Sampling

Research & Statistics, Statistics, Survey Methodology

Kontributor: Anas Teguh S.
Editor: Kharisma Prima

Beberapa hal yang harus dipahami terlebih dahulu:

  • Populasi adalah sekelompok orang, kejadian, atau benda yang ingin dipelajari atau diteliti oleh peneliti (Sekaran, 1992).
  • Elemen adalah satu anggota dari populasi.
  • Sampel adalah himpunan bagian dari populasi.
  • Subyek adalah satu anggota dari sampel.

Sampling adalah proses memilih jumlah elemen populasi yang cukup agar dengan meneliti sampel dan memahami sifat dan karakteristik sampel, peneliti dapat mengeneralisasi sifat dan karakteristik populasi.

Alasan melakukan sampling:

Pada suatu penelitian yang melibatkan beberapa ratus atau bahkan ribuan elemen, hampir tidak mungkin untuk mengumpulkan data atau melakukan tes pada seluruh elemen. Kalaupun hal tersebut mungkin dilakukan, pengumpulan data semacam itu akan merugikan dari segi waktu, biaya dan sumber daya yang diperlukan. Selain itu pengumpulan data dari sampel terkadang memberikan hasil yang lebih reliable karena terdapat lebih sedikit kesalahan pada proses pengumpulan data.

Representativeness sampel:

Suatu sampel jarang merupakan replika yang tepat dari populasi sampel tersebut. Misalnya, sangat sedikit rataan sampel () yang tepat sama dengan rataan populasi (). Namun apabila kita memilih sampel dengan cara yang ilmiah, maka kita dapat cukup yakin bahwa nilai statistika sampel (mis. , S, S2) akan berada sedekat mungkin dengan nilai parameter populasi.

Probability dan Non-Probability Sampling:

Pada probability sampling, elemen dari populasi memiliki suatu probabilitas yang diketahui (known chance or probability) untuk dipilih sebagai subyek sampel. Pada nonprobability sampling, elemen tidak memiliki suatu probabilitas yang diketahui untuk dipilih sebagai subyek sampel. Probability sampling design digunakan apabila representativeness dari sampel dinilai penting agar dapat dilakukan generalisasi. Sementara apabila waktu atau faktor lain dianggap lebih penting daripada generalizability maka digunakan desain nonprobability sampling design.


1. Probability Sampling

Unrestricted /Simple Random Sampling
Pada desain sampling ini setiap elemen populasi memiliki probabilitas yang nilainya sama dan diketahui untuk dipilih sebagai subyek sampel. Desain sampling semacam ini memiliki bias yang terkecil dan generalizability yang terbesar. Namun desain sampling ini juga dapat menjadi tidak praktis dan membutuhkan biaya yang besar.

Restricted /Complex Probability Sampling
Desain sampling ini lebih efektif daripada simple random sampling karena untuk jumlah yang sampel yang sama dapat dihasilkan lebih banyak informasi. Jenis complex probability sampling yang paling umum digunakan antara lain:

  1. Systematic Sampling:
    Sampling dilakukan dengan mengambil setiap elemen ke-n dari populasi dimulai dari suatu elemen yang dipilih secara random di antara elemen ke-1 dan elemen ke-n. Desain sampling ini relative mudah untuk dilaksanakan apabila population frame tersedia. Salah satu permasalahan yang terjadi adalah terdapat probabilitas terjadi bias sistematik di dalam sampel. Dengan adanya bias ini maka terdapat kemungkinan yang besar bahwa peneliti menarik kesimpulan yang salah menjadi. Oleh karena itu sebelum menggunakan desain sampling ini peneliti harus mempertimbangkan rencananya dengan teliti dan memastikan bahwa desain sampling ini tepat untuk digunakan. Desain sampling ini sering digunakan dalam survey perilaku konsumen dan survey pasar.
  2. Stratified Random Sampling: Dalam populasi sering terdapat beberapa subgroup elemen yang dapat memiliki parameter yang berbeda-beda untuk variabel yang sama. Pada desain sampling ini dilakukan proses pengelompokan (stratifikasi), yang diikuti dengan pemilihan subjek secara random dari masing-masing kelompok. Stratifikasi harus disesuaikan dengan research question. Desain sampling ini adalah desain yang paling efisien dalam kategori probability sampling.
    Contoh:
    Dalam penelitian mengenai preferensi konsumen terhadap suatu produk, stratifikasi dapat dilakukan berdasarkan area geografis, segmen pasar, usia, atau gender.

    • Proportionate Stratified Random Sampling
      Jumlah subyek sampel yang diambil dari setiap kelompok disesuaikan/proposional dengan jumlah elemen masing-masing kelompok.
    • Disproportionate Stratified Random Sampling
      Proporsi subyek sampel yang diambil dari suatu kelompok (yang dianggap memiliki variasi dalam kelompok yang lebih besar) lebih besar daripada proporsi subyek sampel yang diambil dari kelompok lain.
  3. Cluster Sampling:
    Pada desain sampling ini pertama dilakukan identifikasi terhadap adanya kelompok-kelompok yang masing-masing bersifat heterogen. Selanjutnya dipilih beberapa kelompok secara random dan dilakukan penelitian pada semua anggota pada kelompok yang terpilih tersebut.
  4. Area Sampling:
    Desain sampling ini digunakan apabila penelitian berhubungan dengan area geografis. Desain sampling ini merupakan suatu bentuk dari cluster sampling yang dilakukan dalam satu area geografis.
  5. Double Sampling:
    Pada desain sampling ini pertama diambil sampel untuk mengumpulkan informasi pendahuluan (preliminary) yang diinginkan. Kemudian diambil subsampel dari sampel tersebut untuk melakukan penelitian lebih rinci.

2. Nonprobability Sampling

Pada nonprobability sampling, elemen populasi tidak memiliki probabilitas terpilihnya elemen tersebut menjadi subyek sampel, sehingga temuan dari penelitian tidak dapat digeneralisasi kepada populasi. Terkadang peneliti tidak terlalu mempertimbangkan mengenai generalisasi apabila mereka hanya ingin mendapatkan informasi pendahuluan secara cepat dan murah.

Convenience Sampling
Pada desain sampling ini informasi didapatkan dari elemen populasi yang bersedia/tersedia (conviniently available) untuk memberikan informasi tersebut.

Purposive Sampling
Pada desain sampling ini informasi dinginkan berasal dari target yang spesifik, jenis orang tertentu yang dapat memberikan informasi yang diinginkan, baik karena hanya mereka yang memiliki informasi tersebut atau karena mereka sesuai dengan kriteria tertentu yang ditetapkan oleh peneliti. Terdapat 2 jenis purposive sampling, yaitu:

  1. Judgment Sampling:
    dilakukan dengan cara memilih subyek mana yang papling tepat untuk memberikan informasi yang diinginkan. Desain sampling ini digunakan apabila hanya sekelompok orang tertentu yang memiliki informasi yang diinginkan tersebut.
  2. Quota Sampling:
    dilakukan dengan menentukan proporsi elemen yang akan dijadikan sampel dari tiap kelompok yang ada.
Bagan Pemilihan Desain Sampling

Bagan Pemilihan Desain Sampling

 

 

3. Tingkat Kepresisian dan Kepercayaan dalam Menentukan Ukuran Sampel

Sampel yang valid dan reliable memungkinkan peneliti unutk mengeneralisasi temuan pada sampel ke tingkat populasi. Dengan kata lain, statistik sampel seharusnya merupakan estimasi yang baik dan merefleksikan parameter populasi sedekat mungkin dengan margin error yang kecil.

Meskipun tidak ada statistik sampel yang nilainya tepat sama dengan parameter populasi, dapat dibuat interval estimasi yang di dalamnya terdapat nilai parameter populasi yang sebenarnya dan estimasi ini dapat dibuat dengan probabilitas tertentu, yaitu tingkat kepercayaan.

Tingkat kepresisian adalah seberapa dekat estimasi terhadap karakteristik populasi yang sebenarnya. Biasanya peneliti dapat mengestimasi parameter populasi yang berada dalam suatu range, berdasarkan estiamsi sampel. Semakin sempit range tersebut, semakin tinggi tingkat kepresisian.

Tingkat kepresisian merupakan fungsi dari variabilitas rataan sampel dalam distribusi sampling. Sampel dengan ukuran yang berbeda-beda akan memiliki rataan yang nilainya berbeda-beda pula dan berdistribusi normal serta memiliki variabilitas.

Variabilitas ini disebut dengan standard error, yang dapat dihitung dengan persamaan:

Standard Error

dengan S : simpangan baku sampel, n : ukuran sampel.

Karena standard error berbanding terbalik dengan akar kuadrat dari ukuran sampel maka apabila peneliti ingin memperkecil standard error pada stadar deviasi tertentu, dapat dilakukan dengan memperbesar ukuran sampel. Dengan kata lain semakin tinggi tingkat kepresisian yang diinginkan maka semakin besar ukuran sampel yang dibutuhkan, terutama apabila variabilitas dalam populasi besar.

Tingkat kepercayaan adalah seberapa yakin peneliti bahwa estimasi bernilai benar pada populasi. Semakin sempit range estimasi maka semakin kecil tingkat kepercayaan. Dengan kata lain, pada suatu ukuran sampel tertentu terdapat trade-off antara tingkat kepercayaan dan tingkat kepresisian.

Secara umum untuk mendapatkan tingkat kepercayaan dan tingkat kepresisian yang tinggi dapat dilakukan dengan memperbesar ukuran sampel. Namun apabila ukuran sampel tidak dapat diperbesar, agar dapat mempertahankan tingkat kepresisian yang sama peneliti harus mengurangi tingkat kepercayaan.

Terdapat 4 aspek yang perlu dipertimbangkan dalam membuat keputusan mengenai ukuran sampel, yaitu:

  1. Seberapa tinggi tingkat kepresisian yang dibutuhkan dalam mengestimasi karakterisitk populasi, atau berapa margin error yang dapat dibuat?
  2. Seberapa tinggi tingkat kepercayaan yang dibutuhkan, atau seberapa besar kemungkinan peneliti membuat kesalahand alam mengestimasi parameter populasi?
  3. Seberapa besar variabilitas yang ada dalam populasi?
  4. Bagaimana analisis cost-benefit dalam memperbesar ukuran sampel?

4. Menentukan Ukuran Sampel

Ukuran sampel, n dapat dihitung dengan persamaan:

Rumus Ukuran Sampel

Apabila nilai n hasil perhitungan dengan persamaan di atas melebihi total elemen populasi (N) maka dapat digunakan formula koreksi untuk menghitung ukuran sampel yang dibutuhkan dengan mempertahankan tingkat kepresisian dan tingkat kepercayaan yang sama. Persamaan koreksi tersebut adalah sebagai berikut:

Persamaan Koreksi Ukuran Sampel

Apabila nilai N, , dan S diketahui maka n dapat dihitung.

Perhitungan ukuran sampel di atas hanya berlaku pada penelitian dengan satu variabel. Dalam penelitian yang melibatkan beberapa faktor atau variabel perlu ditentukan ukuran sampel ketika memperhitungkan semua faktor tersebut. Krejcie dan Morgan (1970) menyederhakan keputusan mengenai ukuran sampel dengan menggunakan tabel ukuran sampel untuk ukuran populasi tertentu (Sekaran, 1992).

Ukuran Populasi dan Ukuran Sampel

Ukuran Populasi dan Ukuran Sampel

Keputusan mengenai sampling harus mempertimbangkan desain sampling  dan ukuran sampel. Apabila desain sampling yang digunakan tidak tepat maka ukuran sampel yang besar saja tidak dapat memastikan bahwa temuan pada sampel dapat digeneralisasi ke tingkat populasi. Sementara apabila ukuran sampel tidak mencukupi untuk tingkat kepercayaan dan tingkat kepresisian yang diinginkan maka, maka desain sampling sebaik apapun tidak dapat membantu peneliti untuk mencapai tujuan penelitian.

Roscoe (1975) mengajukan aturan umum (rules of thumb) untuk menentukan ukuran sampel:

  1. Ukuran sampel antara 30 – 500 umumnya mencukupi.
  2. Apabila sampel akan dipecah menjadi subsampel (misalnya pria/wanita, muda/tua, dll), ukuran sampel minimum untuk tiap kategori adalah 30.
  3. Dalam penelitian multivariat (termasuk analisis regresi multivariate), ukuran sampel harus beberapa kali lebih besar (sebaiknya 10 kali atau lebih) dari jumlah variable dalam penelitian.
  4. Untuk penelitian eksprimental sederhana dengan experimental control yang ketat, dapat digunakan ukuran sampel sekitar 10 sampai 20.


Referensi:

  • Krejcie, R.V. & Morgan, D.W. 1970. Determining sample size for research activities. Educational and psychological measurement. 30. p. 607-610.
  • Roscoe, J.T. 1975. Fundamental Research Statistics for the Behavioural Sciences, 2nd edition. New York: Holt Rinehart & Winston.
  • Sekaran, Uma. 1992. Research Methods For Business: A Skill Building Approach, Secon Edition. New York: John Wiley & Sons, Inc.

Comments

comments

» Research & Statistics, Statistics, Survey Methodology » Sampling

, , , March 27, 2015

Comments are closed.