Kuliah S2 IPK 2014_Rancangan Penelitian_b

Report
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.
• 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.
Jenis Variabel
Perlakuan
Tujuan
Prediktor &
Kriterion
Diamati
V Bebas & V
Terikat
Moderator
V Bebas dimanipulasi, Meneliti korelasi V Bebas V Terikat diamati.
V Terikat (B)
Dikontrol atau
Meneliti A atau B berlaku
diamati
pada siapa atau pada
keadaan apa
Diamati
Meneliti mengapa (why)/
bagaimana (how) A/B
Dikontrol
Menghilangkan pengaruh V
Confounding
Mediator
Confounding
(Moderator
non-spesifik)
Meneliti korelasi Prediktor
– Kriterion (A)
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.
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 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 intrapengumpul 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
r yang
bermakna
r ≥ rmin (koef
korelasi yg ingin
dicapai)
Subyek
Score
Score
Pengamat(an) Pengamat(an) II
I
1
2
3
.
.
.
k
n
Total
Total
rho atau tau
yang
bermakna
ρ ≥ ρmin
τ ≥ τmin
Subyek
1
2
3
.
.
.
k
n
Pengamat(an) I
Score
Order
Pengamat(an) II
Score
Order
Φ atau C yang
bermakna
Φ ≥ φmin atau C ≥ C min
Pengamat(an) II
Pengamat(an) I
Total Subyek
Total Subyek
+
+
a
b
a+b
-
c
d
c+d
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.
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”)
XXXXXXXX
XXXXXXXXXXXXXXXX
XXXXXXXXXXXXXXXXXX
XXXXXXXXXXXXXXXXXX
XXXXXXXXXXXXXXXXXX
XXXXXXXXXXXXXXXXXX
XXXXXXXXXXXXXXXXXX
XXXXXXXXXXXXXXXXXX
Pop FKG
XXXXXXXXX
Pop Mhs
FKG UGM XXXX
XXXX
XXXX
R
R
XX Sampel
XX Mhs FKG
UGM
XXXXXX
XXXXXXX
XXXXXXX
XXXXXXX
XX XX
Sampel FKG
Menghitung r
utk Prediktor
& Kriterion
skala interval
/rasio
Unit
Analisis
Score
Variabel
Prediktor
Score
Variabel
Kriterion
1
2
3
Hipotesis
penelitian
didukung jika
.
.
.
k
r ≥ rmin
n
Total
Total
Menghitung
r bis atau d
utk Variabel
Bebas yg
dimanipulasi
Hipotesis Penelitian
didukung jika
rbis ≥ rbis.min
atau
d ≥ dmin
(d = Mean1 - Mean0)
Kelompok X1
Unit
Score
Ana- Variabel
lisis Terikat
Kelompok X0
Unit
Score
Ana- Variabel
lisis
Terikat
1
2
3
1
2
3
.
.
.
k
k
n
Total
Mean1
Total
Mean0
Menghiung
rho atau tau utk
prediktor & kriterion
skala ordinal
Hipotesis
penelitian
didukung jika
ρ ≥ ρmin
Atau
τ ≥ τmin
Unit
Prediktor
Kriterion
Ana- Score Order Score Order
lisis
1
2
3
.
.
.
k
n
Hipotesis penelitian
didukung jika
Menghitung Φ atau C
utk Prediktor &
Kriterion skala nominal
Φ ≥ φmin &
Kriterion
C ≥ C min
Total
subyek
+
+
a
b
a+b
-
c
d
c+d
a+c
b+d
n = a+b+c+d
Prediktor
Total subyek
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:
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)
b)
c)
d)
e)
f)
g)
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
R
Populasi
R
X1
Sampel
R
X0
• Cara mengendalikan Mortalitas dengan Pre-test
(untuk melihat siapa yang drop-out)
R O X1 O
R O X0 O
• 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.
Validitas external menurun karena ada
kemungkinan
• interaksi antara Pre-test dengan Intervensi
• Interaksi antara Seleksi dengan Intervensi
• Pengaturan2 khusus
V
Pembelajaran
Kompetensi
Klinik
Kurikulum
Klinik
Moderator?
Pembelajaran
di Skills Lab
X
V
V
Keterampilan
anestesi blok
intraoral
V

similar documents