Survei Relasional — Riset Survei Relasional
- Diperkenalkan oleh
- Established in educational and social science research methodology; systematised by Fraenkel & Wallen and others
- Tahun
- Mid-20th century onward (systematised ~1960s–1990s)
- Jenis
- Quantitative non-experimental survey design
- Keluarga
- Survey / observational design
Teks ini adalah terjemahan mesin dan belum ditinjau. Baca versi asli dalam bahasa Inggris
Apa fungsinya?
Riset survei relasional adalah desain kuantitatif non-eksperimental yang mengumpulkan data laporan diri terstruktur dari sampel dan menguji asosiasi statistik di antara dua variabel atau lebih.
Berbeda dengan survei yang murni deskriptif, yang hanya mengarakterisasi distribusi, survei relasional menanyakan apakah dan seberapa kuat variabel berko-variasi — memberikan bukti hubungan tanpa memanipulasi kondisi atau menetapkan kausalitas.
Intuisi di balik metode
Anggaplah survei relasional sebagai pengambilan foto sekelompok orang pada satu titik waktu dan kemudian bertanya: apakah orang yang mendapat skor lebih tinggi pada variabel A juga cenderung mendapat skor lebih tinggi (atau lebih rendah) pada variabel B? Misalnya, seorang peneliti dapat memberikan skala motivasi akademik dan penggunaan teknologi yang tervalidasi kepada mahasiswa dan kemudian menghitung koefisien korelasi untuk melihat aspek motivasi mana yang paling konsisten berko-variasi dengan berbagai bentuk penggunaan teknologi. Desain ini tidak melakukan intervensi; ia mengamati dan mengukur ko-variasi.
Sejarah
Desain survei relasional muncul dari tradisi riset survei yang lebih luas, yang terbentuk di ilmu sosial selama awal hingga pertengahan abad kedua puluh. Fokusnya pada hubungan antarvariabel secara langsung berasal dari pengembangan koefisien korelasi oleh Karl Pearson pada tahun 1890-an dan perluasan regresi berganda pada pertengahan abad kedua puluh. Buku teks riset pendidikan Fraenkel dan Wallen yang banyak digunakan dari tahun 1990-an dan seterusnya memformalkan survei relasional sebagai tipe desain yang berbeda, membedakannya dari survei yang murni deskriptif di satu sisi dan desain komparatif kausal di sisi lain.
Kapan digunakan
Gunakan survei relasional ketika tujuannya adalah untuk mengukur asosiasi di antara variabel dalam kelompok yang terjadi secara alami tanpa memanipulasi apa pun secara eksperimental — misalnya, mengeksplorasi hubungan antara ciri kepribadian dan kinerja akademik, atau antara iklim organisasi dan kesejahteraan karyawan. Desain ini sesuai ketika pengumpulan data laporan diri potongan lintang layak dilakukan dan ketika pertanyaan penelitian dirumuskan sebagai 'Apakah X terkait dengan Y?' atau 'Seberapa baik X memprediksi Y?'. Jangan gunakan ketika tujuannya adalah untuk menetapkan arah kausal (pertimbangkan desain longitudinal atau eksperimental) atau ketika konstruk yang diminati tidak dapat ditangkap secara valid oleh skala kuesioner. Hindari ketika ukuran sampel kurang dari ~50, karena estimasi korelasi menjadi tidak stabil dan menyesatkan pada N yang sangat kecil.
Batasan dan pertimbangan
- Tidak dapat menetapkan arah kausal — korelasi antara X dan Y sama konsistennya dengan X menyebabkan Y, Y menyebabkan X, atau variabel ketiga menyebabkan keduanya.
- Hasil hanya sevalid instrumen yang digunakan; reliabilitas skala atau validitas konstruk yang buruk merusak semua analisis hilir.
- Varians metode umum (common-method variance) adalah ancaman ketika variabel prediktor dan hasil diukur oleh instrumen laporan diri yang sama pada waktu yang sama.
- Survei relasional potongan lintang tidak dapat menangkap perubahan dari waktu ke waktu atau tren perkembangan.
Syarat dari sumber tidak menggantikan tinjauan ilmiah independen atau validasi oleh mesin analisis.
Kelebihan
- Secara efisien memeriksa hubungan berbagai variabel dalam satu upaya pengumpulan data.
- Menghasilkan estimasi ukuran efek kuantitatif yang terstandarisasi, mudah direplikasi, dan dibandingkan.
- Didukung dengan baik oleh alat statistik yang mapan (korelasi, regresi, analisis jalur, SEM).
- Cocok untuk sampel besar yang tersebar secara geografis melalui administrasi online atau kertas.
- Dapat menjadi dasar untuk studi tindak lanjut eksperimental atau longitudinal di kemudian hari.
Penerapan
- Mengkaji hubungan antara efikasi diri siswa, motivasi, dan pencapaian akademik dalam riset pendidikan.
- Menyelidiki asosiasi antara kepuasan kerja, komitmen organisasi, dan niat berpindah (turnover intention) dalam psikologi organisasi.
- Mengeksplorasi hubungan antara perilaku kesehatan (diet, olahraga, tidur) dan kesejahteraan yang dilaporkan sendiri dalam survei kesehatan masyarakat.
- Menilai bagaimana gaya pengasuhan berko-variasi dengan hasil sosial-emosional anak dalam riset perkembangan.
- Mempelajari hubungan antara sikap adopsi teknologi dan pola penggunaan dalam riset sistem informasi.
Cara kerjanya
Cara kerjanya
Peneliti menentukan setidaknya dua konstruk yang hubungannya menarik dan merumuskan pertanyaan penelitian atau hipotesis tentang arah dan besaran asosiasi yang diharapkan. Kerangka kerja konseptual atau teoretis biasanya memandu variabel mana yang dimasukkan dan apakah ada yang diperlakukan sebagai prediktor versus variabel hasil.
Kuesioner, skala penilaian, atau instrumen terstandarisasi yang tervalidasi dipilih atau dikembangkan untuk mengukur setiap variabel secara numerik. Uji coba dan pemeriksaan reliabilitas (misalnya, Cronbach's alpha) dilakukan sebelum pengumpulan data utama untuk memastikan bahwa skala berkinerja memadai dalam populasi target.
Survei diberikan kepada sampel representatif atau purposif, biasanya dalam satu gelombang pengumpulan data (potongan lintang/cross-sectional), meskipun survei relasional juga dapat disematkan dalam desain longitudinal. Ukuran sampel yang memadai dihitung sebelumnya menggunakan analisis kekuatan (power analysis), dengan sebagian besar desain berbasis korelasi memerlukan setidaknya 50–100 peserta untuk mendeteksi ukuran efek sedang secara andal.
Asosiasi bivariat diestimasi menggunakan koefisien korelasi (Pearson's r untuk variabel kontinu, Spearman's rho untuk data ordinal atau non-normal). Ketika beberapa variabel prediktor terlibat, regresi berganda atau analisis jalur memperluas kerangka kerja relasional untuk menilai kontribusi unik dan mengontrol perancu (confounds).
Ukuran efek (r, R², koefisien beta) dan interval kepercayaan dilaporkan bersama dengan signifikansi statistik. Peneliti menafsirkan makna praktis dari asosiasi, mengakui bahwa bukti korelasional tidak dapat menetapkan kausalitas, dan menempatkan temuan dalam literatur sebelumnya dan kerangka teoretis.
Kesalahan umum
- Menafsirkan korelasi yang signifikan secara statistik sebagai bukti kausalitas — bukti survei relasional hanya bersifat asosiasional; klaim kausal memerlukan desain eksperimental atau kuasi-eksperimental yang kuat.
- Mengabaikan analisis kekuatan (power analysis) — studi dengan kurang dari 50 peserta secara rutin menghasilkan estimasi korelasi dengan interval kepercayaan yang sangat lebar sehingga hampir tidak dapat ditafsirkan.
- Menggunakan satu sesi survei untuk mengukur variabel prediktor dan kriteria tanpa mengatasi bias metode umum — pertimbangkan desain jeda waktu (time-lag) atau upaya prosedural seperti penyeimbangan urutan skala.
- Memperlakukan matriks korelasi sebagai model kausal tanpa justifikasi teoretis atau statistik tambahan untuk arahnya.
Pertanyaan yang sering diajukan
Berapa ukuran sampel minimum untuk survei relasional?
Tidak ada aturan tunggal, tetapi sebagai tolok ukur praktis banyak metodolog merekomendasikan setidaknya 50 peserta untuk mendapatkan estimasi korelasi bivariat yang cukup stabil, dan 100 atau lebih ketika regresi berganda direncanakan. Jawaban formalnya adalah melakukan analisis kekuatan a priori yang menentukan ukuran efek yang diharapkan, kekuatan yang diinginkan (biasanya 0,80), dan tingkat alfa (0,05); ini akan menghasilkan N minimum yang diperlukan untuk mendeteksi hubungan yang dihipotesiskan.
Bisakah saya menggunakan survei relasional untuk menguji model kausal?
Survei relasional dapat menguji apakah pola korelasi konsisten dengan model kausal (menggunakan analisis jalur atau SEM), tetapi tidak dapat mengkonfirmasi arah kausal. Pemodelan persamaan struktural dengan data survei relasional dapat menyingkirkan model yang tidak konsisten dengan data, tetapi klaim kausal masih memerlukan manipulasi eksperimental, eksperimen alami, atau desain longitudinal dengan keutamaan temporal.
Bagaimana survei relasional berbeda dari survei deskriptif sederhana?
Survei deskriptif mengarakterisasi distribusi satu atau lebih variabel dalam sampel — rata-rata, frekuensi, proporsi. Survei relasional melangkah lebih jauh dengan secara statistik menguji apakah dan seberapa kuat variabel-variabel tersebut berasosiasi satu sama lain. Keduanya dapat menggunakan data kuesioner yang sama; perbedaannya terletak pada pertanyaan penelitian yang diajukan dan teknik analisis yang diterapkan.
Koefisien korelasi apa yang harus saya gunakan?
Pearson's r sesuai ketika kedua variabel kontinu dan terdistribusi normal secara kira-kira. Spearman's rho lebih disukai untuk variabel ordinal atau ketika distribusi sangat miring. Kendall's tau adalah alternatif untuk data ordinal dengan banyak peringkat yang sama (tied ranks). Untuk variabel biner atau dikotomis, koefisien point-biserial atau phi adalah pilihan standar.
Bagaimana cara mengatasi bias metode umum dalam survei relasional?
Bias metode umum muncul ketika data prediktor dan hasil berasal dari responden yang sama pada waktu yang sama. Upaya prosedural meliputi pemisahan waktu pengukuran (desain jeda waktu), penggunaan format respons yang berbeda, dan penyeimbangan urutan skala. Upaya statistik meliputi uji satu faktor Harman (Harman's single-factor test) dan teknik variabel penanda (marker-variable technique), meskipun keduanya tidak sepenuhnya menghilangkan masalah.
Metode terkait
Sumber
Fraenkel, J. R., Wallen, N. E., & Hyun, H. H. (2009). How to Design and Evaluate Research in Education (8th ed.). McGraw-Hill.
ISBN: 978-0073525748Disalin.Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (4th ed.). Sage Publications.
ISBN: 978-1452226101Disalin.