Skip to content
Kembali ke hasil pencarian

Riset Deskriptif — Desain Riset Deskriptif

Diperkenalkan oleh
Francis Galton, Karl Pearson (early empirical tradition); formalized in social science by Fred Kerlinger
Tahun
Late 19th century; formalized in social/behavioral sciences ~1960s–1980s
Jenis
Non-experimental quantitative research design
Keluarga
Survey / observational design

Teks ini adalah terjemahan mesin dan belum ditinjau. Baca versi asli dalam bahasa Inggris

Ukuran huruf

Apa fungsinya?

Riset deskriptif adalah desain kuantitatif non-eksperimental yang secara sistematis mendokumentasikan karakteristik, frekuensi, atau distribusi variabel dalam populasi yang terdefinisi pada titik waktu tertentu.

Riset ini menjawab pertanyaan 'apa adanya' — siapa, apa, kapan, di mana, dan berapa banyak — tanpa memanipulasi variabel atau menarik kesimpulan kausal. Riset ini merupakan salah satu desain riset yang paling banyak digunakan di ilmu sosial, perilaku, kesehatan, dan pendidikan.

Intuisi di balik metode

Bayangkan sensus: sensus tidak memanipulasi apa pun; sensus hanya bertanya 'Siapa yang tinggal di sini, berapa usia mereka, apa yang mereka lakukan?' Riset deskriptif bekerja dengan semangat yang sama persis. Anda mengidentifikasi populasi atau fenomena, memilih sampel representatif, mengukur variabel yang diminati menggunakan instrumen seperti survei atau observasi terstruktur, lalu meringkas hasilnya dengan rata-rata, frekuensi, dan persentase. Tujuannya adalah potret yang akurat dan sistematis tentang keadaan saat ini — bukan penjelasan mengapa sesuatu terjadi seperti itu. Setelah potret itu ada, studi analitis atau eksperimental di masa depan dapat membangunnya.

Sejarah

Deskripsi sistematis populasi memiliki akar kuno, dari sensus Romawi hingga analisis Bill Kematian London oleh John Graunt pada tahun 1662. Dalam ilmu sosial, desain ini diformalkan ketika para peneliti di bidang sosiologi, psikologi, dan pendidikan mulai menggunakan kuesioner terstruktur dan teori pengambilan sampel pada akhir abad ke-19 dan awal abad ke-20. Fred N. Kerlinger dalam karyanya yang berpengaruh Foundations of Behavioral Research (1973, 1986) memberikan perlakuan kanonik pada desain ini dalam ilmu perilaku. Pada akhir abad ke-20, survei deskriptif telah menjadi dasar epidemiologi kesehatan masyarakat, riset pendidikan, dan evaluasi kebijakan di seluruh dunia.

Kapan digunakan

Gunakan riset deskriptif ketika tujuannya adalah untuk mendokumentasikan keadaan saat ini, prevalensi, atau distribusi satu atau lebih variabel dalam populasi, dan ketika tidak ada klaim kausal yang diperlukan. Riset ini adalah pilihan desain untuk penilaian kebutuhan, survei dasar, studi prevalensi epidemiologi, riset pasar, dan laporan status evaluasi program. Riset ini sesuai pada tahap program riset mana pun tetapi sangat berharga ketika data awal tentang suatu fenomena masih sedikit. Jangan gunakan riset deskriptif ketika tujuannya adalah untuk menguji apakah satu variabel menyebabkan variabel lain (gunakan desain eksperimental atau kuasi-eksperimental), untuk memahami mengapa pola ada (gunakan desain eksplanatori atau kualitatif), atau ketika sampel terlalu kecil atau tidak representatif untuk mendukung bahkan estimasi frekuensi.

Batasan dan pertimbangan

  • Tidak dapat menetapkan kausalitas — bahkan asosiasi yang kuat antara variabel yang dideskripsikan tidak menyiratkan bahwa satu menyebabkan yang lain.
  • Potret lintas-seksional mungkin tidak mencerminkan karakteristik populasi yang stabil jika fenomena berfluktuasi dari waktu ke waktu.
  • Data laporan diri (survei) rentan terhadap bias respons, efek keinginan sosial, dan kesalahan ingatan.
  • Desain ini menghasilkan keluasan daripada kedalaman; desain ini tidak dapat menjelaskan mekanisme atau makna di balik pola yang didokumentasikannya.

Syarat dari sumber tidak menggantikan tinjauan ilmiah independen atau validasi oleh mesin analisis.

Kelebihan

  • Secara langsung menjawab pertanyaan praktis 'berapa banyak' dan 'berapa proporsi' yang menginformasikan kebijakan dan alokasi sumber daya.
  • Relatif efisien untuk dilakukan: instrumen standar dan sampel besar dapat dicapai dalam anggaran dan jadwal yang realistis.
  • Menyediakan dasar dokumentasi yang dapat dibandingkan dengan pengukuran atau intervensi di masa depan.
  • Dapat digeneralisasikan secara luas ketika pengambilan sampel probabilitas digunakan — temuan dapat mewakili populasi target dalam margin kesalahan yang dapat dihitung.
  • Secara etis lugas: tidak ada perlakuan yang ditahan, tidak ada kelompok yang dimanipulasi secara eksperimental.

Penerapan

  • Survei prevalensi kesehatan masyarakat yang mengukur proporsi populasi dengan kondisi tertentu, perilaku berisiko, atau status vaksinasi.
  • Penilaian kebutuhan pendidikan yang mendokumentasikan tingkat pencapaian siswa, beban kerja guru, atau ketersediaan sumber daya di berbagai sekolah.
  • Survei organisasi yang memprofilkan kepuasan karyawan, keterlibatan, atau beban kerja yang dirasakan sebelum intervensi dirancang.
  • Riset pasar yang menetapkan preferensi konsumen, kesadaran produk, atau karakteristik demografis audiens target.
  • Studi dasar evaluasi program yang menangkap keadaan sebelum intervensi dari hasil kunci sehingga perubahan selanjutnya dapat diukur.
  • Studi epidemiologi yang mendokumentasikan distribusi faktor risiko di seluruh subkelompok demografis untuk mengidentifikasi target prioritas untuk intervensi.

Cara kerjanya

Cara kerjanya

1

Rumuskan pertanyaan riset yang terfokus yang menentukan apa yang perlu dideskripsikan, pada siapa, dan dalam jangka waktu berapa. Identifikasi variabel kunci (misalnya, karakteristik demografis, sikap, tingkat prevalensi) dan populasi target. Pertanyaan yang didefinisikan secara tepat mencegah perluasan cakupan dan memandu semua keputusan selanjutnya tentang pengambilan sampel dan pengukuran.

2

Pilih sampel dari populasi target menggunakan strategi probabilitas (acak, bertingkat, klaster) atau purposif, tergantung pada apakah generalisasi tingkat populasi atau deskripsi mendalam tentang kelompok tertentu yang menjadi tujuan. Ukuran sampel harus cukup besar untuk menghasilkan estimasi yang stabil; perhitungan kekuatan atau aturan praktis yang ditetapkan untuk statistik yang dipilih (misalnya, n ≥ 30 per subkelompok) memandu keputusan ini.

3

Kumpulkan data menggunakan instrumen standar — kuesioner terstruktur, skala penilaian, protokol observasi sistematis, atau catatan arsip. Standardisasi memastikan bahwa setiap partisipan diukur dengan cara yang sama, membuat skor individu dapat dibandingkan secara langsung. Uji coba instrumen untuk kejelasan dan reliabilitas sebelum penerapan penuh mengurangi kesalahan pengukuran.

4

Analisis data dengan statistik deskriptif: frekuensi, persentase, rata-rata, median, standar deviasi, dan interval kepercayaan. Ketika sampel diambil menggunakan metode probabilitas, statistik ini dapat disertai dengan estimasi margin kesalahan. Tabulasi silang dan tampilan grafis (diagram batang, histogram) mengomunikasikan distribusi di seluruh subkelompok.

5

Sajikan temuan dengan cara yang secara langsung menjawab pertanyaan riset, menggunakan tabel dan gambar untuk menyampaikan distribusi daripada dinding teks. Nyatakan dengan jelas keterbatasan — terutama ketidakmampuan untuk menyimpulkan kausalitas — dan diskusikan bagaimana profil deskriptif dibandingkan dengan estimasi sebelumnya atau ekspektasi teoretis. Akhiri dengan rekomendasi spesifik untuk riset analitis atau eksperimental yang dimotivasi oleh temuan tersebut.

Kesalahan umum

  • Mencampuradukkan deskripsi dengan penjelasan — melaporkan bahwa dua variabel terjadi bersamaan dalam data deskriptif dan menyiratkan cerita kausal adalah kesalahan umum dan serius; temuan deskriptif memotivasi hipotesis kausal tetapi tidak mengujinya.
  • Menggunakan sampel kenyamanan tetapi menggeneralisasikannya seolah-olah sampel probabilitas digunakan — temuan dari sampel online yang dipilih sendiri tidak dapat diekstrapolasi ke populasi yang lebih luas tanpa peringatan yang sesuai.
  • Meremehkan bias non-respons — jika sebagian besar individu yang disampel tidak merespons, responden mungkin berbeda secara sistematis dari non-responden, mendistorsi potret.
  • Mengumpulkan terlalu banyak variabel 'untuk berjaga-jaga' tanpa pertanyaan riset yang jelas — ini meningkatkan panjang instrumen, menambah beban responden, dan menghasilkan laporan yang luas yang tidak menjawab pertanyaan apa pun dengan baik.
  • Melaporkan hanya rata-rata sambil mengabaikan variabilitas — skor rata-rata sedikit berarti tanpa standar deviasi atau interval kepercayaannya; selalu laporkan dispersi di samping tendensi sentral.

Pertanyaan yang sering diajukan

Apakah riset deskriptif selalu kuantitatif?

Tidak. Istilah 'deskriptif' digunakan dalam riset kuantitatif dan kualitatif. Dalam pekerjaan kualitatif, pendekatan deskriptif (misalnya, fenomenologi deskriptif, deskripsi tebal dalam etnografi) mendokumentasikan pengalaman atau latar dalam bentuk naratif. Kartu perpustakaan ini berfokus pada riset deskriptif dalam bentuk kuantitatif berbasis survei, yang menghasilkan ringkasan numerik variabel dalam populasi yang terdefinisi.

Apa perbedaan antara riset deskriptif dan korelasional?

Keduanya non-eksperimental, tetapi berbeda dalam tujuan. Riset deskriptif mengkarakterisasi distribusi satu atau lebih variabel (berapa banyak, seberapa besar, berapa proporsi). Riset korelasional melangkah lebih jauh dengan memeriksa hubungan statistik antara dua atau lebih variabel (apakah X cenderung meningkat seiring Y meningkat?). Studi deskriptif mungkin hanya melaporkan rata-rata dan frekuensi; studi korelasional melaporkan koefisien seperti Pearson r atau Spearman rho.

Bisakah saya menarik kesimpulan kausal dari studi deskriptif?

Tidak. Riset deskriptif mendokumentasikan asosiasi dan distribusi tetapi tidak mengontrol perancu dan tidak secara acak menugaskan partisipan ke kondisi. Bahasa kausal apa pun ('X menyebabkan Y') tidak beralasan dan merupakan kesalahan logika. Temuan deskriptif harus disajikan sebagai observasi empiris yang memotivasi hipotesis kausal untuk diuji dalam desain eksperimental atau kuasi-eksperimental.

Berapa ukuran sampel yang dibutuhkan?

Tergantung pada presisi yang dibutuhkan untuk estimasi kunci dan variabilitas populasi. Untuk proporsi, aturan praktis yang sering dikutip adalah n = 384 untuk margin kesalahan ±5% pada kepercayaan 95% dalam populasi besar. Untuk perbandingan subkelompok, setidaknya 30 per subkelompok sering direkomendasikan. Gunakan analisis kekuatan atau presisi formal (misalnya, untuk margin kesalahan) sebelum pengumpulan data daripada mengandalkan kenyamanan.

Perangkat lunak apa yang umum digunakan untuk analisis riset deskriptif?

SPSS dan R adalah pilihan paling umum dalam ilmu sosial dan kesehatan untuk menghitung frekuensi, rata-rata, standar deviasi, dan tabulasi silang. Stata banyak digunakan dalam ekonomi dan epidemiologi. Untuk pengumpulan survei online, Qualtrics atau SurveyMonkey mengekspor langsung ke platform ini. Excel memadai untuk tabel frekuensi sederhana tetapi kurang ketelitian statistik yang dibutuhkan untuk estimasi berbobot atau perbandingan subkelompok dalam survei besar.

Metode terkait

Sumber

  1. Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (4th ed.). Sage.

    ISBN: 978-1452226101
    Disalin.
  2. Kerlinger, F. N. (1986). Foundations of Behavioral Research (3rd ed.). Holt, Rinehart and Winston.

    ISBN: 978-0030417498
    Disalin.