Berikut adalah ringkasan pelajaran selama mengikuti kuliah Statistik Pendidikan di Prodi S2 PAI Universitas Islam Jakarta, dengan dosen pengampu Dr. Mulki Siregar, S.T. MM.
A. INSTAL SPSS
Cara Download dan Install Aplikasi Olah Data IBM SPSS Statistik Secara Gratis | Versi Terbaru
Cara Download dan Install Aplikasi Olah Data IBM SPSS Statistik Terbaru,
Gratis !
https://www.youtube.com/watch?v=fuxep_Um8zA&t=16s B. PENENTUAN JUMLAH SAMPEL
Dalam penelitian kuantitatif, penentuan sampel bertujuan agar data yang diperoleh mewakili populasi (representatif). Pemilihan rumus didasarkan pada jumlah populasi yang diketahui atau tidak diketahui, serta tingkat kesalahan (error tolerance) yang ditoleransi.
Berikut adalah rumus-rumus yang paling umum digunakan beserta panduannya:
1. Rumus Slovin
Digunakan jika jumlah populasi diketahui secara pasti dan karakteristiknya dianggap homogen.
• n = Ukuran sampel
• N = Ukuran populasi
• e = Tingkat kesalahan/error (biasanya 5% atau 10%)
2. Rumus Lemeshow
Digunakan jika jumlah populasi tidak diketahui secara pasti atau jumlahnya sangat besar dan tidak terhingga.
• n = Ukuran sampel
• Z = Nilai standar deviasi pada tingkat kepercayaan tertentu (biasanya 1,96 untuk tingkat kepercayaan 95%)
• p = Proporsi karakteristik tertentu (jika tidak diketahui, nilainya 0,5)
• q = 1 - p
• d = Tingkat kesalahan yang ditoleransi (misalnya 0,1 atau 0,05)
3. Rumus Isaac dan Michael
Digunakan untuk menentukan jumlah sampel berdasarkan tingkat kesalahan 1%, 5%, atau 10%. Rumus ini memberikan jumlah sampel yang langsung bisa dilihat melalui Tabel Isaac dan Michael tanpa harus menghitung manual, dengan nilai populasi yang biasanya mencapai puluhan ribu.
4. Pendapat Ahli (Aturan Praktis / Rule of Thumb)
Jika Anda menggunakan metode tertentu yang membutuhkan jumlah sampel minimal, berikut panduan dari para ahli untuk acuan umum:
• Roscoe: Ukuran sampel yang layak dalam penelitian adalah antara 30 hingga 500.
• Gay dan Deal: Untuk penelitian deskriptif, sampel minimal 10% dari populasi; untuk penelitian korelasional minimal 30 subjek; dan untuk eksperimen minimal 15 subjek per kelompok.
• Clover: Apabila jumlah populasi sangat besar, minimal sampel yang diambil adalah 1% dari total populasi.
C. UJI VALIDITAS DAN REALIBILITAS
5 MENIT PAHAM UJI VALIDITAS DAN RELIABILITAS ! SIAP DITANYA PENGUJI | #StudyWithTika
Cara Uji Validitas dan Reliabilitas dengan SPSS FULL
Uji Validitas Dan Reliabilitas Di SPSS Cara Mengatasi Data Valid Namun Tidak Reliabel
APA ITU VALIDITAS
Dalam penelitian kuantitatif, data atau instrumen yang valid berarti alat ukur tersebut akurat dan tepat dalam mengukur apa yang seharusnya diukur. Sebaliknya, data tidak valid berarti alat ukur tidak mengukur variabel penelitian dengan tepat, sehingga tidak dapat digunakan untuk menarik kesimpulan yang akurat.
Indikator Data Valid dan Tidak Valid
Secara umum, peneliti menggunakan kuesioner atau tes untuk mengumpulkan data. Kelayakan data diuji dengan melihat korelasi antara skor butir pertanyaan dan skor total.
• Valid: Angka korelasi \(r_{hitung}\) lebih besar daripada \(r_{tabel}\), serta bernilai positif. Artinya, pertanyaan dalam kuesioner tersebut benar-benar mampu menggali informasi yang ingin diteliti.
• Tidak Valid: Angka korelasi \(r_{hitung}\) lebih kecil daripada \(r_{tabel}\). Artinya, pertanyaan tersebut melenceng atau tidak mengukur konsep yang sedang diamati.
Tindakan Jika Data Tidak Valid
Apabila hasil uji menunjukkan ada item pertanyaan atau data yang tidak valid, berikut langkah yang umum diambil peneliti:
1. Gugurkan Item: Peneliti biasanya menghapus atau membuang butir pertanyaan yang tidak valid tersebut dari instrumen penelitian.
2. Perbaiki Instrumen: Jika instrumen krusial, peneliti merumuskan ulang kalimat pertanyaan agar lebih mudah dipahami responden, lalu melakukan pengambilan data ulang.
Untuk memastikan kelayakan metodologi secara menyeluruh, uji validitas ini umumnya dipasangkan dengan uji reliabilitas yang mengukur konsistensi data.
CARA UJI VALIDITAS DI SPSS
Uji Validitas
Cara di SPSS
- analyze
- correlate
- bivariate
- pearson harus di klik
jika r hitung > r table: Valid
jika r hitung < r table: Tidak Valid
atau
Jika nilai sig. < 0,05: Valid
Jika nilai sig. > 0,05: Valid
Contoh untuk Jumlah
sampel = 50
Tabel r
APA ITU RELIABILITAS
Dalam penelitian kuantitatif, data atau instrumen yang reliabel artinya data tersebut bersifat konsisten, stabil, dan dapat diandalkan. Jika suatu instrumen (seperti kuesioner) diuji ulang pada subjek yang sama dan dalam kondisi yang sama, maka instrumen tersebut akan menghasilkan data atau jawaban yang sama.
Untuk memahami arti reliabel atau tidak, perhatikan penjelasan mengenai konsistensi dan batas ukurnya berikut ini:
1. Prinsip Dasar Reliabilitas
• Konsisten: Alat ukur mampu memberikan hasil yang tidak berubah-ubah apabila digunakan dalam waktu atau kesempatan yang berbeda.
• Bebas Kesalahan: Data reliabel menunjukkan bahwa proses pengambilan data memiliki kesalahan minimal dan memiliki tingkat akurasi yang tinggi.
2. Reliabel vs. Valid
Seringkali reliabilitas disandingkan dengan validitas, padahal keduanya memiliki fungsi berbeda:
• Validitas mengukur ketepatan (apakah instrumen mengukur apa yang seharusnya diukur).
• Reliabilitas mengukur konsistensi (apakah hasil pengukurannya tetap/stabil).
• Sebuah data bisa saja reliabel (hasilnya selalu konsisten) tetapi tidak valid (ukurannya salah sasaran). Oleh karena itu, dalam penelitian kuantitatif, data yang baik harus memenuhi syarat valid dan reliabel.
3. Cara Mengetahui Data Reliabel atau Tidak
Dalam penelitian kuantitatif, untuk menentukan suatu data/instrumen reliabel atau tidak, peneliti biasanya melakukan uji statistik menggunakan aplikasi pengolahan data seperti SPSS dengan ketentuan:
• Metode Cronbach's Alpha: Instrumen penelitian (biasanya kuesioner) dianggap reliabel jika nilai koefisiennya > 0,60. Jika nilainya di bawah angka tersebut, instrumen dianggap tidak reliabel dan harus diperbaiki atau diganti butir pertanyaannya.
CARA UJI RELIABILITAS DI SPSS
- analyzie
- Scale
- Reliability Analysis
- klik statistic
- klik Scale if item deleted
- klik continue
- pada model klik Alpa
- pada Scale label, tulis Reliability 1
Jika nilai Cronbach alpha > 0,60: Reliabel
Jika nilai Cronbach alpha < 0,60: Tidak Reliabel
D. UJI ASUMSI KLASIK
1. Uji Normalitas
adalah prosedur statistik untuk menentukan apakah data yang dikumpulkan mengikuti distribusi normal atau tidak. Distribusi normal, atau kurva lonceng, adalah pola sebaran data yang simetris di mana sebagian besar nilai terkumpul di sekitar rata-rata.
2. Uji Multikolinieritas
adalah prosedur statistik yang digunakan untuk mendeteksi adanya hubungan linear yang kuat antar variabel independent dalam model regresi. Tujuannya adalah untuk memastikan bahwa variabelvariabel independen tersebut benar-benar independen, atau tidak saling berkorelasi tinggi.
3. Uji Heteroskedastisitas
adalah pengujian dalam analisis regresi untuk mendeteksi adanya ketidaksamaan varians residual (error) pada berbagai tingkat variabel independen. Uji ini bertujuan untuk memastikan apakah variansi kesalahan dalam model regresi konstan atau berubah-ubah seiring dengan perubahan nilai variabel independen
4. Uji Autokorelasi (untuk data time series)
adalah metode statistik untuk mendeteksi adanya korelasi antara nilai residual (kesalahan) dalam model regresi pada periode waktu yang berbeda. Uji ini melihat apakah terdapat hubungan antara nilai residual pada suatu waktu dengan nilai residual pada waktu sebelumnya
https://www.youtube.com/watch?v=oxXJTv57hSY
Cara Uji ASumsi Klasik di SPSS
- analyze
- regretion
- linier
masukkan variable dependept dan independent
- klik statistic
- centang collinearity diagnostik
(lainnya abaikan kecuali jika datanya time series klik durbin Winston)
- continue
- plot
- kolom Y masukkan SRESID
- kolom X masukkan ZPRED
- centang normal probability plot
- klik continue
- klik save
- centang unstandardized
- klik continue
- klik ok
Jika diperlukan lakukan uji tambahan kosmogorof Smirnov
- analyze
- non parametric test
- legacy dialog
- 1 Sampel K-S
- centang unstandizes, pindahkan ke sebelah kanan, klik ok
UJI AUTOKORELASI
Dalam penelitian kuantitatif yang menggunakan analisis regresi linear, uji autokorelasi adalah pengujian untuk memastikan tidak ada hubungan atau korelasi antara kesalahan pengganggu (residual) pada suatu periode dengan periode waktu sebelumnya (pada data time series).
Model regresi yang baik mensyaratkan data observasi saling bebas satu sama lain.
Mengapa Uji Autokorelasi Penting?
Jika terjadi autokorelasi, maka hasil analisis regresi menjadi tidak valid dan tidak dapat diandalkan. Dampaknya meliputi:
• Prediksi Bias: Nilai varians dari variabel yang diestimasi menjadi terlalu kecil (underestimate).
• Kesalahan Kesimpulan: Uji signifikansi (seperti Uji t) dapat menghasilkan kesimpulan bahwa suatu variabel berpengaruh signifikan, padahal kenyataannya tidak.
Metode Deteksi yang Sering Digunakan
Untuk mengetahui ada atau tidaknya gejala autokorelasi dalam model, peneliti umumnya menggunakan metode berikut:
1. Uji Durbin-Watson (DW): Paling sering digunakan untuk data runtun waktu (runtut waktu). Nilai DW dibandingkan dengan tabel signifikansi untuk menentukan apakah terdapat autokorelasi positif, negatif, atau tidak ada sama sekali.
2. Uji Run Test: Digunakan untuk melihat apakah antar residual terjadi korelasi secara acak atau tidak.
3. Uji Lagrange Multiplier (LM): Sering disarankan jika jumlah observasi data dalam penelitian di atas 100.
Waktu Penggunaan Uji
Uji ini wajib dilakukan jika penelitian menggunakan data time series (runtut waktu), seperti pergerakan harga saham bulanan, data inflasi tahunan, atau volume penjualan harian. Sebaliknya, uji ini tidak diperlukan jika data penelitian adalah cross-section, yakni data yang diambil secara serempak pada satu waktu tertentu (seperti data kuesioner responden).
UJI NORMALITAS
UJI NORMALITAS
Dalam penelitian kuantitatif, uji normalitas adalah prosedur statistik yang digunakan untuk menilai sebaran data dalam sebuah kelompok data atau variabel. Uji ini memastikan apakah data penelitian Anda menyebar (berdistribusi) secara normal atau tidak.
Mengapa Uji Normalitas Penting?
Uji normalitas adalah salah satu bagian dari Uji Asumsi Klasik yang berfungsi sebagai syarat prasyarat sebelum melakukan analisis statistik parametrik (seperti Regresi Linear).
• Kurva Lonceng: Data yang berdistribusi normal akan membentuk kurva lonceng yang simetris, di mana sebagian besar data berkumpul di tengah (rata-rata), dan semakin sedikit data yang berada di ujung kiri maupun kanan. [1]
• Keakuratan Hasil: Jika data Anda berdistribusi normal, model regresi dianggap valid dan estimasi hasil analisisnya akurat serta tidak bias. [1, 2]
• Keabsahan Kesimpulan: Apabila data melenceng jauh dari normal, hasil uji statistik dapat mengalami penurunan validitas, sehingga kesimpulan yang ditarik dari penelitian bisa keliru.
Metode Pengujian yang Sering Digunakan
Untuk mengetahui apakah data Anda normal atau tidak, biasanya peneliti menggunakan beberapa metode pengujian pada aplikasi statistik (seperti SPSS):
• Kolmogorov-Smirnov: Sering digunakan apabila jumlah sampel penelitian Anda besar.
• Shapiro-Wilk: Biasanya menjadi pilihan utama jika ukuran sampel penelitian Anda lebih kecil.
Apa yang Dilakukan Jika Data Tidak Normal?
Jika setelah diuji data Anda dinyatakan tidak berdistribusi normal, Anda tidak perlu panik. Peneliti umumnya akan melakukan beberapa langkah perbaikan, seperti:
1. Transformasi Data: Mengubah skala data menjadi bentuk Logaritma Natural (Ln), kuadrat, atau akar pangkat.
2. Penanganan Outlier: Menghapus data pencilan (ekstrem) yang membuat sebaran data menjadi tidak seimbang.
3. Menambah Jumlah Sampel: Memperbanyak jumlah responden atau observasi agar data lebih representatif.
4. Uji Alternatif: Menggunakan analisis statistik non-parametrik yang tidak memerlukan syarat asumsi normalitas.
UJI MULTIKOLINEARITAS
Dalam penelitian kuantitatif, uji multikolinearitas adalah tes statistik yang bertujuan untuk memastikan apakah terdapat hubungan korelasi yang kuat atau sempurna antara variabel bebas (independen) di dalam sebuah model regresi.
Berikut adalah penjelasan lengkap mengenai konsep dan tujuan pengujian ini:
1. Tujuan Utama
Model regresi yang baik mensyaratkan bahwa antar variabel bebas tidak boleh saling berkorelasi. Uji ini memastikan agar peneliti dapat mengisolasi dan mengetahui secara pasti pengaruh spesifik dari masing-masing variabel independen terhadap variabel terikat (dependen).
2. Akibat Jika Terjadi Multikolinearitas
Jika sebuah model memiliki multikolinearitas (variabel bebas saling berkaitan erat), beberapa masalah berikut akan muncul:
• Nilai Standar Error Membengkak: Hal ini membuat nilai signifikansi (P-Value) menjadi tidak akurat dan cenderung membuat kesimpulan penelitian menjadi bias.
• Koefisien Regresi Tidak Stabil: Nilai estimasi koefisien (arah dan besarnya pengaruh variabel) bisa berubah secara drastis hanya dengan penambahan atau pengurangan sedikit data.
• Membingungkan Arah Pengaruh: Sulit untuk memisahkan efek murni dari masing-masing variabel bebas terhadap variabel terikat.
3. Cara Pengujian dan Indikator
Dalam praktiknya menggunakan software statistik (seperti SPSS), deteksi multikolinearitas umumnya dilihat melalui dua nilai utama:
• Nilai Tolerance: Model regresi terbebas dari multikolinearitas jika nilai Tolerance \(> 0,10\).
• Nilai VIF (Variance Inflation Factor): Model regresi terbebas dari multikolinearitas jika nilai VIF \(<10\).
4. Solusi Jika Terjadi Multikolinearitas
Apabila data yang diuji terdeteksi adanya multikolinearitas, peneliti dapat mengambil beberapa langkah perbaikan:
• Menghapus Variabel: Mengeluarkan salah satu variabel yang memiliki tingkat korelasi sangat tinggi atau tumpang tindih.
• Menggabungkan Variabel: Melakukan analisis faktor untuk menggabungkan variabel-variabel yang berkorelasi menjadi satu variabel baru yang mewakili konsep tersebut.
• Menambah Jumlah Sampel: Memperbanyak ukuran observasi data agar dapat mengurangi bias dari korelasi antar variabel.
UJI HETEROSKEDASTISITAS
Uji Heteroskedastisitas (sering disingkat uji heterokedas) adalah tes untuk menilai apakah dalam model regresi terjadi ketidaksamaan varian dari residual (selisih nilai prediksi dan nilai riil) satu pengamatan ke pengamatan lainnya. Model regresi yang baik mensyaratkan adanya homoskedastisitas (varian residual konstan).
Mengapa Uji Ini Penting?
Jika varian residual berbeda (heteroskedastisitas), data tersebut melanggar asumsi klasik. Akibatnya, hasil estimasi analisis regresi menjadi tidak akurat, tidak konsisten, dan tidak dapat diandalkan untuk menarik kesimpulan penelitian.
Cara Mendeteksi Heteroskedastisitas
Ada dua metode utama yang sering digunakan dalam penelitian:
1. Metode Grafik (Scatterplot):
o Terjadi Heteroskedastisitas: Titik-titik data membentuk pola tertentu yang teratur (seperti bergelombang, menyebar kemudian menyempit, atau membentuk pola tertentu).
o Tidak Terjadi Heteroskedastisitas: Titik-titik menyebar secara acak di atas dan di bawah angka \(0\) pada sumbu Y, serta tidak membentuk pola yang jelas.
2. Metode Uji Statistik:
Pengujian matematis seperti Uji Glejser, Uji Park, atau Uji White. Keputusan diambil berdasarkan nilai signifikansi (probabilitas). Jika nilai signifikansi lebih besar dari tingkat kepercayaan (biasanya \(\alpha = 0{,}05\)), maka disimpulkan tidak terjadi heteroskedastisitas.
Cara Mengatasi Jika Terjadi Heteroskedastisitas
Apabila data Anda terbukti mengalami masalah ini, langkah perbaikan yang umum dilakukan meliputi:
• Transformasi Data: Mengubah skala data menjadi bentuk logaritma natural (Ln), kuadrat, atau akar.
• Alternatif Metode: Menggunakan metode estimasi lain seperti Weighted Least Squares (WLS) atau uji robust.
UJI AUTOKORELASI
Dalam penelitian kuantitatif yang menggunakan analisis regresi linear, uji autokorelasi adalah pengujian untuk memastikan tidak ada hubungan atau korelasi antara kesalahan pengganggu (residual) pada suatu periode dengan periode waktu sebelumnya (pada data time series).
Model regresi yang baik mensyaratkan data observasi saling bebas satu sama lain.
Mengapa Uji Autokorelasi Penting?
Jika terjadi autokorelasi, maka hasil analisis regresi menjadi tidak valid dan tidak dapat diandalkan. Dampaknya meliputi:
• Prediksi Bias: Nilai varians dari variabel yang diestimasi menjadi terlalu kecil (underestimate).
• Kesalahan Kesimpulan: Uji signifikansi (seperti Uji t) dapat menghasilkan kesimpulan bahwa suatu variabel berpengaruh signifikan, padahal kenyataannya tidak.
Metode Deteksi yang Sering Digunakan
Untuk mengetahui ada atau tidaknya gejala autokorelasi dalam model, peneliti umumnya menggunakan metode berikut:
1. Uji Durbin-Watson (DW): Paling sering digunakan untuk data runtun waktu (runtut waktu). Nilai DW dibandingkan dengan tabel signifikansi untuk menentukan apakah terdapat autokorelasi positif, negatif, atau tidak ada sama sekali.
2. Uji Run Test: Digunakan untuk melihat apakah antar residual terjadi korelasi secara acak atau tidak.
3. Uji Lagrange Multiplier (LM): Sering disarankan jika jumlah observasi data dalam penelitian di atas 100.
Waktu Penggunaan Uji
Uji ini wajib dilakukan jika penelitian menggunakan data time series (runtut waktu), seperti pergerakan harga saham bulanan, data inflasi tahunan, atau volume penjualan harian. Sebaliknya, uji ini tidak diperlukan jika data penelitian adalah cross-section, yakni data yang diambil secara serempak pada satu waktu tertentu (seperti data kuesioner responden).
E. UJI T dan UJI F di SPSS
Cara melakukan Uji t dan uji f di SPSS 22
- analyze
- regretion
- linier
- pindahkan variable dependet dan independent
klik OK
F. CARA MELAKUKAN PENGUJIAN MEDIASI DE NGAN SOBEL TEST DI SPSS 22
Uji Sobel di SPSS 22 dilakukan melalui dua tahap: regresi jalur (Path Analysis) untuk mendapatkan nilai koefisien dan standard error, lalu kalkulator Sobel Test online untuk menghitung nilai Z. [1, 2]
Berikut ringkasan langkah-langkahnya:
- Regresi Model 1 (X → M): Klik Analyze → Regression → Linear. Masukkan M (Mediator) sebagai Dependent dan X (Independen) sebagai Independent. Catat nilai Koefisien a dan Standard Error (Sa)) dari tabel Coefficients.
- Regresi Model 2 (X + M → Y): Ulangi langkah regresi, jadikan Y (Dependen) sebagai Dependent, serta X dan M sebagai Independent. Catat nilai Koefisien b (untuk variabel M) dan Standard Error (Sb)) dari tabel Coefficients.
- Kalkulator Sobel: Buka kalkulator Sobel online (seperti Quantpsy atau kalkulator Sobel Test). Masukkan nilai \(a, Sa, b, dan Sb).
- Pengambilan Keputusan: Jika nilai Z > 1,96 (dengan signifikansi 5%), maka variabel mediasi terbukti signifikan memediasi hubungan.
G. CARA BERLATIH 1 PEKAN MENGUASAI SPSS 22
- Hari 1-2: Input & Cleaning Data. Pahami dulu tampilan SPSS (Variable View & Data View). Belajar cara copy-paste data dari Excel ke SPSS, memberi label variabel, dan membersihkan data yang eror atau kosong.
- Hari 3: Statistik Deskriptif. Mulai coba menu Analyze > Descriptive Statistics. Belajar cara memunculkan nilai rata-rata (mean), nilai tengah (median), serta grafik atau diagram lingkaran untuk profil respondenmu.
- Hari 4: Uji Asumsi Klasik (Wajib Kuantitatif) Lakukan uji prasyarat sebelum masuk ke menu utama. Belajar cara uji Normalitas, Multikolinearitas, dan Heteroskedastisitas agar datamu dinilai sehat dan tidak bias.
- Hari 5-6: Uji Korelasi & Regresi Linear. Hari 5: Pakai menu Correlate untuk melihat seberapa kuat hubungan antar-variabel. Hari 6: Pakai menu Regression > Linear (Sederhana/Berganda) untuk melihat seberapa besar pengaruh variabel X terhadap Y.
- Hari 7: Interpretasi & Mindahin ke Bab 4 Belajar cara membaca tabel output SPSS (terutama tabel Coefficients, Model Summary, dan ANOVA) lalu pindahkan hasilnya ke Microsoft Word skripsimu.
H. TEKNIS PENULISAN JURNAL
DALAM JURNAL UNTUK RISET KUANTITATIF, BAGIAN HIPOTESIS DIMASUKKAN DALAM METODE PENELITIAN ATAU HASIL PENELITIAN ATAU KESIMPULAN?
Secara struktural, perumusan hipotesis diletakkan di akhir Tinjauan Pustaka (Bab 2) atau di bagian Metode Penelitian (Bab 3). Namun, saat membahas pengujian dan pembuktiannya, hipotesis akan muncul kembali pada bagian Hasil Penelitian (untuk melihat nilai statistiknya) dan Kesimpulan (untuk menjawab apakah hipotesis diterima atau ditolak).
Agar lebih jelas, berikut adalah fungsi hipotesis di setiap bagian jurnal kuantitatif:
• Metode Penelitian: Memasukkan rencana uji hipotesis (seperti jenis uji statistik yang dipakai, tingkat signifikansi, dan kriteria penerimaan/penolakan).
• Hasil Penelitian: Menampilkan pengujian hipotesis secara matematis menggunakan data numerik (misalnya hasil uji t atau regresi) untuk melihat apakah hipotesis terbukti secara empiris.
• Kesimpulan: Menyatakan secara eksplisit status hipotesis (apakah hipotesis alternatif \(H_{1}\) diterima atau ditolak) berdasarkan temuan analisis data.
I. CONTOH PEMBUATAN JURNAL KUATI
Sebagai contoh KRITERIA
JURNAL adalah sebagai berikut:
Pendahuluan
(1000-1500 kata)
Harap buat
pengaturan halaman pengolah kata ke format A4 (8,27x 11,69 inci); Dengan
margin: bawah 3 cm (1,18 in) dan atas 3 cm (1,18 in), kiri 3 cm (1,18 in) dan
kanan 2,5 cm (1,47 in). Untuk badan kertas, silakan gunakan Times New Roman 12,
spasi 1.15.
Dalam
Pendahuluan Berisikan :
1. Mengapa
artikel ini penting? Datanya apa?
2. Apa
kesenjangannya dan hal baru apa yang ditawarkan dalam artikel ini
3.
Usaha-usaha apa yang sudah dilakukan untuk menyelesaikan persoalan?
4.
Kekurangan dari usaha tersebut apa?
5. Argumen
apa yang ditawarkan dalam artikel ini?
6. Mengapa
lokasi itu dipilih? (Unik, Menarik atau Urgen)
Metode
Penelitian (500-1000 kata)
Metode
terdiri dari
1.
Deskripsi jenis penelitian
2.
Pengumpulan data
3. Sumber
data
4. Jenis
data
5. dan
analisis data. (Semua ditulis dalam bentuk paragraf.)
Hasil
Penelitian (1000 kata)
Penyajian
isi pada sub ini apa adanya, tanpa interpretasi mori, hasil penelitian
berdasarkan wawancara, observaža, dan dokumentası disajikan secara deskriptif
Pemaparan pola, kategori, atau tema yang muncul dari analisis data
Pembahasan
(1500 kata)
Bagian ini
berisi Fokus utama menginterpretasi temuan, mengaitkannya dengan teori dan
penelitian terdahulu. Selanjutnya interpretasi temuan, keterbatasan penelitian,
serta implikasinya terhadap perkembangan konsep atau keilmuan.
Kesimpulan (300-400 kata)
Tuliskan secara ringkas dan jelas hasil penelitian kemudian uraikan konsekuensi logis dalam mengembangkan ilmu pengetahuan dan praksis pendidikan. (Menggunakan Times New Roman 12)
- Temuan terpenting?,
- Teori dan metode mampu menjawab masalah?
- Bagaimana bisa? 300-400 kata]
Abstract
English
abstracts made between 150-200 words contain,
1.
Background
2.
Research Objectives
3.
Research Problems
4.
Research Methods
5.
Research Results.
Abstracts
are written using Time New Roman letters size 12, space 1 and with text length
between 150-200 words. The English version of the abstract is written using
standard English with improved spelling, right and left indented 1 cm
Keywords:
3-5 word keywords, such as (Supervision; Principal and Learning Quality)
Abstrak
Abstrak
bahasa Indonesia yang dibuat antara 150-200 kata berisi;
1. Latar
belakang
2. Tujuan
Penelitian
3. Masalah
Penelitian
4. Metode
Penelitian
5. Hasil
Penelitian.
Abstrák
ditulis menggunakan huruf Time New Roman ukuran 12, spasi 1 dan dengan panjang
teks antara 150-200 kata. Abstrak versi Bahasa Indonesia ditulis menggunakan
Bahasa Indonesia baku dengan ejaan yang disempurnakan, kanan kiri menjorok 1
cm.
Kata
Kunci: kata kunci 3-5 kata, seperti (Supervisi; Kepala Sekolah dan Kualitas
Pembelajaran)
Berdasar kriteria tersebut maka bisa dibuat Prompt untuk menyusun keseluruhan isi jurnal dengan tahapan berikut:
- Membuat Pendahuluan
- Membuat Metode Penelitian
- Membuat Hasil dan Pembahasan
- Membuat Kesimpulan
- Membuat Abstrak 2 bahasa
- Membuat Daftar Pustaka
Tidak ada komentar:
Posting Komentar