1.1.1 Sampling Bias

Jenis kesalahan ini terjadi karena jumlah responden yang diperoleh di masing-masing kota tidak sesuai dengan target awal yang telah ditetapkan secara merata.

• Kota A: 250, (kelebihan 50)
• Kota B: 120, (kekurangan 80)
• Kota C: 180, (kekurangan 20 namun mendekati target)

Ketidakseimbangan distribusi ini dapat menyebabkan hasil survei tidak merefleksikan populasi secara proporsional di ketiga kota tersebut.

1.1.2 Nonresponse Bias

Kota B dan C tidak berhasil memenuhi target 200 responden, kemungkinan karena sebagian individu menolak berpartisipasi, sulit dijangkau, atau tidak memenuhi kriteria. Akibatnya, karakteristik populasi di kedua kota tidak sepenuhnya terwakili, dan hasil survei berisiko menggambarkan persepsi yang tidak seimbang dari kelompok responden yang berhasil dikumpulkan.

Langkah 1: Hitung Proporsi Ideal per Kota

Target responden per kota:
\(\frac{200}{600} = 0.333\)

Langkah 2: Hitung Proporsi Aktual Berdasarkan Data di Lapangan

Total responden aktual:
\(250 + 120 + 180 = 550\)

Proporsi aktual per kota:

• Kota A: \(\frac{250}{550} \approx 0.454\)
• Kota B: \(\frac{120}{550} \approx 0.218\)
• Kota C: \(\frac{180}{550} \approx 0.327\)

Langkah 3: Hitung Bobot Penyesuaian

Rumus bobot:
Bobot = Proporsi Ideal / Proporsi Aktual

• Kota A: \(\frac{0.333}{0.455} \approx 0.733\)
• Kota B: \(\frac{0.333}{0.218} \approx 1.528\)
• Kota C: \(\frac{0.333}{0.327} \approx 1.019\)

##   Kota Responden_aktual Proporsi_aktual Bobot_koreksi
## A    A              250          0.4545         0.733
## B    B              120          0.2182         1.528
## C    C              180          0.3273         1.019

Kesimpulan

• Kota A kelebihan responden → bobot < 1 → pengaruh tiap responden dikurangi.
  
• Kota B kekurangan responden → bobot > 1 → pengaruh tiap responden ditingkatkan.
  
• Kota C mendekati target → bobot mendekati 1 → pengaruh hampir tidak berubah.

2.2.1 Waktu Survei

Survei dilakukan secara terbatas hanya pada jam sibuk, yaitu:

• Pagi: 07.00–09.00

• Sore: 17.00–19.00

Dalam rentang hari kerja (Senin–Jumat) untuk menangkap perilaku pengguna pada waktu penggunaan tertinggi.

2.2.2 Metode Pemilihan Responden

• Lokasi: Area dengan aktivitas tinggi ojek online seperti stasiun, kampus, perkantoran, dan pusat perbelanjaan.

• Teknik sampling: Menggunakan intercept sampling, yaitu dengan langsung menghampiri pengguna ojek online yang baru saja turun di lokasi tersebut.

• Kriteria responden: Berusia minimal 17 tahun, baru saja menggunakan layanan ojek online dan bersedia menjawab survei singkat berdurasi 3–5 menit

2.2.3 Justifikasi Pemilihan Unit Sampling

Unit sampling difokuskan pada pengguna aktif ojek online saat jam sibuk. Dengan mewawancarai mereka di lokasi padat secara langsung setelah perjalanan, data yang diperoleh lebih akurat dan relevan dibanding hanya bertanya berdasarkan ingatan. Selain itu, pembatasan waktu survei pada jam sibuk juga membantu efisiensi sumber daya tanpa mengurangi kualitas informasi yang dikumpulkan.

2.3.1 Langkah Penyesuaian Bobot Berdasarkan Waktu:

3.2.1 Validitas Instrumen

Validitas bertujuan untuk menilai sejauh mana instrumen dapat mengukur apa yang seharusnya diukur. Validasi dilakukan melalui dua pendekatan utama:

3.2.2 Reliabilitas Instrumen

Reliabilitas mengacu pada sejauh mana instrumen menghasilkan hasil yang konsisten. Uji reliabilitas dilakukan dengan pendekatan Konsistensi Internal, yaitu dengan ketentuan:

• Menggunakan teknik Cronbach’s Alpha untuk mengukur konsistensi internal dari setiap dimensi layanan akademik.

• Nilai Cronbach’s Alpha ≥ 0.7 dianggap cukup reliabel, sedangkan nilai di bawah 0.7 akan menjadi bahan pertimbangan untuk perbaikan item.

3.2.3 Prosedur Pelaksanaan Skema Validasi

• Penyusunan instrumen awal: berdasarkan studi literatur dan telaah kebutuhan layanan akademik kampus.

• Review oleh para ahli: untuk mendapatkan validitas isi.

• Uji coba instrumen (pilot test): kepada responden terbatas.

• Analisis data uji coba: untuk menguji validitas konstruk dan reliabilitas.

• Revisi instrumen: berdasarkan hasil analisis dan umpan balik dari responden maupun reviewer ahli.

• Finalisasi instrumen: untuk digunakan dalam survei utama.

3.3.1 Metode Distribusi Kuesioner

Distribusi kuesioner akan dilakukan secara online dengan menggunakan platform survei seperti Google Forms, Microsoft Forms, atau Qualtrics. Pertimbangan pemilihan distribusi secara daring adalah:

• Aksesibilitas: Mahasiswa dapat dengan mudah mengakses dan mengisi kuesioner kapan saja dan di mana saja.

• Efisiensi waktu dan biaya: Tidak memerlukan pencetakan kertas atau pengumpulan manual.

• Jangkauan luas: Dapat mencakup mahasiswa dari berbagai fakultas dan jenjang secara serempak.

Kuesioner akan disebarkan melalui:

• Email resmi kampus.

• Grup media sosial mahasiswa (WhatsApp, Line, Telegram).

• Portal akademik kampus (jika memungkinkan).

3.3.2 Strategi Sampling

Populasi target adalah seluruh mahasiswa aktif di kampus, dari berbagai jenjang (D3, S1, S2) dan program studi. Karena tidak memungkinkan untuk menyurvei seluruh populasi, maka akan digunakan teknik stratified random sampling, sebagai berikut:

3.3.3 Pengujian Kuesioner Secara Statistik

Sebelum kuesioner disebarkan secara penuh, dilakukan uji coba (pre-test) kepada minimal 30–50 mahasiswa yang mewakili berbagai latar belakang.

3.4.1 Tujuan Survei

Survei ini bertujuan untuk mengevaluasi tingkat kepuasan mahasiswa terhadap layanan akademik kampus, yang mencakup lima aspek utama:

• KRS Online

• Bimbingan Akademik

• Pelayanan Administrasi

• Akses Informasi Akademik

• Bantuan Penyelesaian Studi

3.4.2 Strategi Pengambilan Sampel

Untuk menjamin hasil survei yang representatif, digunakan strategi stratified random sampling berdasarkan fakultas dan angkatan. Stratifikasi ini penting untuk memastikan keterwakilan dari berbagai latar belakang akademik dan jenjang studi.

3.4.3 Desain Kuesioner

Setiap aspek layanan diukur menggunakan skala Likert 1–5 (1 = sangat tidak puas, 5 = sangat puas) untuk item-item berikut:

3.4.4 Simulasi Data

Untuk keperluan simulasi, dibuat data fiktif sebanyak 30 responden sebagai sampel kecil awal. Nilai skor untuk tiap layanan dihasilkan secara acak dalam rentang 1–5, dengan kecenderungan mayoritas skor 3–4 untuk mencerminkan tingkat kepuasan yang sedang–tinggi.

Contoh Data Simulasi (5 responden pertama):

3.4.5 Analisis Data Awal

# Data rata-rata kepuasan
layanan <- c("KRS Online", "Bimbingan Akademik", "Administrasi Akademik", 
             "Akses Informasi Akademik", "Bantuan Studi")
rata_rata <- c(3.87, 3.63, 3.57, 3.67, 3.47)

# Buat diagram batang horizontal
barplot(rata_rata,
        names.arg = layanan,
        horiz = TRUE,
        col = "pink",
        xlim = c(0, 5),
        main = "Rata-rata Kepuasan Mahasiswa per Layanan Akademik",
        xlab = "Skor Rata-rata",
        las = 1)

# Tambahkan nilai di ujung batang
text(rata_rata, 
     seq_along(rata_rata), 
     labels = rata_rata, 
     pos = 4)

library(tidyverse)

## Warning: package 'tidyverse' was built under R version 4.4.3

## Warning: package 'ggplot2' was built under R version 4.4.2

## Warning: package 'readr' was built under R version 4.4.3

## Warning: package 'dplyr' was built under R version 4.4.2

## Warning: package 'forcats' was built under R version 4.4.3

## Warning: package 'lubridate' was built under R version 4.4.3

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.5.1     ✔ tibble    3.2.1
## ✔ lubridate 1.9.4     ✔ tidyr     1.3.1
## ✔ purrr     1.0.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

# Simulasi data
set.seed(123)
data <- data.frame(
  KRS_Online = sample(2:5, 30, replace = TRUE),
  Bimbingan_Akademik = sample(2:5, 30, replace = TRUE),
  Administrasi = sample(1:5, 30, replace = TRUE),
  Info_Akademik = sample(2:5, 30, replace = TRUE),
  Bantuan_Studi = sample(1:5, 30, replace = TRUE)
)

# Ubah ke format long pakai tidyr
data_long <- data %>%
  pivot_longer(cols = everything(), names_to = "Layanan", values_to = "Skor")

# Buat boxplot pakai ggplot2
ggplot(data_long, aes(x = Layanan, y = Skor, fill = Layanan)) +
  geom_boxplot(color = "black") +
  scale_fill_manual(values = rep("pink", 5)) +
  labs(title = "Sebaran Skor Kepuasan Mahasiswa per Layanan",
       x = "Jenis Layanan", y = "Skor (1–5)") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 20, hjust = 1))

3.4.6 Rencana Lanjutan

• Melanjutkan survei dengan total 370 responden.
• Melakukan uji validitas dan reliabilitas kuesioner (misalnya menggunakan Cronbach’s Alpha).
• Analisis lanjut dengan uji beda antar kelompok (misalnya: ANOVA untuk membandingkan antar fakultas).