[LAST CALL!] BANGKITKAN SKILL DATA SAMPAI SUKSES BERKARIR
BELAJAR DATA SCIENCE 6 BULAN CUMA 127 RIBU  | Pakai Kode: DQBANGKIT
KLAIM PROMONYA!
Pendaftaran ditutup dalam 0 Hari 14 Jam 48 Menit 22 Detik 

Mengenal Teknik Observasi, Salah Satu Contoh Teknik Pengolahan Data

Belajar Data Science di Rumah 08-September-2021
https://dqlab.id/files/dqlab/cache/d3dd9939afdb25569583c276b71af041_x_Thumbnail800.jpg

Setiap peneliti tentunya mencurahkan perhatiannya pada sesuatu dan mengamati fakta yang terdapat di dalamnya. Hal ini tentu saja didorong oleh rasa keingintahuan yang tinggi terkait pemahaman fakta yang diamati secara lebih mendalam. Pada hakikatnya, seorang peneliti pastinya memunculkan berbagai pertanyaan. Pengamatan terhadap fakta, identifikasi atas masalah, dan usaha untuk menjawab rumusan masalah didasarkan pada teori. Hal ini merupakan esensi dari sebuah riset. Maka dari itu, riset dapat disebut sebagai suatu usaha yang sistematis untuk mengatur dan menyelidiki masalah serta menjawab pertanyaan yang muncul dan terkait dengan fakta dan fenomena. Oleh karena itu, riset merupakan hal yang sangat penting karena berupa penyelidikan yang sistematis, terkontrol, empiris dan kritis tentang fenomena alami dengan dipandu oleh teori dan hipotesis mengenai hubungan yang dianggap terdapat di antara fenomena itu. Berdasarkan teknik, pengolahan data dalam sebuah penelitian dibagi menjadi dua yaitu penelitian kuantitatif dan penelitian kualitatif. Salah satu teknik pengolahan data yang seringkali digunakan dalam penelitian yaitu teknik observasi. Observasi ini memiliki peran penting dalam arti penelitian sebagai salah satu metode penelitian ilmiah yang dapat dilakukan dengan bermacam-macam cara. Namun, kebutuhan untuk reproduktifitas mensyaratkan bahwa observasi oleh pengamat yang berbeda dapat dibandingkan. 


Dalam penelitian, metode observasi akan digambarkan sebagai metode yang dipergunakan dalam mengamati dan mendeskripsikan tingkah laku subjek. Seperti namanya, observasi ini adalah cara mengumpulkan informasi dan data yang relevan dengan mengamati. Sehingga dalam hal ini observasi disebut sebagai studi partisipatif karena si peneliti harus menjalin hubungan dengan responden dan untuk ini harus membenamkan dirinya dalam pengaturan yang sama dengan mereka. Hanya dengan begitu dia dapat menggunakan metode observasi untuk mencatat data yang dibutuhkan. Metode observasi digunakan jika peneliti ingin menghindari kesalahan yang dapat menjadi hasil bias selama proses evaluasi dan interpretasi. Penggunaan teknik observasi ini biasanya dijadikan sebagai pendukung dalam suatu riset untuk mengamati fenomena yang terjadi di lokasi penelitian. Terdapat bermacam-macam teknik yang dipergunakan dalam observasi oleh seorang peneliti sesuai kebutuhan data yang ingin mereka dapatkan. Kira-kira apa saja teknik-teknik yang seringkali digunakan untuk keperluan observasi dalam sebuah penelitian? Pada artikel DQLab kali ini, kita akan membahas mengenai teknik observasi sebagai salah satu contoh dari teknik pengolahan data. Dengan harapan bisa menjadi tambahan insight dan rekomendasi bagi kalian calon praktisi data, peneliti maupun data enthusiast. Jangan lewatkan artikel berikut ini, pastikan simak baik-baik, stay tune and keep scrolling on this article guys!


1. Observasi Terkontrol

Observasi terkontrol dilakukan di ruang tertutup. Peneliti yang memiliki kewenangan untuk menentukan tempat dan waktu dimana dan kapan observasi akan dilakukan. Dia juga memutuskan siapa partisipannya dan dalam keadaan apa dia akan menggunakan proses standar. Partisipan dipilih untuk kelompok variabel penelitian secara acak. Peneliti mengamati dan mencatat data perilaku yang rinci dan deskriptif dan membaginya ke dalam kategori yang berbeda. Kadang-kadang peneliti mengkodekan tindakan sesuai skala yang disepakati dengan menggunakan daftar perilaku. Pengkodean dapat mencakup huruf atau angka atau rentang untuk mengukur intensitas perilaku dan menggambarkan karakteristiknya. Data yang terkumpul seringkali diubah menjadi statistik. Dalam metode observasi terkontrol, partisipan diinformasikan oleh peneliti tentang tujuan penelitian. Hal ini membuat mereka sadar sedang diamati. Peneliti menghindari kontak langsung selama metode observasi dan umumnya menggunakan cermin dua arah untuk mengamati dan mencatat detail.


Baca juga : Teknik Pengolahan Data Kualitatif: Ketahui Macam-Macam Metode

Pengumpulan Data


2. Observasi Partisipatif

Metode observasi partisipatif sering dianggap sebagai varian dari metode observasi naturalistik karena memiliki kemiripan. Perbedaannya adalah peneliti bukan lagi pengamat jarak jauh karena ia telah bergabung dengan partisipan dan menjadi bagian dari kelompoknya. Seorang peneliti melakukan ini untuk mendapatkan wawasan yang lebih mendalam dan lebih dalam tentang kehidupan mereka. Peneliti berinteraksi dengan anggota lain dari kelompok secara bebas, berpartisipasi dalam aktivitas mereka, mempelajari perilaku mereka dan memperoleh cara hidup yang berbeda. Pengamatan partisipan bisa terbuka atau terselubung.

  • Overt (Terbuka), ketika peneliti meminta izin dari suatu kelompok untuk berbaur. Ia melakukannya dengan mengungkapkan tujuan sebenarnya dan identitas aslinya kepada kelompok yang ingin diajak bergaul

  • Covert (Terselubung), jika peneliti tidak menunjukkan identitas atau arti sebenarnya kepada kelompok yang ingin ia ikuti. Ia merahasiakan keduanya dan mengambil peran dan identitas palsu untuk masuk dan berbaur dalam grup. Dia biasanya bertindak seolah-olah dia adalah anggota asli dari grup itu


3. Observasi Naturalistik

Ilmuwan sosial dan psikolog umumnya menggunakan metode observasi naturalistik. Prosesnya melibatkan mengamati dan mempelajari perilaku spontan para partisipan di lingkungan terbuka atau alami. Peran peneliti adalah menemukan dan merekam apa saja yang dapat dilihat dan diamati di habitat aslinya. Teknik ini melibatkan pengamatan dan mempelajari perilaku spontan partisipan di lingkungan alami mereka. Peneliti hanya mencatat apa yang mereka lihat dengan cara apapun yang mereka bisa. Dalam observasi tidak terstruktur, peneliti mencatat semua perilaku yang relevan tanpa sistem. Mungkin ada terlalu banyak untuk dicatat dan perilaku yang dicatat belum tentu menjadi yang paling penting sehingga pendekatan ini biasanya digunakan sebagai studi percontohan untuk melihat jenis perilaku apa yang akan dicatat. Dibandingkan dengan pengamatan terkontrol, ini seperti perbedaan antara mempelajari hewan liar di kebun binatang dan mempelajarinya di habitat aslinya.


4. Observasi Terstruktur

Observasi terstruktur terdiri dari definisi kategori yang cermat di mana informasi akan dicatat, standarisasi kondisi pengamatan, dan sebagian besar digunakan dalam studi yang dirancang untuk memberikan deskripsi sistematis atau untuk menguji hipotesis kausal. Penggunaan teknik observasi terstruktur mengandaikan bahwa penyidik mengetahui aspek apa dari situasi yang diteliti yang relevan dengan tujuan penelitiannya dan oleh karena itu berada dalam posisi untuk mengembangkan rencana khusus untuk membuat dan merekam pengamatan sebelum dia benar-benar memulai pengumpulan data. Pengamatan terstruktur dapat digunakan dalam pengaturan lapangan alami atau pengaturan laboratorium. Pengamatan terstruktur, sejauh ini digunakan terutama dalam penelitian yang dimulai dengan formulasi yang relatif spesifik, biasanya memungkinkan kebebasan memilih yang jauh lebih sedikit sehubungan dengan isi pengamatan daripada yang diizinkan dalam pengamatan tidak terstruktur. Karena situasi dan masalahnya sudah eksplisit, pengamat berada dalam posisi untuk menetapkan terlebih dahulu kategori-kategori yang akan dianalisis situasi tersebut. Kategori ditentukan dengan jelas untuk memberikan data yang dapat diandalkan tentang pertanyaan yang akan ditanyakan.


Baca juga : Kenali 3 Jenis Metode Pengolahan Data Kuantitatif


5. Belajar Teknik Pengolahan Data Seperti Data is New Oil Bersama DQLab!

Data is the new oil, begitulah ungkapan menurut Presiden Joko Widodo. Arti dari ungkapan tersebut ialah data yang akurat merupakan kekayaan baru yang sangat berharga bahkan nilainya bisa lebih berharga daripada minyak. Data yang valid menjadi salah satu kunci pembangunan. Berbekal data yang valid, maka sangat dibutuhkan untuk penyusunan perencanaan dan eksekusi kebijakan untuk hasil yang efektif. Untuk bisa menemukan cara yang tepat dalam mengolah data, seseorang perlu memiliki kemampuan dan ketangkasan dalam ilmu data science. Dengan memiliki ilmu ini, seseorang bisa dengan mudah dalam memanfaatkan sekumpulan data dalam bentuk big data. Dengan memiliki ilmu ini, seseorang bisa dengan mudah dalam memanfaatkan sekumpulan data dalam bentuk big data. Dengan demikian, seorang praktisi data jika ingin melakukan analisis data tentunya akan menghasilkan insight yang valuable dari awalnya nothing (sesuatu yang tidak bernilai) menjadi something yang bermanfaat bagi pengambilan keputusan suatu bisnis yang diputuskan oleh tim manajemen terkait. Jika kamu penasaran dengan data science dan ingin belajar data science secara langsung, caranya mudah banget. Kamu bisa loh untuk coba bikin akun gratisnya kesini di DQLab.id atau bisa klik button di bawah ini yap. Nikmati pengalaman belajar data science yang menarik bersama DQLab yang seru dan menyenangkan dengan live code editor. Cobain juga free module Introduction to Data Science with R dan Introduction to Data Science with Python untuk menguji kemampuan data science kamu. Kalian juga bisa mencoba studi kasus penerapan real case industry. Ayo persiapkan dirimu untuk berkarir sebagai praktisi data yang kompeten!



Penulis: Reyvan Maulid


Sign Up & Mulai Belajar Gratis di DQLab!