https://www.videosprofitnetwork.com/watch.xml?key=6f9f176f0f3a756bc35db1cc74eabf2a

4 Langkah Apabila Terjadi Missing Data Penelitian

Ada 4 Langkah Apabila Terjadi Missing Data Penelitian


Apakah yang dimaksud dengan Missing data..? 
Missing Data adalah kondisi dimana di dalam suatu penelitian terjadi (terdapat) data hilang. Pada biasanya, Missing data terjadi apabila ada salah satu data yang memiliki nilai kevalidan tidak tersedia (hilang) pada saat kita akan melakukan analisa. 

Hal ini merupakan Tantangan juga bagi seorang peneliti dan akan menjadi isu utama adalah apa yang terjadi jika data tersebut hilang dengan generalisasi hasil penelitian.? Ada beberapa penyebab mengenai missing data diantaranya ‘kesalahan pada saat melakukan entry data atau pada saat mengumpulkan data tersebut. 

Apakah ada pengaruhnya apabila terjadi missing data dalam penelitian kita,?
Tentunya sangat berpengaruh pada penelitian kita. Salah satu dampaknya adalah berkurangnya jumlah sampel yang sudah kita tentukan. 
Apabila terjadi missing data pada penelitian kita, maka kita harus ambil tindakan cepat. 

Dibawah ini ada beberapa langkah yang bisa kita lakukan apabila terjadi missing data pada penelitian, yaitu:
  1. Menentukan Tipe Missing Data; 
    Pada tahap ini, perhatian peneliti adalah apakah missing data merupakan bagian dari desain penelitian dan dalam kontrol peneliti atau masalah ini tidak diketahui. Jika data tersebut merupakan bagian dari desain penelitian yang sudah kita rancang dan bisa kita handle, maka apakah kita bisa mengabaikan missing data tersebut? 

    Jika bisa kita tidak perlu mencari pengganti dari data tersebut. Namun jika data tersebut harus kita ganti dengan data yang baru kita bisa melakan penambahan data tersebut.

    Sebagai contoh, kita ingin meneliti tentang komplain dari pelanggan dan tentunya yang akan menjadi responden penelitian adalah pelanggan yang pernah mengajukan komplain dan kita akan bertanya terhadap responden tersebut mengenai bagaimana penangganan komplain yang telah kita lakukan. 

    Bagi pelanggan yang tidak pernah komplain, tentunya mereka tidak akan menjawab pertanyaan tentang penangganan komplain tersebut lalu membuat missing data, dalam hal ini tentunya peneliti tidak fokus pada hal ini karena mereka tidak dalam desain penelitian yang kita lakukan, oelh karenanya kita bisa mengabaikan missing data tersebut.

  2. Menentukan Tambahan Missing Data; 
    Jika missing data pada penelitian yang kita lakukan terjadi dan kita tidak bisa mengabaikannya, maka yang kita lakukan adalah menentukan tambahan data sebagai penggantinya. Isu pertama pada tahap ini adalah menentukan apakah tamabaha atau jumlah missing data adalah rendah dan tidak mempunyai pengaruh terhadap hasil penelitian kita dan bersifat nonrandom? 

    Jika cukup rendah maka perlu beberapa pendekatan untuk mengulang missing data tersebut, dan jika tinggi maka kita bisa melangkah ketahap berikutnya yaitu mendiagnosa secara random proses missing data tersebut. 

    Jika tamabahan untuk misssing  data tersebut dilakukan maka perlu dilakukan penilaian atau pengujian terhadap tambahan data tersebut. Caranya dengan melihat nilai mean dari tabulasi data kita yaitu pertama persentase variabel yang terdapat data hilang untuk masing-masing kasus dan kedua adalah berapa jumlah kasus yang missing data tersebut untuk masing-masing variabel.

  3. Mendiagnosa Secara Acak Proses Missng;
    Langkah selanjutnya yang harus kita lakukan ialah meniagnosa secara random proses missing data tersebut yakni seberapa besar tingkat keacakan data tersebut. Misalnya jika asumsikan bahwa kita akan meneliti (katakanlah variabel tersebut adalah variabel X dan variabel Y) dan datanya pun sudah terkumpul. 

    Variabel X tidak terdapat missing data, sedangkan pada variabel Y terdapat missing data. ketidakacakan data atau nonrandomness data yang diperlihatkan oleh variabel X dan variabel Y mempunyai perbedaan nilai yang signifikan. Oleh karenanya kita harus mengakomodasi nonrandomness data tersebut dalam analisa kita.

  4. Memilih Metode Penginputan;
    Hair dkk (2006) mengatakan ada dua metode yang bisa dipakai yaitu missing at-random (MAR) dipakai apabila data yang hilang tersebut bersifat nonrandomness dan yang kedua adalah missing completly at random (MCAR) yaitu jik data missing tersebut bersifat random.
Itulah beberapa langkah yang bisa kita lakukan apabila seandainya terjadi missing data pada penelitian kita, semoga bermanfaat.

Terima kasih telah membaca artikel tentang 4 Langkah Apabila Terjadi Missing Data Penelitian.

Iklan Atas Artikel

Iklan Tengah Artikel 1

Iklan Tengah Artikel 2

Iklan Bawah Artikel ataspmbid