Nur Hafidha Hikmayani

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)

Apakah sampel representatif?

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 (validitas eksternal)

POPULASI (N) PENARIKAN KESIMPULAN SAMPEL (n)

Apakah penarikan kesimpulan bisa digeneralisasikan?

Generalisasi
Memperluas temuan dari sampel penelitian ke populasi yang lebih besar (populasi target) Dipengaruhi kualitas penelitian dan konsistensi temuan penelitian

Mengapa melakukan sampling

Murah Cepat Akurat Error bisa dihitung

Menentukan kriteria sampling

Sampel homogen: Semirip mungkin, untuk mengontrol variabel luar Sampel heterogen: Mewakili nilai-nilai yang lebih luas (topik penelitian luas)

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

Generalisasi yang tidak tepat

Sampel tidak bisa digeneralisasikan di luar kriteria samplingnya
Kemampuan baca tulis, bahasa Sampel dengan penyakit lain

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

Kesalahan dalam sampling

1. Sampling error >>> variasi acak 2. Sampling bias >>> variasi sistemik

Mengancam validitas hasil penelitian

Menghindari kesalahan sampling, idealnya dilakukan sensus pada populasi Mengendalikan kesalahan sampling, peneliti memilih teknik sampling yang sesuai

Kesalahan dalam sampling

Didapatkan perbedaan antara rerata populasi dengan rerata sampel
Kesalahan sampling Populasi Sampel

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

1. Menentukan populasi (N) yang akan dicuplik

Mengidentifikasi kelompok yang akan diteliti berikut karakteristiknya di mana hasil penelitian akan digeneralisasikan

2. Menentukan ukuran sampel (n)

Ukuran sampel mempengaruhi keterwakilan sampel dan analisis statistik data ukuran sampel besar bisa mendeteksi perbedaan antarkelompok ukuran sampel kecil kurang representatif

Menentukan ukuran sampel (n)

Semakin besar ukuran populasi, semakin kecil proporsi populasi yang diperlukan utk mendapatkan sampel representatif 1. Rules of thumb:
Untuk populasi kecil (N 100), survei seluruh populasi Ukuran populasi ~500, dicuplik 50%-nya Ukuran populasi ~1500, dicuplik 20%-nya Ukuran populasi >5000, ukuran sampel 400 mencukupi

2. Lebih akurat memakai rumus besar sampel

Pemilihan rumus tergantung desain penelitian & teknik analisis statistik yg akan digunakan

3. Mengontrol bias & error

Waspadai sumber sampling bias & kenali cara menghindarinya Putuskan apakah bias terlalu parah sehingga mempengaruhi hasil penelitian Pada laporan hasil penelitian, dokumentasikan kesadaran akan bias, alasan melanjutkan, dan konsekuensinya

4. Memilih sampel...
Proses di mana peneliti mencoba untuk memastikan bahwa sampel merupakan representasi dari populasi yang dipilih perlu mengenal ragam teknik pencuplikan

Teknik sampling riset kuantitatif

Teknik sampling

Probability Simple Random

Nonprobability Systematic Convenience

Snowball

Stratified

Cluster

Judgment

Quota

Langkah-langkah pemilihan teknik sampling

Menentukan populasi target Menentukan kerangka sampel (sampling frame) Probability atau nonprobability sampling Unit sampling Kesalahan sampling
Random sampling error (chance fluctuations) Nonrandom sampling error (design errors)

Populasi Target (Langkah 1)

Siapa yang punya data/informasi yg dibutuhkan? Bagaimana menentukan populasi target?
- Geografi - Demografi - Pengguna - Kesadaran

Sampling Frame (Langkah 2)

Daftar elemen dalam sebuah populasi Sampling frame error
Jika elemen sampel tertentu tidak terdaftar, tidak ada, atau tidak terwakili di daftar

Probability atau Nonprobability (Langkah 3)

Probability (random) sampling
Teknik pencuplikan di mana tiap anggota populasi mempunyai kesempatan yang sama untuk dipilih Prosedur ditentukan oleh kesempatan (chance) untuk memilih sampel Mengontrol sampling bias

Probability atau Nonprobability (Langkah 3)

Nonprobability (nonrandom) sampling
Unit sampel dipilih berdasarkan penilaian pribadi atau kemudahan/kenyamanan >>> tidak memenuhi kaidah pencuplikan acak Meningkatkan kemungkinan sampling bias Tidak ada teknik statistik untuk mengukur random sampling error pada nonprobability sampling >>> scr statistik, generalisasi hampir tidak pernah tepat

Probability Sampling
Probability Simple random

Systematic

Stratified

Cluster

Simple Random Sampling (SRS)

Bentuk asli probability sampling Memastikan bahwa tiap elemen dalam populasi mempunyai kesempatan yang sama untuk menjadi sampel Memakai random table atau random number

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

SRS dg Tabel Random Number

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)

Sampel #2 (id 017)

Dst ke baris bawah hingga terpilih 100 sampel

Tidak dipilih (krn 472 > N)

Sampel #1 (id 091)

Sampel #3 (id 182)

SRS dg Microsoft Excel

Sampling frame disalin ke Excel Semisal ada 300 orang dalam daftar (300 id), dan hanya akan dipilih secara acak 100 sampel, langkah2nya sbb: Buat kolom baru, beri nama random_number Pada sel pertama di bawah judul baris, ketik =RAND(), tekan enter Copy-paste sel pertama tsb ke sel lainnya dalam kolom yang berisi 300 id Urutkan kolom random_number dg

SORT

Pilih 100 id pertama >>> otomatis id terpilih secara acak

Tekan enter, muncul angka random

Arahkan kursor di pojok kanan bawah B2

Tahan & seret ke bawah hingga id#300

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

SRS dg Online Random Table Generator

misal: http://graphpad.com/quickcalcs/randomN1.cfm

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

tiap nomer ke-x (xth) dipilih

x = sampling interval
Jumlah elemen populasi antara unit2 yg terpilih utk sampel Error: periodisitas - daftar asli sudah mempunyai pola sistematis

Langkah2 systematic sampling

1. Mengidentifikasi & menentukan populasi 2. Menentukan ukuran sampel 3. Mendapatkan sampling frame 4. Menentukan x yg sama dengan cara membagi ukuran populasi dengan ukuran sampel yang diinginkan

Langkah2 systematic sampling

5. Mulai memilih dari daftar secara acak (pejamkan mata, tunjuk acak) 6. Dari pilihan awal, ambil nama (id) ke-x dalam daftar hingga tercapai ukuran sampel yg dibutuhkan 7. Jika sdh mencapai daftar terakhir sblm ukuran sampel terpenuhi, kembali ke daftar awal sesuai sampling interval

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

Total sampel = yang terpilih secara acak dari tiap strata

Langkah2 stratified sampling

1. Mengidentifikasi & menentukan populasi 2. Menentukan ukuran sampel 3. Mengidentifikasi variabel & subgrup (strata) yang ingin dijamin kesesuaian dan kesetaraan representasinya 4. Mengklasifikasikan seluruh anggota populasi ke dalam salah satu subgrup (strata) 5. Memilih nomer individu yg sesuai secara acak (bisa dg tabel random number) dari tiap strata
[sesuai: jumlah individu setara]

Sampling frame

Strata
Contoh variabel stratifikasi lainnya: status pendidikan kelompok umur jenis kelamin tipe institusi layanan kesehatan dsb.

Random sampel dari n/N

Jenis2 Stratified Sampling

Proportional Stratified Sampling
Jumlah unit sampling yg dipilih dari tiap strata proporsional dg ukuran populasi dari strata tsb (fraksi sampling sama utk tiap strata)

Disproportional Stratified Sampling

Jumlah unit sampling yg dipilih dari tiap strata dipilih berdasarkan pertimbangan analitik (misal, karena variabilitas meningkat, maka ukuran sampel per strata jg ditingkatkan >>> oversampling/overrepresentasi)

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

Langkah2 Cluster Sampling

1. Mengidentifikasi & menentukan populasi 2. Menentukan ukuran sampel 3. Mengidentifikasi & menentukan klaster yg logis 4. Daftar klaster (populasi klaster) 5. Perkirakan rerata jumlah anggota populasi per klaster

Langkah2 Cluster Sampling

6. Menentukan jumlah klaster yg dibutuhkan dg cara membagi ukuran sampel dg perkiraan ukuran klaster 7. Memilih jumlah klaster yg dibutuhkan scr acak (klaster diberi nomor ID, dipilih scr acak/SRS) 8. Masukkan semua anggota populasi dalam klaster yg terpilih >>> individu dlm klaster terpilih bisa dipilih secara acak jika ukuran populasi besar

Contoh Cluster Sampling

Anda diminta utk mencuplik Propinsi X semua alumni FK UNS yang bekerja di Propinsi X Belum ada daftar Menggunakan stratified sampling, susunlah semua industri kesehatan di Propinsi X shg klaster2 dlm Propinsi X teridentifikasi Pekerja individual dl klaster2 tsb dipilih utk berpartisipasi dlm Klaster yg dibutuhkan = penelitian >>> alumni FK UNS n/jumlah klaster total >>> Klaster dipilih scr acak terpilih melalui klaster
Total klaster teridentifikasi

Jenis2 Cluster Sampling

Area sampling
Unit sampling primer adlh area geografis

Multistage area sampling

Cluster sampling yg mengkombinasikan 2 atau lebih teknik probability sampling lainnya Umumnya, area geografis yg lebih kecil dipilih secara acak melalui beberapa langkah

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)

Pendekatan (teknik) sampling riset kualitatif

Ciri riset kualitatif:
Wawancara mendalam (in-depth inquiry), direkam, ditranskrip Peneliti melebur/membaur ke setting (immersion) Penekanan konteks Memperhatikan perspektif partisipan Deskripsi setting tunggal Bukan generalisasi ke setting jamak

Sebagian besar metode sampling adalah

purposive!
Karena: Ukuran sampel yg dibutuhkan relatif kecil Banyak kandidat partisipan tdk bersedia ikut penelitian

Kualitas kemampuan partisipan

utk memberikan informasi yg dikehendaki (ttg dirinya atau setting) lebih utama

Keterwakilan bersifat sekunder

Teknik sampling riset kuantitatif

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

4. Random purposive sampling

Dg sampel yg kecil, memilih secara acak diartikan bhw partisipan yg dipilih scr purposif tyt terlalu banyak utk diikutkan semua dalam penelitian

Questions