1.

PENDAHULUAN
Sesudah populasi adalah kumpulan dari individu dengan kualitas serta ciri-ciri yang telah di tetapkan. Kualitas atau cirri tersebut dinamakan variable. Sebuah populasi dengan jumlah individu tertentu dunamakan variabel. Sebuah populasi dengan jumlah individu tersebut dinamakan populasi finit sedangkan, jika jumlah dalam kelompok tidak mempunyai jumlah yang tetap, ataupun jumlahnya tidak terhingga,disebut populasi infinit. Misalnya jumlah petani dalam suatu desa adalah populasi finit.

Sebaliknya,jumlah pelemparan mata dadu yang terus-menerus merupakan populasi infinit. Keterangan mengenai populasi dapat dikumpulkan dengan 2 cara. Pertama, tiap unit populasi dihitung. Cara ini disebut sensus atau complete enumeration. Kedua, perhitungan-perhitungan

dilakukan hanya pada unit populasi saja. Teknik ini dinamakan survey sampel. Sebuah sampel adalah bagian dari populasi. Survey sampel adalah suatu prosedur dimana hanya sebagian dari populasi saja yang diambil dan digunakanuntuk menentukan sifat serta cirri yang dikehendaki dari populasi. Dalam hal menarik sampel, maka kita salalu melakukan cara sampling without replacement. Ini dimaksudkan bahwa individu yang telah ditarik tidak dimasukkan kembali dalam kelompok populasi dalam melakukan penarikan individu berikutnya. Mari kita pikirkan bahwa populasi terdiri dari 4anggota yang masing-masing mempunyai harga : a=1 b=2 c=3 d=4

total populasi adalah 1+2+3+4+=12. Jika kita ingin menarik sebuah sampel yang besranya 2 (beranggotakan dua), maka kita dapat bekerja sebagai berikut. Jika masing-masing sampel digunakan untuk mengadakan estimasi terhadap populasi, maka ada sampel yang cukup tepat dalam mengadakan estimasi

terhadap populasi dan ada pula yang kurang tepat. Lihatlah table dibawah ini.

Table 1.1 Kemungkinan Sampel Serta Tepat Tidaknya Sampel Tersebut Dalam Mengadakan Estimasi Terhadap Populasi

SAMPEL

TOTAL SAMPEL

ESTIMASI TOTAL POPULASI *)

ERROR ESTIMATE 6 12 = -6 10 12 = -2 12 12 = 0 12 12 = 0 14 12 = 2 18 12 = 6

ab ac ad bc bd cd

1 + 2 =3 1 + 4 =5 1+5=6 2+4=6 2+5=7 4+5=9

2*3=6 2 * 5 = 10 2 * 6 = 12 2 * 6 = 12 2 * 7 = 14 2 * 9 = 18

*) dikali 2 karena populasi 2 kali besar sampel Kita lihat bahwa sampel ad dan bc merupakan estimate yang baik terhadap populasi. Sampel ab dan ac memberikan estimasi yang rendah, sedangkan sebaliknya sampel bd dan cd memberikan estimasi yang lebih tinggi. Jika error adalah nol, maka sampel estimasi adalah estimasi yang tidak bias terhadap populasi. Sebaliknya, jika error estimate adalah positif atau negative (tidak nol), maka rencana sampling memberikan estimasi yang bias.

2. BEBERAPA TERMINOLOGI
Survey sampel adalah berkenaan dengan pengukuran keadaan ataupun atribut dari entitas tertentu, seperti keluarga, areal, produksi, usaha tani, guru, penyakit. Dan sebagainya. Atribut sarta objek yang menjadi tujuan penelitian disebut sifat atau ciri (characteristic). Unit yang mempunyai sifat ini dinamakan insur

(elemen) atau unit elementer (elementary unit). Unsur atau unit elementer adalah sebuah objek dimana akan dilakukan

pengukuran-pengukuran. Unit elementer ini mempunyai sifat kuantitatif (dapat di ukur dengan unit-unit pengukur tertentu seperti, kg, meter, rupiah, micron, dan sebagainya) ataupun mempunyai sifat kualitatif tersebut. Kumpulan dari unit-unit elementer disebut populasi. Populasi adalah kumpulan dari ukuran-ukuran tetang sesuatu yang ingin kita buat inferensi. Populasi adalah berkenaan dengan data, bukan dengan orangnya ataupun bendanya. Unit yang membentuk basis dari proses sampling dinamakan unit sampling. Unit sampling adalah kumpulan dari unsure-unsur populasi yang tidak tumpang tindih. Sampel adalah kumpulan dari unit sampling. Ia merupakan subset dari populasi. Sampel adalah kumpulan dari unit sampling, yang di tarik biasanya dari sebuah frame. Langkah-langkah yang akan kita ambil untuk memperoleh sampel dari suatu populasi kita sebut sampling plan (rencana sampling). Sebuah frame adalah list atau urutan unit sampling yang tersedia. Kuantitas yang dapat menjelaskan tentang sifat-sifat

populasi disebut parameter. Parameter populasi adalah konstan dan mempunyai nilai yang tetap untuk populasi tertentu. Biasanya, mean populasi dinyatakan dengan dinyatakan dengan dan variance populasi

. Dipihak lain, kita juga mempunyai kuantitas

yang dihitung dari sampel dan digunakan untuk menerangkan sampel. Mengadakan generalisasi terhadap populasi dengan dasar sampel yang di ambil dari populasi tersebut, dinamakan inferensi statistic. Dalam inferensi statistic kita mengerjakan dua hal, yaitu mengadakan estimasi dan menguji hipotesis. Ada dua jenis estimasi, yaitu estimasi titik atau point estimatedari median populasi dan variance dari sampel adalah estimate titik dari variance populasi. Hipotesis adalah suatu statement tentative tentang parameter populasi atau tentang distribusi populasi.

3. DESAIN DARI SURVEI SAMPEL Tujuan dari survey sampling adalah untuk mengadakan estimasi dan menguji hipotesis tentang parameter populasi dengan menggunakan keterangan-keterangan yang diperoleh dari sampel. Keterangan-keterangan yang diperoleh dapat dikuasai dan

tergantung dari dua hal, yaitu o Jumlah unit sampling yang dimasukkan dalam sampel ; dan o Teknik yang digunakan dalam memilih sampel Sesudah kita terapkan error yang dapat ditolerir serta

probabilitasnya (1- ) maka kita dapat memilih teknik sampling yang akan kita gunakan yang akan menghasilkan presisi yang cukup tinggi dengan biaya yang rendah. Pilihan sampling desain banyak sekali. Untuk memudahkan mari kita ikuti pembagian dari C.W. Churchman, et. Al.sebagai tertera dalam gambar 1.1.

sampling desain

fixed sampling desain

squential sampling

unsrestricted random sampel

restricted random sampel

sampel yang ditarik secara bertingkat cara pengamatan satu per satu dari anggota populasi

simple random

stratified sampling

sistematic sampling

multiple stage sampling

cluster sampling

stratified cluster sampling

Jika aturan dalam penarikan sampel tidak sama selama penarikan sampel berlangsung, maka desain sampling disebut sampel skuensial. Cara penarikan dalam sampel skuensial adalah sebagai berikut. Mulamula ditarik sampel kecil secara random dan dianalisis, untuk menentukan apakah perlu ditarik sampel lain yang lebih besar. Analisis sampel kecil tersebut menentukan penarikan sampel besar selanjutnya. Sampling skuensial dapat dilakukan dengan dua cara, yaitu

a) Menarik sampel secara beringkat, dan b) Dengan mengamati satu per satu anggota-anggota populasi. Sampel ditarik secara bertingkat Disini sampel ditarik beberapa kali untuk memenuhi kepuasan, dan tiap sampel yang ditarik digabung dengan sampel sebelumnya. Dengan penarikan sampel keduan, kita melakukan apa yang disebut double sampling dan jika diteruskan pada penarikan sampel yang ketiga kita telah melakukan triple sampling, dan jika kita teruskan lagi, maka kita telah mengerjakan multiple sampling. Cara pengamatan satu per satu terhadap anggota populasi Dalam hal ini, satu per satu anggota sampel kita amati. Pengamatan kita lakukan terus-menerus sampai kita merasa puas tentang keterangan yang kita inginkan. Cara ini dianggap bentuk khas dari multiple sampling. Desain sampling tetap kita bagi atas dua, yaitu unrestricted random sample dan restricted random sample. Simple random simple (sampel random sederhana) Tiap unit populasi diberi nomor. Kemudian sampel yang diinginkan ditarik secara random, baik dengan menggunakan random numbers ataupun dengan undian biasa. Systematic sample (sampel sistematik) Unit dari populasi diberi nomor dan diurutkan. Kemudian ditentukan satu nomor sebagai titik tolak menarik sampel. Multiple stage sample Sampel ditarik dari kelompok populasi, tetapi tidak semua anggota kelompok populasi menjadi anggota sampel.

Stratified sample Populasi dibagi dalam kelompok yang homogeny lebih dahulu, atau dalam strata. Anggota sampel ditarik dari setiap strata. Cluster sampling Populasi dibagi dulu atas kelompok berdasarkan area atau

cluster.anggota subpopulasi tiap cluster tidak perlu homogen, beberapa cluster diplih dulu sebagai sampel. Stratified cluster sample Sampel ditarik dengan teknik kombinasi antara stratigied sampling dan cluster sampling.

4. Proses Memilih Sampel Random

Kerangka Sampling : Adalah daftar atau list yang berisi satuan-satuan sampling yang ada dalam sebuah populasi. Dalam daftar tersebut setiap satuan sampling diberi nomor urut. Jika menggunakan Tabel Angka Random, lakukan penomoran sesuai dengan besarnya ukuran sampel. Misalnya jika jumlah populasi ratusan, gunakan penomoran dengan tiga digit, bisa dimulai dari 001 dan seterusnya. Cara Memilih Sampel : Paling tidak ada 3 cara memilih sampel yang sering digunakan yaitu dengan cara: (1) mengundi, (2) menggunakan Tabel Angka Random, dan (3) memakai angka random yang ada dalam Scientific Calculator. Dari segi kepraktisan akan sangat mudah jika digunakan kalkulator. Dalam kalkulator terdapat tombol yang bernotasi RAN#. Jika tombol tersebut dipijit akan ke luar angka perseribuan. Misalnya ketika kita akan melakukan penelitian dengan jumlah populasi 500 sekolah. Semua sekolah harus dimasukan dalam kerangka sampling yang diberi nomor mulai dari 001, 002, . 500. Untuk menentukan sampel ke-1 yang harus diambil pijit timbol RAN# pada kalkulator, misalkan ke luar angka 0,246,

berarti sampel yang harus diambil pertama adalah yang bernomor urut 246, pijit lagi tombol RAN# misalkan ke luar angka 0,135 berarti yang harus diambil sebagai sampel yang ke-2 adalah yang bernomor urut 135.

5. Menentukan Ukuran Sampel (=n)

Pertanyaan yang sering diajukan oleh peneliti ketika akan melakukan penelitian adalah berapa besar sampel yang harus diteliti dari sebuah populasi?, agar hasil (berupa data perkiraan) penelitian dapat mewakili atau merepresentasikan populasi. Data perkiraan (statistik) disebut mewakili jika angkanya mendekati parameter. Jika parameter 100, 95 disebut lebih mewakili dibandingkan dengan 90. Dalam menentukan besarnya sampel, hal-hal yang harus diperhatikan dan dipertimbangkan adalah : 1. Parameter apa yang akan diteliti (misalnya rata-rata, proporsi) 2. Besarnya populasi (N) atau banyaknya elemen populasi yang akan diambil sampelnya. 3. Berapa tingkat kepercayaan/keyakinan yang dipergunakan (1-a) untuk menjamin hasil penelitian agar kesalahan samplingnya tidak melebihi nilai tertentu (B = bound of error). 4. Bagaimana tingkat variasi atau heterogenitas populasi, dimana sampel akan diambil. Tingkat variasi atau heterogenitas populasi biasanya dinyatakan dengan s = standard error. Dengan demikian, untuk menentukan besarnya sampel (n) perlu diketahui angka-angka dari: 1. N = besarnya populasi. 2. s (standard error) atau s2 (varians) yang menggambarkan heterogenitas populasi. Jika tidak diketahui bisa diperkirakan dari; a. range = 4 s (empirical rule) b. kondisi atau berdasarkan hasil penelitian sebelumnya 3. B = bound of error (kesalahan sampling tertinggi). Kesalahan sampling atau sampling error = _ q -`q_ 4. Tingkat kepercayaan (1-a) atau taraf nyata (a) 5. D = dihitung berdasarkan B dan tingkat kepercayaan. Misalnya untuk

menghitung D yang dipakai guna menentukan jumlah sampel untuk memperkirakan rata-rata dengan tingkat kepercayaan 95% adalah D = B2/4 yang berasal dari D = (B/ Za/2)2. Angka 4 diperoleh dari: Za/2 = Z0,05/2 = Z0,025 = 1,96 (didapat dari Tabel Z Distribusi Normal) dibulatkan = 2, (22 = 4).

Menentukan Ukuran/Jumlah Sampel (n) untuk Memperkirakan Rata-Rata Populasi (m)

Akan dilakukan penelitian Rata-Rata Biaya Pendidikan Dasar per Murid perTahun. Banyaknya sekolah seluruh sekolah di provinsi tersebut dimisalkan ada 1.000 sekolah. Perbedaan rata-rata biaya pendidikan antara yang tertinggi dan yang terendah sebesar Rp 100.000. Bound of error atau kesalahan sampling tertinggi yang yang dikehendaki tidak lebih dari Rp3.000. Tingkat kepercayaan yang digunakan 95%. Berdasarkan deskripsi kondisi di atas dapat ditentukan: N = 1000 B = Rp 3.000 Range = Rp 100.000 4s = range (empirical rule) s = range / 4 = 100.000 / 4 = 25.000 D = B2 / 4 (untuk menaksir rata-rata pada tingkat kepercayaan 95%) = 3.0002 / 4 = 2.250.000 N x s2 n = --------------------(N-1) x D + s2 1.000 x 25.0002 n = ------------------------------------------(1.000-1) x 2.250.000 + 25.0002 n = 217,56 = 218 (dibulatkan).

6. STRATIFIED RANDOM SAMPLING

Metode pengambilan sampel acak terstratifikasi (stratified random sampling)adalah metode pemilihan sampel denga cara membagi populasi ke dalamkelompok-kelompok yang homogen yang disebut strata, dan kemudiansampel diambil secara acak dari tiap strata tersebut. Apabila anggota-anggota populasi tidak homogen, tetapi bisa dikelompokkan dalamkelompok-kelompok yang relatif homogen, maka proses pengambilansampel dengan metode acak sederhana akan menimbulkan bias,

karenakeheterogenan yang ada pada anggota populasi akan berpengaruh terhadapinformasi yang diperoleh dari variabel yang diobservasi. Pada kondisitersebut perlu dilakukan pembagian anggota-anggota populasi ke dalamkelompok-kelompok yang relatif homogen tersebut. Agar standar deviasiyang diperoleh tetap kecil, maka satuan sampel yang relatif homogen dalamkarakteristik yang diteliti dijadikan satu kelompok yang dinamakan strata. Dengan demikian variasi yang ada antar strata mengggambarkan

variasidalam tiap strata. Selanjutnya dari tiap strata ini diambil sampel secara acak. Penarikan sampel berstrata adalah suatu metode dimana populasi, yang berukuran N, dibagi-bagi menjadi subpopulasi yang masingmasing terdiri atas + elemen.

Diantara dua subpopulasi tidak boleh ada saling tumpang tindih. Selanjutnya, setiap anak populasi disebut sebagai starata (stratum).

Dalam pembentukan strata harus diusahakan agar elemen-elemen yanghampir sama dimasukkan ke dalam satu strata sehingga varians di dalammasing-masing strata menjadi lebih homogen. Di samping itu, akan lebihbaik lagi jika perbedaaan rata-rata karakteristik antar strata dibuat sebesarmungkin perbedaannya. Secara skematis pembentukan strata sebagaiberikut.

Yang perlu diperhatikan dalam penerapan rancangan penarikan sampelberstrata adalah variabel apa yang digunakan sebagai dasar pembentukanstrata, alokasi sampel pada masing-masing strata, dan ukuran sampel yangdiperlukan untuk menduga suatu statistik dengan presisi yang dikehendaki.Pelapisan/sratifikasi adalah sebuah teknik biasa. Ada beberapa alasan prinsipuntuk penggunaannya, prinsip yang

dimaksud antara lain. 1. Jika data diketahui dari ketelitian populasi, ada yang diinginkan untuk

subkelompoktertentu

baiknya

memperlakukan

setiapsubkelompok sebagai suatu populasi yang tertentu. 2. Administrasi yang baik dapat memakai kegunaan pelapisan;

sebagaicontoh, agen survei dapat menggunakan kantor-kantor cabang, yangmasing-masing dapat mengawasi survei sebagai bagian dari populasi. 3. Masalah penarikan sampel dapat berbeda dalam bagian populasi yangberbeda. Dengan populasi manusia, orang-orang yang hidup dalamadat kebiasaan (misalkan hotel, rumah sakit, dan penjara), seringkaliditempatkan pada lapisan yang berbeda dengan orang-orang yangtinggal di rumah-rumah biasa, karena pendekatan yang berbeda untukpenarikan sampelnya sesuai untuk dua keadaan tersebut.

Dalampenarikan sampel perusahaan, kita dapat memperoleh sebuah daftardari perusahaan-perusahaan besar yang ditempatkan pada

lapisanyang terpisah dengan perusahaan-perusahaan kecil. 4. Pelapisan dapat menghasilkan suatu manfaat dalam ketelitianperkiraan dari karakteristik seluruh populasi. Hal ini memungkinkankita untuk membagi sebuah populasi yang heterogen menjadi subpopulasi-

subpopulasi, dengan setiap subpopulasi menjadihomogen. Subpopulasi ini dinamakan lapisan (strata). Jika tiap-tiaplapisan homogen, maka pengukuran varians antarlapisan menjadikecil, dan perkiraan yang teliti dari setiap rata-rata lapisan dapatdiperoleh dari sampel kecil dalam lapisan tersebut. Perkiraan inikemudian dapat dikombinasikan dengan perkiraan yang teliti untukseluruh populasi.

Kondisi dan Kasus Penggunaan Pada banyak kasus, suatu populasi seringkali terdiri atas beberapa kelompokyang jelas-jelas memiliki perbedaan satu dengan yang lain. Dengandemikian, populasi tersebut perlu dikelompokkan (stratified) sesuai dengankelompok (strata) yang memiliki perbedaan tersebut, kemudian dari tiapkelompok diambil sampel secara acak. Inilah yang disebut denganpengambilan acak terstratifikasi.Melalui pengambilan acak

terstratifikasi diharapkan sampel dapat terambildan mewakili semua kelompok yang ada, sehingga ada jaminan tidak adakelompok yang terabaikan. Selain itu dapat diharapkan pula bahwapengaruh tiap kelompok terhadap sampel dapat diabaikan. Tanpastratifikasi, dapat terjadi bahwa sampel (atau sebagian besar sampel) yangterambil hanya akan terambil dari kelompok (strata) tertentu saja. Sebagai langkah awal penerapan rancangan penarikan sampel berstrataadalah menentukan variabel yang digunakan sebagai dasar pembentukanstrata. Untuk survei, sampel yang hanya mempelajari satu variabel saja,misalnya Y, maka variabel yang terbaik yang digunakan sebagai dasarstratifikasi adalah variabel Y itu sendiri. Pada kenyataannya hal tersebutsangat jarang terjadi, karena survei sampel biasanya karakteristik-karakteristik yang dipelajari sangat rinci dan masing-masing variabelmemiliki derajat kegunaan yang sama. Untuk mengatasi hal tersebut, caraterbaik sebelum menentukan variabel mana yang digunakan sebagai dasarpembentukan strata terlebih dahulu dipelajari besarnya korelasi antarvariabel yang dipelajari. Variabel yang digunakan sebagai dasarpembentukan strata adalah variabel yang memiliki korelasi yang eratdengan varibel-variabel yang diteliti.Variabel yang digunakan sebagai dasar pembentukan strata dapat berupavariabel yang memiliki skala pengukuran selang atau kategorik. Misalnyasurvei industri, variabel yang berkorelasi erat dengan produksi adalah jumlahtenaga kerja; survei produktifitas padi, maka variabel kategorik yangberpotensi untuk digunakan sebagai dasar pembentukan strata adalahvariabel letak geografis desa/kelurahan (pantai, dataran tinggi/pegunungan,daerah aliran sungai/DAS, dan

dataran

rendah).Perhatikan

contoh

berikut: di

suatu DKI

penelitian

ingin

mengetahui

tingkatpendapatan

dokter

Jakarta.

Kerangka

sampelnya adalah semua orangyang berprofesi dokter yang ada di DKI Jakarta. Ternyata para doktertersebut bisa dikelompokkan menjadi kelompok dokter umum, kelompokdokter kandungan, kelompok dokter spesialis mata, dan lain-lain. Agar populasinya terwakili, maka sebaiknya populasi juga dibagi menurutspesialisasi dokter. Kelompok-kelompok menurut spesialisasi inilah yangdisebut strata. Dari tiap strata (kelompok spesialisasi) ini kemudian diambilsampel yang proporsional atau tidak proporsional dengan metode acaksederhana.Agar pengelompokan

(stratifikasi) lebih baik, harus diperhatikan adanyahubungan antara jenis strata dengan ciri yang diteliti. Pada contohsebelumnya, spesialisasi dokter diasumsikan akan berhubungan denganpendapatannya. Hubungan ini tentu sudah harus diketahui peneliti sejakawal, misalnya dari penelitian terdahulu, pengalaman atau teori yangmendukung.

7. CLUSTER SAMPLING
Cluster Sampling adalah teknik pengambilan sampel dimana pemilihan mengacu pada kelompok bukan pada individu. Cara seperti ini baik sekali utk dilakukan apabila tak terdapat atau sulit

menentukan/menemukan kerangka sampel meski dapat juga dilakukan pada populasi yg kerangka sampel sudah ada. Sebagai contoh : Kepala Dinas Pendidikan Kabupaten Kuningan ingin mengetahui bagaimana Sikap Guru SLTP terhadap Kebijakan Manajemen Berbasis Sekolah (MBS) besar sampel adl 300 orang kemudian ditentukan Cluster misal sekolah Jumlah SLTP sebanyak 66 Sekolah dgn rata-rata jumlah Guru 50 orang maka jumlah cluster yg diambil adl 300 : 50 = 6 kemudian dipilih secara acak enam Sekolah

dan dari enam sekolah ini dipilih secara acak 50 orang Guru sebagai anggota sampel. Pengambilan sampel dgn cara yg sudah disebutkan di atas umum dilakukan pada populasi yg bersifat terbatas (Finit) sementara itu utk Populasi yg jumlah dan identitas anggota populasi tak diketahui (Infinit) pengambilan sampel biasa dilakukan secara tak acak (Non random Sampling). Adapun yg termasuk pada cara ini adl :

Quota Sampling : yaitu penarikan sampel yg hanya menekankan pada jumlah sampel yg harus dipenuhi.

Purposive Sampling : pengambilan sampel hanya pada individu yg didasarkan pada pertimbangan dan karakteristik tertentu.

Accidental Sampling : pengambilan sampel dgn jalan mengambil individu siapa saja yg dapat dijangkau atau ditemui.

8. KESIMPULAN
SIMPLE ITEM RANDOM SAMPLING STRATIFIED RANDOM SAMPLING CLUSTER RANDOM SAMPLING

1.Bila digunakan

1.Jika tidak menyebar

populasi 1.Jika terlalu yang diteliti

dari

sifat 1.Biaya penelitian

diinginkan terbatas. sangat 2.Jika dapat populasi

menurut area. 2.Jika kurang

mengelompok

populasi disatu tempat dan dikelompokkan lebih sporadic di tempat menurut cluster. estimate cluster-

homogeny dalam yang lain. sifat yang ingin 2.Jika

diukur.

yang cukup tepat diinginkan bagian untuk tertentu

dari populasi. 2.Kebaikan 1.Mean merupakan sampel 1.Adanya stratifikasi 1.List populasi

dapat tidak diperlukan. untuk list

estimate tidak bias menambah presisi 2.Biaya dari populasi. mean estimate. 2.Sangat membuat

sudah berkurang. 3.Biaya transportasi murah lebih

2.Metode estimasi memudahkan midah sederhana. dan secara administrasi.

3.Keburukan

1.Sampel dipilih menyebar sehingga

yang 1.List

dari 1.Biaya

untuk dan

dapat populasi dari tiap analisi stratum diperlukan.

mengerjakan lebih besar.

meninggikan biaya transportasi.

2.Frame populasi 2.Biaya transport 2.Prosedur dalam atau list diperlukan tinggi,apalagi jika mengadakan 3.Sampel yang daerah cukup estimasi sukar.

dipilih bisa tidak luas. tipikal populasi.