Program Studi Manajemen • FEB

Seminar Manajemen Pemasaran

Pertemuan 11 — Menentukan Sampel dan Metode Pengumpulan Data

Bagian dari Bab 3 proposal skripsi Anda: siapa yang diteliti, berapa banyak, dan bagaimana datanya dikumpulkan.

RPS MINGGU 12 • 2 × 50 MENIT

Bagian 1 dari 3

Populasi & Teknik Sampling

Menentukan siapa yang diteliti dan bagaimana memilihnya secara ilmiah.

Tujuan Pembelajaran Hari Ini

Setelah pertemuan ini, Anda diharapkan mampu menentukan sampel dan metode pengumpulan data untuk proposal Bab 3 Anda. Secara rinci:

CAPAIAN 1

POPULASI

Membedakan populasi (seluruh unit yang jadi target) dan sampel (bagian yang benar-benar diteliti).

CAPAIAN 2

TEKNIK

Memilih teknik probability atau non-probability sampling yang sesuai desain penelitian.

CAPAIAN 3

UKURAN

Menghitung ukuran sampel memakai rumus Slovin dan mengalokasikannya ke sub-kelompok.

CAPAIAN 4

INSTRUMEN

Merancang metode pengumpulan data (kuesioner, wawancara, observasi) yang valid dan reliabel.

Mengapa Ini Sering Jadi Sasaran Pertanyaan Penguji?

Bagian metode adalah tempat proposal paling sering "digugurkan" saat sidang — bukan karena idenya buruk, tapi karena sampelnya tidak bisa dipertanggungjawabkan.

Kesalahan umum: mahasiswa menyebar kuesioner ke "siapa saja yang ditemui" di kampus lalu mengklaim hasilnya mewakili seluruh konsumen Indonesia.

Contoh nyata: survei kepuasan pelanggan Indomaret perlu menentukan dulu populasinya — pelanggan di gerai mana, periode kapan — sebelum menghitung berapa orang yang harus diwawancarai.

Penguji akan bertanya: "Kenapa sampel Anda segitu?" dan "Kenapa pakai teknik ini, bukan teknik lain?" — dua pertanyaan yang akan bisa Anda jawab lugas setelah pertemuan ini.

Mari kita jujur: bagian metode penelitian adalah titik paling rawan saat sidang proposal, karena penguji tahu persis di mana letak kelemahan metodologis mahasiswa. Kesalahan yang paling sering saya temui adalah mahasiswa menyebar kuesioner secara asal ke teman sekelas atau pengunjung mal terdekat, lalu menyimpulkan hasilnya berlaku untuk seluruh konsumen Indonesia — ini disebut generalisasi berlebihan dan akan langsung dikritik penguji. Contohnya, kalau Anda meneliti kepuasan pelanggan Indomaret, Anda harus jelas dulu populasinya itu pelanggan gerai mana, pada periode kapan, baru kemudian menghitung berapa orang yang representatif untuk diwawancarai. Setelah pertemuan ini, Anda akan mampu menjawab dengan percaya diri ketika penguji bertanya mengapa ukuran sampel Anda sekian dan mengapa Anda memilih teknik sampling tertentu, bukan asal-asalan.

Populasi vs Sampel: Dua Konsep Kunci

Populasi (Population)

Keseluruhan unit (orang, transaksi, perusahaan) yang menjadi target kesimpulan penelitian Anda.

Contoh: seluruh pelanggan aktif Tokopedia di Semarang.
Harus dibatasi jelas: siapa, di mana, kapan.

Sampel (Sample)

Bagian populasi yang benar-benar diteliti karena meneliti semua tidak efisien secara waktu dan biaya.

Diambil lewat sampling frame — daftar/kerangka unit populasi yang bisa diakses.
Harus representatif agar kesimpulan bisa digeneralisasi.

Prinsip inti: sampel yang baik membuat kesimpulan dari sebagian kecil orang tetap sah untuk seluruh populasi.

Populasi adalah keseluruhan unit yang ingin Anda simpulkan, misalnya seluruh pelanggan aktif Tokopedia di Kota Semarang selama tahun berjalan — batasannya harus jelas mengenai siapa, di mana, dan kapan, karena batasan inilah yang menentukan sah tidaknya generalisasi Anda nanti. Sampel adalah bagian dari populasi itu yang benar-benar Anda teliti, karena mewawancarai atau menyurvei seluruh populasi biasanya mustahil dari sisi waktu dan biaya bagi mahasiswa. Untuk mengambil sampel, Anda memerlukan sampling frame, yaitu daftar konkret unit populasi yang bisa Anda akses, misalnya daftar member suatu aplikasi atau daftar pelanggan terdaftar sebuah toko. Prinsip yang harus Anda pegang adalah sampel yang representatif memungkinkan kesimpulan dari sebagian kecil orang tetap berlaku sah untuk keseluruhan populasi — inilah inti dari generalisasi statistik.

Coba Sendiri: Bandingkan Populasi dan Sampel

Ubah ukuran populasi dan sampel, lalu amati bagaimana representasi visual keduanya berubah dan mengapa sampel yang terlalu kecil berisiko.

Peta Besar Teknik Sampling

Dua keluarga besar teknik pengambilan sampel — pilihannya menentukan seberapa jauh hasil bisa digeneralisasi.

Probability Sampling: Empat Teknik Utama

SIMPLE RANDOM

ACAK SEDERHANA

Semua unit populasi diundi dengan peluang sama, mis. mengocok daftar 250 pelanggan lalu memilih 154 secara acak.

STRATIFIED

STRATIFIKASI

Populasi dibagi menjadi strata (kelompok, mis. per cabang toko) lalu diambil sampel dari tiap strata secara proporsional.

CLUSTER

KLASTER

Populasi dibagi menjadi klaster (mis. per kecamatan), lalu beberapa klaster dipilih acak dan diteliti seluruhnya.

SYSTEMATIC

SISTEMATIK

Memilih unit ke-k dari daftar, mis. tiap pelanggan urutan ke-5 dalam daftar transaksi.

Simple random sampling adalah teknik paling dasar: bayangkan Anda punya daftar 250 pelanggan sebuah toko online, lalu Anda mengocok nama-nama itu dan memilih sejumlah nama secara acak murni, seperti undian arisan. Stratified sampling cocok kalau populasi Anda punya kelompok yang berbeda karakteristik, misalnya pelanggan di tiga cabang berbeda — Anda ambil sampel dari tiap cabang secara proporsional supaya semua kelompok terwakili, dan ini akan kita hitung detail di slide berikutnya. Cluster sampling berguna kalau populasi tersebar luas secara geografis, misalnya penelitian di seluruh kecamatan Kota Semarang — daripada mendata semua kecamatan, Anda pilih beberapa kecamatan secara acak lalu teliti semua unit di kecamatan terpilih itu. Systematic sampling praktis dipakai kalau Anda punya daftar urut, misalnya daftar transaksi harian, lalu Anda ambil setiap pelanggan urutan kelima sampai jumlah sampel tercapai.

Non-Probability Sampling: Empat Teknik Umum

PURPOSIVE

PURPOSIF

Responden dipilih sengaja karena memenuhi kriteria tertentu, mis. hanya konsumen yang pernah membeli produk skincare lokal.

CONVENIENCE

KEMUDAHAN

Responden diambil karena mudah diakses (mis. teman kuliah) — cepat, tapi rawan bias dan generalisasi terbatas.

SNOWBALL

BOLA SALJU

Responden pertama merekomendasikan responden berikutnya — cocok untuk populasi khusus/sulit dijangkau (mis. reseller UMKM).

QUOTA

KUOTA

Menetapkan jatah jumlah per kategori (mis. 50 pria, 50 wanita) tanpa proses acak dalam pemilihannya.

Non-probability lazim dipakai skripsi karena praktis — tapi WAJIB dijustifikasi di proposal dan disebut sebagai keterbatasan penelitian.

Purposive sampling artinya Anda sengaja memilih responden yang memenuhi kriteria spesifik penelitian, misalnya hanya konsumen yang pernah membeli produk skincare buatan UMKM lokal dalam enam bulan terakhir — teknik ini paling umum dipakai di skripsi pemasaran karena Anda memang butuh responden dengan pengalaman tertentu. Convenience sampling berarti Anda mengambil siapa saja yang mudah dijangkau, misalnya teman sekelas atau pengunjung kafe terdekat — cepat dan murah, tapi risikonya hasilnya bisa bias dan sulit digeneralisasi ke populasi luas. Snowball sampling cocok untuk populasi yang sulit diidentifikasi, misalnya reseller UMKM di marketplace, di mana responden pertama akan merekomendasikan responden berikutnya yang memiliki karakteristik serupa. Quota sampling menetapkan jatah per kategori, misalnya lima puluh responden pria dan lima puluh wanita, tanpa proses acak — apa pun teknik non-probability yang Anda pilih, Anda wajib menjustifikasinya di proposal dan mengakuinya sebagai keterbatasan penelitian saat pembahasan.

Hitung dari Nol: Rumus Slovin

Kasus: populasi pelanggan sebuah waralaba minimarket di Kota Semarang berjumlah N = 250 orang, dengan margin of error (batas toleransi kesalahan) e = 5%.

n = N ÷ (1 + N × e²)

Langkah	Perhitungan	Nilai
1. Kuadratkan margin of error	e² = 0,05 × 0,05	0,0025
2. Kalikan dengan populasi	N × e² = 250 × 0,0025	0,625
3. Tambahkan 1 pada penyebut	1 + 0,625	1,625
4. Bagi populasi dengan penyebut	250 ÷ 1,625	153,85

UKURAN SAMPEL (DIBULATKAN KE ATAS)

n = 154 responden

Mari kita hitung bersama-sama, langkah demi langkah, memakai kasus riil: Anda meneliti kepuasan pelanggan sebuah waralaba minimarket di Semarang dengan populasi diketahui berjumlah dua ratus lima puluh orang, dan Anda menetapkan margin of error atau batas toleransi kesalahan sebesar lima persen, angka yang lazim dipakai di penelitian sosial. Langkah pertama, kuadratkan margin of error itu: nol koma nol lima dikali nol koma nol lima menghasilkan nol koma nol nol dua lima. Langkah kedua, kalikan hasil itu dengan jumlah populasi: dua ratus lima puluh dikali nol koma nol nol dua lima sama dengan nol koma enam dua lima. Langkah ketiga, tambahkan satu ke angka itu sehingga menjadi satu koma enam dua lima, lalu langkah terakhir, bagi populasi dua ratus lima puluh dengan angka tersebut, hasilnya seratus lima puluh tiga koma delapan lima, yang kita bulatkan ke atas menjadi seratus lima puluh empat responden — inilah ukuran sampel minimum yang harus Anda kumpulkan.

Coba Sendiri: Hitung Ukuran Sampel Slovin Anda

Ubah jumlah populasi dan margin of error sesuai kasus Anda, lalu amati bagaimana ukuran sampel minimal ikut berubah.

Hitung dari Nol: Alokasi Sampel Stratifikasi Proporsional

Populasi N = 250 tersebar di 3 cabang (strata): Cabang A = 100, Cabang B = 80, Cabang C = 70. Total sampel n = 154 (dari slide sebelumnya) dialokasikan proporsional.

n_strata = (N_strata ÷ N) × n

Langkah	Perhitungan	Nilai
1. Cabang A (proporsi 100/250)	(100 ÷ 250) × 154	61,6 ≈ 62
2. Cabang B (proporsi 80/250)	(80 ÷ 250) × 154	49,28 ≈ 49
3. Cabang C (proporsi 70/250)	(70 ÷ 250) × 154	43,12 ≈ 43
4. Verifikasi total	62 + 49 + 43	154 ✓

HASIL ALOKASI

62 + 49 + 43 = 154

Setelah mendapatkan ukuran sampel total seratus lima puluh empat, langkah berikutnya kalau populasi Anda tidak homogen adalah membaginya proporsional ke tiap strata, dalam kasus ini tiga cabang minimarket dengan jumlah pelanggan berbeda. Untuk Cabang A yang memiliki seratus dari dua ratus lima puluh total pelanggan, kita hitung proporsinya dikali total sampel: seratus dibagi dua ratus lima puluh dikali seratus lima puluh empat sama dengan enam puluh satu koma enam, dibulatkan menjadi enam puluh dua responden. Cabang B dengan delapan puluh pelanggan menghasilkan empat puluh sembilan koma dua delapan, dibulatkan empat puluh sembilan, dan Cabang C dengan tujuh puluh pelanggan menghasilkan empat puluh tiga koma satu dua, dibulatkan empat puluh tiga. Sebagai langkah verifikasi wajib, jumlahkan ketiganya — enam puluh dua tambah empat puluh sembilan tambah empat puluh tiga harus kembali sama dengan seratus lima puluh empat, dan kalau tidak sama, berarti ada kesalahan pembulatan yang perlu Anda periksa ulang sebelum menuliskannya di proposal.

Bagian 2 dari 3

Metode Pengumpulan Data

Setelah tahu siapa dan berapa banyak respondennya, sekarang: bagaimana datanya dikumpulkan?

Data Primer vs Data Sekunder

Skripsi pemasaran biasanya kombinasi keduanya: data sekunder (mis. laporan penjualan BPS/perusahaan) untuk latar belakang, data primer (kuesioner) untuk menguji hipotesis.

Data primer adalah data yang Anda kumpulkan sendiri langsung dari sumbernya untuk menjawab pertanyaan penelitian Anda secara spesifik, misalnya melalui kuesioner, wawancara, atau observasi langsung ke lapangan — kelebihannya sangat sesuai kebutuhan Anda, tapi butuh waktu dan biaya lebih besar untuk mengumpulkannya. Data sekunder adalah data yang sudah tersedia dan dikumpulkan pihak lain sebelumnya, misalnya laporan Badan Pusat Statistik, laporan tahunan perusahaan Tbk yang terdaftar di Bursa Efek Indonesia, atau publikasi riset terdahulu — cepat dan murah didapat, tapi belum tentu persis cocok dengan variabel yang Anda teliti. Dalam praktiknya, skripsi pemasaran hampir selalu memakai kombinasi keduanya: data sekunder untuk membangun latar belakang masalah dan gambaran industri di Bab 1, sementara data primer dari kuesioner dipakai untuk menguji hipotesis di Bab 4. Pastikan Anda menyebutkan secara eksplisit di proposal, data mana yang primer dan mana yang sekunder, karena penguji akan menanyakan hal ini.

Kuesioner dan Skala Likert

Metode paling umum di skripsi pemasaran kuantitatif: daftar pernyataan tertutup yang diukur dengan skala Likert (skala sikap 1–5 dari "sangat tidak setuju" sampai "sangat setuju").

Contoh Item Kuesioner — Variabel "Minat Beli"

Pernyataan	STS (1)	N (3)	SS (5)
Saya berminat membeli produk ini dalam waktu dekat.	□	□	□
Saya akan merekomendasikan produk ini ke orang lain.	□	□	□

Setiap indikator (dari pertemuan minggu lalu) diturunkan menjadi 1–2 item pernyataan — jangan mencampur satu item untuk dua indikator sekaligus.

Kuesioner adalah metode paling umum dipakai di skripsi pemasaran kuantitatif karena efisien menjangkau banyak responden sekaligus datanya mudah diolah secara statistik. Skala Likert adalah skala sikap dari angka satu sampai lima, mulai dari "sangat tidak setuju" hingga "sangat setuju", yang mengubah persepsi subjektif responden menjadi angka yang bisa dianalisis. Perhatikan contoh di slide ini: variabel minat beli yang minggu lalu sudah Anda turunkan menjadi beberapa indikator, sekarang setiap indikator itu dijabarkan menjadi satu atau dua item pernyataan konkret dalam kuesioner. Hindari kesalahan umum mencampur dua indikator dalam satu pernyataan, misalnya menggabungkan "saya berminat membeli dan merekomendasikan" dalam satu kalimat, karena ini akan membingungkan responden dan merusak validitas pengukuran Anda.

Wawancara dan Observasi

Wawancara (Interview)

Terstruktur: pertanyaan baku, cocok kombinasi dengan kuesioner.
Semi-terstruktur: ada panduan tapi fleksibel menggali lebih dalam.
Cocok untuk penelitian kualitatif/eksploratif, mis. menggali alasan konsumen enggan belanja online.

Observasi

Mengamati perilaku nyata, mis. pola antre kasir minimarket, waktu tinggal (dwell time) di toko.
Kelebihan: data perilaku aktual, bukan sekadar pengakuan responden.
Keterbatasan: butuh waktu di lapangan & tak bisa ungkap motif/alasan.

Wawancara terstruktur memakai pertanyaan yang sudah dibakukan sebelumnya, biasanya dipakai sebagai pelengkap kuesioner untuk memperkuat data kuantitatif, sedangkan wawancara semi-terstruktur memberi Anda panduan pertanyaan tapi tetap fleksibel menggali jawaban lebih dalam, cocok kalau Anda ingin memahami alasan di balik keengganan konsumen berbelanja secara daring misalnya. Observasi berarti Anda mengamati langsung perilaku nyata di lapangan tanpa bertanya, misalnya mengamati pola antrean di kasir minimarket atau berapa lama pengunjung menghabiskan waktu di sebuah toko, yang dalam istilah pemasaran disebut dwell time. Kelebihan observasi adalah Anda mendapat data perilaku aktual, bukan sekadar apa yang diakui responden dalam kuesioner yang kadang berbeda dengan kenyataan. Namun keterbatasannya, observasi butuh waktu cukup lama di lapangan dan tidak bisa mengungkap motif atau alasan psikologis di balik perilaku yang Anda amati, sehingga sering dikombinasikan dengan wawancara.

Validitas dan Reliabilitas Instrumen

VALIDITAS

TEPAT UKUR

Instrumen benar-benar mengukur apa yang seharusnya diukur. Diuji dengan korelasi item-total (uji validitas per item pernyataan).

RELIABILITAS

KONSISTEN

Instrumen memberi hasil yang konsisten bila diulang. Diuji dengan Cronbach's Alpha (koefisien konsistensi internal, nilai layak ≥ 0,70).

Analogi timbangan: valid = timbangan menunjukkan berat badan yang benar; reliabel = timbangan menunjukkan angka yang sama tiap kali Anda menimbang berat badan yang sama.

Validitas berarti instrumen Anda benar-benar mengukur apa yang seharusnya diukur — kalau kuesioner Anda dimaksudkan mengukur minat beli, pertanyaannya harus betul-betul menangkap minat beli, bukan variabel lain seperti kepuasan. Validitas biasanya diuji dengan korelasi item-total, yaitu menghubungkan skor tiap item pernyataan dengan skor total variabelnya untuk memastikan item itu benar-benar mengukur konstruk yang sama. Reliabilitas berarti instrumen memberi hasil yang konsisten kalau diulang pada kondisi yang sama, dan diuji dengan Cronbach's Alpha, sebuah koefisien konsistensi internal yang nilainya dianggap layak jika mencapai minimal nol koma tujuh puluh. Pakai analogi timbangan badan: instrumen yang valid akan menunjukkan berat badan Anda yang sebenarnya, sedangkan instrumen yang reliabel akan menunjukkan angka yang sama setiap kali Anda menimbang berat badan yang sama — keduanya penting dan harus dipenuhi bersamaan.

Uji Coba Instrumen: Pilot Test

Sebelum kuesioner disebar ke seluruh sampel (mis. 154 responden), uji coba dulu ke kelompok kecil.

LANGKAH 1

30 RESPONDEN

Sebar kuesioner ke ±30 orang yang mirip karakteristik sampel utama (bukan bagian dari 154 responden final).

LANGKAH 2

UJI STATISTIK

Hitung validitas item & Cronbach's Alpha dari data pilot menggunakan SPSS/JASP.

LANGKAH 3

REVISI ITEM

Buang/perbaiki item yang tidak valid atau membingungkan sebelum disebar ke sampel penuh.

Pilot test adalah uji coba instrumen dalam skala kecil sebelum Anda menyebarkannya ke seluruh sampel utama, dan langkah ini sering dilewatkan mahasiswa padahal sangat penting untuk menghindari kuesioner bermasalah baru ketahuan setelah seratus lima puluh empat data terlanjur terkumpul. Langkah pertama, sebarkan kuesioner ke sekitar tiga puluh responden yang karakteristiknya mirip dengan sampel utama, namun bukan bagian dari responden final Anda supaya tidak tumpang tindih. Langkah kedua, hitung validitas tiap item dan Cronbach's Alpha dari data pilot ini memakai perangkat lunak seperti SPSS atau JASP, untuk memastikan instrumen sudah layak pakai. Langkah ketiga, revisi atau buang item pernyataan yang ternyata tidak valid atau membingungkan responden, sebelum akhirnya kuesioner versi final disebar ke seluruh seratus lima puluh empat responden yang sudah kita hitung sebelumnya.

Bagian 3 dari 3

Menerapkan pada Proposal Anda

Merangkai populasi, sampel, dan metode pengumpulan data menjadi satu subbab Bab 3 yang utuh.

Studi Kasus Terintegrasi: Merangkai Bab 3

Topik: "Pengaruh Kualitas Layanan terhadap Minat Beli Ulang di Marketplace X"

Tahap	Keputusan yang Ditulis di Proposal
1. Populasi	Seluruh pengguna aktif Marketplace X di Kota Semarang yang pernah bertransaksi ≥ 1 kali dalam 6 bulan terakhir.
2. Teknik sampling	Purposive sampling (non-probability) — kriteria: pernah bertransaksi, berusia 18–40 tahun.
3. Ukuran sampel	Rumus Slovin, N (estimasi populasi) & e = 5% → n dihitung & dibulatkan.
4. Metode pengumpulan	Kuesioner daring (Google Form) skala Likert 1–5, disebar via grup pengguna marketplace.
5. Uji instrumen	Pilot test ke 30 responden → uji validitas & Cronbach's Alpha → revisi → sebar penuh.

Mari kita lihat bagaimana seluruh konsep hari ini dirangkai menjadi satu subbab metode penelitian yang utuh dan koheren, memakai contoh topik pengaruh kualitas layanan terhadap minat beli ulang di sebuah marketplace. Tahap pertama, Anda mendefinisikan populasi secara spesifik: seluruh pengguna aktif marketplace tersebut di Kota Semarang yang pernah bertransaksi minimal satu kali dalam enam bulan terakhir — batasan ini penting supaya jelas siapa yang dimaksud. Tahap kedua sampai keempat, Anda memilih teknik sampling purposive karena Anda butuh responden dengan kriteria spesifik, menghitung ukuran sampel dengan rumus Slovin seperti yang tadi kita praktikkan, lalu menentukan metode pengumpulan data lewat kuesioner daring dengan skala Likert yang disebar di grup pengguna marketplace. Tahap terakhir, jangan lupa mencantumkan rencana pilot test ke tiga puluh responden sebelum penyebaran penuh — kelima tahap ini, kalau ditulis runtut dan konsisten seperti ini, akan membuat subbab metode penelitian Anda meyakinkan di mata penguji proposal.

Latihan: Terapkan pada Topik Skripsi Anda

Kerjakan dalam 15 menit, lalu 2–3 mahasiswa diminta presentasi singkat ke kelas.

Instruksi

Tuliskan populasi penelitian Anda secara spesifik (siapa, di mana, kapan).
Pilih teknik sampling (probability/non-probability) & jelaskan alasannya.
Estimasi N (jumlah populasi, boleh perkiraan) & hitung n pakai rumus Slovin (e = 5% atau 10%).
Tentukan metode pengumpulan data (kuesioner/wawancara/observasi) yang paling sesuai.

Simpan hasilnya — ini akan menjadi draf awal subbab "Populasi dan Sampel" di Bab 3 proposal Anda.

Sekarang giliran Anda mempraktikkan langsung apa yang sudah kita pelajari hari ini pada topik skripsi masing-masing, jadi silakan keluarkan draf judul dan variabel penelitian Anda dari pertemuan-pertemuan sebelumnya. Anda diberi waktu lima belas menit untuk menuliskan empat hal: populasi penelitian Anda secara spesifik, teknik sampling yang dipilih beserta alasannya, estimasi ukuran populasi dan hasil perhitungan ukuran sampel memakai rumus Slovin, serta metode pengumpulan data yang paling cocok untuk topik Anda. Setelah waktu habis, saya akan meminta dua atau tiga mahasiswa secara acak mempresentasikan hasilnya secara singkat di depan kelas supaya kita bisa saling memberi masukan. Simpan baik-baik hasil latihan ini karena inilah cikal bakal draf subbab populasi dan sampel yang akan Anda kembangkan menjadi Bab 3 proposal skripsi Anda.

Rangkuman & Persiapan Pertemuan Berikutnya

Cheat Sheet Hari Ini

Populasi = keseluruhan; sampel = bagian yang diteliti.
Probability sampling → bisa digeneralisasi; non-probability → praktis, harus dijustifikasi.
Ukuran sampel: n = N ÷ (1 + N×e²) (Slovin).
Instrumen wajib valid (tepat ukur) & reliabel (konsisten) — uji lewat pilot test.

TUGAS SEBELUM P12

SUBBAB SIAP

Finalisasi subbab populasi, sampel, dan metode pengumpulan data Anda dari latihan tadi, siap digabung ke draf Bab 1–3 minggu depan.

Pertemuan 12: menyusun draf proposal lengkap Bab 1–3 — bawa semua subbab yang sudah Anda kerjakan sejak Pertemuan 3.

Sebagai rangkuman, hari ini Anda telah belajar membedakan populasi dan sampel, memilih antara teknik probability dan non-probability sampling sesuai kebutuhan penelitian, menghitung ukuran sampel secara matematis memakai rumus Slovin, serta merancang instrumen pengumpulan data yang valid dan reliabel lewat pilot test. Sebagai tugas sebelum pertemuan berikutnya, silakan finalisasi subbab populasi, sampel, dan metode pengumpulan data yang tadi Anda kerjakan di kelas, lengkapi dengan angka dan justifikasi yang jelas. Pertemuan depan, Pertemuan 12, kita akan menyusun draf proposal lengkap Bab 1 sampai Bab 3 dengan menggabungkan semua subbab yang telah Anda susun sejak Pertemuan 3 — jadi pastikan semua tugas mingguan Anda sudah rapi dan terkumpul. Kalau ada bagian yang masih membingungkan hari ini, silakan konsultasikan di jam bimbingan sebelum pertemuan berikutnya supaya proposal Anda solid sebelum masuk tahap presentasi.