REVIEW JURNAL
A
Step-by-Step Guide to Using Secondary Data for Psychological Research
(Panduan Langkah-Langkah
Menggunakan Data Sekunder untuk Penelitian Psikologis)
Data sekunder dapat
menyediakan sumber daya metodologis yang unik dimana berguna untuk menguji
masalah-masalah psikologis. Pencarian mengenai data sekunder sering dilakukan
bersamaan dengan metode lain, seperti penelitian eksperimental dan klinis,
dengan tujuan untuk memberikan pengujian yang sempurna teerhadap sebuah gagasan
atau fenomena psikologis. Data sekunder bisa sangat berguna untuk peneliti di
segala jenjang karir, termasuk mahasiswa pascasarjana dalam mencari data untuk
topik thesisnya, mahasiswa baru yang mencari data tambahan untuk digunakan
dalam program penelitian mereka, atau peneliti senior yang mencari data untuk
mendapatkan dana hibah untuk penelitiannya.
Menggunakan data sekunder juga
memperkenalkan pandangan multi disiplin kedalam penelitian psikologis, yang
mana itu akan sangat membantu untuk menghindari risiko dalam segala
spesialisasi. Bekerja menggunakan data sekunder juga dapat menyediakan
kesempatan untuk menguji berbagai macam fenomena psikologis dan kesehatan yang
ada di negara lainnya. Menggunakan data sekunder dapat mengurangi biaya dan
waktu yang diperlukan untuk merancang kuisioner, mengumpulkan data, dan
memelihara sekumpulan data kompleks yang besar.
Kerugian dalam memanfaatkan
data sekunder yaitu meliputi ketidakmampuan untuk memilih pertanyaan atau
pengukuran tertentu, serta kurangnya kontrol atas waktu yang tepat dari
pengumpulan data. Meskipun demikian, data sekunder menawarkan keuntungan
berharga yang harus dipertimbangkan. Dibawah ini merupakan panduan
langkah-langkah menggunakan data sekunder dalam suatu program penelitian.
1. Langkah pertama: Mengidentifikasi data sekunder
yang sesuai dengan kebutuhan suatu penelitian
a.
Mencari dataset sekunder
Langkah pertama dalam menggunakan data
sekunder adalah mencari tipe data yang dibutuhkan untuk menjawab pertanyaan
sebuah penelitian dan merencanakan penyusunan data file pribadi. Ini penting
karena untuk mengidentifikasi tujuan utama penelitian karena materi yang ada
dalam tipe data yang dicari akan menggambarkan tipe data yang dibutuhkan
b.
Menentukan target populasi
Ini penting untuk mempertimbangkan
populasi target yang diinginkan ketika memilih data sekunder. Hal ini juga
penting untuk mengidentifikasi “unit analisis” yang tepat dari target populasi
untuk menjawab pertanyaan penelitin terbaik
c.
Menentukan lokasi temporal data
Penggunaan
data sekunder dapat sangat bermanfaat jika ada yang tertarik dalam studi
terhadap suatu peristiwa sejarah yang terjadi selama waktu tertentu
d.
Mendapatkan data dan mengelompokkannya
Hal ini berguna untuk mengidentifikasi
data sekunder yang dipublikasikan oleh peneliti lain yang telah diterbitkan dan
akrab dengan seluk-beluk menggunakan dataset tersebut.
2.
Langkah kedua: Membuat dataset pribadi
a.
Membuat organisasi proyek
Untuk melacak jumlah informasi yang luas
yang dibutuhkan ketika menggunakan data sekunder, sebaiknya buatlah skema organisasi
dari awal proyek.
b.
Membuat variabel ekstraksi
Cara yang baik untuk belajar tentang
luasnya variabel yang tersedia dalam data sekunder adalah dengan mempelajari
jurnal dari orang lain yang telah menggunakan data sekunder, dan hati-hati
untuk membaca dokumentasi data yang termasuk panduan pengguna dan kuisioner
asli yang digunakan untuk mengumpulkan data. Banyak sekali program untuk
mengekstraksi data untuk perangkat lunak statsitik tertentu untuk mengakses
data ynag baru dibuat dan menetapkan nilai-nilai yang hilang kedalam suatu
variabel. Ini juga mungkin diperlukan untuk mengambil data dari gudang data
sekunder dalam sebuah proyek untuk dibahas lagi dalam sebuah penelitian.
c.
Membuat buku yang memuat kode-kode variabel
Dengan struktur yang terorganisir dimana
untuk merekam kemajuan pnelitian dan file data yang berisi varibel yang
menarik, pendokumentasian variabel dalam sebuah dataset sekunder pribadi
seseorang dapat dimulai. Setiap file data harus benar-benar didokumentasikan
dengan memasukkan nama dataset, tanggal dibuat, daftar semua variabel dan kodel
nilai hilang untuk masing-masing variabel yang jelas, dengan disimpannya
kode-kode variabel tersebut membantu tim peneliti menghindari pemalsuan data
dan memastikan bahwa orang lain tidak dapat menirunya
d.
Membuat struktur data sekunder
Beberapa file dapat digabungkan dengan
menggunakan program software statistik, dan jika dataset tersebut disimpan
dalam perangkat lunak yang berbeda-beda, file-file ini dapat diterjemahkan ke
dalam perangkat lunak yang dinginkan dengan menggunakan program transfer
statistic atau dengan mengambil keuntungan dari kemampuan sebagian besar
program perangkat lunak statistik untuk membaca dan menulis file dalam format
lain. Setelah data dalam program perangkat lunak sama, mungkin perlu untuk
mempertahankan dataset tersebut untuk analisis tertentu. Sebagian besar program
perangkat lunak statistik yang umum digunakan memiliki kemampuan untuk
merestrukturisasi atau membentuk kembali sebuah dataset.
e.
Mengatur dataset yang besar
Dengan data sekunder yang besar dan
kompleks, beberapa dataset kemungkinala adalah hasil dari penggabungan variabel
yang sesuai untuk pertanyaan penelitian yang berbeda. Cara yang efisien untuk
mengelola dateset ini adalah untuk membuat folder elektronik yang mewakili
kategori dataset dan menempatkan setiap dataset yang relevan daam folder
tersebut. Ini dimungkinkan untuk memeriksa kesalahan dalam proses coding
dataset.
3.
Langkah ketiga: Membuat variabel-variabel
kebutuhan
a.
Membuat variabel gabungan
Sebuah “index” dapat dibuat untuk mewakili
konstruk yang menarik melalui menghitung berebrapa karakteristik atau dengan
pembuatan variabel yang didasarkan pada data yang tersedia.
b.
Membuat variabel perwakilan
Variabel gabungan menunjukkan bagaimana
penelitian psikologis dapat diperkaya dengan menjelajahi disiplin lintas
konseptual seperti dukungan sosial.
4.
Langkah keempat: Pertimbangan statistik
a.
Missing data
Dataset sekunder, terutama dalam studi
longitudinal, sering memiliki data yang hilang (missing data). Repositori data
sekunder harus memiliki informasi tenatng jumlah dan lokasi dari data yang
hilang di dataset. Meskipun ini adalah masalah yang tidak dapat dihindari,
banyak program perangkat lunak statistic yang umum digunakan menawarkan
berbagai pilihan untuk menangani data yang hilang.
b.
Memasukkan data
Prosedur untuk “imputing” nilai yang
hilang nilai data telah dikembangkan yang menggunakan informasi dari data yang
diamati untuk membuat titik data yang digunakan untuk mengisi nilai-nilai yang
hilang.
c.
Pembobotan survei
Karena
data struktural sering berasal dari survei dengan desain sampling yang
kompleks, ‘bobot’ sering dibuat tersedia untuk pengguna dari dataset. Variabel
menyimpan nilai-nilai bobot untuk kasus-kasus dalam dataset harus
diidentifikasi dan di-download bersama dengan variabel lainnya yang dibutuhkan
untuk proyek penelitian. Program perangkat lunak statistik memungkinkan
penggunaan berbagai bobot yang berbeda saat melakukan analisis deskriptif dan
analisis regresi. Bila menggunakan jenis data sekunder, sangat penting untuk
menjadi lebih tahu dengan jenis bobot yang tersedia dan bagaimana
penggunaannya. Pembobitan dengan peneliti menggunakan kumpulan data sekunder
juga bisa sangat produktif. Statistik adalah sumber daya lain yang sangat baik
untuk bantuan dengan masalah pembobotan.
Berikut adalah lampiran jurnal yang telah di-review:
Tidak ada komentar:
Posting Komentar