Judul: Evaluasi Peramalan Kebutuhan Pelayanan Angkutan Umum moda Kereta Api Di Wilayah Jabotabek.
Tugas Akhir;Iman Solichudin ,1990. 8579040
Kotak no. 5-->Forecasting Of Future State Of System
TA ini masuk ke kotak 5 kerena memberikan gambaran mengenai sistem perwilayahan Jabotabek berikut sistem perangkutan yang dapat mendukungnya secara optimal.
Dengan Tahap Awal-->Digambarkan secara umum situasi perangkutan di wilayah jabotabek.
Tahap kedua--->Membuat ramalan permintaan angkutan kereta api di masa depan bagi wilayah jaotabek dengan mempertimbangkan kebijaksanaan perwilayahan sebagai dasar dengan memperhatikan pula kecenderungan-kecenderungan baru yang semula tidak diantisipasi oleh kebijaksanaan tersebut.
Tahap Terakhir-->Mengemukakan beberapa kesimpulan dan rekomendasi studi sebagai masukan bagi pihak pelaksana.
Judul:Identifikasi Faktor-Faktor Yang Berpengaruh Terhadap Perpindahan Penduduk Dari Pusat Kota Ke Pinggiran Kota.Studi Kasus: Kota Salatiga
Tugas Akhir; Ratna Sri Widyastuti,2000.15495029.
Kotak no 1-->System Examination And Problem Formulation.
TA ini masuk kotak 1 karena diperoleh dari survey lapangan dan survey dilakukan akibat adanya soal masalah.
Isi TA ini mengaitkan karakteristik keluarga dengan alasa perpindahan untuk mengetahui apakah gambaran karakteristik keluarga yang berpengaruh terhada alasan perpindahan dari pusat kota ke pinggiran dengan menguji hub antara karakteristik keluarga dengan alasan perpindahan.
Kemudian dilakukan kajian terhadap kesiapan wilayah pnggiran untuk dapat mengembangkan daya tariknya untuk menjdaikan dirinya lokasi tujuan perpindahan tempat tinggal penduduknya.
-Terima Kasih-
Sabtu, 21 Februari 2009
Jumat, 20 Februari 2009
The Analytical Process of Policy Analysis and Planning Oleh Herry Candi Jakobus Alexander Sianturi-15407043
TA yg diperoleh adalah:
1. Studi Kecelakaan Lalu Lintas di Jalan Soekarno-Hatta Kota Bandung
oleh: Yuke Ratnawulan, 15499005
Pada TA ini, dibahas mengenai kecelakaan yg terjadi di Jl. soekarno hatta dengan melakukan analisis terhadap dua faktor.
a. Analisi faktor penyebab
-sistem kegiatan
-rambu dan marka jalan
-kecepatan kendaraan
b. Analisis lokasi rawan kecelakaan
-pemetaan pada titik atau ruas rawan kecelakaan
-identifikasi penyebab kecelakaan pada lokasi rawan kecelakaan
selanjutnya, kedua analisis ini akan menghasilkan arahan mengenai penanganan terhadap faktor-faktor penyebab kecelakaan lalu lintas
melalui hal di atas, saya menyimpulan dan menggolong nya ke analisis kotak yang ke 6, "design of set alternatives actions"
2. Studi Eksplorasi Prospek Ekonomi Pengolahan dan Pemanfaatan Sampah Padat Pasar di Wilayah Operasional Bandung Tengah
oleh: Frarev Robbyan Joshua Sitorus, 15496002
Dalam TA ini, dibahas mengenai masalah sampah padat yang banyak dan sulit untuk di daur ulang. untuk mnyelesaikan masalah ini, digunakan identifikasi karakteristik sampah padat pasar dengan melihat komposisi, kepadatan, dan kuantitas produksi sampah. selanjutnya, dilakukan identifikasi potensi bahan potensial daur ulang sampah padat pasar.
dari hasil identifikasi tersebut, ddapatkan dua pola, yaitu:
a. pola pengolahan sampah alternatif: pemilahan sampah padat sejak tahap pewadahan di sumber produksi pasar
b. pola pengelolaan sampah padat eksisting: pemilahan sampah padat pasar yang diterapkan di TPA
melalui hal di atas, saya menyimpulkan dan menggolongkan analisis tsb ke kotak yg ke 1, "system examination and problem formulation"
1. Studi Kecelakaan Lalu Lintas di Jalan Soekarno-Hatta Kota Bandung
oleh: Yuke Ratnawulan, 15499005
Pada TA ini, dibahas mengenai kecelakaan yg terjadi di Jl. soekarno hatta dengan melakukan analisis terhadap dua faktor.
a. Analisi faktor penyebab
-sistem kegiatan
-rambu dan marka jalan
-kecepatan kendaraan
b. Analisis lokasi rawan kecelakaan
-pemetaan pada titik atau ruas rawan kecelakaan
-identifikasi penyebab kecelakaan pada lokasi rawan kecelakaan
selanjutnya, kedua analisis ini akan menghasilkan arahan mengenai penanganan terhadap faktor-faktor penyebab kecelakaan lalu lintas
melalui hal di atas, saya menyimpulan dan menggolong nya ke analisis kotak yang ke 6, "design of set alternatives actions"
2. Studi Eksplorasi Prospek Ekonomi Pengolahan dan Pemanfaatan Sampah Padat Pasar di Wilayah Operasional Bandung Tengah
oleh: Frarev Robbyan Joshua Sitorus, 15496002
Dalam TA ini, dibahas mengenai masalah sampah padat yang banyak dan sulit untuk di daur ulang. untuk mnyelesaikan masalah ini, digunakan identifikasi karakteristik sampah padat pasar dengan melihat komposisi, kepadatan, dan kuantitas produksi sampah. selanjutnya, dilakukan identifikasi potensi bahan potensial daur ulang sampah padat pasar.
dari hasil identifikasi tersebut, ddapatkan dua pola, yaitu:
a. pola pengolahan sampah alternatif: pemilahan sampah padat sejak tahap pewadahan di sumber produksi pasar
b. pola pengelolaan sampah padat eksisting: pemilahan sampah padat pasar yang diterapkan di TPA
melalui hal di atas, saya menyimpulkan dan menggolongkan analisis tsb ke kotak yg ke 1, "system examination and problem formulation"
The Analytical Process of Policy Analysis and Planning Oleh Debie Ameta-15407083
Hasil TA yang diperoleh adalah:
1. Studi Keefektifan Pelayanan Angkutan Umum di Kotamadya Bandung.
oleh: Teguh Winarno (15494065)
TA ini membahas tentang perluasan Bandung di tahun 1987 ke arah selatan Timur. Sehingga areal yang diperlukan semakin luas serta jarak antar guna lahan semakin tinggi, sehingga pengunaan transportasi juga semakin tinggi, dan karena adanya masalah yang pada umumnya dimiliki oleh para administrator atau para pengambil keputusan pada suatu organisasi.
TA ini bertujuan untuk membuat rekomendasi rumusan pola ruang pelayanan angkutan umum penumpang di kotamadya Bandung, dengan menggunakan teknik analisa deskriptif.
Berdasarkan hal diatas, maka saya menyimpulkan menggolongkan ke dalam analisis nomor 6, yaitu "Design of Set Alternative actions".
2. Evaluasi terhadap Sistem Pengolahan Sederhana Limbah Cair Rumah Tangga
oleh: Mufti Farid (15492041)
TA ini dimaksudkan untuk melakukan evaluasi terhadap proses pembangunan, kinerja, dan keberlanjutan sistem, yang dapat dijadikan sebagai bahan pertimbangan dan masukan bagi pengembangan sistem serupa di tempat lain.
Analisis ini menggunakan pendekatan kualitatif dan kuantitatif agar verifikasi terhadap berbagai data dan informasi yang berkembang dapat langsung dilakukan.
Berdasarkan hal diatas, maka saya menyimpulkan menggolongkan ke dalam analisis nomor 8, yaitu "Evaluation of Alternatives and Selection of the Best".
1. Studi Keefektifan Pelayanan Angkutan Umum di Kotamadya Bandung.
oleh: Teguh Winarno (15494065)
TA ini membahas tentang perluasan Bandung di tahun 1987 ke arah selatan Timur. Sehingga areal yang diperlukan semakin luas serta jarak antar guna lahan semakin tinggi, sehingga pengunaan transportasi juga semakin tinggi, dan karena adanya masalah yang pada umumnya dimiliki oleh para administrator atau para pengambil keputusan pada suatu organisasi.
TA ini bertujuan untuk membuat rekomendasi rumusan pola ruang pelayanan angkutan umum penumpang di kotamadya Bandung, dengan menggunakan teknik analisa deskriptif.
Berdasarkan hal diatas, maka saya menyimpulkan menggolongkan ke dalam analisis nomor 6, yaitu "Design of Set Alternative actions".
2. Evaluasi terhadap Sistem Pengolahan Sederhana Limbah Cair Rumah Tangga
oleh: Mufti Farid (15492041)
TA ini dimaksudkan untuk melakukan evaluasi terhadap proses pembangunan, kinerja, dan keberlanjutan sistem, yang dapat dijadikan sebagai bahan pertimbangan dan masukan bagi pengembangan sistem serupa di tempat lain.
Analisis ini menggunakan pendekatan kualitatif dan kuantitatif agar verifikasi terhadap berbagai data dan informasi yang berkembang dapat langsung dilakukan.
Berdasarkan hal diatas, maka saya menyimpulkan menggolongkan ke dalam analisis nomor 8, yaitu "Evaluation of Alternatives and Selection of the Best".
Tugas untuk The Analytical of Policy Analysis and Planning by NATALINA BANJARNAHOR (15407105)
Hasil Tugas Akhir yang diperoleh adalah sebagai berikut:
1. "Arahan Pengembangan Pusat-Pusat Pelayanan di Wilayah Pesisir Kabupaten Garut" oleh Andry Andreas N. (15402056) Tahun 2006.
Metode analisis yang digunakan dalam TA tersebut adalah analisis Skala Guttman dan metode Analisis Indeks Sentralisasi.
Dalam proses The Analytical Process of Policy Analysis and Planning,maka metode yang ada dalam TA tersebut masuk dalam kotak nomor 6 yaitu "Design of set of alternative action". Dasar pemikiran memasukkan ke dalam kotak tersebut dikarenakan TA tersebut berisikan:
a. menentukan hirarki pusat-pusat pelayanan di Kabupaten Garut.
b. penentuan sistem perwilayahn di Kabupaten Garut.
c. membuat arahan pengembangan pusat-pusat pelayanan di Kabupaten Garut.
2. "Kajian Migrasi Antar Propinsi di Indonesia melalui Pemodelan Eksperimental" oleh Sugesko (15494054) Tahun 1999.
Metode Analisis yang digunakan dalam TA tersebut adalah:
1. Analisis Kuantitatif yaitu teknik Multiple Regression.
2. Analisis Kualitatif.
Dalam proses The Analytical Process of Policy Analysis and Planning,maka metode yang ada dalam TA tersebut masuk dalam kotak nomor 4 yaitu "System Represantation".
Dasar pemikiran memasukkan ke kotak tersebut adalah berdasarkan isi dari TA yang diambil. Isi TA tersebut adalah mencoba mengungkapkan kaitan antara migrasi dengan keadaan-keadaan wilayah asal dan tujuan migran, dengan melakukan pendekatan pemodelan. Model migrasi antar propinsi di Indosia dibentuk, kemudian diinterpretasikan sehingga bisa diimplementasikan dalam penyelesaian masalah.
1. "Arahan Pengembangan Pusat-Pusat Pelayanan di Wilayah Pesisir Kabupaten Garut" oleh Andry Andreas N. (15402056) Tahun 2006.
Metode analisis yang digunakan dalam TA tersebut adalah analisis Skala Guttman dan metode Analisis Indeks Sentralisasi.
Dalam proses The Analytical Process of Policy Analysis and Planning,maka metode yang ada dalam TA tersebut masuk dalam kotak nomor 6 yaitu "Design of set of alternative action". Dasar pemikiran memasukkan ke dalam kotak tersebut dikarenakan TA tersebut berisikan:
a. menentukan hirarki pusat-pusat pelayanan di Kabupaten Garut.
b. penentuan sistem perwilayahn di Kabupaten Garut.
c. membuat arahan pengembangan pusat-pusat pelayanan di Kabupaten Garut.
2. "Kajian Migrasi Antar Propinsi di Indonesia melalui Pemodelan Eksperimental" oleh Sugesko (15494054) Tahun 1999.
Metode Analisis yang digunakan dalam TA tersebut adalah:
1. Analisis Kuantitatif yaitu teknik Multiple Regression.
2. Analisis Kualitatif.
Dalam proses The Analytical Process of Policy Analysis and Planning,maka metode yang ada dalam TA tersebut masuk dalam kotak nomor 4 yaitu "System Represantation".
Dasar pemikiran memasukkan ke kotak tersebut adalah berdasarkan isi dari TA yang diambil. Isi TA tersebut adalah mencoba mengungkapkan kaitan antara migrasi dengan keadaan-keadaan wilayah asal dan tujuan migran, dengan melakukan pendekatan pemodelan. Model migrasi antar propinsi di Indosia dibentuk, kemudian diinterpretasikan sehingga bisa diimplementasikan dalam penyelesaian masalah.
Kamis, 12 Februari 2009
Qualitative Data Analysis-elmo wiratama 15407103
Qualitative data is subjective, rich, and in-depth information normally presented in the form of words. In undergraduate dissertations, the most common form of qualitative data is derived from semi-structured or unstructured interviews, although other sources can include observations, life histories and journals and documents of all kinds including newspapers.
Qualitative data from interviews can be analysed for content (content analysis) or for the language used (discourse analysis). Qualitative data is difficult to analyse and often opportunities to achieve high marks are lost because the data is treated casually and without rigour. Here we concentrate on the content analysis of data from interviews.
Theory
When using a quantitative methodology, you are normally testing theory through the testing of a hypothesis. In qualitative research, you are either exploring the application of a theory or model in a different context or are hoping for a theory or a model to emerge from the data. In other words, although you may have some ideas about your topic, you are also looking for ideas, concepts and attitudes often from experts or practitioners in the field.
Collecting and organising data
The means of collecting and recording data through interviews and the possible pitfalls are well documented elsewhere but in terms of subsequent analysis, it is essential that you have a complete and accurate record of what was said. Do not rely on your memory (it can be very selective!) and either tape record the conversation (preferably) or take copious notes. If you are taking notes, write them up straight after the interview so that you can elaborate and clarify. If you are using a tape recorder, transcribe the exact words onto paper.
However you record the data, you should end up with a hard copy of either exactly what was said (transcript of tape recording) or nearly exactly what was said (comprehensive notes). It may be that parts of the interview are irrelevant or are more in the nature of background material, in which case you need not put these into your transcript but do make sure that they are indeed unnecessary. You should indicate omissions in the text with short statements.
You should transcribe exactly what is said, with grammatical errors and so on. It does not look very authentic if all your respondents speak with perfect grammar and BBC English! You may also want to indicate other things that happen such as laughter.
Each transcript or set of notes should be clearly marked with the name of the interviewee, the date and place and any other relevant details and, where appropriate, cross-referenced to clearly labelled tapes. These transcripts and notes are not normally required to be included in your dissertation but they should be available to show your supervisor and the second marker if required.
You may wonder why you should go to all the bother of transcribing your audiotapes. It is certainly a time-consuming business, although much easier if you can get access to a transcription machine that enables you to start and stop the tape with your feet while carrying on typing. It is even easier if you have access to an audio-typist who will do this labour intensive part for you. The advantage of having the interviews etc in hard copy is that you can refer to them very quickly, make notes in the margins, re-organise them for analysis, make coding notations in the margins and so on. It is much slower in the long run to have to continually listen to the tapes. You can read much faster than the tape will play! It also has the advantage, especially if you do the transcription yourself, of ensuring that you are very familiar with the material.
Content analysis
Analysis of qualitative data is not simple, and although it does not require complicated statistical techniques of quantitative analysis, it is nonetheless difficult to handle the usually large amounts of data in a thorough, systematic and relevant manner. Marshall and Rossman offer this graphic description:
"Data analysis is the process of bringing order, structure and meaning to the mass of collected data. It is a messy, ambiguous, time-consuming, creative, and fascinating process. It does not proceed in a linear fashion; it is not neat. Qualitative data analysis is a search for general statements about relationships among categories of data."
Marshall and Rossman, 1990:111
Hitchcock and Hughes take this one step further:
"…the ways in which the researcher moves from a description of what is the case to an explanation of why what is the case is the case."
Hitchcock and Hughes 1995:295
Content analysis consists of reading and re-reading the transcripts looking for similarities and differences in order to find themes and to develop categories. Having the full transcript is essential to make sure that you do not leave out anything of importance by only selecting material that fits your own ideas. There are various ways that you can mark the text:
Coding paragraphs – This is where you mark each paragraph with a topic/theme/category with an appropriate word in the margin.
Highlighting paragraphs/sentences/phrases – This is where you use highlighter pens of different colours or different coloured pens to mark bits about the different themes. Using the example above, you could mark the bits relating to childcare and those relating to pay in a different colour, and so on. The use of coloured pens will help you find the relevant bits you need when you are writing up.
With both the above methods you may find that your categories change and develop as you do the analysis. What is important is that you can see that by analysing the text in such a way, you pick up all the references to a given topic and don’t leave anything out. This increases the objectivity and reduces the risk of you only selecting bits that conform to your own preconceptions.
You then need to arrange the data so that all the pieces on one theme are together. There are several ways of doing this:
• Cut and put in folders approach
Make several copies of each transcript (keeping the master safe) and cut up each one according to what is being discussed (your themes or categories). Then sort them into folders, one for each category, so that you have all together what each interviewee said about a given theme. You can then compare and look for similarities/differences/conclusions etc. Do not forget to mark each slip of paper with the respondent’s name, initials or some sort of code or you won’t be able to remember who said what. Several copies may be needed in case one paragraph contains more than one theme or category. This is time consuming and messy at first, but easier in the long run especially if you have a lot of data and categories.
• Card index system
Each transcript must be marked with line numbers for cross-referencing purposes. You have a card for each theme or category and cross-reference each card with each transcript so that you can find what everyone has said about a certain topic. This is quicker initially but involves a lot of referring back to the original transcripts when you write up your results and is usually only suitable for small amounts of data.
• Computer analysis
If you have access to a computer package that analyses qualitative data (e.g. NUDIST) then you can use this. These vary in the way they work but these are some of the basic common principles. You can upload your transcripts created in a compatible word-processing package and then the software allows you to mark different sections with various headings/themes. It will then sort all those sections marked with a particular heading and print them off together. This is the electronic version of the folders approach! It is also possible to use a word-processing package to cut and paste comments and to search for particular words.
There is a great danger of subjective interpretation. You must accurately reflect the views of the interviewees and be thorough and methodical. You need to become familiar with your data. You may find this a daunting and stressful task or you may really enjoy it – sometimes so much that you can delay getting down to the next stage which is interpreting and writing up!
Presenting qualitative data in your dissertation
This would normally follow the topics, themes and categories that you have developed in the analysis and these, in turn, are likely to have been themes that came out in the literature and may have formed the basis for your interview questions. It is usually a mistake to go through each interviewee in turn and what they said on each topic. This is cumbersome and does not give the scope to compare and contrast their ideas with the ideas of others.
Do not analyse the data on a question-by-question basis. You should summarise the key themes that emerge from the data and may give selected quotes if these are particularly appropriate.
Note how a point is made and then illustrated with an appropriate quote. The quotes make the whole text much more interesting and enjoyable to read but be wary of including too many. Please note also the reference to literature (this one is an imaginary piece of literature) – you should evaluate your own findings in this way and refer to the literature where appropriate. Remember the two concepts of presenting and discussing your findings. By presenting we mean a factual description/summary of what you found. The discussion element is your interpretation of what these findings mean and how they confirm or contradict what you wrote about in your literature section.
If you are trying to test a model then this will have been explored in your literature review and your methodology section will explain how you intend to test it. Your methodology should include who was interviewed with a clear rationale for your choices to explain how this fits into your research questions, how you ensured that the data was unbiased and as accurate as possible, and how the data was analysed. If you have been able to present an adapted model appropriate to your particular context then this should come towards the end of your findings section.
It may be desirable to put a small number of transcripts in the appendices but discuss this with your supervisor. Remember you have to present accurately what was said and what you think it means.
In order to write up your methodology section, you are strongly recommended to do some reading in research textbooks on interview techniques and the analysis of qualitative data. There are some suggested texts in the Further Reading section at the end of this pack.
Qualitative data from interviews can be analysed for content (content analysis) or for the language used (discourse analysis). Qualitative data is difficult to analyse and often opportunities to achieve high marks are lost because the data is treated casually and without rigour. Here we concentrate on the content analysis of data from interviews.
Theory
When using a quantitative methodology, you are normally testing theory through the testing of a hypothesis. In qualitative research, you are either exploring the application of a theory or model in a different context or are hoping for a theory or a model to emerge from the data. In other words, although you may have some ideas about your topic, you are also looking for ideas, concepts and attitudes often from experts or practitioners in the field.
Collecting and organising data
The means of collecting and recording data through interviews and the possible pitfalls are well documented elsewhere but in terms of subsequent analysis, it is essential that you have a complete and accurate record of what was said. Do not rely on your memory (it can be very selective!) and either tape record the conversation (preferably) or take copious notes. If you are taking notes, write them up straight after the interview so that you can elaborate and clarify. If you are using a tape recorder, transcribe the exact words onto paper.
However you record the data, you should end up with a hard copy of either exactly what was said (transcript of tape recording) or nearly exactly what was said (comprehensive notes). It may be that parts of the interview are irrelevant or are more in the nature of background material, in which case you need not put these into your transcript but do make sure that they are indeed unnecessary. You should indicate omissions in the text with short statements.
You should transcribe exactly what is said, with grammatical errors and so on. It does not look very authentic if all your respondents speak with perfect grammar and BBC English! You may also want to indicate other things that happen such as laughter.
Each transcript or set of notes should be clearly marked with the name of the interviewee, the date and place and any other relevant details and, where appropriate, cross-referenced to clearly labelled tapes. These transcripts and notes are not normally required to be included in your dissertation but they should be available to show your supervisor and the second marker if required.
You may wonder why you should go to all the bother of transcribing your audiotapes. It is certainly a time-consuming business, although much easier if you can get access to a transcription machine that enables you to start and stop the tape with your feet while carrying on typing. It is even easier if you have access to an audio-typist who will do this labour intensive part for you. The advantage of having the interviews etc in hard copy is that you can refer to them very quickly, make notes in the margins, re-organise them for analysis, make coding notations in the margins and so on. It is much slower in the long run to have to continually listen to the tapes. You can read much faster than the tape will play! It also has the advantage, especially if you do the transcription yourself, of ensuring that you are very familiar with the material.
Content analysis
Analysis of qualitative data is not simple, and although it does not require complicated statistical techniques of quantitative analysis, it is nonetheless difficult to handle the usually large amounts of data in a thorough, systematic and relevant manner. Marshall and Rossman offer this graphic description:
"Data analysis is the process of bringing order, structure and meaning to the mass of collected data. It is a messy, ambiguous, time-consuming, creative, and fascinating process. It does not proceed in a linear fashion; it is not neat. Qualitative data analysis is a search for general statements about relationships among categories of data."
Marshall and Rossman, 1990:111
Hitchcock and Hughes take this one step further:
"…the ways in which the researcher moves from a description of what is the case to an explanation of why what is the case is the case."
Hitchcock and Hughes 1995:295
Content analysis consists of reading and re-reading the transcripts looking for similarities and differences in order to find themes and to develop categories. Having the full transcript is essential to make sure that you do not leave out anything of importance by only selecting material that fits your own ideas. There are various ways that you can mark the text:
Coding paragraphs – This is where you mark each paragraph with a topic/theme/category with an appropriate word in the margin.
Highlighting paragraphs/sentences/phrases – This is where you use highlighter pens of different colours or different coloured pens to mark bits about the different themes. Using the example above, you could mark the bits relating to childcare and those relating to pay in a different colour, and so on. The use of coloured pens will help you find the relevant bits you need when you are writing up.
With both the above methods you may find that your categories change and develop as you do the analysis. What is important is that you can see that by analysing the text in such a way, you pick up all the references to a given topic and don’t leave anything out. This increases the objectivity and reduces the risk of you only selecting bits that conform to your own preconceptions.
You then need to arrange the data so that all the pieces on one theme are together. There are several ways of doing this:
• Cut and put in folders approach
Make several copies of each transcript (keeping the master safe) and cut up each one according to what is being discussed (your themes or categories). Then sort them into folders, one for each category, so that you have all together what each interviewee said about a given theme. You can then compare and look for similarities/differences/conclusions etc. Do not forget to mark each slip of paper with the respondent’s name, initials or some sort of code or you won’t be able to remember who said what. Several copies may be needed in case one paragraph contains more than one theme or category. This is time consuming and messy at first, but easier in the long run especially if you have a lot of data and categories.
• Card index system
Each transcript must be marked with line numbers for cross-referencing purposes. You have a card for each theme or category and cross-reference each card with each transcript so that you can find what everyone has said about a certain topic. This is quicker initially but involves a lot of referring back to the original transcripts when you write up your results and is usually only suitable for small amounts of data.
• Computer analysis
If you have access to a computer package that analyses qualitative data (e.g. NUDIST) then you can use this. These vary in the way they work but these are some of the basic common principles. You can upload your transcripts created in a compatible word-processing package and then the software allows you to mark different sections with various headings/themes. It will then sort all those sections marked with a particular heading and print them off together. This is the electronic version of the folders approach! It is also possible to use a word-processing package to cut and paste comments and to search for particular words.
There is a great danger of subjective interpretation. You must accurately reflect the views of the interviewees and be thorough and methodical. You need to become familiar with your data. You may find this a daunting and stressful task or you may really enjoy it – sometimes so much that you can delay getting down to the next stage which is interpreting and writing up!
Presenting qualitative data in your dissertation
This would normally follow the topics, themes and categories that you have developed in the analysis and these, in turn, are likely to have been themes that came out in the literature and may have formed the basis for your interview questions. It is usually a mistake to go through each interviewee in turn and what they said on each topic. This is cumbersome and does not give the scope to compare and contrast their ideas with the ideas of others.
Do not analyse the data on a question-by-question basis. You should summarise the key themes that emerge from the data and may give selected quotes if these are particularly appropriate.
Note how a point is made and then illustrated with an appropriate quote. The quotes make the whole text much more interesting and enjoyable to read but be wary of including too many. Please note also the reference to literature (this one is an imaginary piece of literature) – you should evaluate your own findings in this way and refer to the literature where appropriate. Remember the two concepts of presenting and discussing your findings. By presenting we mean a factual description/summary of what you found. The discussion element is your interpretation of what these findings mean and how they confirm or contradict what you wrote about in your literature section.
If you are trying to test a model then this will have been explored in your literature review and your methodology section will explain how you intend to test it. Your methodology should include who was interviewed with a clear rationale for your choices to explain how this fits into your research questions, how you ensured that the data was unbiased and as accurate as possible, and how the data was analysed. If you have been able to present an adapted model appropriate to your particular context then this should come towards the end of your findings section.
It may be desirable to put a small number of transcripts in the appendices but discuss this with your supervisor. Remember you have to present accurately what was said and what you think it means.
In order to write up your methodology section, you are strongly recommended to do some reading in research textbooks on interview techniques and the analysis of qualitative data. There are some suggested texts in the Further Reading section at the end of this pack.
Rabu, 11 Februari 2009
SEM, Sebuah Kombinasi Dari Analisis Faktor - Syndi Octakomala D S (15406098)
Sejarah SEM
SEM adalah sebuah teknik pemodelan statistik yang sangat umum dan digunakan secara luas diberbagai lingkup ilmu pengetahuan. SEM dapat dilihat sebagai sebuah kombinasi dari analisis faktor (confirmatory factor analysis), dan regresi atau analisa alur (path analysis).
Pokok bahasan dalam SEM adalah konstruk teoritis yang digambarkan oleh faktor-faktor laten. Hubungan diantara konstruk teoritis tersebut digambarkan oleh regresi atau koefisien alur diantara berbagai faktor. SEM menunjukkan sebuah struktur bagi berbagai kovarian diantara variabel-variabel yang diobservasi, yang juga sering disebut dengan nama lain pemodelan struktur kovarian.
Namun demikian model tersebut dapat diperluas untuk memasukan rata-rata dari variabel yang diobservasi atau faktor dalam model. Banyak dari peneliti seringkali menyatakan pemodelan struktur kovarian sebagai model LISREL, yang mana penyebutan seperti di atas kurang tepat. Karena Lisrel merupakan kepanjangan dari LInear Structural RELationship yang juga merupakan salah satu program yang umum digunakan para peneliti untuk analisis SEM. Penggunaan nama Lisrel ini diberikan oleh Joreskog, sehubungan dengan program statistik untuk analisis SEM yang dikembangkan oleh Joreskog dengan nama yang sama (J.J. Hox dan T.M. Bechger, 2004).
Saat ini SEM tidak lagi hanya linear dan kemungkinan perluasan SEM akan melebihi program lisrel aslinya. SEM menyediakan kerangka kerja yang memenuhi dan sangat umum bagi analisa statistik yang mana termasuk didalamnya beberapa prosedur multivariat tradisional, sebagai contoh misalnya analisa faktor, analisa regresi, analisa diskriminan dan korelasi kanonikal sebagai kasus khusus.
SEM seringkali digambarkan oleh sebuah gambar diagram alur. Model ini didasarkan atas sistem persamaan linear yang pertama kali dikembangkan oleh Sewall Wright seorang ahli genetika tahun 1921 dalam studinya phylogenetic (Stoelting, 1992; Golob, 2001). Analisa alur ini kemudian diadopsi oleh ilmu-ilmu sosial sepanjang tahun 1960-an dan awal tahun 1970-an.
Para ahli sosiologi khususnya menemukan potensi analisa alur yang berhubungan dengan korelasi parsial. Analisa alur ini kemudian digantikan oleh SEM yang dikembangkan oleh Jöreskog (1970, 1973), Keesling (1972) dan Wiley (1973) yang dalam tulisan Bentler (1980) disebut sebagai JKW model. Model Jöreskog-Keesling-Wiley (JKW model) ini kemudian dianggap sebagai model SEM modern, yang kemudian populer dengan nama LISREL (Linear Structural Relationships) sebagai suatu program yang dikembangkan oleh Jöreskog (1970), Jöreskog, Gruvaeus dan van Thillo (1970), serta Jöreskog dan Sörbom (1979) seperti yang telah disinggung di depan.
Dalam model statistik, biasanya SEM ditampilkan dalam sebuah set persamaan matrik. Pada awal 1970-an ketika software LISREL untuk pertama kali diperkenalkan dalam penelitian, software ini membutuhkan penyesuaian untuk menyesuaikan model dalam hal matrik-matrik tersebut. Jadi para peneliti harus menyeleksi penggambaran matrik dari diagram alur, dan melengkapi software sebuah seri dari matrik untuk berbagai set parameter, seperti halnya faktor loading dan koefisien regresi. Pengembangan software terbaru memungkinkan peneliti untuk menentukan model langsung melalui diagram alur, seperti software yang dikembangkan oleh James L. Arbuckle (1995) yang dikenal dengan nama AMOS (Analysis of Moment Structures) (RumahStatistik).
SEM adalah sebuah teknik pemodelan statistik yang sangat umum dan digunakan secara luas diberbagai lingkup ilmu pengetahuan. SEM dapat dilihat sebagai sebuah kombinasi dari analisis faktor (confirmatory factor analysis), dan regresi atau analisa alur (path analysis).
Pokok bahasan dalam SEM adalah konstruk teoritis yang digambarkan oleh faktor-faktor laten. Hubungan diantara konstruk teoritis tersebut digambarkan oleh regresi atau koefisien alur diantara berbagai faktor. SEM menunjukkan sebuah struktur bagi berbagai kovarian diantara variabel-variabel yang diobservasi, yang juga sering disebut dengan nama lain pemodelan struktur kovarian.
Namun demikian model tersebut dapat diperluas untuk memasukan rata-rata dari variabel yang diobservasi atau faktor dalam model. Banyak dari peneliti seringkali menyatakan pemodelan struktur kovarian sebagai model LISREL, yang mana penyebutan seperti di atas kurang tepat. Karena Lisrel merupakan kepanjangan dari LInear Structural RELationship yang juga merupakan salah satu program yang umum digunakan para peneliti untuk analisis SEM. Penggunaan nama Lisrel ini diberikan oleh Joreskog, sehubungan dengan program statistik untuk analisis SEM yang dikembangkan oleh Joreskog dengan nama yang sama (J.J. Hox dan T.M. Bechger, 2004).
Saat ini SEM tidak lagi hanya linear dan kemungkinan perluasan SEM akan melebihi program lisrel aslinya. SEM menyediakan kerangka kerja yang memenuhi dan sangat umum bagi analisa statistik yang mana termasuk didalamnya beberapa prosedur multivariat tradisional, sebagai contoh misalnya analisa faktor, analisa regresi, analisa diskriminan dan korelasi kanonikal sebagai kasus khusus.
SEM seringkali digambarkan oleh sebuah gambar diagram alur. Model ini didasarkan atas sistem persamaan linear yang pertama kali dikembangkan oleh Sewall Wright seorang ahli genetika tahun 1921 dalam studinya phylogenetic (Stoelting, 1992; Golob, 2001). Analisa alur ini kemudian diadopsi oleh ilmu-ilmu sosial sepanjang tahun 1960-an dan awal tahun 1970-an.
Para ahli sosiologi khususnya menemukan potensi analisa alur yang berhubungan dengan korelasi parsial. Analisa alur ini kemudian digantikan oleh SEM yang dikembangkan oleh Jöreskog (1970, 1973), Keesling (1972) dan Wiley (1973) yang dalam tulisan Bentler (1980) disebut sebagai JKW model. Model Jöreskog-Keesling-Wiley (JKW model) ini kemudian dianggap sebagai model SEM modern, yang kemudian populer dengan nama LISREL (Linear Structural Relationships) sebagai suatu program yang dikembangkan oleh Jöreskog (1970), Jöreskog, Gruvaeus dan van Thillo (1970), serta Jöreskog dan Sörbom (1979) seperti yang telah disinggung di depan.
Dalam model statistik, biasanya SEM ditampilkan dalam sebuah set persamaan matrik. Pada awal 1970-an ketika software LISREL untuk pertama kali diperkenalkan dalam penelitian, software ini membutuhkan penyesuaian untuk menyesuaikan model dalam hal matrik-matrik tersebut. Jadi para peneliti harus menyeleksi penggambaran matrik dari diagram alur, dan melengkapi software sebuah seri dari matrik untuk berbagai set parameter, seperti halnya faktor loading dan koefisien regresi. Pengembangan software terbaru memungkinkan peneliti untuk menentukan model langsung melalui diagram alur, seperti software yang dikembangkan oleh James L. Arbuckle (1995) yang dikenal dengan nama AMOS (Analysis of Moment Structures) (RumahStatistik).
Selasa, 10 Februari 2009
Metode Kuantitatif dalam Pengambilan Keputusan -- Dimas Hartanto E 15406044
Secara umum, terdapat dua pendekatan dalam pengambilan keputusan, yaitu pendekatan kualitatif dan pendekatan kuantitatif.
Secara sederhana, pendekatan kualitatif mengandalkan penilaian subyektif terhadap suatu masalah, sedangkan pendekatan kuantitatif mendasarkan keputusan pada penilaian obyektif yang didasarkan pada model matematika yang dibuat. Jika Anda meramalkan cuaca mendasarkan pada pengalaman, maka pendekatan yang digunakan adalah kualitatif. Namun jika, ramalan didasarkan pada model matematika, maka pendekatan yang digunakan adalah kuantitatif. Keputusan penerimaan karyawan berdasar nilai tes masuk adalah contoh lain pendekatan kuantitatif, sedang jika didasarkan pada hasil wawancara untuk mengetahui kepribadian dan motivasi maka pendekatan yang dilakukan adalah kualitatif.
Umumnya pendekatan kuantitatif dalam pengambilan keputusan yang menggunakan model-model matematika. Matematika sudah ditemukan oleh manusia ribuan tahun yang lalu dan telah banyak digunakan dalam banyak aplikasi. Salah satu aplikasi matematika adalah untuk pengambilan keputusan. Sebagai contoh sederhana, bagaimana mengatur 50 kursi dengan ukuran tertentu ke dalam sebuah ruangan dengan ukuran tertentu pula. Dengan ukuran kursi dan ruangan, maka akan ditemukan cara terbaik untuk mengatur kursi; apakah 5 baris kali 10 lajur, atau sebaliknya, semuanya tergantung ukuran ruangan yang ada.
Untuk kasus yang lebih kompleks tentu saja dibutuhkan model matematika yang lebih rumit. Telah banyak model analisis kuantitatif yang dikembangkan dalam pengambilan keputusan.
Bagaimana prosesnya?
Secara umum, semua metode kuantitatif akan mengkonversikan data mentah menjadi informasi yang bermanfaat untuk pengambilan keputusan dari:
RAW MATERIAL -> ANALISIS KUANTITATIF -> INFORMASI YANG BERGUNA.
Sebagai contoh, dalam memproduksi produk A dan B, menggunakan bahan baku X, Y, Z, diketahui keuntungan penjualan produk A dan B. Angka yang menunjukkan banyak tiap bahan yang tersedia dan keuntungan dari tiap produk adalah data mentah. Analisis kuantitatif akan memproses data tersebut sehingga dihasilkan komposisi produksi (berapa banyak produk A dan B diproduksi) yang menghasilkan untuk optimal. Hasil inilah yang disebut denganinformasi yang bermanfaat untuk pengambilan keputusan.
Langkah-langkah dalam pengambilan keputusan
Mendefinisikan masalah. Secara sederhana, masalah merupakan perbedaan (gap) antara situasi yang diinginkan dengan kenyataan yang ada. Jika seorang mahasiswa ingin memperoleh nilai A, tetapi ternyata hasil yang didapatkan kurang dari itu, maka mahasiswa tersebut menghadapi masalah. Pada dasarnya, semua langkap pengambilan keputusan dilakukan untuk menghilangkan atau mengurangi perbedaan yang ada antara yang diharapkan dan yang terjadi.
Mengembangkan model. Model adalah representasi dari sebuah situasi nyata. Model dapat dikembangkan dalam berbagai bentuk; seperti model fisik, logika, atau matematika. Miniatur mobil atau maket rumah adalah contoh model fisik, sedang aliran listrik dengan rangkaian tertentu atau air mengalir dengan pola saluran tertentu adalah model logika untuk arus lalu-lintas. Model ekonomi yang menyatakan bahwa pendapatan merupakan fungsi dari konsumsi dan tabungan merupakan contoh model matematika.
Dalam langkah pengembangan model dikenal istilah variabel yang nilai-nilainya akan mempengaruhi keputusan yang akan diambil. Dalam kasus nyata, variabel-variabel ini sebagian dapat dikendalikan dan sebagian yang lain tidak. Lama lampu merah pada lampu pengatur lalu lintas dapat dikendalikan dengan mudah, namun laju kendaraan dan jumlah kendaraan yang melewati sebuah jalan tidak mudah dikendalikan.
Mengumpulkan data. Data yang akurat sangat penting untuk menjamin analisis kuantitatif yang dilakukan menghasilkan keluaran seperti yang diinginkan. Sumber data untuk pengujian model dapat berupa laporan-laporan perusahaan seperti laporan keuangan dan dokumen perusahaan lainnya, hasil wawancara, pengukuran langsung di lapangan dan hasilsampling statistik.
Membuat solusi. Solusi yang diambil dalam pendekatan kuantitatif dilakukan dengan memanipulasi model dan dengan masukan data yang dihasilkan pada langkah sebelumnya. Banyak metode yang bisa dilakukan dalam membuat solusi, seperti memecahkan persamaan (model matematika) yang sudah dikembangkan sebelumnya, menggunakan pendekatantrial and error dengan data masukan yang berbeda-beda untuk menghasilkan solusi ”terbaik”, atau menggunakan algoritma atau langkah-langkah penyelesaian detil khusus yang telah dikembangkan.
Apapun metode yang digunakan, solusi yang dihasilkan haruslah praktis (practical) dan dapat diterapkan (implementable). Solusi ”terbaik” yang dihasilkan harus tidak rumit dan dapat digunakan untuk memecahkan masalah yang ada.
Menguji solusi. Untuk menjamin bahwa solusi yang dihasilkan merupakan yang terbaik, maka pengujian harus dilakukan, baik pada model ataupun pada data masukan. Pengujian ini dilakukan untuk melihat akurasi (accuracy) dan kelengkapan model dan data yang digunakan. Untuk melihat akurasi dan kelengkapan data, data yang diperoleh dari berbagai sumber dapat dimasukkan ke dalam model dan hasilnya dibandingkan. Model dan data yang akurat dan lengkap seharusnya menjamin konsistensi hasil. Pengujian ini penting dilakukan sebelum analisis hasil dilakukan.
Menganalisis hasil. Analisis hasil dilakukan untuk memahami langkah-langkah yang harus dilakukan jika sebuah keputusan telah dipilih. Selanjutnya implikasi langkah-langkah yang dilalukan juga harus dianalisis. Dalam langkah ini analisis sensitivitas (sensitivity analysis) menjadi sangat penting. Analisis sensitivitas dilakukan dengan mengubah-ubah nilai-nilai masukan model dan melihat perbedaan apa yang terjadi pada hasil. Dengan demikian, analisis sensitivitas akan membantu untuk lebih memahami masalah yang dihadapi dan kemungkinan-kemungkinan jawaban atas masalah tersebut.
Mengimplementasikan hasil. Langkah implementasi ini dilakukan dengan menerapkan hasil analisis ke dalam proses-proses yang terdapat dalam perusahaan. Tidak kalah penting dalam langkah ini adalah memonitor hasil dari penerapan solusi. Namun, perlu disadari bahwa implementasi hasil analisis (solusi) bukanlah tanpa hambatan. Salah satu hambatan yang mungkin dihadapi adalah bagaimana meyakinkan pihak manajemen bahwa solusi yang ditawarkan merupakan yang terbaik dan akan memecahkan masalah yang ada. Dalam kasus ini, analisis sensitivitas atas model yang dihasilkan sekali lagi dapat digunakan untuk menjual solusi yang dihasilkan kepada pihak manajemen.
Secara sederhana, pendekatan kualitatif mengandalkan penilaian subyektif terhadap suatu masalah, sedangkan pendekatan kuantitatif mendasarkan keputusan pada penilaian obyektif yang didasarkan pada model matematika yang dibuat. Jika Anda meramalkan cuaca mendasarkan pada pengalaman, maka pendekatan yang digunakan adalah kualitatif. Namun jika, ramalan didasarkan pada model matematika, maka pendekatan yang digunakan adalah kuantitatif. Keputusan penerimaan karyawan berdasar nilai tes masuk adalah contoh lain pendekatan kuantitatif, sedang jika didasarkan pada hasil wawancara untuk mengetahui kepribadian dan motivasi maka pendekatan yang dilakukan adalah kualitatif.
Umumnya pendekatan kuantitatif dalam pengambilan keputusan yang menggunakan model-model matematika. Matematika sudah ditemukan oleh manusia ribuan tahun yang lalu dan telah banyak digunakan dalam banyak aplikasi. Salah satu aplikasi matematika adalah untuk pengambilan keputusan. Sebagai contoh sederhana, bagaimana mengatur 50 kursi dengan ukuran tertentu ke dalam sebuah ruangan dengan ukuran tertentu pula. Dengan ukuran kursi dan ruangan, maka akan ditemukan cara terbaik untuk mengatur kursi; apakah 5 baris kali 10 lajur, atau sebaliknya, semuanya tergantung ukuran ruangan yang ada.
Untuk kasus yang lebih kompleks tentu saja dibutuhkan model matematika yang lebih rumit. Telah banyak model analisis kuantitatif yang dikembangkan dalam pengambilan keputusan.
Bagaimana prosesnya?
Secara umum, semua metode kuantitatif akan mengkonversikan data mentah menjadi informasi yang bermanfaat untuk pengambilan keputusan dari:
RAW MATERIAL -> ANALISIS KUANTITATIF -> INFORMASI YANG BERGUNA.
Sebagai contoh, dalam memproduksi produk A dan B, menggunakan bahan baku X, Y, Z, diketahui keuntungan penjualan produk A dan B. Angka yang menunjukkan banyak tiap bahan yang tersedia dan keuntungan dari tiap produk adalah data mentah. Analisis kuantitatif akan memproses data tersebut sehingga dihasilkan komposisi produksi (berapa banyak produk A dan B diproduksi) yang menghasilkan untuk optimal. Hasil inilah yang disebut denganinformasi yang bermanfaat untuk pengambilan keputusan.
Langkah-langkah dalam pengambilan keputusan
Mendefinisikan masalah. Secara sederhana, masalah merupakan perbedaan (gap) antara situasi yang diinginkan dengan kenyataan yang ada. Jika seorang mahasiswa ingin memperoleh nilai A, tetapi ternyata hasil yang didapatkan kurang dari itu, maka mahasiswa tersebut menghadapi masalah. Pada dasarnya, semua langkap pengambilan keputusan dilakukan untuk menghilangkan atau mengurangi perbedaan yang ada antara yang diharapkan dan yang terjadi.
Mengembangkan model. Model adalah representasi dari sebuah situasi nyata. Model dapat dikembangkan dalam berbagai bentuk; seperti model fisik, logika, atau matematika. Miniatur mobil atau maket rumah adalah contoh model fisik, sedang aliran listrik dengan rangkaian tertentu atau air mengalir dengan pola saluran tertentu adalah model logika untuk arus lalu-lintas. Model ekonomi yang menyatakan bahwa pendapatan merupakan fungsi dari konsumsi dan tabungan merupakan contoh model matematika.
Dalam langkah pengembangan model dikenal istilah variabel yang nilai-nilainya akan mempengaruhi keputusan yang akan diambil. Dalam kasus nyata, variabel-variabel ini sebagian dapat dikendalikan dan sebagian yang lain tidak. Lama lampu merah pada lampu pengatur lalu lintas dapat dikendalikan dengan mudah, namun laju kendaraan dan jumlah kendaraan yang melewati sebuah jalan tidak mudah dikendalikan.
Mengumpulkan data. Data yang akurat sangat penting untuk menjamin analisis kuantitatif yang dilakukan menghasilkan keluaran seperti yang diinginkan. Sumber data untuk pengujian model dapat berupa laporan-laporan perusahaan seperti laporan keuangan dan dokumen perusahaan lainnya, hasil wawancara, pengukuran langsung di lapangan dan hasilsampling statistik.
Membuat solusi. Solusi yang diambil dalam pendekatan kuantitatif dilakukan dengan memanipulasi model dan dengan masukan data yang dihasilkan pada langkah sebelumnya. Banyak metode yang bisa dilakukan dalam membuat solusi, seperti memecahkan persamaan (model matematika) yang sudah dikembangkan sebelumnya, menggunakan pendekatantrial and error dengan data masukan yang berbeda-beda untuk menghasilkan solusi ”terbaik”, atau menggunakan algoritma atau langkah-langkah penyelesaian detil khusus yang telah dikembangkan.
Apapun metode yang digunakan, solusi yang dihasilkan haruslah praktis (practical) dan dapat diterapkan (implementable). Solusi ”terbaik” yang dihasilkan harus tidak rumit dan dapat digunakan untuk memecahkan masalah yang ada.
Menguji solusi. Untuk menjamin bahwa solusi yang dihasilkan merupakan yang terbaik, maka pengujian harus dilakukan, baik pada model ataupun pada data masukan. Pengujian ini dilakukan untuk melihat akurasi (accuracy) dan kelengkapan model dan data yang digunakan. Untuk melihat akurasi dan kelengkapan data, data yang diperoleh dari berbagai sumber dapat dimasukkan ke dalam model dan hasilnya dibandingkan. Model dan data yang akurat dan lengkap seharusnya menjamin konsistensi hasil. Pengujian ini penting dilakukan sebelum analisis hasil dilakukan.
Menganalisis hasil. Analisis hasil dilakukan untuk memahami langkah-langkah yang harus dilakukan jika sebuah keputusan telah dipilih. Selanjutnya implikasi langkah-langkah yang dilalukan juga harus dianalisis. Dalam langkah ini analisis sensitivitas (sensitivity analysis) menjadi sangat penting. Analisis sensitivitas dilakukan dengan mengubah-ubah nilai-nilai masukan model dan melihat perbedaan apa yang terjadi pada hasil. Dengan demikian, analisis sensitivitas akan membantu untuk lebih memahami masalah yang dihadapi dan kemungkinan-kemungkinan jawaban atas masalah tersebut.
Mengimplementasikan hasil. Langkah implementasi ini dilakukan dengan menerapkan hasil analisis ke dalam proses-proses yang terdapat dalam perusahaan. Tidak kalah penting dalam langkah ini adalah memonitor hasil dari penerapan solusi. Namun, perlu disadari bahwa implementasi hasil analisis (solusi) bukanlah tanpa hambatan. Salah satu hambatan yang mungkin dihadapi adalah bagaimana meyakinkan pihak manajemen bahwa solusi yang ditawarkan merupakan yang terbaik dan akan memecahkan masalah yang ada. Dalam kasus ini, analisis sensitivitas atas model yang dihasilkan sekali lagi dapat digunakan untuk menjual solusi yang dihasilkan kepada pihak manajemen.
Langganan:
Postingan (Atom)
