Populasi (N)
Kelompok dari mana sampel dipilih untuk diikutkan dalam penelitian Kelompok yang akan diteliti karakteristiknya di mana hasil penelitian akan digeneralisasikan
populasi target
(istilah ideal)
populasi terjangkau
(istilah realistik)
Sampel (n)
Sekelompok orang atau unit penelitian yang terpilih shg data penelitian dpt diperoleh Kelompok terpilih (perwakilan) yang karakteristiknya menyerupai populasi Anggota sampel disebut
subjek penelitian
atau
partisipan
Populasi
Kuantitas (jumlah) Rerata Varians Simpang baku N 2 Rerata
Sampel
Kuantitas (jumlah) Varians Simpang baku n x s2 s
Sampling (= Pencuplikan)
Proses pemilihan sekelompok orang, peristiwa, perilaku, atau elemen lain yang mewakili populasinya untuk penelitian
Tujuan sampling
Mengumpulkan data dari populasi agar dapat ditarik kesimpulan yang bisa digeneralisasikan ke populasi
Proses sampling
POPULASI (N) PENARIKAN KESIMPULAN SAMPEL (n)
Sampel
POPULASI (N)
SAMPEL (n)
Representativeness (= Keterwakilan)
Sampel & populasi target sebisa mungkin mempunyai karakteristik yang mirip Perlu dievaluasi:
Setting Karakteristik subjek (umur, jenis kelamin, suku, pendapatan, pendidikan) Distribusi nilai dari variabel yang diukur dalam penelitian
Generalisasi
Memperluas temuan dari sampel penelitian ke populasi yang lebih besar (populasi target) Dipengaruhi kualitas penelitian dan konsistensi temuan penelitian
Kriteria sampling
Kriteria inklusi: Karakteristik yg harus dimiliki subjek atau elemen sebagai populasi target Misal:
Berumur antara 18 hingga 45 Bisa baca tulis Dijadwalkan utk operasi kandung empedu Didiagnosis diabetes
Kriteria sampling
Kriteria eksklusi: Karakteristik yg bisa menyebabkan individu atau elemen dikeluarkan dari populasi target Contoh:
Menderita gangguan jiwa Berumur kurang dari 18 tahun Mempunyai kelainan kognitif
Sampling
berhubungan dengan
besar sampel
Attrition & refusal rate harus diantisipasi dalam proses sampling & penentuan besar sampel
Terminologi
Sample attrition (pengurangan sampel) Penarikan, berkurang atau hilangnya subjek penelitian
Attrition rate = jumlah subjek yang menarik diri jumlah subjek penelitian
x 100%
Sample retention: Jumlah subjek yang dapat mengikuti dan menyelesaikan penelitian
Terminologi
Refusal rate
Persentase subjek yang menolak ikut penelitian 80 subjek dipilih, 4 menolak 4 80 = 0.05 = 5% refusal rate
Acceptance rate
Persentase subjek yang setuju ikut penelitian 80 subjek dipilih, 76 menerima 76 80 = 0.95 = 95% acceptance rate
Menghindari kesalahan sampling, idealnya dilakukan sensus pada populasi Mengendalikan kesalahan sampling, peneliti memilih teknik sampling yang sesuai
Rerata populasi
Rerata sampel
Sampling error
Variasi acak
Perbedaan acak karena beberapa nilai akan lebih tinggi atau lebih rendah dibandingkan nilai rerata populasi Perbedaan nilai yang diharapkan, terjadi saat nilai yang berbeda diukur dari sampel yang sama Jika ukuran sampel diperbesar, variasi acak menurun
Sampling bias
Variasi sistematik
Perbedaan non-acak (nilai tidak berbeda secara acak) dari nilai rerata populasi Akibat memilih subjek yang nilai pengukurannya memang berbeda dari nilai pengukuran populasi (selection bias: over/under-represented sampel, sukarelawan, sampel seadanya)
Prosedur sampling
1. Menentukan populasi (N) yang akan dicuplik 2. Menentukan ukuran sampel (n) 3. Mengontrol bias & error 4. Memilih sampel
4. Memilih sampel...
Proses di mana peneliti mencoba untuk memastikan bahwa sampel merupakan representasi dari populasi yang dipilih perlu mengenal ragam teknik pencuplikan
Snowball
Stratified
Cluster
Judgment
Quota
Probability Sampling
Probability Simple random
Systematic
Stratified
Cluster
generators
Langkah-langkah SRS
1. Mengidentifikasi & menentukan populasi 2. Menentukan ukuran sampel 3. Mendaftar atau mencari daftar (sampling frame) seluruh anggota populasi 4. Memberi nomor urut semua individu dalam daftar (mulai nomor 0, digit sama) 5. Memilih nomer (arbitrary) pada tabel random numbers
Langkah-langkah SRS
6. Pada nomer yang terpilih, lihat angka digit yang diberikan untuk tiap anggota populasi 7. Jika nomor pilihan sesuai dg nomor yang diberikan pada individu dlm populasi, individu tersebut dimasukkan dlm sampel 8. Lanjutkan nomor di kolom selanjutnya , ulangi langkah #7 hingga sesuai dengan ukuran sampel yang diinginkan/dihitung
Sampling frame
Random samples
Semisal ada 300 orang (ID) dalam daftar (N=300), dan hanya akan dipilih secara acak 100 sampel
Pertama kali dipilih (pejam mata tunjuk acak ambil tiap 3 digit sesuai jumlah digit N)
SORT
Blok kolom B
Klik Sort & Filter di menu kanan atas, Pilih sort smallest to largest
100 id pertama yg diurutkan secara acak >>> menjadi sampel Sampel #1 = id 18 Sampel #2 = id 20 Sampel #3 = id 21 dst hingga sampel #100
Kelebihan SRS
Pengetahuan minimal utk populasi yg dibutuhkan Validitas eksternal & internal tinggi; estimasi statistik utk error Mudah dianalisis
Kelemahan SRS
Mahal >>> jarang digunakan
Butuh sampling frame Tidak memanfaatkan keahlian peneliti Risiko random error lebih besar dibandingkan stratified sampling
Systematic Sampling
Awalnya dipilih dengan proses acak, kemudian
N = 100 Butuh n = 20
x = sampling interval
x = N/n = 5
Pilih nomor acak dari 1-5 >>> misal pilih 4 Mulai dari id#4, pilih sampel tiap kelipatan 5
Kelebihan
Biaya & penggunaan: sedang Validity eksternal & internal tinggii; estimasi statistik utk error Mudah mencuplik; mudah memverifikasi
Kelemahan
Urutan periodik sampel bisa terpilih kembali Butuh sampling frame
Stratified Sampling
Sub-sample dipilih secara acak dari sampel dg strata yang berbeda
karakteristiknya (lebih atau kurang) Mengapa?
Mengurangi random error Lebih akurat merefleksikan populasi melalui representasi yang proporsional
Strata 1 Strata 2
Strata 3
Sampling frame
Strata
Contoh variabel stratifikasi lainnya: status pendidikan kelompok umur jenis kelamin tipe institusi layanan kesehatan dsb.
Kelebihan
Representasi semua subgrup/strata dari populasi/sampel terjamin Karakteristik tiap strata bisa diidentifikasi & dibandingkan Mengurangi variabilitas dari systematic sampling
Kelemahan
Butuh populasi yg besar Butuh informasi yg akurat utk proporsi tiap strata Pembuatan/persiapan daftar stratifikasi mahal
Cluster sampling
Unit sampling primer bukan elemen individual, melainkan klaster yg besar dari
elemen individual. Baik tiap klaster maupun elemen di dalamnya dipilih secara acak atau sistematis Mengapa?
Mendapatkan sampel yg beragam secara geografis Sering digunakan ketika daftar populasi tdk ada atau alasan biaya
Kelebihan
Murah, sering digunakan Butuh semua daftar klaster, tapi akhirnya hanya individu dlm klaster yg terpilih Dapat memperkirakan karakteritik klaster maupun populasi Sangat baik utk multistage sampling
Kelemahan
Error lbh besar utk perbandingan ukuran (dibandingkan metode probability lainnya) Multistage sampling sgt mahal & validitas tergantung metode sampling lain yg digunakan
Nonprobability Sampling
Nonprobability Convenience
Snowball
Judgment
Quota
Convenience Sampling
Untuk mendapatkan unit atau orang yang paling mudah dijumpai Alasan: kecepatan & biaya Validitas internal & eksternal?? Bisakah dijustifikasi??
Halo mas bro, maukah jadi sampel penelitian saya?
Kelebihan
Sangat murah Sering digunakan, mudah dimengerti Tidak perlu daftar elemen/populasi
Kelemahan
Variabilitas dan bias tdk bisa diukur & dikontrol Hasil tdk bisa digeneralisasikan ke populasi (hanya berlaku pd sampel)
Judgment/Purposive Sampling
Peneliti memilih sampel berdasarkan beberapa karakteristik yg sesuai agar memenuhi tujuan/maksud penelitian
Kelebihan
Biaya relatif murah Sering digunakan, mudah dimengerti Sampel memenuhi tujuan penelitian
Kelemahan
Bias! Hasil tdk bisa digeneralisasikan ke populasi (hanya berlaku pd sampel)
Quota Sampling
Memastikan bahwa karakteristik tertentu dari population akan terwakili hingga batas yang telah diinginkan/ditentukan peneliti Batas ukuran sampel Batas waktu
Kelebihan
Biaya relatif murah Sangat sering digunakan, mudah dimengerti Sampel memenuhi tujuan penelitian Bisa mendapatkan beberapa elemen utk stratifikasi
Kelemahan
Variabilitas dan bias tdk bisa diukur & dikontrol Hasil tdk bisa digeneralisasikan ke populasi (hanya berlaku pd sampel)
Snowball Sampling
Responden awalnya dipilih dg metode probability atau nonprobability sampling, kemudian responden tambahan diperoleh berdasarkan informasi yg diberikan oleh responden awal
Kelebihan
Biaya murah Berguna dlm kasus2 tertentu (eksklusif) Berguna utk menemukan populasi langka
Kelemahan
Bias karena unit sampling tdk independen Hasil tdk bisa digeneralisasikan ke populasi (hanya berlaku pd sampel)
purposive!
Karena: Ukuran sampel yg dibutuhkan relatif kecil Banyak kandidat partisipan tdk bersedia ikut penelitian
1. Intensity sampling
Memilih partisipan yang memungkinkan penelitian dg level topik riset yg berbeda
2. Homogeneous sampling
Memilih partisipan yang mempunyai pengalaman, perspektif, atau penampilan yg mirip
3. Criterion sampling
Memilih semua kasus yang memenuhi karakteristik yg telah ditentukan sebelumnya oleh peneliti
4. Snowball sampling
Memilih beberapa individu yang dpt mengidentifikasi individu lain yg juga masih dpt mengidentifikasi individu lainnya yang potensial utk menjadi partisipan yg baik
Questions