Connect with us

MEDIA

Keandalan dan Kesahihan

Inovasee

Ivan Lanin

Dua konsep menarik yang saya pelajari sewaktu mengerjakan tesis tempo hari adalah keandalan (reliabilitas, reliability) dan kesahihan (validitas, validity) data.

Secara sederhana, keandalan adalah kekonsistenan dan kestabilan data atau temuan, sedangkan kesahihan adalah kesesuaian antara objek penelitian dengan data yang dilaporkan.

Hubungan kedua konsep ini dengan hasil penelitian dapat dilihat pada ilustrasi sasaran tembak (bullseye) di samping. Keandalan digambarkan dengan data yang terkumpul pada tempat yang sama, sedangkan kesahihan digambarkan dengan data yang mengenai sasaran tembak.

Kualitas suatu penelitian sangat ditentukan oleh keandalan dan kesahihan data penelitian tersebut. Sebagai tulisan blog, terlalu lebai bila saya menjabarkan kedua konsep ini secara panjang lebar dalam tulisan ini (dan belum tentu benar pula penjelasan saya itu!).

Daftar bacaan yang saya sertakan di bawah niscaya dapat dipakai sebagai rujukan bagi yang memerlukan informasi lebih lanjut.

Dari pembahasan yang saya baca dari berbagai rujukan tersebut, hal praktis yang saya petik adalah cara peningkatan keandalan dan kesahihan data. Menurut Herdiansyah (2010), ada empat cara untuk meningkatkan rigor penelitian, yaitu memperpanjang waktu penelitian, melakukan triangulasi, membentuk tim peneliti, dan melakukan pemeriksaan ulang.

Nah, ada masalah nan tak (kalah) penting di sini: apa padanan rigor (Amerika) atau rigour (Britania) ini dalam bahasa Indonesia? Ada yang tahu?

Bacaan lanjutan:

  1. Creswell, J.W. (2010). Research Design: Pendekatan Kualitatif, Kuantitatif, dan Mixed (hlm. 284–289). Yogyakarta: Pustaka Pelajar.
  2. Herdiansyah, H. (2010). Metodologi Penelitian Kualitatif untuk Ilmu-Ilmu Sosial (hlm. 183–206). Jakarta: Salemba Humanika.
  3. Sugiyono (2010).  Memahami Penelitian Kualitatif (hlm. 117–131). Bandung: Alfabeta.

Advertisement

Tinggalkan pesan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

This site uses Akismet to reduce spam. Learn how your comment data is processed.

Copyright © 2019 | MVP