Hasil penelitian harus dijelaskan dengan argumen yang dapat diterima. Argumen memungkinkan periset untuk menjelaskan, mengintepretasikan, mempertahankan, menentang dan mencari arti lebih lanjut (Cooper dan Schindler, 2003).
Dua bentuk proses argumentasi yang digunakan dalam riset adalah deduksi dan induksi.
Pendekatan saintifik menggunakan struktur teori untuk membentuk hipotesis dan kemudian menggunakan fakta atau data empiris untuk menguji hipotesis dan untuk mendapatkan kesimpulan atau konsklusi. Proses mengambil kesimpulan melalui pengujian hipotesis dengan menggunakan data empiris disebut sebagai proses deduksi dan metodenya disebut dengan metode deduktif serta riset yang menguji hipotesis disebut riset deduktif.
Deduksi adalah proses pengambilan keputusan berdasarkan hasil analisis data. Urutan proses riset dari pendekatan deduktif adalah:
a. membangun hipotesis berbasis struktur teori
b. mengumpulkan fakta atau data empiris
c. menggunakan data untuk menguji hipotesis
d. mengambil kesimpulan (memeberikan argumen).
Pendekatan naturalis menggunakan data untuk mengambil kesimpulan tanpa menggunakan hipotesis (let the data speak for themselves). Pada pendekatan ini jika hipotesis harus digunakan, umumnya hipotesis dibentuk dari data yang diobservasi dan dikumpulkan terlebih dahulu. Proses pembentukan hipotesis berdasarkan data yang ada dan pengambilan keputusan seperti ini disebut proses induksi dan metodenya disebut metode induktif serta riset disebut riset induktif.
Pendekatan induksi didefinisikan sebagai proses mengambil kesimpulan (atau pembentukan hipotesis) yang didasarkan pada satu atau lebih fakta atau bukti-bukti.
TOPOLOGI DATA
Menurut Webster’s New World Dictionary, data adalah things known or assumed, yang berarti bahwa data itu sesuatu yang diketahui atau dianggap diketahui artinya sesuatu yang sudah terjadi merupakan fakta (bukti), dengan demikian data dianggap mempunyai dua arti:
1. suatu pernyataan (statement) tentang sesuatu yang sudah terjadi akan tetapi belum diketahui (belum dilaporkan), sering disebut sebagai hipotesis.
2. suatu pernyataan tentang sesuatu yang belum terjadi, bisa terjadi bisa juga tidak disebut ramalan (forecasting).
Contoh :
· Seseorang ditanya berapa umurnya, dan menjawab umurnya 40 th à data.
· Kepala BULOG menganggap bahwa persediaan beras cukup à data
Karena anggapan atau asumsi dapat benar dapat juga salah, maka apabila akan dipergunakan untuk membuat keputusan, anggapan yang berupa hipotesa harus diuji terlebih dahulu dengan jalan mengumpulkan data serta menggunakan criteria tertentu.
Suatu riset sering dilakukan untuk menguji hipotesis atau anggapan yang mungkin benar mungkin juga tidak. Angapan yang salah akan menghasilkan keputusan yang salah.
Data dapat memberikan gambaran tentang suatu keadaan atau persoalan. Data penduduk memberikan gambaran tentang suatu keadaan atau persoalan penduduk misalnya tentang jumlahnya, perkembangannya, pendidikannya, penyebarannya menurut daerah, pendapatan yang menggambarkan standart hidup.
Data merupakan alat bagi pengambil keputusan untuk dasar pembuatan keputusan atau pemecahan persoalan. Keputusan yang baik hanya bisa diperoleh dari pengambil keputusan yang baik (jujur, pandai dan berani membuat keputusan yang obyektif), dimana keputusan tersebut didasarkan atas data yang baik.
Data yang baik ialah data yang bisa dipercaya kebenarannya (reliable), tepat waktu dan mencakup ruang lingkup yang luas atau bisa memberikan gambaran tentang suatu masalah secara menyeluruh.
Data berguna untuk:
1. mengetahui atau memperoleh gambaran tentang sesuatu keadaan atau persoalan
2. membuat keputusan atau memecahkan persoalan.
Apa hubungan antara data dan riset?
Riset pada dasarnya adalah usaha mencari data yang akan dipergunakan untuk mengetahui sesuatu atau untuk menguji suatu hipotesa, serta untuk memecahkan suatu persoalan tertentu.
Data adalah bahan baku riset
Data dapat terbagi menjadi beberapa tingkatan yakni data mentah, data diolah dan data hasil analisa. Data hasil analisa mempunyai peringkat paling tinggi Karena langsung dapat digunakan untuk membuat keputusan.
Menurut sifatnya data terbagi menjadi :
1. data kualitatif : yaitu data yang tidak berbentuk angka, misalnya: Jakarta Fair sepi, keamanan mantap, harga stabil, karyawan bersemangat, penjualan menurun dll
2. data kuantitatif : yaitu data yang berbentuk angka,
misalnya hara beras Rp 3000/kg, karyawan yang tidak bersemangat hanya 10%, rata-rata gaji/upah karyawan Rp 1.500.000/bulan, produksi padi mencapai 20 juta ton/bulan.
Menurut sumber, data terbagi menjadi:
1. data internal yaitu data dari dalam suatu organisasi yang menggambarkan keadaan organisasi tersebut.
Misalnya : jumlah karyawan, jumlah modal, jumlah produksi, kebutuhan bahan mentahnya dll.
2. data external yaitu data dari luar suatu organisasi yang dapat menggambarkan factor-faktor yang mungkin mempengaruhi hasil kerja suatu organisasi.
Misalnya daya beli masyarakat mempengaruhi penjualan perusahaan, bantuan luar negri akan mempengaruhi hasil pembangunan suatu negara dll.
Menurut cara memperolehnya data terbagi menjadi:
1. data primer yaitu data yang dikumpulkan sendiri oleh perorangan/suatu organisasi langsung melalui objeknya.
Misalnya Uniliver ingin mengetahui konsumsi margarine blue band langsung menghubungi rumah tangga, BPS untuk memperoleh data harga langsung menghubungi pasar dll
2. data sekunder : yaitu data yang diperoleh dalam bentuk yang sudah berupa publikasi. Data sudah dikumpulkan oleh pihak/instansi lain. Misalnya suatu perusahaan (departemen) ingin mengetahui data penduduk, pendapatan nasional, Indeks harga Konsumen dari BPS, data perbankan dari BI, dll
Menurut waktu pengumpulannya, data terbagi menjadi:
1. Data cross section ialah data yang dikumpulkan pada suatu waktu tertentu (at appoint of time) untuk menggambarkan keadaan & kegiatan pada waktu tersebut.
Analisa yang didasarkan atas data cross section disebut analisa cross section yang sifatnya statis, oleh Karena itu tidak memperhitungkan perubahan–perubahan yang terjadi, yang disebabkan oleh perubahan waktu
2. Data berkala (time series data) adalah data yang dikumpulkan dari waktu ke waktu untuk melihat perkembangan suatu kejadian/kegiatan selama periode tersebut.
Misalnya perkembangan uang beredar, perkembangan harga 9 macam bahan pokok , perkembangan penduduk dll.
Menurut kondisi hubungan/ketergantungan dengan variabel lain, data dikelompokkan menjadi
1. data/variabel terikat : data/variabel yang tergantung pada data variabel lain.
2. data/variabel bebas: data/variabel yang tidak tergantung pada variabel lain.
Misalanya adalah data hasil penjualan suatu produk tergantung oleh harga, promosi, distribusi dan produk itu sendiri. Data hasil penjualan merupakan variabel terikat sedangkan variabel harga, prpmosi, distribusi dan produk itu sendiri adalah variabel bebas.
Data dapat dipisahkan menurut Skala. Skala merupakan suatu prosedur pemberian angka atau symbol lain kepada sejumlah ciri suatu obyek agar dapat menyatakan karakteristik angka pada ciri tersebut. Berdasarkan skala data dapat dipisahkan menjadi:
1. Skala Nominal
Skala yang paling sederhana di mana angka yang diberikan kepada suatu kategori tidak menggambarkan kedudukan kategori tersebut terhadap kategori lainnya tetapi hanya sekadar kode atau label.
Contoh : Jenis kelamin : 1 = pria dan 2 = wanita
Status : 1 = menikah dan 2 = tidak menikah
2. Skala Ordinal
Skala ini mengurutkan data dari tingkat paling rendah ke tingkat paling tinggi atau sebaliknya dengan interval yang tidak harus sama.
Contoh ; Nilai ujian 5 mahasiswa diurutkan dari yang paling besar ke yang paling kecil sbb:
| Nama Mahasiswa | Nilai Ujian | Nilai Prestasi |
| Dania | 95 | A |
| Angga | 78 | B |
| Gagah | 72 | C |
| Robi | 59 | D |
| Ratna | 40 | E |
Merubah nilai ujian ke nilai prestasi, misalnya mempunyai kaidah sebagai berikut:
Jarak antara 85 – 100 adalah A
Jarak antara 76 – 84 adalah B
Jarak antara 68 – 75 adalah C
Jarak antara 56 – 67 adalah D
Jarak antara 0 – 55 adalah E
Kaidah di atas terlihat bahwa jarak interval tiap nilai prestasi bisa tidak sama.
Jika bobot pada skala ordinal tidak diperhatikan, ia akan menjadi skala nominal sehingga dapat disimpulkan bahwa skala ordinal dapat berperan sebagai skala nominal tetapi tidak sebaliknya, skala nominal tidak dapat berperan sebagai skala ordinal.
3. Skala Interval
Skala ini mengurutkan obyek berdasarkan suatu atribut yang memberikan informasi tentang interval antara satu obyek dengan obyek lainnya adalah sama.
Contoh: nilai prestasi yang telah ditransfer dalam bentuk huruf A, B, C, D dan E selanjutnya diberi bobot masing-masing 4, 3, 2, 1 dan 0 sehingga interval A dan C sama dengan interval C dan E atau interval A dan B sama dengan interval D dan E. Tetapi ada ciri lain yaitu tidak adanya titik 0. Misalkan jika bobot A = 4 diubah menjadi A = 0 bukan berarti bahwa nilai prestasi B, C, D dan E juga menjadi 0, tetapi dapat berubah menjadi berturut-turut –1, -2,-3 dan –4.
Jika jarak interval pada skala ini tidak diperhatikan, skala ini bertindak sebagai skala ordinal. Jasi skala interval dapat bertindak sebagai skala ordinal dan skala nominal.
4. Skala Ratio
Skala ini mencakup ketiga skala yang disebutkan di atas ditambah dengan sifat lain yaitu bahwa ukuran ini mempunyai nilai nol. Karena adanya titik 0 inilah maka ukuran rasio dapat dibuat dalam perkalian maupun pembagian. Angka pada skala ini merupakan ukuran yang sebenarnya dari obyek yang diukur.
Contoh Agus Salim dan Budi Wasito adalah dua orang karyawan PT Maju yang masing-masing bergaji Rp 2000.000 dan Rp 5.000.000. Hitungan ukuran rasionya ; gaji Budi Wasito adalah 2,5 kalilipat gaji Agus Salim. Gaji ini mempunyai titik nol (misalnya perusahaan tidak menggaji pegawainya karena bangkrut, artinya kedua karywan bergaji Rp 0).
0 Response to " APA ITU DEDUKSI DAN INDUKSI "
Post a Comment