Ada beberapa permasalahan permasalahn umum yang sering menjadi kendala/ hambatan saat melakukan aktifitas teknik pengumpulan data, mari kita telusuri beberapa di antaranya untuk memahaminya dengan lebih baik dan menghindarinya.
- Seleksi Data
Menentukan data apa yang akan dikumpulkan adalah salah satu faktor terpenting saat mengumpulkan data dan harus menjadi salah satu faktor pertama saat mengumpulkan data.
Kita harus memilih subjek yang akan dicakup oleh data, sumber yang akan kita gunakan untuk mengumpulkannya, dan jumlah informasi yang akan kita perlukan.
Pemilihan data yang tidak tepat akan menyebabkan resiko kerja ganda dan pengumpulan data yang tidak relevan atau merusak studi Anda secara keseluruhan.
- Duplikat Data
Streaming data, database lokal, dan cloud data lake hanyalah beberapa sumber data yang harus dihadapi oleh perusahaan modern.
Sumber-sumber ini cenderung menduplikasi dan sedikit tumpang tindih satu sama lain. Misalnya, duplikat informasi kontak berdampak besar pada pengalaman pelanggan.
- Data yang Terlalu Banyak
Jika data yang akan dikumpulkan terlalu banyak, kendala yang paling umum terjadi yaitu kita akan mengalami kesulitan saat mencari informasi yang berkaitan dengan upaya analitis dalam penelitian.
Volume data yang terlalu banyak juga akan menimbulkan masalah lain khususnya pada kualitas data menjadi lebih menurun.
- Kualitas Data
Ancaman utama terhadap penerapan pembelajaran mesin yang luas dan sukses adalah kualitas data yang buruk. Kualitas data harus menjadi prioritas utama Anda jika Anda ingin membuat teknologi seperti pembelajaran mesin bekerja untuk Anda.
- Data yang Tidak Konsisten
Saat bekerja dengan berbagai sumber data, dapat dibayangkan bahwa informasi yang sama akan memiliki perbedaan antar sumber.
Perbedaannya bisa dalam format, unit, atau kadang-kadang ejaan. Inkonsistensi data memiliki kecenderungan untuk menumpuk dan mengurangi nilai data jika tidak terus-menerus diselesaikan.
- Data Ambigu
Bahkan dengan pengawasan menyeluruh, beberapa kesalahan masih dapat terjadi di database besar atau data lake. Misalkan seperti kesalahan ejaan, kesalahan pemformatan dll. Data yang tidak jelas ini dapat menyebabkan sejumlah masalah untuk pelaporan dan analitik.
- Data yang Tidak Akurat
Informasi yang tidak akurat tidak memberi Anda gambaran yang sebenarnya tentang situasi dan tidak dapat digunakan untuk merencanakan tindakan terbaik.
Ketidakakuratan data dapat dikaitkan dengan sejumlah hal, termasuk degradasi data, kesalahan manusia, dan penyimpangan data.
Pengumpulan data yang akurat sangat penting untuk menjaga integritas penelitian, terlepas dari subjek penelitian atau metode yang disukai untuk mendefinisikan data (kuantitatif, kualitatif). Kesalahan lebih kecil kemungkinannya terjadi saat alat pengumpulan data yang tepat digunakan.
Di antara efek penggunaan metode pengumpulan data yang dilakukan secara tidak benar bisa anda lihat pada point point dibawah ini:
- Kesimpulan keliru yang menyia-nyiakan sumber daya,
- Menipu peneliti lain untuk mengejar jalan penelitian yang sia-sia
- Menimbulkan kerugian bagi para peserta yang terkait dalam penelitian.
- Keputusan yang mengkompromikan kebijakan publik
- Ketidakmampuan penelitian untuk direplikasi dan divalidasi.
- Ketika temuan studi ini digunakan untuk mendukung rekomendasi kebijakan publik, terdapat potensi untuk mengakibatkan kerugian yang tidak proporsional.
Tips Penting Dalam Proses Pengumpulan Data
Terdapat beberapa point penting yang merupakan kunci kesuksesan anda dalam melakukan aktifitas pengumpulan data penelitian. Diantara tips tips penting tersebut diantaranya:
- Putuskan di awal Data Apa yang Ingin Kita Kumpulkan
Hal pertama yang perlu kita lakukan adalah memutuskan informasi apa yang ingin kita kumpulkan. Kita harus memilih subjek yang akan dicakup oleh data, sumber yang akan kita gunakan untuk mengumpulkannya, dan jumlah informasi yang akan kita perlukan.
Misalnya, kita dapat memilih untuk mengumpulkan informasi tentang kategori produk yang rata-rata paling sering dicari oleh pengunjung situs web e-niaga antara usia 30 dan 45 tahun.
- Menetapkan Batas Waktu Pengumpulan Data
Proses pembuatan strategi pengumpulan data sekarang dapat dimulai. Kita harus menetapkan tenggat waktu untuk pengumpulan data kita di awal fase perencanaan kita. Beberapa bentuk data yang mungkin ingin kami kumpulkan secara terus-menerus.
Kita mungkin ingin membuat teknik untuk melacak data transaksional dan statistik pengunjung situs web dalam jangka panjang, misalnya. Namun, kami akan melacak data selama jangka waktu tertentu jika kami melacaknya untuk kampanye tertentu.
Dalam situasi ini, kami akan memiliki jadwal kapan kami akan memulai dan menyelesaikan pengumpulan data.
- Pilih Metode Pendekatan Pengumpulan Data
Kita akan memilih salah satu teknik pengumpulan data yang akan menjadi dasar dari rencana pengumpulan data kami pada tahap ini.
Kita harus mempertimbangkan jenis informasi yang ingin kita kumpulkan, periode waktu saat kita akan menerimanya, dan faktor lain yang kita putuskan untuk memilih strategi pengumpulan terbaik.
- Mengumpulkan Informasi yang Terkait dengan Penelitian
Setelah ketiga tahapan diatas, kita dapat memulai untuk menerapkan rencana pengumpulan informasi informasi yang dibutuhkan. Kita perlu berhati-hati untuk mengikuti rencana kita dan mengawasi bagaimana kinerjanya.
Terutama jika kita mengumpulkan data secara teratur, mengatur jadwal kapan kita akan memeriksa bagaimana pengumpulan data kita dapat membantu.
- Evaluasi dan Penerapan Seluruh Data
Saatnya untuk memeriksa data dan mengatur temuan temuan yang berhasil dikumpulkan. Tahap analisis sangat penting karena mengubah data yang belum diproses menjadi pengetahuan mendalam yang dapat diterapkan untuk membuat rencana pemasaran, barang, dan penilaian bisnis kita menjadi lebih baik.
| R Tabel Pdf | F Tabel Pdf |
| Tabel Z Pdf | Tabel T Pdf |
| Tabel Chi Square | Tabel Durbin Watson |
Secara umum kesimpulan dari tindakan pengumpulan data adalah untuk meneliti sifat sebuah variabel. Apapun itu bentuknya tanpa adanya penyajian data valid tentu akan banyak diragukan.
Perlu diingat bahwa keraguan pasti ada meskipun jumlahnya kecil dan berpotensi mendapatkan tentangan. Oleh karena itu beberapa teknik sebelumnya perlu Anda koreksi lebih lanjut.
Karena tidak sedikit metode pengumpulan modern justru bersifat subjektif dan meragukan. Cerita dan social media tracking dapat menjadi contoh yang perlu kita hindari dalam melakukan pengamatan saintifik.
