Skip to content
Kembali ke hasil pencarian

Riset Survei Longitudinal — Desain Survei Pengukuran Berulang

Diperkenalkan oleh
Survey methodology tradition; codified in social sciences by scholars including W.S. Robinson (1950) and later Scott Menard
Tahun
Mid-20th century (formalized ~1950s–1970s)
Jenis
Quantitative observational 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 survei longitudinal mengumpulkan data kuesioner terstruktur dari individu (atau unit) yang sama pada dua atau lebih titik waktu.

Berbeda dengan survei potong lintang satu kali, desain ini menangkap perubahan, stabilitas, dan urutan temporal variabel — memungkinkan peneliti untuk melacak lintasan, menguji urutan kausal, dan membedakan efek kohort dari efek penuaan dalam kerangka kuantitatif.

Intuisi di balik metode

Bayangkan Anda ingin mengetahui apakah kurikulum sekolah baru benar-benar meningkatkan sikap siswa terhadap matematika selama satu tahun — bukan hanya bagaimana sikap terlihat pada satu momen. Survei longitudinal mengikuti siswa yang sama di awal tahun, pertengahan tahun, dan akhir tahun, mengajukan pertanyaan yang identik atau paralel setiap kali. Karena orang yang sama merespons berulang kali, Anda dapat langsung membandingkan perubahan setiap individu daripada menyimpulkannya dari orang yang berbeda pada waktu yang berbeda. Struktur temporal adalah yang memberikan kekuatan analitis pada desain ini: Anda dapat mengamati urutan perubahan daripada potret sesaat.

Sejarah

Penggunaan survei yang diulang dari waktu ke waktu muncul dalam ilmu sosial pada pertengahan abad kedua puluh. Makalah W.S. Robinson tahun 1950 tentang korelasi ekologis dan individu menarik perhatian pada keterbatasan data potong lintang untuk inferensi tingkat individu, memotivasi desain panel. Program survei longitudinal skala besar — termasuk Panel Study of Income Dynamics (PSID, diluncurkan 1968) dan National Longitudinal Surveys (NLS) di Amerika Serikat — menunjukkan kelayakan dan nilai ilmiah dalam melacak responden yang sama selama beberapa dekade. Buku pegangan Scott Menard (1991, edisi ke-2 2002) dan volume yang diedit oleh Peter Lynn tentang metodologi survei longitudinal (2009) mengkodifikasi praktik terbaik untuk desain sampel, pengelolaan penurunan partisipan, dan analisis.

Kapan digunakan

Gunakan riset survei longitudinal ketika pertanyaan inti menyangkut perubahan dari waktu ke waktu, urutan temporal variabel, atau perkembangan hasil dalam individu atau unit — pertanyaan yang tidak dapat dijawab oleh survei potong lintang. Sangat cocok untuk mempelajari perubahan sikap, lintasan perkembangan, jalur karier, perilaku kesehatan, dan efek kebijakan ketika manipulasi eksperimental tidak layak atau etis. Desain ini memerlukan sampel yang stabil dan dapat dilacak; pendanaan yang cukup dan kapasitas institusional untuk pengumpulan data multi-gelombang; dan kemauan untuk mengelola penurunan partisipan. JANGAN gunakan ketika: (1) hanya perkiraan prevalensi pada satu titik waktu yang dibutuhkan — survei potong lintang lebih efisien; (2) periode studi terlalu singkat untuk terjadinya perubahan yang bermakna; (3) pelacakan partisipan secara operasional tidak mungkin dilakukan; atau (4) pengukuran berulang kemungkinan akan menghasilkan efek pengujian yang mencemari konstruk yang diukur.

Batasan dan pertimbangan

  • Penurunan panel mengancam validitas internal: partisipan yang keluar sering kali berbeda secara sistematis dari mereka yang tetap tinggal, menimbulkan bias seleksi.
  • Administrasi berulang dari instrumen yang sama dapat menghasilkan efek pengujian — partisipan belajar atau menjadi peka terhadap pertanyaan, meningkatkan perubahan yang tampak.
  • Menuntut secara logistik dan mahal: melacak partisipan, mengelola informasi kontak, dan mempertahankan keterlibatan di seluruh gelombang memerlukan sumber daya yang substansial.
  • Jangka waktu yang panjang berarti bahwa peristiwa eksternal (efek historis, pandemi, pergeseran kebijakan) antar gelombang menjadi perancu yang sulit dipisahkan dari konstruk yang diminati.
  • Invariansi pengukuran harus ditetapkan di seluruh gelombang sebelum skor perubahan diinterpretasikan; kegagalan untuk mengujinya dapat menyebabkan kesimpulan palsu tentang perubahan.

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

Kelebihan

  • Menetapkan keutamaan temporal — prasyarat untuk inferensi kausal — dengan menangkap urutan perubahan variabel dalam partisipan yang sama.
  • Memisahkan perubahan dalam individu dari perbedaan antar individu, memberikan perkiraan yang lebih tepat daripada perbandingan potong lintang.
  • Mendeteksi efek kohort, periode, dan usia yang hanya terlihat ketika individu yang sama dilacak dari waktu ke waktu.
  • Dapat diskalakan ke sampel besar yang mewakili secara nasional, memungkinkan inferensi tingkat populasi tentang lintasan perubahan.
  • Kompatibel dengan berbagai teknik analitis (GCM, CLPM, SEM) yang memanfaatkan struktur temporal data.
  • Lebih efisien daripada rekrutmen kohort baru di setiap gelombang ketika mempelajari populasi yang sama dari waktu ke waktu.

Penerapan

  • Melacak perubahan motivasi akademik siswa, efikasi diri, atau kesejahteraan di seluruh tahun ajaran atau program gelar.
  • Memantau evolusi sikap politik, niat memilih, atau keterlibatan sipil dalam panel pemilihan nasional.
  • Mempelajari perubahan perilaku kesehatan — aktivitas fisik, diet, penggunaan zat — selama berbulan-bulan atau bertahun-tahun dalam studi kohort.
  • Menilai hasil pasar tenaga kerja jangka panjang dari lulusan dari jalur pendidikan yang berbeda.
  • Mengevaluasi efek berkelanjutan dari kampanye kesehatan masyarakat atau intervensi pendidikan setelah program aktif berakhir.
  • Mengkaji bagaimana sikap organisasi (kepuasan kerja, komitmen) merespons perubahan kebijakan tempat kerja dari waktu ke waktu.

Cara kerjanya

Cara kerjanya

1

Peneliti mendefinisikan pertanyaan penelitian, memilih populasi target, menentukan jumlah gelombang pengukuran dan interval waktu di antaranya, serta menyusun atau mengadaptasi instrumen survei yang konsisten di seluruh gelombang. Ukuran sampel harus memperhitungkan penurunan partisipasi yang diharapkan, dan prosedur persetujuan berdasarkan informasi harus mengatasi partisipasi multi-gelombang sejak awal.

2

Survei gelombang pertama (Waktu 1) diberikan kepada sampel yang direkrut, mengumpulkan ukuran dasar dari semua variabel kunci — hasil, prediktor, dan kovariat. Tingkat respons yang tinggi pada gelombang ini sangat penting karena setiap peserta yang hilang pada data dasar tidak dapat dipulihkan dalam analisis selanjutnya.

3

Pada setiap gelombang berikutnya (Waktu 2, Waktu 3, …), peserta yang sama dihubungi kembali dan diberikan instrumen survei lagi. Konsistensi kata-kata pertanyaan, format respons, dan mode administrasi di seluruh gelombang mempertahankan kesetaraan pengukuran dan memungkinkan perubahan skor yang sebenarnya dibedakan dari artefak pengukuran.

4

Penurunan panel — keluarnya partisipan antar gelombang — dinilai dengan membandingkan partisipan yang menyelesaikan survei dengan yang tidak menyelesaikan survei berdasarkan karakteristik dasar. Jika partisipan yang keluar berbeda secara sistematis dari yang bertahan (penurunan selektif), strategi analitis seperti imputasi ganda, pembobotan probabilitas terbalik, atau estimasi kemungkinan maksimum informasi penuh diterapkan untuk mengurangi bias.

5

Data longitudinal dianalisis dengan metode yang sesuai untuk pengukuran berulang: pemodelan kurva pertumbuhan, model skor perubahan laten, model panel lintas-lag, persamaan estimasi umum, atau regresi efek campuran. Model yang dipilih bergantung pada apakah minat utama adalah pada perubahan tingkat rata-rata, lintasan individu, atau hubungan kausal timbal balik antar variabel dari waktu ke waktu.

Kesalahan umum

  • Mengabaikan penurunan selektif: mengasumsikan bahwa partisipan yang menyelesaikan survei mewakili sampel asli tanpa menguji penurunan diferensial menghasilkan perkiraan perubahan yang bias.
  • Mengubah instrumen survei antar gelombang: bahkan revisi kata-kata kecil atau modifikasi skala respons membatalkan perbandingan skor langsung antar waktu.
  • Sampel dasar yang kurang bertenaga: menghitung ukuran sampel hanya untuk kekuatan potong lintang tanpa menaikkan untuk penurunan yang diharapkan membuat studi kurang bertenaga pada gelombang selanjutnya.
  • Memperlakukan gelombang sebagai efek tetap tanpa memodelkan pertumbuhan: menjalankan ANOVA terpisah per gelombang alih-alih model kurva pertumbuhan atau model campuran membuang informasi longitudinal dan meningkatkan kesalahan Tipe I.
  • Melaporkan hanya rata-rata tingkat kelompok: heterogenitas dalam lintasan individu sering kali merupakan temuan yang penting secara substantif; tren agregat dapat menutupi subkelompok yang berbeda.

Pertanyaan yang sering diajukan

Bagaimana riset survei longitudinal berbeda dari studi panel?

Istilah-istilah tersebut tumpang tindih secara substansial. Studi panel adalah jenis spesifik dari survei longitudinal di mana individu yang persis sama disurvei pada setiap gelombang. Riset survei longitudinal adalah kategori yang lebih luas; itu juga mencakup studi tren (sampel acak yang berbeda dari populasi yang sama pada setiap gelombang) dan studi kohort (kohort kelahiran atau masuk yang sama tetapi tidak harus responden yang identik). Ketika orang mengatakan 'survei longitudinal' mereka paling sering mengartikan desain panel, tetapi ketepatan penting ketika memilih strategi analitis.

Berapa banyak gelombang yang dibutuhkan?

Minimal dua gelombang diperlukan untuk mengamati perubahan, tetapi dua gelombang hanya mendukung model terbatas (skor perbedaan, regresi pra-pasca sederhana). Tiga atau lebih gelombang diperlukan untuk memperkirakan lintasan pertumbuhan, menguji perubahan non-linear, dan menerapkan model panel lintas-lag. Jumlah gelombang yang optimal bergantung pada bentuk perubahan yang diharapkan dan model analitis — lebih banyak gelombang memberikan kekuatan lebih besar untuk mendeteksi dan mengkarakterisasi lintasan.

Bagaimana cara menangani data yang hilang dari partisipan yang keluar?

Pertama, nilai apakah penurunan partisipan hilang sepenuhnya secara acak (MCAR), hilang secara acak (MAR), atau hilang tidak secara acak (MNAR) dengan membandingkan partisipan yang keluar dengan yang menyelesaikan survei berdasarkan variabel dasar. Di bawah MAR — asumsi yang paling dapat dipertahankan dalam sebagian besar studi panel — estimasi kemungkinan maksimum informasi penuh (FIML) atau imputasi ganda adalah pendekatan yang disukai. Penghapusan daftar sederhana hampir tidak pernah tepat karena membuang data yang dapat digunakan dan menghasilkan perkiraan yang bias ketika penurunan partisipan tidak sepenuhnya acak.

Bisakah survei longitudinal menetapkan kausalitas?

Urutan temporal (kondisi yang diperlukan untuk kausalitas) dapat ditunjukkan ketika prediktor pada Gelombang 1 memprediksi hasil pada Gelombang 2 setelah mengontrol hasil pada Gelombang 1, menggunakan model panel lintas-lag atau regresi skor perbedaan. Namun, perancu yang tidak terukur yang tetap stabil atau berubah antar gelombang masih dapat mendistorsi perkiraan kausal. Survei longitudinal memberikan bukti yang lebih kuat daripada desain potong lintang tetapi tetap observasional; eksperimen acak adalah standar emas untuk inferensi kausal.

Bagaimana cara menetapkan bahwa instrumen survei saya mengukur konstruk yang sama di setiap gelombang?

Melalui pengujian invariansi pengukuran berbasis analisis faktor konfirmatori (CFA) (Vandenberg & Lance, 2000). Minimal, invariansi konfigural dan metrik harus ditetapkan sebelum membandingkan rata-rata laten; invariansi skalar diperlukan untuk membandingkan rata-rata yang diamati. Jika invariansi parsial ditemukan, batasi hanya parameter yang invarian dan interpretasikan perubahan pada item yang tidak invarian dengan hati-hati.

Metode terkait

Sumber

  1. Menard, S. (2002). Longitudinal Research (2nd ed.). Sage Publications.

    ISBN: 978-0761922452
    Disalin.
  2. Lynn, P. (Ed.). (2009). Methodology of Longitudinal Surveys. Wiley.

    ISBN: 978-0470018712
    Disalin.