Jenis Teknik Analisis Data dalam Triangulasi Penelitian

Triangulasi adalah teknik analisis yang digunakan dalam desain penelitian multi metode. Banyak proyek penelitian menggunakan lebih dari satu metode pengumpulan data, yang mengarah pada pengembangan dataset yang berbeda. Hasil dari dataset dianalisis dengan teknik analisis data secara independen, tetapi mereka juga perlu dibandingkan satu sama lain dalam berbagai cara. Bagaimana mereka dibandingkan tergantung pada kerangka metodologis yang digunakan. Triangulasi adalah salah satu teknik untuk menggabungkan dataset. Untuk itu, penting memahami jenis teknik analisis data dalam triangulasi penelitian.

Beberapa peneliti juga akan menggunakan triangulasi untuk memvalidasi hasil dengan membandingkan hasil dari pengamat yang berbeda dari fenomena yang sama. Selain itu, triangulasi terutama digunakan dalam penelitian kualitatif, tetapi juga umum diterapkan dalam penelitian kuantitatif. Jika kamu memutuskan menggunakan metode penelitian campuran , kamu akan selalu menggunakan triangulasi metodologis. Untuk lebih lanjut, terkait jenis teknik analisis data dalam triangulasi penelitian akan DQLab bahas pada artikel di bawah ini.

1. Jenis Triangulasi dalam Penelitian

Adapun jenis triangulasi dalam penelitian yang bisa kamu terapkan dalam penelitian kamu antara lain: 1) triangulasi data, menggunakan data dari waktu, dan orang yang berbeda; 2) triangulasi peneliti, melibatkan beberapa peneliti dalam mengumpulkan atau menganalisis data;3) triangulasi teori, menggunakan berbagai perspektif teoritis dalam penelitian kamu;4) triangulasi metodologis, menggunakan metodologi yang berbeda untuk mendekati topik sama.

Baca juga : Cara Implementasi Teknik Analisis Data untuk Text Mining

2. Triangulasi Metodologi

Ketika kamu menggunakan triangulasi metodologi, kamu menggunakan metode yang berbeda untuk mendekati pertanyaan penelitian yang sama. Ini adalah jenis triangulasi yang paling umum digunakan oleh para peneliti. Dimana peneliti sering menggabungkan metode penelitian kualitatif dan kuantitatif dalam satu studi atau penelitian. Cara kerja triangulasi adalah dengan menggabungkan metodologi kualitatif dan kuantitatif. Contoh, triangulasi metodologi: 

Dalam penelitian kamu, kamu menggunakan data perilaku, survei dan saraf untuk mendapatkan gambaran lengkap tentang apa yang memotivasi orang untuk berperilaku kooperatif. Kamu merekrut peserta untuk melakukan permainan tim dalam eksperimen laboratorium yang dikendalikan perilaku dan merekam pengamatan. Kamu juga mengelola survei untuk mengumpulkan data tentang kerja sama dalam kehidupan sehari-hari mereka. Akhirnya, kamu melakukan penilaian mekanisme kerjasama saraf.

3. Data Triangulasi

Dalam triangulasi data, kamu menggunakan beberapa sumber data untuk menjawab pertanyaan penelitian kamu. Kamu dapat memvariasikan pengumpulan data kamu di seluruh waktu, ruang atau orang yang berbeda. Contoh, triangulasi data:

Untuk memahami motivasi di balik perilaku kooperatif, kamu mengumpulkan dan menganalisis data dari sampel 150 mahasiswa Jakarta selama 8 bulan. Kemudian, kamu mengulangi percobaan dengan sampel yang sebanding di berbagai wilayah di seluruh dunia. Kamu mengumpulkan data dari peserta di Bandung dan Surabaya untuk menguji hipotesis kamu menggunakan sampel yang lebih luas.

Ketika kamu mengumpulkan data dari sampel, tempat atau waktu yang berbeda, hasil kamu lebih mungkin digeneralisasikan ke situasi lain.

4. Tujuan Triangulasi

Para peneliti menggunakan triangulasi untuk perspektif yang lebih holistik pada pertanyaan penelitian tertentu. Triangulasi dapat membantu untuk meningkatkan kredibilitas dan validitas. Adapun tujuan triangulasi antara lain sebagai berikut:

• Untuk cross-check bukti 

Berhubung mengumpulkan data yang berkualitas tinggi itu sangat penting, maka penting juga untuk memastikan kredibilitas data-data yang kamu miliki

• Untuk gambaran lengkap

Triangulasi membantu kamu mendapatkan pemahaman yang lebih lengkap tentang masalah penelitian kamu. 

• Untuk meningkatkan validitas

Validitas adalah tentang seberapa akurat metode dalam mengukur apa yang seharusnya diukur.

Baca juga : Pengertian Teknik Analisis Data Deskriptif Kualitatif

5. Upgrade Skill Analisis Data di Awal Tahun 2022 Bersama DQLab, Yuk!

Belajar python merupakan langkah awal yang tepat untuk memulai karir sebagai seorang data scientist sehingga skill analisis data dan pengolahan data kamu semakin terasah dengan modul dan materi terupdate yang ditawarkan DQLab. Jika, kebetulan kamu pemula yang ingin belajar seputar dasar statistik dengan pemrograman python atau R tetapi bingung harus mulai belajar dari mana. Sudah coba belajar otodidak, malah overdosis informasi?Jangan khawatir yuk, buruan bergabung bersama DQLab. Kamu tidak akan bingung dengan urusan waktu, karena dengan kursus data science online waktu belajar kamu bisa lebih fleksibel dan dapat diakses dimanapun dan kapanpun. 

Dengan materi-materi yang ditawarkan lengkap dan sesuai dengan kebutuhan industri, disusun oleh mentor-mentor yang kompeten di bidangnya dari perusahaan unicorn dan startup. Jadi, jangan khawatir, kamu bisa mulai kursus data science online bersama DQLab! Sign up sekarang di DQLab.id atau klik button dibawah ini untuk nikmati pengalaman belajar yang seru dan menyenangkan! 

Penulis: Rian Tineges

Editor: Annissa Widya Davita

Tags