Desain Penelitian Kuantitatif · Materi PAI UNRAM

🔐 Mode Dosen · 🔬 Penelitian

📊 Desain Penelitian Kuantitatif

Rancangan penelitian kuantitatif yang dapat dijalankan dengan data mahasiswa yang sudah terkumpul di situs ini ditambah instrumen survei seperlunya. Bidangnya: agama Islam, pendidikan agama Islam (PAI), serta ekonomi Islam dan industri halal. Halaman ini hanya berisi rancangan; belum ada data yang diambil dari mahasiswa.

1. Data yang tersedia 2. Pilihan desain 3. Contoh hipotesis 4. Sampel 5. Instrumen tambahan 6. Analisis 7. Mengambil data 8. Etika 9. Contoh judul → Desain Kualitatif

Cara membaca halaman ini

ADA data sudah dikumpulkan sistem. SEBAGIAN ada pendekatannya (proksi), tetapi bukan alat ukur baku. BARU perlu instrumen tambahan.

Semua desain diasumsikan memakai persetujuan, anonimisasi, dan izin etik di bagian Etika.

🔬 Siap dijalankan

Instrumen yang dapat langsung dikirim ke mahasiswa (dengan lembar persetujuan sukarela dan jawaban berkode), saran partisipan, pemantauan, dan ekspor CSV ada di Persiapan Penelitian. Mahasiswa mengisinya di penelitian.html.

1. Peta Data yang Sudah Ada di Sistem

Konstruk, indikator di sistem, tempat data tersimpan, dan keterbatasannya.

Konstruk	Indikator di sistem	Sumber (sheet / halaman)	Skala	Status & catatan
Pengetahuan/literasi keislaman	Skor Pretest dan Posttest; Cek Pemahaman per pertemuan; kosakata (mufradat)	Pretest, Posttest, CekPemahaman, Mufradat	Rasio/interval (skor)	ADA Soal harus dicek kesetaraan pre dan post (validitas isi, tingkat kesukaran) sebelum dipakai mengukur perubahan.
Kemampuan Al-Qur’an	Hasil tes dan placement Al-Qur’an; setoran hafalan; tilawah harian pada Tantangan UTS	TesQuran, Placement, Hafalan, TantanganUTS	Ordinal/rasio	ADA Penilaian bacaan melibatkan penilai; periksa keandalan antar-penilai bila dipakai sebagai variabel utama.
Praktik ibadah dan kebiasaan baik (religiusitas perilaku)	Ceklist harian 7 hari (kewajiban dan sunnah), audit Takhalli, muhasabah nilai diri 1–5	TantanganUTS, DraftTantanganUTS	Hitung/ordinal; data harian (berulang)	SEBAGIAN Ini laporan diri dan rentan bias keinginan sosial. Cocok sebagai data panel harian, bukan skala religiusitas baku.
Karakter (fathonah, amanah, shiddiq, tabligh)	Ketepatan waktu mengumpulkan; kelengkapan isian jujur; muhasabah; kehadiran	Kehadiran, Tugas, TantanganUTS	Beragam	SEBAGIAN Hanya proksi perilaku. Untuk mengukur karakter, tambahkan skala baku.
Keterlibatan belajar	Kehadiran; membaca materi; tugas web yang dikumpulkan; keaktifan di Galeri Kelas	Kehadiran, BacaMateri, Tugas, SesiKehadiran	Hitung/rasio	ADA Dicatat otomatis dan kaya waktu (timestamp), cocok untuk analisis prediktif.
Capaian belajar	Nilai tugas mingguan (rubrik), penilaian kelas, nilai akhir	PenilaianKelas, NilaiTantanganUTS, NilaiKelompok, rekap nilai	0–100	ADA Penilainya adalah Anda sendiri; nyatakan itu sebagai keterbatasan.
Kolaborasi/kerja tim	Penilaian sejawat tim, nilai kelompok dan anggota, kegiatan kelompok	PenilaianSejawatTim, PenilaianTeman, NilaiKelompok, NilaiAnggota	Skala 1–5/0–100	ADA Data bertingkat (mahasiswa dalam kelompok dalam kelas): perlu model multilevel.
Aksi sosial dan kepedulian (SDGs)	Tantangan 17 SDGs, luaran dan proyek	TantanganSDGs, LuaranTim	Hitung/ordinal	SEBAGIAN Jenis SDG yang dipilih dapat dikodekan menjadi kategori (mis. SDG 1, 2, 8, 12 yang dekat dengan ekonomi).
Hambatan belajar	Laporan kesulitan per tugas dan kategori	LaporanKesulitan	Hitung/nominal	ADA Jangan disebut mengukur “kesulitan” umum; ia hanya mengukur yang dilaporkan.
Latar demografi	Fakultas, program studi, kelas	Roster	Nominal	ADA Variabel kontrol dan pengelompokan. Jenis kelamin, asal daerah, dan pesantren belum ada; tambahkan lewat survei bila perlu.
Literasi dan sikap ekonomi Islam	—	—	Skala Likert	BARU Belum ada instrumen langsung. Lihat bagian 5.
Kesadaran halal, niat membeli, perilaku konsumsi halal	—	—	Skala Likert	BARU Belum ada instrumen langsung. Lihat bagian 5.

Kesimpulan: untuk PAI dan keislaman, sistem sudah memuat banyak data. Untuk ekonomi Islam dan industri halal, hampir semuanya perlu survei tambahan, kecuali bila Anda menelaah isian SDGs yang bertema ekonomi.

2. Pilihan Desain

Desain	Cocok untuk pertanyaan	Data dari sistem	Analisis utama	Kelemahan yang harus diakui
A. One-group pretest–posttest	Apakah pemahaman keislaman meningkat setelah pembelajaran? Seberapa besar?	Pretest, Posttest	Uji-t berpasangan atau Wilcoxon; effect size (Cohen’s d); N-gain (Hake, 1998)	Tanpa kelompok kontrol: kenaikan bisa karena kematangan, pengulangan soal, atau faktor lain. Jangan menyimpulkan sebab-akibat.
B. Kuasi-eksperimen non-ekuivalen antar kelas	Apakah metode X (mis. Tantangan 7 Hari berbasis web) menaikkan capaian dibanding metode biasa?	Pretest sebagai kovariat; Posttest; kelas pembanding	ANCOVA atau regresi dengan kovariat pretest; model multilevel bila banyak kelas	Kelas tidak diacak. Kendalikan prodi dan pretest; laporkan ICC dan design effect.
C. Korelasional-prediktif	Keterlibatan apa (kehadiran, membaca materi, tugas web) yang paling memprediksi capaian?	Kehadiran, BacaMateri, Tugas, nilai	Regresi berganda/hierarkis; regresi logistik bila luarannya lulus/tidak	Korelasi bukan sebab. Waspadai multikolinearitas (VIF) dan keterlibatan yang “dibuat-buat”.
D. Data panel harian (7 hari)	Apakah kebiasaan ibadah dan muhasabah berubah dari hari ke hari, dan apa yang memengaruhinya?	TantanganUTS per hari	Model efek campuran (mixed-effects) atau growth curve; analisis dalam-individu	Hanya 7 titik waktu; efek pembiasaan dan kelelahan mengisi bercampur.
E. Survei lintas-seksi untuk ekonomi Islam dan halal	Apakah literasi syariah dan kesadaran halal memengaruhi niat dan perilaku konsumsi halal?	Survei baru; Roster sebagai demografi; capaian PAI sebagai kovariat	CFA, reliabilitas (α/ω), AVE, HTMT; SEM-PLS atau CB-SEM	Laporan diri; sampel satu universitas sehingga generalisasi terbatas.
F. Mediasi/moderasi	Apakah pemahaman keislaman memengaruhi perilaku melalui sikap (mis. kerangka Theory of Planned Behavior, Ajzen, 1991)?	Survei + data sistem	PROCESS (Hayes) atau SEM-PLS dengan bootstrapping	Desain lintas-seksi tidak membuktikan urutan sebab-akibat.
G. Eksperimen acak berkluster (opsional)	Efek intervensi tertentu bila dapat diacak per kelas atau per kelompok	Pretest, Posttest, data intervensi	Model multilevel; perhatikan jumlah kluster	Perlu banyak kluster agar bertenaga; secara etik, intervensi yang menguntungkan tidak boleh hanya untuk sebagian tanpa kompensasi.

Rekomendasi pemula

Mulai dari B (bila dua kelas atau lebih diajar berbeda) atau A + C (satu angkatan, tanpa pembanding). Keduanya memakai data yang sudah ada sehingga biaya paling rendah. Tambahkan E bila Anda ingin menjangkau ekonomi Islam dan industri halal.

3. Contoh Hipotesis per Bidang

Agama Islam

H1: Pengetahuan akidah-akhlak (Posttest) berkorelasi positif dengan konsistensi praktik ibadah harian pada Tantangan Tarkib.
H2: Mahasiswa yang menyetor tilawah dan tadabbur lebih lengkap memiliki skor muhasabah nilai diri yang lebih tinggi (model campuran, dikendalikan hari dan prodi).

Pendidikan agama Islam

H3: Ada kenaikan bermakna skor Pretest ke Posttest (efek ≥ sedang) pada seluruh peserta.
H4: Kehadiran dan jumlah tugas web yang dikumpulkan memprediksi nilai akhir setelah mengendalikan skor Pretest (regresi hierarkis).
H5: Kelas dengan Tantangan 7 Hari memiliki Posttest lebih tinggi dibanding kelas tanpa tantangan, setelah dikendalikan Pretest (ANCOVA/multilevel).
H6: Kelompok dengan penilaian sejawat internal yang lebih tinggi menghasilkan luaran proyek bernilai lebih baik (multilevel).

Perekonomian Islam dan industri halal

H7: Literasi ekonomi syariah berpengaruh positif terhadap kesadaran halal.
H8: Kesadaran halal dan sikap terhadap produk halal berpengaruh positif terhadap niat membeli produk halal; norma subjektif dan kontrol perilaku ikut memengaruhi (TPB).
H9: Capaian PAI (Posttest) memoderasi hubungan antara literasi syariah dan niat konsumsi halal.
H10: Mahasiswa yang memilih SDGs bertema ekonomi (mis. SDG 8 dan 12) memiliki literasi syariah yang berbeda dari yang memilih tema lain (perbandingan kelompok).

4. Populasi dan Sampel

Populasi: mahasiswa peserta mata kuliah PAI Universitas Mataram pada semester berjalan, tersebar di beberapa kelas, prodi, dan fakultas. Jumlah pastinya dapat dilihat di Rekap Nilai Kelas.
Teknik: total sampling bagi mereka yang menyetujui (opt-in) untuk analisis data sistem. Untuk survei ekonomi Islam dan halal, dapat dipakai proportionate stratified sampling per fakultas atau prodi.
Ukuran sampel: hitung dengan G*Power sesuai uji (mis. regresi berganda: f² = 0,15, α = 0,05, daya 0,80). Untuk SEM-PLS, kaidah praktis 10-times rule hanyalah titik awal; gunakan inverse square root method atau analisis daya (Kock & Hadaya, 2018).
Data bertingkat: bila ada pengelompokan, hitung ICC. Design effect = 1 + (m − 1) × ICC, dengan m rata-rata ukuran kluster. ICC kecil pun dapat menggelembungkan galat standar.
Bias seleksi: bandingkan karakteristik yang setuju dan tidak setuju (prodi, nilai) untuk melihat apakah sampel menyimpang.

5. Instrumen Tambahan

Untuk konstruk bertanda BARU. Pilih skala yang sudah divalidasi, adaptasi ke bahasa Indonesia (back-translation), lalu uji coba di kelas kecil sebelum dipakai.

Konstruk	Rujukan awal untuk dicari dan diverifikasi	Contoh format
Religiusitas	Dimensi religiusitas Glock & Stark (1965); skala sikap terhadap agama Islam (Wilde & Joseph, 1997) atau skala religiusitas Muslim yang tervalidasi di Indonesia	Likert 1–5
Literasi ekonomi/keuangan syariah	Kerangka literasi keuangan syariah dari OJK (survei SNLIK); skala literasi keuangan syariah dalam literatur ekonomi Islam	Soal pengetahuan benar-salah/pilihan ganda + Likert sikap
Kesadaran halal	Aziz & Chok (2013) tentang halal awareness dan niat membeli; skala halal literacy yang tersedia	Likert 1–5
Niat dan perilaku konsumsi halal	Theory of Planned Behavior (Ajzen, 1991): sikap, norma subjektif, kontrol perilaku, niat	Likert 1–5; perilaku tiga bulan terakhir
Karakter amanah/shiddiq	Skala integritas/kejujuran akademik yang tervalidasi	Likert 1–5
Kecenderungan menjawab sesuai harapan sosial	Skala social desirability singkat sebagai kontrol	Benar–salah

Verifikasi dulu

Nama penulis dan tahun di atas adalah titik awal pencarian, bukan daftar pustaka siap pakai. Cek ke sumber asli (judul, jurnal, item, lisensi pemakaian, bukti validitas pada populasi Indonesia) sebelum mengutipnya.

Survei dapat dibuat lewat formulir terpisah di luar situs ini (mis. Google Forms dengan kode responden acak). Hubungkan dengan data sistem lewat kode acak, bukan NIM, dan hanya dengan persetujuan.

6. Rencana Analisis

Persiapan data: hapus pengenal, cek data ganda dan kiriman ulang (tetapkan aturannya, mis. memakai kiriman terakhir, dan tuliskan di laporan), tangani data hilang (MCAR/MAR; imputasi ganda bila perlu), pantau pencilan.
Statistik deskriptif: rerata, simpangan baku, sebaran per prodi/kelas.
Kualitas alat ukur: validitas isi (pakar), reliabilitas (α Cronbach, ω), analisis butir soal tes (tingkat kesukaran, daya beda), CFA untuk skala baru.
Uji asumsi: normalitas (Shapiro–Wilk dan plot), homogenitas, linearitas, multikolinearitas (VIF < 5), independensi (ICC).
Uji utama sesuai desain pada bagian 2, selalu dengan effect size dan interval kepercayaan, bukan p-value saja.
Uji ketahanan: analisis sensitivitas (dengan/tanpa pencilan), koreksi pengujian berganda (Holm atau Benjamini–Hochberg), dan pra-pendaftaran rencana analisis (mis. di OSF) agar terhindar dari p-hacking.
Piranti: R (lme4, lavaan, semPLS/seminr), JASP/jamovi (gratis), SmartPLS, SPSS.

7. Mengambil Data dari Sistem

Selesaikan persetujuan dan izin etik lebih dulu. Tanpa itu, jangan menyalin data apa pun.
Buka spreadsheet dosen (tempat sheet-sheet di bagian 1 berada). Salin sheet yang diperlukan ke spreadsheet baru khusus penelitian. Jangan menganalisis di spreadsheet operasional.
Buat sheet Kunci berisi dua kolom: NIM dan Kode (mis. R001, R002, … acak). Simpan sheet ini terpisah dan terkunci. Di sheet data, ganti NIM dengan Kode (rumus VLOOKUP lalu tempel sebagai nilai), kemudian hapus kolom Nama, NIM, foto, WA, dan email.
Hanya sertakan mahasiswa yang menyetujui (daftar persetujuan juga memakai kode).
Untuk analisis statistik, unduh sebagai CSV/Excel. Untuk teks kualitatif, lihat Desain Kualitatif.

Rekap yang sudah ada

Rekap Nilai & PIN Kelas (jangan menyalin kolom PIN), Rekap Mingguan, Rekap Tantangan UTS, Rekap Tantangan SDGs, Rekap Hafalan, Galeri Kelas.

⚖️ Etika — Wajib Dibaca Sebelum Mengambil Data Apa pun

Anda adalah dosen sekaligus peneliti

Mahasiswa mengisi data ini sebagai tugas kuliah, bukan sebagai responden. Menjadikannya data penelitian berarti memakai data itu untuk tujuan kedua. Karena Anda juga yang memberi nilai, persetujuan mereka bisa terasa wajib (relasi kuasa). Ini risiko etik terbesar penelitian ini dan harus ditangani sejak rancangan.

Persetujuan terpisah dan sukarela (informed consent). Persetujuan penelitian tidak boleh digabung dengan pengumpulan tugas. Menolak atau menarik diri tidak boleh berpengaruh pada nilai, perlakuan, atau hubungan dengan dosen. Simpan bukti persetujuan.
Pisahkan waktu penilaian dari waktu analisis. Analisis data individual dilakukan setelah nilai akhir ditetapkan, atau oleh pihak yang tidak menilai (asisten atau rekan peneliti).
Izin etik. Ajukan kaji etik ke komisi etik penelitian di fakultas atau universitas Anda sebelum pengambilan data. Banyak jurnal menolak artikel tanpa nomor izin etik atau surat keterangan bebas etik. Pastikan kewajiban di institusi Anda.
Anonimisasi (pseudonimisasi). Salin data ke berkas penelitian terpisah. Ganti NIM dengan kode acak, simpan tabel kuncinya di tempat terpisah dan terkunci, lalu hapus nama, foto, nomor WA, dan email. Foto mahasiswa tidak boleh masuk berkas penelitian.
Data keagamaan bersifat sensitif. Praktik ibadah, kebiasaan berdosa (daftar Takhalli), keraguan, dan hambatan mengamalkan ayat termasuk ranah pribadi. Perlakukan setara data sensitif, meski daftar “data pribadi spesifik” dalam UU No. 27 Tahun 2022 tentang Pelindungan Data Pribadi tidak menyebut agama secara eksplisit. Periksa pasal-pasalnya dan kebijakan institusi Anda.
Jangan menghukum kejujuran. Bila mahasiswa mengira jawaban “belum bisa mengamalkan” menurunkan nilai, jawaban mereka akan dibuat-buat (social desirability) dan data tak berguna. Pada sistem ini jawaban jujur memang tidak mengurangi nilai; sampaikan itu kepada responden.
Penyimpanan dan penghapusan. Tetapkan masa simpan (mis. 5 tahun), siapa yang boleh mengakses, dan cara menghapus. Jangan mengirim berkas data lewat grup pesan atau surel pribadi.
Hindari merugikan. Laporkan hasil dalam bentuk agregat. Kutipan individual harus diberi nama samaran dan dicek agar tidak bisa dikenali dari detailnya.

Contoh kalimat persetujuan (sesuaikan dengan komisi etik)

“Saya memahami bahwa data tugas dan jawaban saya pada mata kuliah PAI boleh dianalisis untuk penelitian tentang pembelajaran agama Islam, tanpa nama dan NIM saya. Keikutsertaan saya sukarela. Bila saya menolak atau menarik diri, nilai dan perlakuan terhadap saya tidak berubah. Hasil hanya dilaporkan secara agregat atau dengan nama samaran.”

9. Contoh Judul Penelitian

Pengaruh pembelajaran PAI berbasis tantangan tujuh hari terhadap pemahaman dan praktik keislaman mahasiswa (kuasi-eksperimen).
Keterlibatan belajar berbasis web dan capaian mata kuliah PAI: analisis regresi hierarkis dengan data jejak digital.
Dinamika kebiasaan ibadah dan muhasabah harian mahasiswa selama tantangan tarkib: analisis model campuran.
Literasi ekonomi syariah, kesadaran halal, dan niat konsumsi produk halal pada mahasiswa Universitas Mataram: SEM-PLS dengan kerangka TPB.
Peran pemahaman nilai Islam (PAI) sebagai moderator hubungan literasi halal dan perilaku konsumsi.
Aksi SDGs mahasiswa dalam bingkai maqashid syariah: hubungan tema ekonomi dan keterlibatan sosial.

Jurnal sasaran yang lazim: jurnal pendidikan agama Islam terakreditasi SINTA (mis. kategori pendidikan Islam), jurnal ekonomi dan keuangan syariah, serta jurnal studi halal. Periksa lingkup dan akreditasi terkini sebelum memilih.