Anda di halaman 1dari 9

METODE SAMPLING

1. Simple Random Sampling


Proses pengambilan sampel dilakukan dengan memberi kesempatan yang sama pada
setiap anggota populasi untuk menjadi anggota sampel. Jadi disini proses memilih
sejumlah sampel n dari populasi N yang dilakukan secara random.
Ada 2 cara yang dikenal yaitu:
Bila jumlah populasi sedikit, bisa dilakukan dengan cara mengundi "Cointoss".
Tetapi bila populasinya besar, perlu digunakan label "Random Numbers" yang
prosedurnya adalah sebagai berikut:
a. Misalnya populasi berjumlah 300 (N=300).
b. Tentukan nomor setiap unit populasi (dari 1 s/d 300 = 3 digit/kolom).
c. Tentukan besar sampel yang akan diambil. (Misalnya 75 atau 25 %)
d. Tentukan skema penggunaan label random numbers. (misalnya dimulai dari 3
kolom pertama dan baris pertama) dengan menggunakan tabel random
numbers, tentukan unit mana yang terpilih, sebesar sampel yang dibutuhkan,
yaitu dengan mengurutkan angka-angka dalam 3 kolom pertama, dari atas ke
bawah, setiap nomor 300, merupakan nomor sampel yang diambil (100, 175,
243, 101), bila ada nomor 300, tidak diambil sebagai sampel (N = 300). Jika
pada lembar pertama jumlah sampel belum mencukupi, lanjutkan kelembaran
berikutnya, dan seterusnya. Jika ada nomor yang serupa dijumpai, di ambil
hanya satu, karena setiap orang hanya mempunyai 1 nomor identifikasi.
Keuntungan: Prosedur estimasi m udah dan sederhana
Kerugian: Membutuhkan daftar seluruh anggota populasi dan sampel mungkin
tersebar pada daerah yang luas, sehingga biaya transportasi besar.
2. Stratified Random Sampling
Populasi dibagi strata-strata, (sub populasi), kemudian pengambilan sampel dilakukan
dalam setiap strata baik secara simple random sampling, maupun secara systematic
random sampling.
Misalnya kita meneliti keadaan gizi anak sekolah Taman Kanak-kanak di Kota Madya
Medan ( 4-6 tahun). Karena kondisi Taman Kanak-kanak di Medan sangat berbeda
(heterogen) maka buatlah kriteria yang tertentu yang dapat mengelompokkan sekolah
Taman Kanak-kanak ke dalam 3 kelompok (A = baik, B = sedang, C = kurang).
Contoh nya untuk Taman Kanak-Kanak dengan kondisi A ada : 20 buah dari 100
Taman Kanak-Kanak yang ada di Kota Madya Medan, kondisi B = 50 buah C = 30
buah. Jika berdasarkan perhitungan besar sampel, kita ingin mengambil sebanyak 25
buah (25%), maka ambilah 25% dari masing-masing sub populasi tersebut di
atas.

Keuntungan: Taksiran mengenai karakteristik populasi lebih tepat.


Kerugian: Daftar populasi setiap strata diperlukan dan Jika daerah geografisnya luas,
biaya transportasi tinggi.
3. Cluster Sampling
Pengambilan sampel dilakukan terhadap sampling unit, dimana sampling unitnya
terdiri dari satu kelompok (cluster). Tiap item (individu) di dalam kelompok yang
terpilih akan diambil sebagai sampel.
Cara ini dipakai bila populasi dapat dibagi dalam kelompok-kelompok dan setiap
karakteristik yang dipelajari ada dalam setiap kelompok. Misalnya ingin meneliti
gambaran karakteristik (umur, suku, pendidikan dan pekerjaan) orang tua mahasiswa
FK USU. Mahasiswa FK dibagi dalam 6 tingkat (I s/d VI). Pilih secara random salah
satu tingkat (misal tingkat II). Maka orang tua semua mahasiswa yang berada pada
tingkat II diambil sebagai sampel (Cluster).
Keuntungan : Tidak memerlukan daftar populasi dan Biaya transportasi kurang
Kerugian : Prosedur estimasi sulit.
4. Sistematic Sampling
Proses pengambilan sampel, setiap urutan ke K" dari titik awal yang dipilih secara
random, dimana:
N= jumlah anggota populasi
n= jumlah anggota sample
Misalnya, setiap pasien yang ke tiga yang berobat ke suatu Rumah Sakit, diambil
sebagai sampel (pasien No. 3,6,9,15) dan seterusnya.
Cara ini dipergunakan, bila ada sedikit Stratifikasi Pada populasi.
Keuntungan: Perencanan dan penggunaanya mudah dan sampel tersebar di daerah
populasi.
Kerugian: Membutuhkan daftar populasi.
1. Survey Error

Margin of error adalah statistic yang menyatakan jumlah kesalahan dalam


pengambilan contoh acak dalam suatu survey. Margin of error dapat didefinisikan
juga sebagai jarak dalam confidence interval penduga (statistic) tertentu dari survey,
jarak ini menggambarkan statistic. Margin of error mengukur seberapa dekat hasil
dari sampel dengan hasil pada kenyataannya.
Istilah margin of error dalam prakteknya memiliki beberapa istilah lain, ada
yang berpendapat margin of error sama dengan confidence interval. Selain itu, dalam
American Association For Public Opinion Research, margin or error disebut juga
sebagai Margin Of Sampling Error (MOSE). Sedangkan dalam harian Kompas,
margin

of

error

disebut

dengan

nir

pencuplikan,

dalam

http:/researchexpert.wordpress.com/, margin of error disebut juga sebagai sampling


error. Meskipun margin of error memiliki berbagai macam istilah, namun semua
istilah tersebut memiliki kesamaan dan tulisan ini. Dalam tulisan ini istilah yang
digunakan adalah margin error.
Margin error merupakan salah satu konsep dalam statistika yang sulit
dipahami. Ide dasar dari margin error tidak sulit seperti yang dibayangkan. Dalam
statistika, user selalu bekerja dengan data yang berdasarkan sample. Apabila sample
tersebut representative mewakili populasi, maka informasi dari sample ini dapat
digunakan untuk menjelaskan populasi.
Namun dalam prakteknya hal ini tidak selalu mudah. Kita tidak akan pernah
mendapatkan sample yang representative atau mewakili, bahkan dalam faktanya,
sangat sulit mendapatkan sample yang benar-benar mewakili. Untuk itu kita harus
mengusahakan untuk mendapatkan sample yang baik, dan kita menggunakan teori
peluang untuk menentukan sebarapa tingkat keyakinan kita terhadap populasi yang
mewakili populasi. Seberapa baik sample mewakili populasi, dapat dilihat dari dua
hal yaitu margin error dan confidence level. Kedua hal tersebut menceritakan
bagaimana rasa semangkok sup dapat dirasakan dari satu sendok saja. Dari sinilah ide
dasar dari margin error, bagaimana kita berpikir dengan benar untuk dalam memilih
sample yang bagus yang benar-benar mewakili populasi.
Beberapa contoh margin error dan confidence interval:

Perusahaan X melakukan survey dan memperoleh hasil bahwa 50% responden


mengatakan bahwa costumer service sangat bagus. Confidence level 95%

plus minus 3%. Informasi ini berarti apabila survey dilakukan 100 kali maka
prosentase yang mengatakan bahwa customer service sangat bagus terletak

antara 47% dan 53% dalam 95 percobaan dari 100 kali percobaan.
Sebagai contoh dalam polling dengan margin error 3% pemilih X sebesar 47%
padahal kenyataannya bisa lebih tingi yaitu 50% atau bahkan lebih rendah
yaitu 44%. Dari sini dapat disimpulkan sementara bahwa prosentase yang
benar lebih dekat ke 47%.
Margin error dapat diintepretaskan juga seperti confidence interval. Sebagai

contoh, misalnya nilai yang diduga adalah 50 orang kemudian confidence intervalnya
5 orang, maka dapat dikatakan juga bahwa margin error adalah 5 orang. Selain
diintepretasikan secara absolute quantity, margin error diintepretasikan secara
relative quantity. Seperti contoh diatas, nilai yang diduga adalah 50 orang kemudian
confidence intervalnya 5 orang, apabila kita menggunakan absolute quantity maka
margin error adalah 5 orang. Namun apabila kita menggunakan relative quantity
maka margin error adalah 10% (karena 5 orang adalah 10% dari 50 orang).
Sama seperti confidence interval, margin error berhubungan dengan
confidence level, contoh confidence level 90%, 95% atau 99 %, namun yang sering
digunakan

adalah

95%.

Peluang ini (confidence level) menunjukkan tingkat margin error dalam nilai duga
yang sebenarnya. Bersama dengan confidence level, desain sampel untuk survey dan
termasuk di dalamnya ukuran contoh, menentukan tingkat margin error. Semakin
besar ukuran contoh (sample) maka semakin kecil margin error, dan begitu pula
sebaliknya.
Hubungan antara sample dengan margin error, dapat dilihat dalam tabel di bawah ini:
Survey

Sample

Size

------

Margin

of

Error

Percent*

2,000

------------------------------>

1,500

------------------------------>

1,000

------------------------------>

900

-------------------------------->

800

-------------------------------->

700

-------------------------------->

600

-------------------------------->

500

-------------------------------->

400

-------------------------------->

300

-------------------------------->

200

-------------------------------->

100

-------------------------------->

10

50

--------------------------------->

14

*Assumes

95%

level

of

confidence

Dalam American Association For Public Opinion Research, hubungan tersebut


digambarkan

dalam

chart

berikut

ini:

Margin error hanya menghitung untuk kesalahan random sampling, dan tidak
memperhatikan systematic error dari non response error (kesalahan yang terjadi pada
saat survey, daya ingat responden, motivasi, komunikasi dan pengetahuan responden).

2. Non Sampling Error

Sampling error merupakan ketidaktepatan dari hasil sampling yang dapat


diukur dan dihitung, maka dari itu sampling error ini dapat dihindari dan
diminimalisasi. Berbeda dengan sampling error, non sampling error merupakan
ketidaktepatan hasil sampling yang tidak dapat diukur dan dihitung, sehingga dalam
pelaksaaannya non sampling error sulit dihindari dan dalam menghadapinya bersifat
subyektif. Non sampling error ini cenderung terjadi akibat kesalahan manusia (human
error). Non sampling error ini dapat terjadi pada setiap bagian penelitian, mulai dari
penentuan masalah, desain penelitian, hingga penarikan kesimpulan. Non sampling
error terjadi bukan diakibatkan dari penarikan sampel saja, namun karena error yang
terjadi selama proses penelitian itu dan bersumber dari kesalahan-kesalahan yang baik
disengaja maupun tidak disengaja dari peneliti itu sendiri.
A. Peneliti / Researcher
Pertama, surrogate information error, akibat dari adanya gap antara
informasi yang dibutuhkan dengan informasi yang dikumpulkan si
peneliti. Misalnya informasi yang dibutuhkan adalah preferensi
bermedia cetak namun yang dikumpulkan oleh si peneliti adalah brand

awareness media cetak.


Kedua, measurement error, akibat tidak validnya alat ukur yang
digunakan oleh peneliti dalam mengukur subjek/objek penelitian,
sehingga terjadi gap antar informasi yang telah dikumpulkan dengan
informasi yang dihasilkan. Misalnya : kalau yang diukur konsep SES,
maka jangan hanya mengukur pengeluaran saja, tapi ukur juga tingkat

pendidikan dan jenis pekerjaaannya.


Ketiga, population defenition error, akibat dari ketidaktepatan
pendefenisian populasi penelitian atau populasi target. Suatu defenisi
populasi target yang benar harus mencakup 3 unsur yaitu : isi,

cakupan, dan waktu.


Keempat, sampling frame error, masih terkait dengan error ketiga.
Sampling frame merupakan daftar seluruh anggota populasi. Error
jenis ini akan terjadi ketika ada anggota populasi yang tidak terdaftar,
atau daftar yang telah kadaluwarsa. Hal ini sering terjadi di Indonesia,
karena data kependudukannya masih amburadul dan instansi

pemerintahan terkait yang tidak tertib administrasi.


Kelima, data analysis error, terkait dengan proses analisis data, hal ini
sangat tergantung pada kompetensi si peneliti. Misalnya : peneliti

menerapkan analisis parametrik terhadap data yang tidak berdistribusi


normal, yang seharusnya dianalisis dengan tehnik non parametric
B. Data Processing Data entry
Pertama, kesalahan dalam membuat frame work entry data. Kesalahan ini
dapat menyebabkan salah dalam proses entry data dan bahkan ada data

yang tidak ter-entry.


Kedua, kekeliruhan dalam entry data. Kekeliruhan ini mutlak kesalahan
dari manusia yang mengentry data tersebut (human error) karena kurang
teliti atau yang masalah yang lain. Kekeliruhan ini bisa diminimalisasi
dengan cara pengentrian dilakukan dua kali dengan orang yang berbeda,

meskipun cara ini membuang waktu, biaya dan tenaga.


C. Surveyor/Interviewer/Observer/Field Unit
Pertama, questioning error, interviewer salah dalam bertanya, over
interpretasi terhadap panduan pertanyaan, atau malah kebalikannya tidak

menggali lebih dalam (probing) jawaban responden/informan.


Kedua, recording error, interviewer melakukan kesalahan dalam

pencatatan respon yang diberikan oleh responden/informan.


Ketiga, cheating error, hal ini berkaitan dengan moralitas. Interviewer
berbohong dengan mengisi sebagian atau seluruh kuesinoer (survei,

polling).
D. Responden
Terakhir adalah error yang bersumber dari subjek/objek penelitian.
Responden/informan berpartisipasi menyumbangkan tiga jenis error yaitu :
inability error, unwillingness error dan no response error.

Pertama, error terjadi jika responden/informan tidak memberikan


informasi yang benar atau tepat. Hal ini bisa disebabkan oleh bias
memory, responden/informan sudah tidak ingat peristiwa atau
pengalaman

yang

ditanyakan.

Menurut

sejumlah

pakar

riset

pemasaran, idealnya waktu untuk wawancara dengan metode survei

maksimal 20 menit, dan untuk wawancara mendalam sekitar 2 jam.


Kedua, terjadi jika responden/informan gengsi atau takut

memberikan jawaban yang sebenarnya.


Ketiga, terjadi karena responden/informan menolak mentah-mentah
mengikuti kegiatan riset, bisa karena masalah privacy, topik yang
kurang

menarik,

belum

responden/informan, dll.

lama

berselang

pernah

menjadi

Non sampling error ini merupakan kesalahan yang disebabkan oleh manusia,
oleh karena itu hampir tidak mungkin untuk memperkecil non sampling error ini,
meskipun hal itu bisa dilakukan. Tidak seperti sampling error yang bisa diperkecil
dengan menambah sample, non sampling error tidak bisa diperkecil dengan hal seperti
itu, bahkan dengan sample yang besar malah akan memperbesar faktor non sampling
error. Untuk memperkecilnya adalah dengan meningkatkan kualitas manusia yang
berkecimpung dalam penelitian ini, seperti dengan pelatihan-pelatihan, standardiasai
kualitas bagi interviewer. pembuatan frame work entry data dengan hati-hati,
perencanaan kerja yang baik, insentif yang layak, dan lain-lain.
3. Sampling Error
Sampling eror dapat diartikan sebagai kesalahan sampling atau kesalahan
pengambilan sampel. Dan dalam kenyataannya, setiap metode pemilihan sampel
dapat dipakai tergantung pada permasalahan dan karakteristik populasi atau objek
yang ditinjau.
Dipihak lain, bahkan ada yang menyatakan tingkat kesalahan penarikan
sampel 5% (Tempo, Edisi 20 26 Oktober 1998, pada halaman 13) berkaitan dengan
PENELITIAN Jajak Pendapat tentang Pemerintahan Habibie yang dilakukan oleh
TEMPO bekerja sama dengan Insight; dengan 499 responden di 25 kelurahan di lima
wilayah DKI dari tanggal 5 11 Oktober 1998. Pernyataan semacam ini jelas dapat
menimbulkan salah pengertian, karena sampling error tidak berkaitan dengan ukuran
kuantitatif yang diobservasi atau diukur. Setiap ukuran kuantitatif atau nilai statistik
hanya mempunyai dua kemungkinan, yaitu salah atau benar, dan berbeda atau tidak
berbeda dengan apa yang diharapkan. Pernyataan kesalahan 5% atau kebenaran
95% terhadap suatu nilai statistik merupakan pernyataan yang tidak patut dipakai.
Kesalahan sampling (sampling error) merupakan istilah yang mempunyai
pengertian statistika teoritis. Kesalahan semacam ini tidak dapat diterjemahkan ke
dalam pengertian sehari hari karena berkaitan dengan nilai diharapkan (expected
value) dan parameter populasi yang nilai atau ukurannya tidak pernah diketahui
dengan menyakinkan oleh setiap peneliti. Akan tetapi, kesalahan tersebut jelas terjadi
dan dapat didefinisikan atau dinyatakan secara teoritis.
Berkaitan dengan sampling error, Kish (1965, p. 506)

menyatakan

Ordinarily, samplin error account f or most of the veriable errors of a survey and

biases arise shiefly from non sampling sources. Selanjutnya, Kish menyajikan
hubungan antara sampling error dengan bias memakai nilai harapan dalam bentuk
sebagai berikut :
E[Tn - ]2 = E[Tn E(Tn)2] + E [E(Tn) - ]2
Dimana nilai harapannya E() dihitung berdasarkan distribusi semua nilai
yang mungkin dari estimatir atau statistik Tn. Rumus ini jelas menunjukkan bahwa
sampling error tidak berkaitan dengan sebuah data sampel tertentu, karena E()
didefinisikan untuk suatu ruang sampel.

library.usu.ac.id/download/fkm/fkm-rozaini.pdf
aeunike.lecture.ub.ac.id/files/2013/11/6-Metode-Sampling.pdf
Rahmantya, Krisna.Margin of Error.Melalui statforall.blogspot.com[2/11/2014]
Rahmantya, Krisna.Non-Sampling Error.Melalui statforall.blogspot.com[2/11/2014]
www.validconsulting.wordpress.com[2/11/2014]