Bagaimana memilih metode penelitian?
Pekerjaan belum selesai begitu pertanyaan penelitian menjadi jelas; di situlah kemacetan yang sebenarnya dimulai. Panduan ini mengubah pemilihan metode dari soal preferensi menjadi keputusan yang melalui dua saringan: jenis pengetahuan yang dibutuhkan pertanyaan itu, dan struktur data yang tersedia.
Bagaimana memilih metode penelitian?
Metode penelitian tidak dipilih sendiri; pertanyaan penelitian dan struktur data yang memilihnya. Keempat langkah berikut tercantum secara berurutan di bawah ini.
Membalik urutan ini adalah penyebab umum kebuntuan: ketika peneliti memulai dari metode yang sudah dikenalnya, pertanyaan itu menyusut menuju apa pun yang bisa dijawab metode tersebut. Yang muncul adalah analisis yang berjalan sempurna secara teknis tapi tidak menjawab pertanyaan awal.
Setiap langkah mempersempit pilihan untuk langkah berikutnya.
- Persempit pertanyaan menjadi satu kalimat. Kalimat itu harus menyatakan siapa, apa, dalam konteks apa, dan dalam rentang waktu apa.
- Tentukan jenis pengetahuan yang diinginkan pertanyaan itu: prevalensi, relasi, sebab-akibat, makna, peringkat, atau akumulasi bukti yang sudah ada.
- Deskripsikan datanya: jenis skala, jumlah observasi, waktu pengukuran, dan apakah observasi-observasi itu independen satu sama lain.
- Daftarkan desain yang lolos kedua batasan tersebut, pilih satu di antaranya dengan justifikasi berbasis validitas, dan simpan yang tereliminasi beserta alasannya.
Separuh kedua dari langkah keempat paling sering dilewatkan, padahal daftar alternatif yang tereliminasi adalah hal pertama yang ditanyakan penelaah; menyimpannya pada saat keputusan diambil jauh lebih murah daripada merekonstruksinya berbulan-bulan kemudian.
Pilihan itu juga tidak dibuat dalam kekosongan; desain mana yang sudah pernah digunakan untuk pertanyaan yang sama muncul dari tinjauan literatur. Cooper (1988) mengklasifikasikan tinjauan berdasarkan sumbu fokus, tujuan, dan cakupan; Webster dan Watson (2002) merekomendasikan menyusun tinjauan konsep demi konsep, bukan artikel demi artikel.
Apa perbedaan antara metode kuantitatif, kualitatif, dan campuran?
Penelitian kuantitatif menguji relasi dan besaran lewat pengukuran numerik, penelitian kualitatif mendeskripsikan makna dan proses lewat teks dan observasi, dan metode campuran (mixed methods) menggabungkan keduanya dalam satu desain. Perbedaannya sebenarnya bukan pada jenis data, melainkan pada jenis pertanyaan: satu menanyakan seberapa banyak, yang lain menanyakan bagaimana dan dalam pengertian apa (Creswell dan Creswell, 2018).
- Desain kuantitatif: variabel yang bisa diukur, hipotesis yang ditentukan lebih dulu, inferensi statistik. Kategori sudah diketahui sebelum analisis.
- Desain kualitatif: wawancara, observasi, dokumen. Kategori muncul dari data itu sendiri saat analisis.
- Desain campuran: dua jenis bukti digabungkan dalam satu kajian. Jika tahap kualitatif menyiapkan tahap kuantitatif, urutannya eksploratif; jika menjelaskan temuan kuantitatif, urutannya eksplanatori (Creswell dan Creswell, 2018).
Metode campuran bukan dua analisis yang ditumpuk berurutan: jika titik dan aturan penggabungan kedua tahap itu tidak ditulis lebih dulu, kajian itu bukan satu desain, melainkan dua kajian terpisah yang diterbitkan dalam artikel yang sama. Titik penggabungan itu dijelaskan dengan disebut namanya di bagian metode: temuan mana yang memberi masukan ke tahap mana, dan bukti mana yang diprioritaskan saat terjadi konflik.
Bagaimana pertanyaan penelitian menentukan metode?
Pola pertanyaan menentukan desainnya; tabel di bawah menunjukkan enam pola dan keluarga desain yang sesuai dengan masing-masing. Menemukan pola itu mempersempit himpunan pilihan secara signifikan.
| Pola pertanyaan | Apa yang ingin dipelajari | Keluarga desain yang sesuai |
|---|---|---|
| Seberapa banyak, berapa jumlahnya | Prevalensi, distribusi, besaran | Kuantitatif deskriptif: survei cross-sectional, analisis data sekunder |
| Mengapa, karena faktor apa | Relasi, efek, sebab-akibat | Kuantitatif eksplanatori: eksperimen, kuasi-eksperimen, model multivariat |
| Bagaimana, apa artinya | Proses, pengalaman, makna | Kualitatif: wawancara, studi kasus, analisis dokumen |
| Mana yang lebih baik | Memeringkat alternatif berdasarkan banyak kriteria | Pengambilan keputusan multikriteria (Hwang dan Yoon, 1981; Saaty, 1980) |
| Apa yang sudah diketahui | Akumulasi bukti yang sudah ada | Tinjauan sistematis dan meta-analisis (Page dkk., 2021) |
| Apa kata angka, apa kata orang | Membaca dua jenis bukti bersamaan | Metode campuran (Creswell dan Creswell, 2018) |
Tabel ini memperkirakan kecocokannya, bukan mengambil keputusan; lebih dari satu desain bisa tetap berlaku di bawah pola pertanyaan yang sama. Di titik itu eliminasi tidak lagi dilakukan oleh pertanyaan, melainkan oleh batasan data.
Metode mana yang tereliminasi oleh struktur data?
Struktur data adalah saringan kedua yang mengeliminasi pilihan; tabel di bawah menunjukkan bagaimana lima sifat data mempersempit pilihan. Jika observasi-observasi tidak independen satu sama lain, metode yang mengasumsikan independensi tereliminasi sejak awal.
| Sifat data | Bagaimana mempersempit pilihan |
|---|---|
| Jenis skala | Penjumlahan dan perata-rataan tidak terdefinisi untuk pengukuran nominal dan ordinal; metode berbasis rata-rata tidak bisa digunakan pada data jenis ini. |
| Jumlah observasi | Jika jumlah parameter yang harus diestimasi besar dibanding jumlah observasi, model tidak bisa dibangun. Sampel kecil mengeliminasi desain dengan banyak parameter. |
| Cross-sectional atau longitudinal | Data cross-sectional tidak menangkap perubahan sepanjang waktu; pertanyaan yang membutuhkan pengukuran perubahan memerlukan desain longitudinal. |
| Observasi yang saling bergantung | Pengukuran berulang dari orang yang sama, atau observasi yang berasal dari kelas atau institusi yang sama, tidak independen; struktur ini membutuhkan desain multilevel atau pengukuran berulang. |
| Penilaian yang samar dan linguistik | Jika masukannya berupa derajat verbal, bukan angka pasti, kerangka berbasis himpunan fuzzy, yang mengizinkan keanggotaan sebagian, mulai berperan (Zadeh, 1965). |
Saringan ini perlu dijalankan sebelum data dikumpulkan; jika data yang sudah dikumpulkan berada pada jenis skala yang salah, tidak ada jalan kembali, dan satu-satunya pilihan yang tersisa adalah mempersempit pertanyaan. Mengetahui analisis mana yang akan dijalankan saat merancang formulir pengumpulan data adalah pekerjaan yang berbeda dari mencoba menyesuaikan metode dengan data setelahnya.
Apa arti validitas dan reliabilitas?
Reliabilitas adalah sebuah pengukuran yang memberi hasil konsisten ketika diulang dalam kondisi yang sama; validitas adalah sebuah pengukuran yang benar-benar mengukur apa yang dimaksudkan untuk diukur. Sebuah pengukuran bisa reliabel tapi tetap tidak valid (bisa secara konsisten memberi nilai yang salah); ketika instrumen berbeda yang mengukur konstruk yang sama saling konvergen, itu disebut validitas konvergen, dan ketika konstruk yang berbeda berdivergensi, itu disebut validitas diskriminan.
Campbell dan Fiske (1959) mengusulkan matriks multisifat-multimetode (multitrait-multimethod matrix) untuk menguji kedua jenis validitas ini bersamaan: konstruk yang sama diukur dengan metode berbeda, konstruk yang berbeda diukur dengan metode yang sama, dan pola korelasi yang dihasilkan diperiksa. Matriks ini mendasarkan klaim validitas pada sebuah pola, bukan pada satu koefisien tunggal.
Dalam pemilihan metode, konsep-konsep ini bukan hiasan, melainkan kriteria eliminasi: jika kedua desain cocok dengan pertanyaan dan data mendukung keduanya, pilihan dibuat dengan melihat mana yang menutup lebih banyak ancaman terhadap validitas.
- Validitas internal: relasi yang teramati benar-benar berasal dari faktor yang diteliti, bukan dari penjelasan lain.
- Validitas eksternal: temuan itu bisa dibawa keluar dari sampel dan konteksnya.
- Validitas konstruk: instrumen pengukuran merepresentasikan konsepnya. Validitas konvergen dan diskriminan berada di bawah judul ini.
- Reliabilitas: konsistensi pengukuran yang diulang; ini prasyarat validitas tapi tidak menggantikannya.
Bagaimana pemilihan metode dijustifikasi di hadapan penelaah?
Justifikasi terdiri dari tiga bagian: mengapa metode yang dipilih cocok dengan pertanyaan, bagaimana struktur data memenuhi asumsi metode itu, dan mengapa alternatif yang dievaluasi dan tereliminasi itu tereliminasi. Bagian ketiga tidak ada di sebagian besar teks; jika keputusan-keputusan itu sudah tercatat, justifikasinya tidak ditulis belakangan, melainkan ditunjukkan.
- Bangun kaitan antara pertanyaan dan desain dalam satu kalimat: pertanyaan ini menginginkan ini, desain ini menghasilkannya.
- Tuliskan asumsi metode satu per satu dan tunjukkan bagaimana masing-masing terpenuhi dalam data.
- Daftarkan alternatif yang dievaluasi dan alasan eliminasinya; alasan itu sering kali adalah batasan data, dan menuliskannya bukan kelemahan.
- Berikan bukti validitas dan reliabilitas instrumen pengukuran beserta sumbernya.
- Tuliskan langkah analisis, versi yang digunakan, dan parameternya secara cukup rinci agar orang lain bisa mengulanginya.
Kriteria sebenarnya untuk bagian metode adalah reproduksibilitas: peneliti lain yang mengambil data dan langkah yang sama harus bisa mencapai hasil yang sama (Peng, 2011). Prasyaratnya adalah data itu bisa ditemukan, diakses, dioperasikan bersama, dan digunakan kembali (Wilkinson dkk., 2016). Model asal-usul yang mencatat keluaran mana berasal dari masukan dan proses mana membuat jejak ini juga bisa dibawa di sisi mesin (W3C, 2013).
Pada beberapa desain, bentuk justifikasinya juga terikat pada sebuah standar: dalam tinjauan sistematis, cara pelaporan langkah pencarian, penyaringan, dan inklusi didefinisikan butir demi butir (Page dkk., 2021), dan untuk bidang kesehatan kerangka metodologisnya diberikan dalam buku pegangan Cochrane (Higgins dkk.). Jika standar semacam itu ada, bagian metode ditulis mengikuti butir-butirnya, bukan sebagai teks bebas.
Jika sebuah komponen berbantuan kecerdasan buatan digunakan dalam analisis, keterlacakan yang sama diharapkan darinya: bagaimana kumpulan data yang digunakan dikumpulkan dan apa yang direpresentasikannya (Gebru dkk., 2021), serta untuk apa model itu dirancang dan apa batasannya (Mitchell dkk., 2019), harus terdokumentasi.
Apa kesalahan paling umum saat menuliskan pemilihan metode?
Kesalahan paling umum adalah memilih metode sebelum pertanyaan jelas, lalu menulis ulang pertanyaan agar sesuai dengan metode itu. Enam kesalahan umum tercantum di bawah ini.
- Nama metode dikira sebagai justifikasi. Nama itu memberi tahu pembaca apa yang dilakukan, bukan mengapa itu dilakukan.
- Alternatif yang tereliminasi tidak dituliskan. Pembaca menganggap satu-satunya pilihan diambil tanpa pernah dipertimbangkan.
- Asumsi tidak diperiksa. Tabel hasil terlihat benar, tapi kondisi yang mendasarinya tidak pernah diuji.
- Metode campuran diklaim, tapi aturan penggabungannya tidak pernah dituliskan. Dua kajian terpisah berdiri dalam teks yang sama.
- Sampel dan kriteria inklusi dibiarkan samar. Siapa yang diikutkan, siapa yang dikecualikan, dan dengan aturan apa; tanpa ketiganya kajian itu tidak bisa diulang.
- Nama perangkat lunak menggantikan nama metode. Nama sebuah paket bukan justifikasi untuk metode yang dijalankan dengan paket itu.
Kesamaan dari kesalahan-kesalahan ini adalah semuanya muncul pada tahap penulisan, bukan pada saat keputusan diambil: pemilihan metode berlangsung selama berminggu-minggu, tapi bagian metode biasanya ditulis pada minggu terakhir, saat itulah alasan sebuah alternatif tereliminasi sudah terlupakan. Mencatat keputusan beserta alasannya pada saat diambil mengubah pekerjaan tahap penulisan dari mengingat menjadi menyalin.
Alat apa yang menjalankan langkah-langkah ini?
Alur kerja di atas juga berjalan dengan pena dan kertas; yang menjadi sulit adalah ketika jumlah metode bertambah dan justifikasi sebuah keputusan ditanyakan sebulan kemudian. Produk SciMind menargetkan dua titik ini: menemukan metode beserta sumbernya, dan menjaga jejak keputusan yang sudah diambil.
Panduan terkait
Referensi
- Campbell, D. T. dan Fiske, D. W. (1959). Convergent and discriminant validation by the multitrait-multimethod matrix. Psychological Bulletin, 56(2), 81-105.
- Cooper, H. M. (1988). Organizing knowledge syntheses: a taxonomy of literature reviews. Knowledge in Society, 1(1), 104-126.
- Creswell, J. W. dan Creswell, J. D. (2018). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (edisi ke-5). SAGE.
- Gebru, T. dkk. (2021). Datasheets for datasets. Communications of the ACM, 64(12), 86-92.
- Higgins, J. P. T. dkk. (Ed.). Cochrane Handbook for Systematic Reviews of Interventions. Cochrane.
- Hwang, C. L. dan Yoon, K. (1981). Multiple Attribute Decision Making: Methods and Applications. Springer.
- Mitchell, M. dkk. (2019). Model cards for model reporting. FAT* 2019, 220-229.
- Page, M. J. dkk. (2021). The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ, 372, n71.
- Peng, R. D. (2011). Reproducible research in computational science. Science, 334(6060), 1226-1227.
- Saaty, T. L. (1980). The Analytic Hierarchy Process. McGraw-Hill.
- W3C (2013). PROV-DM: The PROV Data Model. W3C Recommendation.
- Webster, J. dan Watson, R. T. (2002). Analyzing the past to prepare for the future: writing a literature review. MIS Quarterly, 26(2), xiii-xxiii.
- Wilkinson, M. D. dkk. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data, 3, 160018.
- Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338-353.
Buat keputusan metode Anda dengan tercatat.
Platform yang dibangun untuk menemukan metode beserta sumbernya, meletakkan alternatif berdampingan, dan menjaga jejak keputusan yang sudah diambil. Tuliskan kepada kami untuk lisensi institusional atau proyek percontohan.