Statistik 7: Analisis Varian (MANOVA) dan non parametrik yang relevan
Dhinar Asri Intantri/250321803853
Trends in the Use of Multivariate Analysis in Educational Research: A Review of Methods and Applications in 2018–2022 (Santis et al., 2024)
( Sumber: https://www.je-lks.org/ojs/index.php/Je-LKS_EN/article/view/1135946
)
1. Tujuan
Penelitian
Penelitian
ini bertujuan untuk mereview tren penggunaan teknik analisis multivariat dalam
penelitian pendidikan internasional selama periode 2018–2022. Fokus utamanya
adalah memetakan jenis metode statistik multivariat yang paling sering
digunakan, topik penelitian yang dianalisis, jenis subjek penelitian, software
statistik, karakteristik dataset, serta distribusi publikasi berdasarkan negara
dan kuartil jurnal. Tujuan utamanya bukan menilai kualitas hasil penelitian,
melainkan menganalisis pola praktik analisis multivariat yang digunakan dalam
penelitian pendidikan.
2. Metode
Penelitian
Penelitian
ini menggunakan metodologi methodological review berbentuk descriptive review.
Beberapa langkah utama meliputi:
a. Basis
data: Scopus
b. Kriteria
inklusi:
· Tahun
publikasi 2018–2022
· Bidang
jurnal: Education
· Artikel
ilmiah, full text, bahasa Inggris
· Open
access
c. String
pencarian:
· “multivariate
analysis” AND education
· “multivariate
analysis” AND learning
· “multivariate
analysis” AND teaching
d.
Tahapan penelitian:
· Seleksi
artikel melalui proses bertahap
· Ekstraksi
variabel bibliometrik (tahun, jurnal, sitasi)
· Ekstraksi
informasi metodologis: teknik analisis, software, ukuran sampel, jenis data,
subjek penelitian
e. Jumlah
artikel yang dianalisis: 157 artikel
Tujuan
metodologinya adalah memetakan tren penggunaan teknik multivariat, bukan
melakukan meta-analisis atau mengevaluasi efektivitas teknik statistik
tersebut.
3. Hasil
Penelitian
Beberapa
temuan utama yang diperoleh:
·
Peningkatan signifikan penggunaan analisis
multivariat pada jurnal pendidikan Q1 dan Q2 selama 2018–2022.
·
MANOVA dan MANCOVA merupakan teknik paling
dominan (48.9%), diikuti regresi (30.1%), reduksi data (11.8%), dan klaster
(4.3%).
·
Sumber data paling banyak berasal dari
survei, kuesioner, skala, dan asesmen (87.6%).
·
Subjek penelitian didominasi mahasiswa
(35.4%), siswa sekolah (24.4%), guru/preservice teacher (15.9%), dan tenaga
kesehatan (10.9%).
·
Software statistik: SPSS mendominasi
(51%), dan 34.4% artikel tidak menyebutkan software.
·
Topik penelitian yang paling sering
menggunakan analisis multivariat meliputi Teaching, Medical Education, STEM,
Digital Education, Professional Development, Inclusion, dan Well-being.
·
Sebagian besar artikel memiliki sitasi
rendah: 75% artikel memiliki kurang dari 8 sitasi.
·
Amerika Serikat dan Indonesia merupakan
dua negara paling produktif dalam menghasilkan artikel dengan analisis
multivariat.
4. Kelebihan
Penelitian
· Memberikan
review komprehensif mengenai tren penggunaan berbagai teknik analisis
multivariat dalam pendidikan.
· Menggunakan
prosedur seleksi yang transparan dan sistematis berbasis Scopus.
· Mencakup
analisis bibliometrik terperinci, termasuk sitasi, negara, kuartil jurnal,
ukuran sampel, dan software statistik.
· Relevan
untuk peneliti dan pendidik karena menawarkan gambaran global praktik statistik
mutakhir dalam riset pendidikan.
· Menjadi
referensi penting dalam memahami kebutuhan peningkatan kemampuan analisis data
di bidang pendidikan.
5. Keterbatasan
Penelitian
· Pencarian
hanya menggunakan istilah “multivariate analysis”, sehingga MANOVA terdeteksi
berlebihan karena mengandung kata yang sama dalam namanya.
· Tidak
mengevaluasi kualitas dan ketepatan penerapan analisis multivariat dari
masing-masing artikel.
· Hanya
mencakup artikel open access, sehingga beberapa publikasi berkualitas tinggi
tidak masuk analisis.
· Tidak
menggali lebih jauh kesalahan umum (misuse) teknik multivariat dalam penelitian
pendidikan.
· Terbatas
pada satu basis data (Scopus) sehingga belum mewakili pendekatan dari database
besar lain seperti Web of Science atau ERIC.
6. Novelty
Berbeda
dengan penelitian-penelitian sebelumnya yang umumnya hanya fokus pada satu teknik
statistik (misalnya regresi, analisis faktor, atau klaster), artikel ini
memiliki beberapa kebaruan:
· Cakupan
analisis lebih luas, meliputi berbagai teknik multivariat secara simultan pada
rentang waktu lima tahun.
· Menggabungkan
bibliometrik + pemetaan metodologi statistik, bukan sekadar tinjauan metode.
· Mengidentifikasi
tren global, termasuk negara dominan, topik dominan, dan jenis subjek yang
paling banyak digunakan.
· Memberikan
temuan baru berupa kesenjangan sitasi yang menunjukkan rendahnya kekuatan
diseminasi riset multivariat di bidang pendidikan.
· Memunculkan
temuan bahwa ketergantungan pada software berbayar seperti SPSS masih sangat
tinggi.
· Mengidentifikasi
peluang riset baru, seperti perlunya memperluas teknik multivariat yang
digunakan dalam pendidikan.
Penelitian Sebelumnya
|
Peneliti
/ Artikel |
Fokus
Penelitian |
Temuan
Utama |
Kelemahan
Artikel Sebelumnya |
|
(Sointu et al., 2023) |
Analisis
faktor pada flipped classroom |
Faktor
kunci pengalaman belajar positif dapat diidentifikasi dengan analisis faktor |
Tidak
membahas metode multivariat secara umum |
|
(León-jariego et al., 2019) |
Klaster
dan multidimensional scaling |
Menghasilkan
tipologi peran koordinator ICT |
Fokus
sangat sempit pada satu metode |
|
(Iten & Petko, 2014) |
Regresi
linear pada serious games |
Kesenangan
terbukti mempengaruhi hasil belajar |
Tidak
meninjau metode multivariat lainnya |
|
(Morgan & Staff, 2013) |
Regresi
logistik pada disparitas pendidikan |
Mengonfirmasi
adanya ketimpangan identifikasi disabilitas |
Tidak
memetakan tren penerapan analisis multivariat |
Kontribusi
Artikel Dibandingkan Penelitian Sebelumnya
Artikel
ini melampaui penelitian terdahulu karena menawarkan evaluasi luas mengenai
bagaimana berbagai teknik multivariat digunakan di seluruh dunia dalam bidang
pendidikan. Sementara penelitian sebelumnya hanya fokus pada satu metode atau
satu konteks, artikel ini:
·
Menyediakan pemetaan menyeluruh penggunaan
metode multivariat dalam kurun lima tahun.
·
Memadukan bibliometrik, tren statistik,
dan karakteristik data.
·
Menemukan pola yang belum pernah
dilaporkan sebelumnya, seperti ketergantungan pada SPSS dan rendahnya sitasi.
·
Memperluas literatur dengan perspektif
metodologis dan kebijakan riset.
Daftar Referensi
Iten, N., &
Petko, D. (2014). Learning with serious games : is fun playing the game a
predictor of learning success ? British Journal of Educational Technology,
12226. https://doi.org/10.1111/bjet.12226
León-jariego, J. C., Rodríguez-miranda, F. P., &
Pozuelos-estrada, F. J. (2019). typology based on task prioritisation. British
Journal of Educational Technology, 0(0), 1–18.
https://doi.org/10.1111/bjet.12888
Morgan, A. P. L., & Staff, J. (2013). Racial and Ethnic
Disparities in ADHD Diagnosis From Kindergarten to Eighth Grade. PEDIATRICS,
132(1), 85–93. https://doi.org/10.1542/peds.2012-2390
Santis, A. De, Sannicandro, K., Bellini, C., & Minerva,
T. (2024). Trends in the use of Multivariate Analysis in Educational Research :
a review of methods and applications in 2018-2022. Journal of E-Learning and
Knowledge Society, 20(1), 47–55.
https://doi.org/10.20368/1971-8829/1135946
Sointu, E., Hyypiä, M., Lambert, M. C., & Hirsto, L.
(2023). Preliminary evidence of key factors in successful flipping : predicting
positive student experiences in flipped classrooms. Higher Education, 85,
503–520. https://doi.org/10.1007/s10734-022-00848-2
Komentar
Posting Komentar