suhana
Sinopsis Jurnal
Oleh : Suhana
Data digital, seperti yang berasal dari Google Trends (GT), telah menjadi tambang emas baru dalam penelitian ilmu sosial, menjanjikan wawasan real-time yang bebas dari bias seperti social desirability yang menghantui survei tradisional. Namun, di balik kemudahan akses dan kejujurannya, sebuah tinjauan sistematis terhadap 360 studi ilmu sosial mengungkapkan kenyataan yang mengkhawatirkan: mayoritas besar peneliti gagal menerapkan ketelitian metodologis yang diperlukan, mempertanyakan validitas dan keandalan temuan mereka secara keseluruhan.
Artikel jurnal Social Science Research, Volume 126, February 2025 yang ditulis oleh Hölzl, Keusch, dan Sajons (2025) berjudul The (mis)use of Google Trends data in the social sciences – A systematic review, critique, and recommendations berfungsi sebagai kritik mendalam dan intervensi metodologis yang mendesak. Mereka memetakan tiga tantangan krusial yang secara sistematis diabaikan oleh literatur: Validitas Internal (Konstruk), Reliabilitas, dan Generalisasi.
Masalah utama berpusat pada tiga celah metodologis: (1) Validitas Konstruk Diabaikan: Hanya 35% studi yang melakukan pemeriksaan validitas statistik (ex post) untuk mendukung pemilihan kata kunci. (2) Keandalan Data Rendah: Hanya 7% studi yang berupaya mengatasi ketidakstabilan sampel yang ditimbulkan oleh prosedur sampling GT yang tidak transparan. (3) Generalisasi yang Dipertanyakan: Hanya 15% peneliti yang secara eksplisit mengakui bahwa masalah seleksi bias dari pengguna Google membatasi generalisasi temuan mereka. Temuan paling mengejutkan adalah bahwa hanya empat dari 360 studi (1,1%) yang secara memuaskan menangani semua tantangan metodologis ini.
Sebagai respons, penulis tidak hanya mengkritik, tetapi juga menyajikan rekomendasi praktis untuk menetapkan standar yang lebih tinggi, berpusat pada prinsip FAIR (Findable, Accessible, Interoperable, Reusable):
- Transparansi dan Replikasi: Peneliti harus menggunakan paket perangkat lunak (misalnya,
pytrends) dan memublikasikan kode serta mencatat detail akses yang lengkap (tanggal, lokasi, rentang waktu). Hal ini penting karena data GT bersifat dinamis dan bervariasi. - Validasi Wajib: Peneliti harus memberikan pembenaran teoretis yang jelas untuk kata kunci yang dipilih dan wajib melakukan pemeriksaan validitas kriteria dengan membandingkan data GT dengan data eksternal tepercaya (misalnya, data survei atau data administratif).
- Mengatasi Reliabilitas: Untuk mengatasi ketidakstabilan sampel, peneliti wajib mengunduh beberapa sampel data GT (direkomendasikan tujuh kali atau lebih) pada hari yang berbeda dan menggunakan nilai rata-rata dari sampel tersebut untuk analisis.
- Diskusi Generalisasi: Peneliti harus secara eksplisit membahas keterbatasan yang timbul dari seleksi bias pengguna Google, mencegah klaim yang berlebihan tentang populasi umum.
Artikel ini adalah peringatan keras dan checklist penting bagi peneliti, editor, dan reviewer untuk memastikan bahwa data besar digunakan secara bertanggung jawab dan valid, menggeser fokus dari kecepatan pengambilan data ke ketelitian metodologis yang mendasarinya.
Referensi :
Artikel jurnal dapat diunduh pada link berikut : https://www.sciencedirect.com/science/article/pii/S0049089X24001212?via%3Dihub
