Tampilkan postingan dengan label Metode Pengumpulan Data. Tampilkan semua postingan
Tampilkan postingan dengan label Metode Pengumpulan Data. Tampilkan semua postingan

Kisaran Jumlah Sampel yang Dihitung dengan Rumus Slovin

Jumlah sampel dalam suatu penelitian adalah sangat penting dalam arti akan mewakili populasi penelitian atau tidak. Jumlah sampel yang terlalu besar akan merepotkan peneliti, sehingga seringkali menggunakan sampel, atau jumlah yang lebih kecil dari suatu populasi, akan tetapi masih tetap mewakili populasi yang ada. Ini akan berkaitan dengan dua hal yang penting, yaitu jumlah sampel dan siapa subjek yang akan dijadikan sampel.

Dalam hal jumlah sampel, Rumus Slovin telah kami bahas di sini. Rumus tidak akan kami ulang di sini. Kami hanya ingin memberikan jumlah sampel yang dihitung dengan menggunakan Rumus Slovin. Penggunaan Rumus Slovin mengharuskan kita mengetahui jumlah populasi secara pasti (N). Jadi jika jumlah populasi belum diketahui, maka sebaiknya tidak menggunakan Rumus Slovin. Setelah itu kita menentukan margin error yang akan kita gunakan dalam penelitian, bisa 5% atau 10%. Akan tetapi sebenarnya banyak penelitian yang menggunakan margin of error sebesar 2% atau bahkan kurang dari itu. Jika kita berlatih, kita menggunakan 5% tidak apa-apa.

Gambar Simulasi Rumus Slovin

Untuk Rumus Slovin silahkan simak di sini. Dari rumus tersebut, jika kita menggunakan margin of error 5% dan 10% maka jumlah sampel adalah seperti tabel di bawah ini:

Jumlah Sampel Dihitung dengan Rumus Slovin

Jika kita mempunyai populasi 100 maka dengan margin of error 5% kita mempunyai sampel sebanyak 80 dan jika dengan 10% maka sebanyak 50 sampel. Urut ke bawah 200, 300 dan seterusnya sampai dengan 3000 ditampilkan di atas. Tampak bahwa untuk margin of error 10% tidak mencapai 100 sampel meskipun kita mempunyai populasi sebanyak 3000. Kita akan sulit sekali menggunakan Structural Equation Modeling jika kita menggunakan Rumus Slovin dengan margin or error 10%.

Penggunaan margin of error 2% tentunya akan memberikan jumlah sampel yang lebih besar lagi, demikian juga jika menggunakan 1%.

Share:

Cara Menghitung Besaran Sampel dengan Rumus Slovin

Dalam suatu penelitian, sampel penelitian adalah sesuatu hal yang sangat penting dan menentukan jalannya penelitian itu sendiri. Ketika seorang peneliti salah atau kurang tepat dalam menentukan baik jumlah maupun sampel, maka hasil penelitian itu bisa berbeda jauh dengan apa yang diharapkan, atau hipotesis yang dirumuskan. Beberapa kesalahan fatal dalam penentuan sampel telah kami bahas. Kali ini kita akan membahas tentang jumlah sampel dan salah satu metode yang sering dipergunakan dalam penentuan jumlah sampel, yaitu Rumus Slovin.

Sebenarnya persamaan Slovin ini agak kontroversial karena referensi yang ada simpang siur dan agak kurang jelas. Kami juga menemukan bahwa referensi tentang rumus Slovin juga kurang jelas untuk ditelusuri. Tapi entah kenapa sering dipergunakan dalam penelitian skripsi atau tugas akhir. Mungkin karena sederhana, mudah dipergunakan dan jumlahnya juga bisa diperkirakan, kira-kira segitulah....

Rumus Slovin adalah sebagai berikut:


n = Jumlah Sampel
N = Jumlah populasi
e = Margin of Error

Jadi, misalnya populasinya ada 1000 dan margin error diambil 10% maka akan diperoleh jumlah sampel sebanyak:

Jadi kita ambil jumlah sampel sebanyak 91. Ini hanya contoh. Jika kita menggunakan margin of error sebesar 5% maka akan diperoleh sampel sebanyak 286 sampel. Semakin kecil tingkat error yang kita harapkan maka semakin tinggi pula jumlah sampel yang diperlukan. Ini sangat mudah kita terima.

Kita dapat bermain-main sedikit, bahwa dengan menggunakan margin of error 10% maka jumlah sampel tidak akan melebihi 100. Dan jika menggunakan margin of error maka jumlah sampel yang kita peroleh, maksimal sekitar 400 saja. Untuk lebih rinci silahkan simak di kisaran jumlah sampel yang dihitung dengan Rumus Slovin di sini.

Masih banyak metode penentuan jumlah sampel yang lain, misalnya Harry King, Tabel Krecjie atau yang lain. Ini hanya menentukan jumlahnya ya, penting dicatat. Untuk menentukan siapa atau bagian populasi yang mana yang dijadikan sampel, itu menjadi topik tersendiri yang juga sangat penting.

Share:

Kesalahan Fatal dalam Pengambilan Sampel secara Acak (Random Sampling)

Metode Random sampling adalah pengambilan sampel dari suatu populasi dengan memberikan kesempatan yang sama kepada setiap anggota populasi (Wikipedia). Ini sengaja diambil dari wikipedia bukan buku, agar tidak dikutip oleh para netizen. Untuk mengutip, silahkan membuka buku Anda atau di perpustakaan terdekat. Mengapa? Karena artikel di internet memang tidak disarankan untuk dijadikan rujukan definisi. Tapi kurang lebih artinya sama.

Salah Fatal dalam Pengambilan Sampel
Salah Fatal dalam Pengambilan Sampel

Nah, meskipun dikatakan 'ACAK' tetapi tidaklah Acak-acakan dan tetap merupakan suatu metode tertentu yang mengikuti kaidah tertentu. Banyak yang menafsirkan random sampling adalah asal-asalan, ngawur saja, tidak metodik dan lain-lain. Ini salah besar. Coba kita simak simulasi berikut ini:

Laode (bukan nama sebenarnya, hanya ilustrasi, mohon maaf jika ada kesamaan nama) ingin meneliti tentang bursa saham Indonesia, dan memerlukan 100 sampel perusahaan yang terdaftar di BEI (Bursa Efek Indonesia). Dia menyusun sekitar 600-an nama perusahaan berdasarkan abjad, lalu mulai mengambil data rasio keuangan dari perusahaan berdasarkan data base yang dia susun. Nomor 1 perusahaan A diambil datanya. lalu nomor 2 demikian seterusnya. Ketika sampai pada data yang sulit diambil datanya (sumber terlalu tebal atau kurang lengkap) dia segera melewatkan dan mengambil data di urutan bawahnya. Demikian seterusnya sehingga terkumpul 100 perusahaan meskipun dia baru menelusuri sekitar 230 perusahaan


Randi (bukan nama sebenarnya, hanya ilustrasi, mohon maaf jika ada kesamaan nama) juga serupa. Tetapi dia mengumpulkan data perusahaan berdasarkan kategorinya. Lalu mulailah dia ambil data dari atas persis seperti apa yang dilakukan oleh Laode. Dan ketika sampai pada data ke 190 maka dia sudah mendapatkan 100 sampel. 


Dari kedua simulasi di atas, manakah yang sesuai dengan kaidah Random Sampling? Tentu saja. Semuanya tidak sesuai. Kedua contoh di atas lebih sesuai dikatakan (maaf) Ngawur dan sangat tidak terstruktur. 

Dalam kasus yang pertama, maka perusahaan yang kebetulan diawali dengan huruf A sangat mungkin masuk menjadi sampel, tetapi perusahaan yang berawalan huruf Z sangat tidak mungkin menjadi sampel. Berarti tidak semua anggota populasi mempunyai kesempatan atau peluang yang sama untuk menjadi sampel. 

Juga untuk kasus kedua. Dalam hal ini, perusahaan yang masuk kategori Agriculture sangat mungkin menjadi sampel. Tetapi perusahaan yang masuk kategori Property, misalnya, sangat kecil kemungkinan untuk menjadi sampel.

Lalu harus seperti apa?

Untuk kasus yang pertama, kita bisa menggunakan nomor yang melompat sehingga semua perusahaan mungkin bisa menjadi sampel. Misalnya kita lompat 6, maka nomor, 1, lalu, 7 lalu 13 dan seterusnya. Atau kita bisa menggunakan Tabel bilangan acak, tetapi akhir-akhir ini kita bisa menggunakan aplikasi yang berkaitan dengan bilangan acak. Misalnya sampel pertama adalah nomor 1 dalam daftar, lalu sampel kedua bisa nomor 59 lalu ketiga 320 lalu balik ke nomor 7 dan seterusnya. Jadi dengan aplikasi ini, maka setelah kita mengambil 1 buah sampel, maka semua perusahaan yang belum masuk sampel akan diacak sehingga mempunyai kesempatan yang sama untuk menjadi sampel. 

Untuk kasus kedua, kita bisa menggunakan stratified sampling. Artinya, setiap kategori kita ambil jumlah sampelnya agar terwakili. Jumlah sampel pada masing-masing kategori dirancang proporsional dengan jumlah keseluruhan sampel. Nah, nanti di setiap kategori, misalnya ada 40 diambil 6 sampel (ini hanya contoh) maka barulah kita acak 6 dari 40 anggota kategori tersebut. Dengan demikian semua kategori terwakili dan setiap anggota populasi mempunyai kesempatan yang sama untuk menjadi sampel.

Apakah ini penting? IYA. Ini sangat penting. Kesalahan pengambilan sampel berarti kesimpulan akhir bisa missleading. Banyak pertanyaan kenapa kok hasil penelitian saya tidak sesuai teori bla bla....sangat mungkin terjadi karena sampel memang tidak mewakili populasi yang ada karena diambil dengan menggunakan metode Acak (acakan).

Share:

Tipe Data

Sumber data dalam berbagai analisis ekonometrika tergantung kepada ketersediaan data yang layak. Tipe data bukanlah skala pengukuran statistik. Berikut adalah beberapa tipe data dalam analisis empiris (Gujarati, 2004:25-28)

Data time series

Sering disebut juga dengan data runtut waktu yaitu merupakan rangkaian observasi pada suatu nilai yang diambil pada waktu yang berbeda. Data tersebut dapat dikumpulkan secara berkala pada interval waktu tertentu, misalnya harian, mingguan, bulanan, atau tahunan. Meskipun data time series sering digunakan dalam penelitian ekonomi, sebenarnya data time series sering menimbulkan masalah dalam analisisnya, terutama masalah stationary. Secara singkat data yang tidak stasioner adalah data di mana nilai rata-rata dan variansnya tidak sistematis dalam kurun waktu tertentu.
Simulasi Data Panel, Time Series atau Cross Section
Simulasi Data Panel, Time Series atau Cross Section

Data Cross Section

Data cross section adalah data dari satu atau lebih variabel yang dikumpulkan dalam waktu yang sama, misalnya sensus penduduk. Data tipe ini juga mempunyai permasalahan lain yaitu masalah heterogenitas. Misalnya pengukuran data gaji karyawan dari berbagai kota, ada di antaranya yang terlalu tinggi nilainya dan ada di antaranya yang terlalu rendah nilainya.

Pooled Data

Secara sederhana, pooled data adalah kombinasi antara data time series dan data cross section. Contohnya adalah data beberapa rasio keuangan dari beberapa perusahaan dalam rentang beberapa tahun atau periode tertentu.

Data Panel

Data panel adalah bentuk khusus dari pooled data. Data panel juga sering disebut dengan longitudinal atau micropanel data. Tipe data panel adalah pooled data dengan unit cross sectional yang sama, misalnya unit keluarga atau perusahaan.
Share:

Skala Pengukuran Statistik

Ada 4 macam skala pengukuran yaitu: skala nominal, skala ordinal, skala interval dan skala rasio

1. Skala nominal

Adalah skala yang semata-mata hanya untuk memberikan indeks, atau nama saja dan tidak mempunyai makna yang lain. Contoh:

Data
Kode (a)
Kode (b)
Yuni
       1
     4
Desi
       2
     2
Ika
       3
     3
Astuti
       4
     1
Keterangan: Kode 1 sampai dengan 4 (a) semata-mata hanyalah untuk memberi tanda saja, dan tidak dapat dipergunakan sebagai perbandingan antara satu data dengan data yang lain. Kode tersebut dapat saling ditukarkan sesuai dengan keinginan peneliti (menjadi alternatif b) tanpa mempengaruhi apa pun.
Skala Pengukuran Statistik
Skala Pengukuran Statistik


2. Skala ordinal

Adalah skala ranking, di mana kode yang diberikan memberikan urutan tertentu pada data, tetapi tidak menunjukkan selisih yang sama dan tidak ada nol mutlak. Contoh:
Data
Skala Kecantikan (a)
Skala Kecantikan (b)
Yuni
4
10
Desi
3
6
Ika
2
5
Astuti
1
1
Skala kecantikan (a) di atas menunjukkan bahwa Yuni paling cantik (dengan skor tertinggi 4), dan Astuti yang paling tidak cantik dengan skor terendah (1). Akan tetapi, tidak dapat dikatakan bahwa Yuni adalah 4 kali lebih cantik dari pada Astuti. Skor yang lebih tinggi hanya menunjukkan skala pengukuran yang lebih tinggi, tetapi tidak dapat menunjukkan kelipatan. Selain itu, selisih kecantikan antara Yuni dan Desi tidak sama dengan selisih kecantikan antara Desi dan Ika meskipun keduanya mempunyai selisih yang sama (1). Skala kecantikan pada (a) dapat diganti dengan skala kecantikan (b) tanpa mempengaruhi hasil penelitian.

Skala nominal dan skala ordinal biasanya mempergunakan analisis statistik non parametrik, contoh: Korelasi Kendall, Korelasi Rank Spearman, Chi Square dan lain-lain.

3. Skala interval

Skala pengukuran yang mempunyai selisih sama antara satu pengukuran dengan pengukuran yang lain, tetapi tidak memiliki nilai nol mutlak. Contoh:
Data
Nilai Mata Kuliah (a)
Skor Nilai Mata Kuliah (b)
Yuni
A
4
Desi
B
3
Ika
C
2
Astuti
D
1
Tabel di atas menunjukkan bahwa nilai A setara dengan 4, B setara dengan 3, C setara dengan 2 dan D setara dengan 1. Selisih antara nilai A dan B adalah sama dengan selisih antara B dan C dan juga sama persis dengan selisih antara nilai C dan D. Akan tetapi, tidak boleh dikatakan bahwa Yuni adalah empat kali lebih pintar dibandingkan Astuti, atau Ika dua kali lebih pintas dari pada Astuti. Meskipun selisihnya sama, tetapi tidak mempunyai nilai nol mutlak.

4. Skala rasio

Adalah skala pengukuran yang paling tinggi di mana selisih tiap pengukuran adalah sama dan mempunyai nilai nol mutlak. Contoh:
Data
Tinggi Badan
Berat badan
Yuni
170
60
Desi
160
50
Ika
150
40
Astuti
140
30
Tabel di atas adalah menggunakan skala rasio, artinya setiap satuan pengukuran mempunyai satuan yang sama dan mampu mencerminkan kelipatan antara satu pengukuran dengan pengukuran yang lain. Sebagai contoh; Yuni mempunyai berat badan dua kali lipat berat Astuti, atau, Desi mempunyai tinggi 14,29% lebih tinggi dari pada Astuti.

Skala pengukuran interval dan rasio biasanya dikenai alat statistik parametrik.
Share:

Wawancara

Metode pengumpulan data dengan wawancara lebih banyak dilakukan pada penelitian kualitatif dari pada penelitian kuantitatif. Kelebihan metode wawancara adalah peneliti bisa menggali informasi tentang topik penelitian secara mendalam, bahkan bisa mengungkap hal-hal yang mungkin tidak terpikirkan oleh peneliti itu sendiri. Akan tetapi, metode wawancara memerlukan kecakapan peneliti yang lebih dari pada pengumpulan data dengan metode yang lain. Pada penelitian kuantitatif, metode wawancara digunakan untuk melengkapi atau mendukung hasil penelitian, di mana penelitian kuantitatif lebih menekankan pengumpulan data dengan menggunakan metode kuesioner, observasi atau dokumentasi.
Kelebihan metode wawancara adalah peneliti bisa menggali informasi tentang topik penelitian secara mendalam, bahkan bisa mengungkap hal-hal yang mungkin tidak terpikirkan oleh peneliti itu sendiri
Gambar Simulasi Wawancara
Terdapat metode wawancara secara terbuka, yaitu di mana peneliti tidak menggunakan guidance tertentu dalam melakukan wawancara. Jenis ini sering disebut dengan metode tidak terstruktur. Peneliti menanyakan topik awal pada responden, lalu menggali secara mendalam informasi yang ada pada responden tanpa terlalu terikat dengan topik penelitian. Metode ini sering digunakan untuk menentukan judul penelitian, atau pada penelitian kualitatif, di mana peneliti merupakan bagian dari penelitian itu sendiri. Dibutuhkan skill yang tinggi untuk melaksanakan wawancara tidak terstruktur.

Jenis kedua adalah metode semi terstruktur, di mana peneliti mempunyai guidance tentang item apa saja yang akan ditanyakan. Topik yang digali tetap bisa berkembang, akan tetapi peneliti tetap harus memfokuskan pada item yang telah ditentukan sebelumnya.

Jenis ketiga adalah metode terstruktur. Metode ini bisa saja merupakan metode kuesioner, di mana responden mempunyai keterbatasan sehingga tidak mampu melakukan pengisian kuesioner sendiri. Peneliti tinggal menanyakan apa yang ada pada naskah yang telah dipersiapkan sebelumnya. Tidak ada pengembangan informasi yang lebih mendalam pada metode wawancara terstruktur.

Metode mana yang akan dipilih tergantung dari tujuan anda melakukan wawancara. Hal yang penting harus dilakukan sebelum melakukan wawancara adalah mempersiapkan item apa saja yang akan ditanyakan. Anda akan menggali secara mendalam informasi dari responden tanpa terikat dengan tujuan penelitian anda, atau anda akan membatasi topik wawancara hanya sebatas tujuan penelitian yang telah ditetapkan sebelumnya.

Tahapan yang dapat digunakan dalam wawancara adalah:
1. Tentukan jenis wawancara yang akan digunakan. Kalau penelitian kualitatif, sebaiknya gunakan wawancara tidak terstruktur untuk pewawancara yang sudah berpengalaman, atau semi terstruktur untuk pewawancara yang belum berpengalaman.

2. Rencanakan item pertanyaan dengan baik sehingga pelaksanaan akan lebih efisien. Pewawancara harus mengerti tentang topik penelitian dan informasi apa saja yang akan diungkap dari responden.

3. Bagi pewawancara yang belum berpengalaman, tidak ada salahnya untuk melakukan latihan, atau simulasi terlebih dahulu. Bisa juga dengan mengikuti proses wawancara yang dilakukan oleh rekan yang lebih senior.

4. Gunakan sarana semaksimal mungkin sehingga informasi yang ada tidak terlewatkan. Buatlah panduan dengan checklist (seperti metode dokumentasi) atau gunakan alat perekam audio atau video.

5.  Aturlah waktu dengan baik agar pelaksanaan wawancara dapat berjalan dengan efektif dan jika perlu dapat dilakukan tatap muka lebih dari satu kali sesuai dengan keperluan penelitian.
Share:

Jenis Data Penelitian

Berdasarkan cara pengambilannya, data terbagi menjadi beberapa jenis yaitu sebagai berikut:

Data Primer

Adalah data yang diambil dari sumber data secara langsung oleh peneliti atau yang mewakilinya di mana peneliti melakukan pengukuran sendiri. Data tersebut misalnya data kuesioner, data pengukuran tinggi atau berat badan, suhu dan lain-lain, di mana peneliti melakukan pengukuran sendiri. Biasanya, uji validitas dan reliabilitas sangat diperlukan dalam data primer.
data primer adalah data yang diambil secara langsung oleh peneliti, sekunder diambil dari data orang lain (bukan peneliti)
Gambar Simulasi Data Primer dan Sekunder

Data Sekunder

Adalah data yang diambil tidak dari sumber langsung asli. Misalnya data yang diperoleh dari buku, dari suatu dokumen, atau bisa juga dari hasil kuesioner yang telah dilakukan oleh peneliti lain.

Misalnya anda melakukan penelitian tentang rasio-rasio keuangan yang ada di Bursa Efek Indonesia, ya termasuk data sekunder. Meskipun Anda menghitung sendiri rasio keuangan yang diperlukan, tetap saja merupakan data sekunder. Tetapi misalnya anda memberikan kuesioner terhadap direktur pada perusahaan yang terdaftar di Bursa Efek Indonesia, namanya data primer.

Sebenarnya pembagian data ke dalam primer dan sekunder tidak terlalu menjadi kajian penting dalam suatu naskah penelitian. Akan tetapi, kadang-kadang banyak dosen yang mempermasalahkan dan tidak mau memberikan tanda tangannya sebelum di naskah ditambahi keterangan tentang data primer dan sekunder. Tetapi dalam kasus lain, ada juga yang mahasiswanya bener-bener buta. Sehingga ketika ujian ditanya data yang digunakan data apa? Primer atau sekunder? Mahasiswa tersebut tidak bisa menjawab alias bingung. Dalam kasus ini, ya mungkin memang dalam naskah harus dicantumkan pengertian data primer dan data sekunder.
Share:

Metode Pengumpulan Data

Mengumpulkan data memang pekerjaan yang melelahkah dan kadang-kadang sulit. Berjalan dari rumah ke rumah mengadakan interview atau membagi angket, belum lagi kalau satu dua kali datang belum berhasil bertemu dengan orang yang dicari, atau malah dikejar anjing penjaga. Kadang-kadang sampai ke kantor, atau suatu tempat dan disambut dengan dingin, bahkan kadang-kadang raut wajah yang kecut. Pekerjaan seperti ini sering diberikan kepada pembantu-pembantu peneliti yunior, sedangkan para senior cukup membuat desain, menyusun instrumen, mengolah data, dan mengambil kesimpulan. Yang diambil kesimpulannya adalah olahan data yang pengumpulan banyak dipengaruhi oleh faktor siapa yang bertugas mengumpulkan data. Jika pengumpul data melakukan sedikit kesalahan sikap dan interview misalnya, akan mempengaruhi data yang diberikan oleh responden. Kesimpulannya dapat salah. Maka mengumpulkan data merupakan pekerjaan yang penting dalam meneliti. Empat jenis metode pengumpulan data adalah sebagai berikut:
pengumpulan data bisa menggunakan kuesioner, observasi, wawancara dan dokumentasi
Simulasi Orang "Mengumpulkan"

Kuesioner

Data yang diungkap dalam penelitian dapat dibedakan menjadi tiga jenis, yaitu: fakta, pendapat, dan kemampuan. Untuk mengukur ada atau tidaknya serta besarnya kemampuan objek yang diteliti, digunakan tes. Perlu kita pahami bahwa yang dapat dikenai tes bukan hanya manusia. Mesin mobil jika akan diketahui masih baik atau tidak, data kemampuannya seberapa, juga dites dengan alat tertentu. Untuk manusia, instrumen yang berupa tes ini dapat digunakan untuk mengukur kemampuan dasar dan pencapaian atau prestasi.

Sebagian besar penelitian umumnya menggunakan kuesioner sebagai metode yang dipilih untuk mengumpulkan data. Kuesioner atau angket memang mempunyai banyak kebaikan sebagai instrumen pengumpul data. Memang kuesioner baik, asal cara dan pengadaannya mengikuti persyaratan yang telah digariskan dalam penelitian. Sebelum kuesioner disusun, maka harus dilalui prosedur.
1. Merumuskan tujuan yang akan dicapai dengan kuesioner.
2. Mengidentifikasikan variabel yang akan dijadikan sasaran kuesioner.
3. Menjabarkan setiap variabel menjadi sub-variabel yang lebih spesifik dan tunggal.
4. Menentukan jenis data yang akan dikumpulkan, sekaligus untuk menentukan teknik analisisnya.

Penentuan sampel sebagai responden kuesioner perlu mendapat perhatian pula. Apabila salah menentukan sampel, informasi yang kita butuhkan barangkali tidak kita peroleh secara maksimal. Kita ambil contoh, kita ingin mengetahui daya tarik orang terhadap kuesioner. Maka kita mengirimkan ribuan kuesioner kepada responden secara acak melalui buku telepon dan meminta mereka untuk mengembalikan lewat pos berlangganan, jadi responden tidak perlu membeli perangko. Hasilnya dapat ditebak, yaitu bahwa semua responden akan suka dengan kuesioner. Mengapa? Tentu saja, responden yang tidak suka dengan kuesioner akan membuang kuesioner ke tempat sampah atau dijadikan bungkus kacang.

Angket anonim memang ada kebaikannya karena responden bebas mengemukakan pendapat. Akan tetapi penggunaan angket anonim mempunyai beberapa kelemahan pula.

1. Sukar ditelusuri apabila ada kekurangan pengisian yang disebabkan karena responden kurang memahami maksud item.
2. Tidak mungkin mengadakan analisis lebih lanjut apabila peneliti ingin memecah kelompok berdasarkan karakteristik yang diperlukan.

Berbagai penelitian memberikan gambaran hasil bahwa tidak ada perbedaan ketelitian jawaban yang diberikan oleh orang dewasa, baik yang anonim maupun yang bernama. Faktor-faktor yang mempengaruhi perlu tidaknya angket diberi nama adalah:

1. Tingkat kematangan responden.
2. Tingkat subjektivitas item yang menyebabkan responden enggan memberikan jawaban (misalnya gaji untuk pria dan umur untuk wanita).
3. Kemungkinan tentang banyaknya angket.
4. Prosedur (teknik) yang akan diambil pada waktu menganalisis data.

Salah satu kelemahan metode angket adalah bahwa angketnya sukar kembali. Apabila demikian keadaannya maka peneliti sebaiknya mengirim surat kepada responden yang isinya seolah-olah yakin bahwa sebenarnya angketnya akan diisi tetapi belum mempunyai waktu. Surat yang dikirim itu hanya sekadar mengingatkan.

Wawancara

Di samping memerlukan waktu yang cukup lama untuk mengumpulkan data, dengan metode interview peneliti harus memikirkan tentang pelaksanaannya. Memberikan angket kepada responden dan menghendaki jawaban tertulis, lebih mudah jika dibandingkan dengan mengorek jawaban responden dengan bertatap muka.

Sikap pada waktu datang, sikap duduk, kecerahan wajah, tutur kata, keramahan, kesabaran serta keseluruhan penampilan, akan sangat berpengaruh terhadap isi jawaban responden yang diterima oleh peneliti. Oleh sebab itu, maka perlu adanya latihan yang intensif bagi calon interviewer (penginterviu).

1. Agar tidak ada pokok-pokok yang tertinggi.
2. Agar pencatatannya lebih cepat.

Secara garis besar ada dua macam pedoman wawancara :
1. Pedoman wawasan tidak terstruktur, yaitu pedoman wawancara yang hanya memuat garis besar yang akan ditanyakan. Tentu saja kreativitas pewawancara sangat diperlukan, bahkan hasil wawancara dengan jenis pedoman ini lebih banyak tergantung dari pewawancara. Pewawancaralah sebagai pengemudi jawaban responden. Jenis interviu ini cocok untuk penilaian khusus.
2. Pedoman wawancara terstruktur, yaitu pedoman wawancara yang disusun secara terperinci sehingga menyerupai check-list. Pewawancara tinggal membubuhkan tanda Ö (check) pada nomor yang sesuai.

Pedoman wawancara yang banyak digunakan adalah bentuk “semi structured”. Dalam hal ini maka mula-mula interviewer menanyakan serentetan pertanyaan yang sudah terstruktur, kemudian satu per satu diperdalam dalam mengorek keterangan lebih lanjut. Dengan demikian jawaban yang diperoleh bisa meliputi semua variabel, dengan keterangan yang lengkap dan mendalam.

Sebagai contoh misalnya kita akan menyelidiki pengetahuan dan pendapat mahasiswa tentang perguruan tinggi di mana mereka kuliah. Pertama-tama mereka kita tanya tentang tahun berapa masuk, sekarang di tingkat berapa, mengambil mata kuliah apa saja, ekstra kurikuler apa yang diikuti dan sebagainya, kemudian diikuti dengan pertanyaan, antara lain sebagai berikut :
- Pada tahun Saudara masuk, jurusan apa saja yang ada?
- Apakah Saudara lancar menaiki jenjang dari tahun ke tahun?
- Bagaimana sistem penentuan tingkat/sistem kenaikan tingkat?
- Apakah program studi yang diberikan cocok dengan keperluan Saudara jika sudah lulus?

Observasi

Dalam menggunakan metode observasi cara yang paling efektif adalah melengkapinya dengan format atau blangko pengamatan sebagai instrumen. Format yang disusun berisi item-item tentang kejadian atau tingkah laku yang digambarkan akan terjadi. Dari peneliti berpengalaman diperoleh suatu petunjuk bahwa mencatat data observasi bukanlah sekadar mencatat, tetapi juga mengadakan pertimbangan kemudian mengadakan penilaian ke dalam suatu skala bertingkat. Misalnya kita memperhatikan reaksi penonton televisi itu, bukan hanya mencatat bagaimana reaksi itu, dan berapa kali muncul, tetapi juga menilai, reaksi tersebut sangat, kurang, atau tidak sesuai dengan yang kita kehendaki.

Sebagai contoh dapat dikemukakan pengamatan yang dilakukan oleh peneliti untuk mengetahui proses belajar-mengajar di kelas. Variabel yang akan diungkap didaftar, kemudian di tally kemunculannya, dan jika perlu kualitas kejadian itu dijabarkan lebih lanjut.

Dokumentasi

Tidak kalah penting dari metode-metode lain, adalah metode dokumentasi, yaitu mencari data mengenai hal-hal atau variabel yang berupa catatan, transkrip, buku, surat kabar, majalah, prasasti, notulen rapat, lengger, agenda, dan sebagainya. Dibandingkan dengan metode lain, maka metode ini agak tidak begitu sulit, dalam arti apabila ada kekeliruan sumber datanya masih tetap, belum berubah. Dengan metode dokumentasi yang diamati bukan benda hidup tetapi benda mati.

Dalam menggunakan metode dokumentasi ini peneliti memegang check-list untuk mencari variabel yang sudah ditentukan. Apabila terdapat/muncul variabel yang dicari, maka peneliti tinggal membubuhkan tanda check atau tally di tempat yang sesuai. Untuk mencatat hal-hal yang bersifat bebas atau belum ditentukan dalam daftar variabel peneliti dapat menggunakan kalimat bebas.
Share:

Populasi dan Sampel

Populasi

Secara ringkas, populasi penelitian adalah keseluruhan objek penelitian, yaitu a set (or collection) of all elements possessing one or more attributes interests. Jadi setiap anggota populasi harus mempunyai karakteristik tertentu yang sama yang akan diteliti. Contoh populasi penelitian adalah seluruh perusahaan yang terdaftar di Bursa Efek Indonesia pada tahun 2017, atau seluruh karyawan tetap pada perusahaan X, seluruh siswa sekolah X tahun ajaran 2018, atau seluruh pengguna sabun X di Kota Y dan sebagainya.

Hasil penelitian diharapkan dapat mewakili keseluruhan populasi penelitian yang telah ditetapkan di awal penelitian. Berbagai asumsi harus dipenuhi agar hasil penelitian dapat digeneralisasikan terhadap keseluruhan populasi penelitian. Beberapa asumsi statistik yang diperlukan misalnya normalitas data atau uji non response bias.
sampel adalah cuplikan atau sebagai dari populasi yang masih mewakili populasi yang ada
Ilustrasi Sampel adalah cuplikan Populasi
Untuk populasi dengan jumlah anggota populasi yang besar, maka dapat dilakukan penelitian terhadap sebagian dari anggota populasi tersebut, tetapi masih mempunyai ciri atau karakteristik yang mampu mewakili keseluruhan populasi penelitian tersebut. Sebagian anggota populasi tersebut sering disebut sampel yang dipilih atau ditentukan dengan berbagai metode ilmiah yang ada.

Sampel

Sampel adalah sebagian (cuplikan) dari populasi yang masih mempunyai ciri dan karakteristik yang sama dengan populasi dan mampu mewakili keseluruhan populasi penelitian. Sampel dipergunakan ketika jumlah seluruh anggota populasi terlalu banyak sehingga tidak memungkinkan untuk melakukan penelitian terhadap populasi secara keseluruhan, misalnya populasi penelitian adalah masyarakat pada suatu kota tertentu. Sampel juga digunakan ketika jumlah populasi secara keseluruhan tidak dapat ditentukan secara pasti, misalnya populasi pengguna produk tertentu pada suatu kota.

Persyaratan utama adalah bahwa sampel harus mampu mewakili populasi secara keseluruhan. Oleh karena itu, penentuan jumlah sampel dan pengambilan sampel penelitian harus ditentukan secara sistematis agar benar-benar mampu mewakili populasi secara keseluruhan. Secara garis besar, metode penentuan jumlah sampel terdiri dari dua ciri, yaitu metode acak (random sampling) dan tidak acak (non random sampling). Metode acak adalah memberikan kesempatan kepada seluruh populasi penelitian untuk menjadi sampel penelitian tanpa melihat struktur atau karakteristik tertentu. Metode non random sampling dilakukan dengan memberikan kesempatan kepada populasi dengan ciri atau karakteristik tertentu untuk menjadi sampel penelitian, di mana ciri dan karakteristik tersebut harus dikaitkan dengan tujuan penelitian.

Sebagai ilustrasi penelitian dengan tujuan untuk mengetahui pengaruh dari beberapa rasio keuangan terhadap harga saham. Maka beberapa kriteria yang dapat diambil untuk penentuan non random sampling misalnya: Perusahaan tidak mengeluarkan kebijakan selama periode penelitian. Kriteria ini diambil karena kebijakan perusahaan dapat secara langsung merubah harga saham tanpa melihat ada atau tidaknya pengaruh dari rasio keuangan. Kebijakan tersebut misalnya stock split, merger dan akuisisi, right issue atau kebijakan yang lain. Selain itu masih dapat diberikan kriteria-kriteria yang lain yang mendukung pelaksanaan penelitian, misalnya ketersediaan data.
Share:

Artikel Terbaru

Translate

Instagram

Instagram
Gabung Instagram Kami

Artikel Terbaru

Jual Data Laporan Keuangan Perusahaan yang Listing di BEI Tahun 2020

Setiap perusahaan yang telah go public wajib untuk menyerahkan laporan keuangan ke badan otoritas, sebagai salah satu bentuk pertanggungjawa...

Artikel Populer Seminggu Terakhir

Komentar Terbaru

`

Ingin menghubungi kami untuk kerja sama?

Nama

Email *

Pesan *