1 / 34

Rancangan Penelitian (b)

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 .

melissa-stephens
Download Presentation

Rancangan Penelitian (b)

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. Rancangan Penelitian (b) S2 IPK FK UGM Januari 2014

  2. Konstruk(Variabel latent) = konsepterstrukturttgsifatataukegiatandariunit analisis. Contoh: Mahasiswamempunyai Gaya Belajar, bersifatMandiri,melakukanPembelajaran. PerguruanTinggimempunyaiKurikulumPendidikan, merupakanOrganisasiPembelajaran,melakukan Tri Dharma PT.

  3. VariabelManifest = sifatataukegiatandari UA yang dapatdiamati, dimanipulasi, dikontrolataudiabaikan. Contoh: Konstruk Pembelajaran PembelajaranKognitif Dimensi/Faktor Variabel Menghafal (t.d. Item-item)

  4. Subyekpenelitian (= unit pengamatan)memiliki 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. Apa akibatnya bila moderator specifik/non-spesifik diabaikan?

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

  7. Hipotesis = hubunganantara variabel2 dari konstruk2 suatuproposisi. Contoh: Adakorelasikuat/bermakna(r ≥ rmin; rmin = 0.80)antaraMenghafal(variabeldarikonstrukPembelajaran) dan Nilai Blok (variabel dari konstruk Hasil Belajar). Apa akibatnya bila arah korelasi disebutkan/ tidak disebutkan?

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

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

  10. 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

  11. 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.

  12. ValiditasKonstruk– a. Dibandingkandengansuatutolokukuruntukvariabelbiologisataufisik. b. Triangulasiuntukvariabelperilaku melalui pengujian hipotesis2 ttg validitas alat ukur/ cara pengkuruan. Contoh:AnalisisFaktor, Reliabilitas Internal (Crönbach’salpha), konsistensiresponsterhadapitem tertutupdan item terbuka, Validitasdiskriminasi, Validitasprediksi.

  13. 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:

  14. Untuk data skala interval ataurasiobuattabel data danhitung r . • Untuk data skala ordinal buattabel data dengankolomurutdanhitung Spearman rho atau Kendall tau. • Untuk data nominal buattabelsubyekdanhitung phi, C, atau kappa

  15. r yang bermakna r ≥ rmin(koefkorelasiygingindicapai)

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

  17. Φatau C yang bermakna Φ ≥ φmin atau C ≥ C min

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

  19. 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.

  20. 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”) SampelMhs FKG UGM Pop Mhs FKG UGM XXXX R XXXXXXXXXXXX XXXXXXXX XXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXX XXXXXX XXXXXXXXXXXXXXXXXXXXX X XXX R Sampel FKG Pop FKG

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

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

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

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

  25. 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.

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

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

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

  29. 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.

  30. 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.

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

  32. 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

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

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

More Related