Pengumpulan data atau pengumpulan data adalah proses pengumpulan dan pengukuran informasi tentang variabel yang ditargetkan dalam sebuah sistem yang telah ditetapkan, yang kemudian memungkinkan seseorang untuk menjawab pertanyaan yang relevan dan mengevaluasi hasil. Pengumpulan data adalah komponen penelitian dalam semua bidang studi, termasuk ilmu fisika dan sosial, humaniora, dan bisnis. Meskipun metode bervariasi menurut disiplin ilmu, penekanan pada memastikan pengumpulan yang akurat dan jujur tetap sama. Tujuan untuk semua pengumpulan data adalah untuk menangkap bukti yang memungkinkan analisis data untuk mengarah pada formulasi jawaban yang kredibel terhadap pertanyaan yang diajukan.
Terlepas dari bidang atau preferensi dalam mendefinisikan data (kuantitatif atau kualitatif), pengumpulan data yang akurat penting untuk menjaga integritas penelitian. Pemilihan instrumen pengumpulan data yang sesuai (yang sudah ada, dimodifikasi, atau baru dikembangkan) dan petunjuk yang jelas untuk penggunaan yang benar mengurangi kemungkinan kesalahan.
Metodologi
Pengumpulan dan validasi data terdiri dari empat langkah saat melibatkan sensus dan tujuh langkah saat melibatkan sampling. Proses pengumpulan data formal diperlukan, karena memastikan bahwa data yang dikumpulkan terdefinisi dan akurat. Dengan cara ini, keputusan berikutnya berdasarkan argumen yang tertuang dalam temuan dibuat menggunakan data yang valid. Proses ini memberikan dasar dari mana untuk mengukur dan dalam kasus tertentu indikasi apa yang perlu diperbaiki.
Alat Sistem pengumpulan data
Platform manajemen data
Platform manajemen data (DMP) adalah sistem penyimpanan dan analisis yang terpusat untuk data, yang terutama digunakan dalam pemasaran. DMP ada untuk mengumpulkan dan mentransformasikan jumlah besar data permintaan dan pasokan menjadi informasi yang dapat dipahami. Pemasar mungkin ingin menerima dan menggunakan data pihak pertama, kedua, dan ketiga. DMP memungkinkan hal ini, karena mereka adalah sistem agregat DSP (platform sisi permintaan) dan SSP (platform sisi pasokan). DMP sangat penting untuk mengoptimalkan kampanye iklan di masa depan.
Masalah integritas data
Alasan utama untuk menjaga integritas data adalah untuk mendukung pengamatan kesalahan dalam proses pengumpulan data. Kesalahan itu bisa terjadi secara sengaja (pemalsuan yang disengaja) atau tidak disengaja (kesalahan acak atau sistematis). Ada dua pendekatan yang dapat melindungi integritas data dan menjamin validitas ilmiah dari hasil penelitian:
- Jaminan kualitas - semua tindakan yang dilakukan sebelum pengumpulan data.
- Kontrol kualitas - semua tindakan yang dilakukan selama dan setelah pengumpulan data.
Jaminan kualitas (QA)
Fokus QA adalah pencegahan, yang pada dasarnya merupakan kegiatan yang efisien dari segi biaya untuk melindungi integritas pengumpulan data. Standarisasi protokol, dengan deskripsi prosedur komprehensif dan rinci untuk pengumpulan data, sangat penting untuk pencegahan. Risiko gagal mengidentifikasi masalah dan kesalahan dalam proses penelitian sering disebabkan oleh panduan yang buruk. Berikut adalah beberapa contoh kegagalan semacam itu:
Tidak pasti waktu, metode, dan identifikasi orang yang bertanggung jawab.
Daftar sebagian barang yang perlu dikumpulkan. Deskripsi yang samar tentang instrumen pengumpulan data daripada instruksi langkah demi langkah yang ketat tentang cara mengadministrasikan tes. Gagal mengenali konten dan strategi yang tepat untuk melatih dan melatih ulang anggota staf yang bertanggung jawab atas pengumpulan data. Instruksi yang tidak jelas untuk menggunakan, membuat penyesuaian, dan mengkalibrasi peralatan pengumpulan data. Tidak ada mekanisme yang telah ditentukan untuk mendokumentasikan perubahan dalam prosedur yang terjadi selama penyelidikan.
Masalah privasi pengguna
Ada kekhawatiran serius tentang integritas data pengguna individu yang dikumpulkan oleh komputasi awan, karena data ini ditransfer di antara negara-negara yang memiliki standar perlindungan data pengguna individu yang berbeda. Pengolahan informasi telah maju ke tingkat di mana data pengguna sekarang dapat digunakan untuk memprediksi apa yang akan dikatakan oleh individu sebelum mereka berbicara.
Kontrol kualitas (QC)
Informasi lebih lanjut: Kontrol kualitas Tindakan QC terjadi selama atau setelah pengumpulan data, semua detail dapat dicatat dengan cermat. Ada kebutuhan akan struktur komunikasi yang jelas sebagai syarat untuk membangun sistem pemantauan. Ketidakpastian tentang aliran informasi tidak dianjurkan, karena struktur komunikasi yang buruk dapat menyebabkan pemantauan yang longgar dan juga dapat membatasi peluang untuk mendeteksi kesalahan. Kontrol kualitas juga bertanggung jawab untuk mengidentifikasi tindakan yang diperlukan untuk memperbaiki praktik pengumpulan data yang buruk dan juga meminimalkan kemungkinan kejadian yang sama di masa depan. Sebuah tim lebih mungkin tidak menyadari kebutuhan untuk melakukan tindakan ini jika prosedur mereka ditulis secara samar dan tidak didasarkan pada umpan balik atau pendidikan.
Masalah pengumpulan data yang memerlukan tindakan segera:
- Kesalahan sistematis
- Pelanggaran protokol
- Kecurangan atau perilaku ilmiah yang tidak benar
- Kesalahan dalam item data individu
- Masalah kinerja staf atau situs individu
- Efek bayangan
Posting Komentar