METODE PENELITIAN
6.1. Objek dan Tempat Penelitian 6.2. Desain dan Teknik Penelitian 6.3. Operasionalisasi Variabel 6.4. Sumber Data 6.5. Teknik Pengumpulan Data 6.6. Rancangan Analisis Data/ Rancangan Uji Hipotesis 6.7. Jadwal Penelitian BAB VI. METODE PENELITIAN 6.1. Metode Penelitian Yang Digunakan 6.2. Operasionalisasi Variabel 6.3. Sumber Data dan Cara Menentukannya 6.4. Teknik Pengumpulan Data 6.5. Rancangan Analisis Data/ Rancangan Uji Hipotesis 6.6. Tempat/Lokasi Penelitian 6.7. Jadwal Penelitian Ami Purnamawati
2
BAB VI. METODE PENELITIAN
6.1. Metode Penelitian Yang Digunakan 6.2. Operasionalisasi Variabel 6.3. Sumber Data dan Cara Menentukannya 6.4. Teknik Pengumpulan Data 6.5. Rancangan Analisis Data/ Rancangan Uji Hipotesis 6.6. Tempat/Lokasi Penelitian 6.7. Jadwal Penelitian Ami Purnamawati
3
6.1. Metode Penelitian yang digunakan
PADA PASAL INI DISEBUTKAN LAGI DENGAN DISERTAI ALASAN MENGAPA METODE INI DIGUNAKAN. METODE PENELITIAN YANG DIGUNAKAN AKAN BERGANTUNG PADA MAKSUD DAN TUJUAN PENELITIAN. Ami Purnamawati
4
MAKSUD DAN TUJUAN PENELITIAN METODE PENELITIAN YANG DIGUNAKAN
MAKSUD : MENDESKRIPSI FENOMENA KHUSUS, KONKRIT DAN LOKUS CASE STUDY TUJUAN : MEMPEROLEH DESKRIPSI FENOMENA KHUSUS, KONKRIT DAN LOKUS MAKSUD : MENDESKRIPSI FENOMENA GENERAL, ABSTRAK DAN UNIVERSAL DESCRIPTIVE SURVEY TUJUAN : MENPEROLEH DESKRIPSI FENOMENA GENERAL, ABSTRAK DAN UNIVERSAL Ami Purnamawati
5
MAKSUD DAN TUJUAN PENELITIAN METODE PENELITIAN YANG DIGUNAKAN
MAKSUD : MENGEKSPLANASI FENOMENA GENERAL, ABSTRAK DAN UNIVERSAL SECARA TERUJI EMPIRIK EXPLANATORY SURVEY TUJUAN : MEMPEROLEH EKSPLANASI FENOMENA GENERAL, ABSTRAK DAN UNIVERSAL SECARA TERUJI EMPIRIK MAKSUD : MENCARI CARA-CARA PEMECAHAN SECARA PRAKTIK EXPERIMENT TUJUAN : MEMPEROLEH CARA-CARA PEMECAHAN SECARA PRAKTIK Ami Purnamawati
6
SALAH SATU PENELITIAN DESKRIPTIF YANG BERTUJUAN UNTUK MEMPELAJARI LATAR BELAKANG KEADAAN SEKARANG DAN INTERAKSI LINGKUNGAN DARI SUATU UNIT SOSIAL SECARA LEBIH MENDALAM (INTENSIF) STUDI KASUS Ami Purnamawati
7
6.2. Operasionalisasi Variabel
KONSEPTUALISASI (PEMAHAMAN AKAN KONSEP-KONSEP/VARIABEL-VARIABEL) Ami Purnamawati
8
INDIKATOR KONKRIT DARI KONSEP/VARIABEL.
DATA INDIKATOR KONKRIT DARI KONSEP/VARIABEL. INDIKATOR KONKRIT DAPAT DIKETAHUI DARI DEFINISI-DEFINISI KONSEP/VARIABEL YANG BERSANGKUTAN. DEFINISI-DEFINISI TELAH DIKETAHUI DARI PENDEKATAN MASALAH Ami Purnamawati
9
BAGI KONSEP/VARIABEL, CAKUPAN LUAS DEFINISI-DEFINISI DARI INDIKATOR ITU TIDAK LANGSUNG MENUNJUK PADA YANG KONKRIT, MELAINKAN MASIH TETAP ABSTRAK. INDIKATOR-INDIKATOR YANG MASIH ABSTRAK INI DISEBUT DIMENSI-DIMENSI DARI KONSEP/VARIABEL (SUBKONSEP/SUBVARIABEL) HARUS TETAP DIOPERASIONALISASIKAN SAMPAI DIPEROLEH DEFINISI-DEFINISI KONKRITNYA Ami Purnamawati
10
CONTOH Ami Purnamawati
11
IDENTIFIKASI MASALAH 1. BAGAIMANA PENGELOLAAN DISTRIBUSI FISIK PUPUK PADA KUD PELITA KARYA. Ami Purnamawati
12
PENDEKATAN MASALAH DISTRIBUSI FISIK MERUPAKAN LOGISTIK PASAR MELIBATKAN PERENCANAAN, PENERAPAN DAN PENGENDALIAN ARUS FISIK MATERIAL DAN PRODUK AKHIR DARI TITIK ASAL KE TITIK PENGGUNAAN UNTUK MEMENUHI KEBUTUHAN PELANGGAN DENGAN SUATU LABA (HENDRA TEGUH DAN RONY A RUSLI, 1998:193) FUNGSI-FUNGSI DALAM DISTRIBUSI FISIK MELIPUTI, TRANSPORTATION, STORAGE AND WAREHOUSING, INVENTORY CENTRAL, MATERIAL HANDLING, BORDER PROCESSING, PROTECTIVE PACKAGING (FANDI TJIPTONO, 2001:204) Ami Purnamawati
13
OPERASIONALISASI VARIABEL
INDIKATOR DIMENSI/SUBVARIABEL DATA FUNGSI DISTRIBUSI FISIK TRANSPORTASI ANGKUTAN DARAT JENIS ANGKUTAN KAPASITAS ANGKUTAN PERGUDANGAN LOKASI/JARAK GUDANG KEAMANAN GUDANG KEBERSIHAN GUDANG PUSAT PERSEDIAAN TERPUSAT TERSEBAR
14
OPERASIONALISASI VARIABEL
INDIKATOR DIMENSI/SUBVARIABEL DATA FUNGSI DISTRIBUSI FISIK PENANGANAN BARANG DARI PT. PERTANI PADA MUSIM TANAM ADMINISTRATIF PROSES PEMESANAN SYARAT PENGIRIMAN Ami Purnamawati
15
TETAPKAN MACAM DAN JENIS DATA
INDIKATOR TETAPKAN MACAM DAN JENIS DATA MACAM DATA JENIS DATA DATA PRIMER DATA SEKUNDER DATA KUALITATIF DATA KUANTITATIF DATA YANG LANGSUNG DIPEROLEH DARI SUMBERNYA (RESPONDEN/ INFORMAN) DATA YANG TELAH DISUSUN/DIOLAH OLEH PIHAK LAIN (LEMBAGA-LEMBAGA) DATA YANG BERSIFAT ORDINAL (TERMASUK YANG NOMINAL) DATA YANG BERSIFAT CARDINAL (RASIO) DAN BERSIFAT ‘NON ARBITRARY ZERO” (NOL MUTLAK) Ami Purnamawati
16
OPERASIONALISASI VARIABEL
KONSEP/ VARIABEL INDIKATOR MACAM DATA/ PRIMER/ SEKUNDER JENIS DATA/ KUALITATIF/ KUANTITATIF DIMENSI DATA A I X Y Ami Purnamawati
17
6.3. Sumber Data Dan Cara Menentukannya
Ami Purnamawati
18
SUMBER DATA SUMBER DATA PRIMER YANG ‘MERESPON’ PERTANYAAN-PERTANYAAN DENGAN MEMBERI JAWABAN MENGENAI ‘DIRINYA’ (YANG BERSANGKUTAN DENGAN DIRINYA) RESPONDEN DATA YANG DIPERLUKAN ADALAH DATA/INDIKATOR DARI KONSEP/VARIABEL RESPONDEN Ami Purnamawati
19
SUMBER DATA SUMBER DATA PRIMER YANG MAMPU MEMBERI INFORMASI MENGENAI DIRI/KEADAAN ORANG LAIN, ATAU MEMBERI INFORMASI TENTANG SITUASI DAN KONDISI LINGKUNGANNYA INFORMAN TIDAK MENANYAKAN MENGENAI DIRI INFORMAN Ami Purnamawati
20
SUMBER DATA SUMBER DATA SEKUNDER YANG RELEVAN DENGAN KASUS YANG DITELITI LEMBAGA Ami Purnamawati
21
INDIKATOR Ami Purnamawati KONSEP/ VARIABEL
MACAM DATA/ PRIMER/ SEKUNDER JENIS DATA/ KUALITATIF/ KUANTITATIF SUMBER DATA DIMENSI DATA RES INF LBG Ami Purnamawati
22
CARA MENENTUKAN SUMBER DATA
SENSUS?/ SAMPLING Ami Purnamawati
23
KUMPULAN OBYEK PENELITIAN (SATUAN ANALISIS)
SAMPEL POPULASI KUMPULAN OBYEK PENELITIAN (SATUAN ANALISIS) BAGIAN DARI OBYEK PENELITIAN YANG DIAMATI Ami Purnamawati
24
MENELITI SELURUH UNSUR POPULASI
SENSUS Ami Purnamawati
25
SAMPLING MENGAMATI/MENELITI SEBAGIAN DARI KUMPULAN (POPULASI)
Ami Purnamawati
26
RANCANGAN SAMPLING (TEKNIK SAMPLING)
SAMPEL PROBABILITAS SAMPEL NONPROBABILITAS SETIAP UNSUR POPULASI MEMILIKI NILAI KEMUNGKINAN TERTENTU UNTUK DIPILIH PENGAMBILAN SAMPEL BERDASARKAN PERTIMBANGAN TERTENTU SAMPEL RANDOM SAMPEL PURPOSIF Ami Purnamawati
27
RANCANGAN SAMPLING PROBABILITAS
SAMPLING RANDOM SEDERHANA (SIMPLE RANDOM SAMPLING) SAMPLING SISTEMATIK (SYSTEMATIC RANDOM SAMPLING) SAMPLING BERSTRATA (STRATIFIED RANDOM SAMPLING) SAMPLING KLASTER (CLUSTER RANDOM SAMPLING) Ami Purnamawati
28
RANCANGAN SAMPLING (TEKNIK SAMPLING)
SAMPLING RANDOM SEDERHANA (SIMPLE RANDOM SAMPLING) MELALUI PENGUNDIAN MENGGUNAKAN TABEL RANDOM HARUS MEMILIKI KERANGKA SAMPLING DAFTAR LENGKAP SEMUA UNSUR POPULASI Ami Purnamawati
29
RANCANGAN SAMPLING (TEKNIK SAMPLING)
MENGGUNAKAN KERANGKA SAMPLING MENENTUKAN UNSUR PERTAMA SAMPLING SISTEMATIK UNSUR-UNSUR LAINNYA DITARIK DENGAN JARAK TERTENTU BANDINGKAN UKURAN POPULASI DENGAN UKURAN SAMPEL Ami Purnamawati
30
RANCANGAN SAMPLING (TEKNIK SAMPLING)
MELIBATKAN PEMBAGIAN POPULASI KE DALAM KELAS, GOLONGAN, KATAGORI YANG DISEBUT STRATA: SAMPLING BERSTRATA KOTA/DAERAH PROPORSIONAL DISPROPORSIONAL SUKU BANGSA JENIS KELAMIN DARI SETIAP STRATA DIAMBIL SAMPEL YANG SEBANDING DENGAN BESAR SETIAP STRATA DARI SETIAP STRATA DIAMBIL SAMPEL YANG SAMA STATUS USIA DAN LAIN-LAIN Ami Purnamawati
31
RANCANGAN SAMPLING (TEKNIK SAMPLING)
SAMPLING KLASTER (CLUSTER SAMPLING) BILA TIDAK MEMILIKI KERANGKA SAMPLING Ami Purnamawati
32
RANCANGAN SAMPLING NONPROBABILITAS
SAMPLING KEBETULAN (INCIDENTAL SAMPLING) SAMPLING KUOTA (QUOTA SAMPLING) SAMPLING PURPOSIF (PURPOSIVE SAMPLING) Ami Purnamawati
33
BERGANTUNG PADA DERAJAT KESERAGAMAN, PRESISI YANG DIKEHENDAKI, RENCANA ANALISIS DATA DAN FASILITAS YANG TERSEDIA UKURAN SAMPEL (SINGARIMBUN & EFFENDI, 1982) Ami Purnamawati
34
RUMUS SEDERHANA UKURAN SAMPEL
n = N Nd2 + 1 n = Jumlah Sampel yang dicari N = Populasi d = Presisi (derajat kepercayaan) Ami Purnamawati
35
Misal: Populasi sebesar 4
Misal: Populasi sebesar 4.540, ingin dicari sampel dengan tingkat kepercayaan 90% atau a =0,1) n = 4.540 (0,1)2 + 1 n = 46,4 = 97,84 = 98 Ami Purnamawati
36
6.4. TEKNIK PENGUMPULAN DATA
PENGUMPULAN DATA YANG DIGUNAKAN UNTUK MENGHIMPUN DATA PENELITIAN MELALUI PENGGUNAAN PANCAINDERA OBSERVASI PARTICIPANT OBSERVATION NONPARTICIPANT OBSERVATION Ami Purnamawati
37
TEKNIK PENGUMPULAN DATA
TANYA JAWAB YANG DILAKUKAN DENGAN SESEORANG UNTUK MEMPEROLEH INFORMASI, DATA YANG DIPERLUKAN ANTARA PENELITI DENGAN NARA SUMBER INTERVIEW TEKNIK PENGUMPULAN DATA Ami Purnamawati
38
6.4 TEKNIK PENGUMPULAN DATA
PERTANYAAN TERSTRUKTUR/ DAFTAR PERTANYAAN YANG DIAJUKAN KEPADA ORANG-ORANG TERTENTU UNTUK MENJARING JAWABAN; DISEDIAKAN RUANG DI BELAKANG PERTANYAAN ITU UNTUK TEMPAT JAWABAN, ATAU MENANDAI SALAH SATU JAWABAN YANG SUDAH DISEDIAKAN YANG SESUAI DENGAN PENDAPAT ORANG YANG MENGISI ITU. KUESIONER/ANGKET Ami Purnamawati
39
JENIS KUESIONER PENELITI MEMBERIKAN SEMUA ALTERNATIF JAWABAN UNTUK SEMUA PERTANYAAN KUESIONER TERTUTUP PERTANYAAN YANG MEMBERIKAN KEBEBASAN PENUH PADA RESPONDEN UNTUK MENJAWABNYA. PENELITI TIDAK MEMBERIKAN JAWABAN ALTERNATIF KUESIONER TERBUKA KUESIONER TERTUTUP DAN TERBUKA (GABUNGAN) PERTANYAAN DIBERI JAWABAN ALTERNATIF DAN JUGA RESPONDEN DIBERI KEBEBASAN UNTUK MEMBERIKAN JAWABAN SESUAI DENGAN PENDAPATNYA SECARA BEBAS Ami Purnamawati
40
KEUNTUNGAN KUESIONER TERTUTUP
JAWABAN-JAWABANNYA BERSIFAT STANDAR DAN BISA DIBANDINGKAN DENGAN JAWABAN RESPONDEN LAIN JAWABAN-JAWABANNYA JAUH LEBIH MUDAH DIKODING DAN DIANALISIS (DAPAT MENGHEMAT TENAGA DAN WAKTU) RESPONDEN LEBIH YAKIN DENGAN JAWABAN-JAWABANNYA TERUTAMA BAGI YANG SEBELUMNYA TIDAK YAKIN JAWABAN-JAWABAN RELATIF LEBIH LENGKAP KARENA DIPERSIAPKAN SEBELUMNYA ANALISIS DAN FORMULASINYA LEBIH MUDAH JIKA DIBANDINGKAN DENGAN KUESIONER TERBUKA Ami Purnamawati
41
KELEMAHAN SANGAT MUDAH BAGI RESPONDEN UNTUK MENEBAK JAWABAN MESKIPUN SEBETULNYA MEREKA TIDAK MEMAHAMI PERTANYAAN RESPONDEN MUNGKIN ‘FRUSTASI’ KARENA TIDAK ADA JAWABAN YANG SESUAI DENGAN KEADAANNYA SERING TERJADI JAWABAN-JAWABAN YANG TERLALU BANYAK SEHINGGA MEMBINGUNGKAN RESPONDEN UNTUK MEMILIHNYA TIDAK BISA MENDETEKSI PERBEDAAN PENDAPAT RESPONDEN DENGAN PENELITI KARENA JAWABAN DISEDIAKAN Ami Purnamawati
42
KEUNTUNGAN PERTANYAAN TERBUKA
DAPAT DIGUNAKAN KETIKA SEMUA ALTERNATIF TIDAK DIKETAHUI OLEH PENELITI ATAU KETIKA PENELITI INGIN MENGETAHUI BAGAIMANA DAN MENGAPA SERTA ALASAN-ALASAN MEMBOLEHKAN RESPONDEN MENJAWAB SECARA RINCI Ami Purnamawati
43
KEUNTUNGAN KUESIONER GABUNGAN
MENJEMBATANI KEKURANGAN KUESIONER TERBUKA KEKURANGAN KUESIONER TERTUTUP Ami Purnamawati
Presentasi serupa
© 2024 SlidePlayer.info Inc.
All rights reserved.