Rio Alfasyah

Tur cepat seisi aplikasi: dashboard, pencarian, notifikasi, dan menu enam tahap riset — supaya kamu tak tersesat sebelum mulai bekerja. · ~30 menit

Cara bertanya ke AI riset supaya jawabannya tajam: menyusun pertanyaan, melampirkan dokumen, memakai panel konteks, dan mengenali batas yang tetap harus kamu periksa sendiri. · ~25 menit

Menjadikan Research Journey rumah tunggal proyekmu: membuat proyek sesuai peran, menandai tahapan, memasang pengingat, menyimpan lampiran, dan mengundang pembimbing. · ~25 menit

Mengubah topik mentah jadi pertanyaan penelitian yang layak: kanvas per-zona, bantuan AI yang keputusannya tetap di tanganmu, pool literatur, analisis celah, sampai Research DNA. Satu ide baru kita buat bersama di kelas. · ~35 menit

Menulis BAB I sampai III per blok: memilih template, menyusun bab, memakai bantuan AI secara jujur, memasang sitasi dari pustakamu, cek koherensi, sampai ekspor. Isi pustaka referensimu dulu agar saran sitasi berasal dari sumber nyata. · ~40 menit

Analisis kuantitatif alur Tanya-Analisis-Pahami: dari mengunggah data sampai narasi Bab IV siap sunting, lengkap dengan penjaga asumsi statistik. · ~40 menit

Analisis tematik Braun & Clarke langkah demi langkah: memasukkan data, mengoding, membangun tema, menjaga keabsahan, sampai draf Bab IV. · ~58 menit

Membuat grafik yang jujur dari data risetmu: memilih sumber, memetakan kolom ke sumbu, memilih bentuk yang tepat, memakai template dan AI, lalu menyimpan dan mengunduh. Siapkan dataset atau hasil analisismu sendiri. · ~35 menit

Dua puluh alat visualisasi dan query ala NVivo — matrix, boolean, crosstab, word tree, sentiment, voice curve, sampai theory network AI — berikut cara membacanya secara jujur untuk BAB IV. Perlu analisis QDA yang sudah dikoding. · ~45 menit

Menyiapkan bukti keabsahan yang ditanya penguji: audit codebook, kualitas kutipan, kasus negatif, jejak konfirmabilitas, bracketing, peer review tiga persona, sampai ekspor standar REFI-QDA. Perlu analisis QDA yang sudah dikoding. · ~45 menit

Penutup rangkaian QDA: menambah data di tengah jalan, merapikan dengan Sets dan Annotations, mengoding rekaman dan gambar, membenahi label pembicara, sampai menguji ketajaman kode. Perlu analisis QDA yang sudah berjalan. · ~30 menit

Wajah baru analisis kuantitatif: memilih pekerjaan alih-alih nama uji, membaca dua baris uji-t, membedakan grafik utama dari diagnostik, memahami penolakan yang jujur, dan mempertahankan angka di sidang. · ~38 menit

Yang dikerjakan mahasiswa bukan satu uji, melainkan rencana: beberapa hipotesis, masing-masing butuh ujinya sendiri, dan urutannya berarti. Kelas ini memperagakan alur penuhnya — menulis pertanyaan, membiarkan Pohon Pandu memilihkan uji beserta ALASANNYA, menjalankan seluruh langkah, lalu membaca kartu keputusan saat asumsi dilanggar. · ~35 menit

Kesalahan paling mahal di analisis kuantitatif terjadi sebelum uji apa pun dijalankan: skala kolom salah terbaca, nilai hilang dibiarkan, baris terduplikasi. Semuanya menghasilkan angka rapi yang tak berarti dan tanpa satu pun galat. Kelas ini merapikan data dulu, lalu memeriksa bagaimana mesin membacanya sebelum melangkah ke analisis. · ~35 menit

Satu keluarga uji menjawab satu bentuk pertanyaan: apakah rerata kelompok berbeda. Yang membedakan anggotanya cuma tiga hal — berapa kelompok, apakah kelompoknya orang yang sama, dan apakah datanya memenuhi syarat. Kelas ini mengajarkan tiga pertanyaan itu, bukan menghafal nama uji. · ~35 menit

Keluarga kedua menjawab pertanyaan berbeda: apakah dua hal bergerak bersama, dan seberapa besar satu memprediksi yang lain. Kelas ini membedakan korelasi dari regresi, menunjukkan cara memasang variabel bebas dan terikat, dan menegaskan batas yang paling sering dilanggar di sidang: hubungan bukan sebab. · ~35 menit

Uji asumsi punya jebakan yang membuat banyak mahasiswa salah baca: di sini nilai p kecil bukan kabar baik. p di bawah 0,05 pada uji normalitas atau homogenitas berarti syaratnya DILANGGAR. Kelas ini membaca tabel asumsi, grafik diagnostiknya, dan pilihan lanjutan yang mengubah asumsi mana yang dipakai. · ~35 menit

Asumsi yang dilanggar bukan akhir penelitian. Yang berbahaya adalah mesin yang menukar uji diam-diam, karena mahasiswa lalu melaporkan uji yang tidak pernah ia pilih. Kelas ini menunjukkan cara sistem menawarkan uji pengganti beserta alasannya, cara membandingkan hasil lama dan baru, dan cara menyimpan keputusan itu supaya bisa dipertahankan. · ~32 menit

Nilai p hanya menjawab apakah efeknya mungkin nol. Ia tidak mengatakan seberapa besar, dan pada sampel besar hampir apa saja jadi signifikan. Kelas ini membaca ukuran efek beserta selang kepercayaannya, mengenali selang yang mencakup nol, dan memakai besaran efek untuk menghitung berapa responden yang sebenarnya dibutuhkan. · ~32 menit

Katalog uji tidak memuat semua pertanyaan. Analis AI menulis dan menjalankan kode statistik di kotak terisolasi, lalu menerangkan hasilnya beserta grafik yang ia gambar sendiri. Kelas ini mengajarkan cara bertanya supaya jawabannya berguna, dan yang lebih penting: cara memeriksa kode yang ia jalankan, karena yang mempertanggungjawabkannya di sidang tetap kamu. · ~32 menit

Bab IV yang baik bukan tempelan tangkapan layar. Ia mengikuti urutan rencana analisis, melaporkan tiap uji beserta asumsi dan ukuran efeknya, dan menyertakan jejak yang membuat angkanya bisa dihasilkan ulang. Kelas ini merangkai hasil tiap langkah menjadi naskah, lalu memasang blok reproduksibilitasnya. · ~32 menit

Di sidang, pertanyaan yang menjatuhkan bukan berapa nilai p, melainkan kenapa uji ini yang dipakai dan bagaimana kalau asumsinya dilanggar. Jawaban sistemnya yang memilih tidak bisa dipertahankan. Kelas ini menyiapkan tiga bekal: alasan tertulis tiap uji, kartu keputusan tiap pergantian, dan jejak yang membuat angkamu bisa dihasilkan ulang di depan penguji. · ~30 menit