Anda di halaman 1dari 17

TUGAS MATA KULIAH

BIOSTATISTIKA DESKRIPTIF

“TEKNIK SAMPLING”

OLEH:
Desma LEGAWA (E4110183)

KEMENTERIAN PENDIDIKAN NASIONAL


POLITEKNIK NEGERI JEMBER
JURUSAN TEKNOLOGI INFORMASI
PROGRAM STUDI REKAM MEDIK
TAHUN 2011

TEKNIK SAMPLING
Sampling adalah bagian dari praktek statistik terkait dengan pemilihan subset dari
pengamatan individu dalam populasi individu dimaksudkan untuk menghasilkan beberapa
pengetahuan tentang populasi perhatian, terutama untuk keperluan membuat prediksi yang
didasarkan pada statistik inferensi. Peneliti jarang survei seluruh populasi karena dua alasan
(Ader, Mellenbergh, & Hand, 2008): biaya terlalu tinggi, dan penduduk yang dinamis dalam
individu-individu yang membentuk populasi dapat berubah dari waktu ke waktu. Tiga
keuntungan utama sampling adalah bahwa biaya yang lebih rendah, pengumpulan data lebih
cepat, dan karena kumpulan data lebih kecil adalah mungkin untuk memastikan keseragaman
dan untuk meningkatkan akurasi dan kualitas data. Setiap observasi tindakan satu atau lebih
sifat (seperti berat warna,, lokasi) dari tubuh diamati dibedakan sebagai objek independen atau
perorangan. Dalam survei sampling, bobot survei dapat diterapkan pada data untuk
menyesuaikan untuk desain sampel. Hasil dari teori probabilitas dan teori statistik yang
digunakan untuk membimbing praktek.
Agar hasil penelitian yang dilakukan terhadap sampel masih tetap bisa dipercaya dalam artian
masih bisa mewakili karakteristik populasi, maka cara penarikan sampelnya harus dilakukan
secara seksama. Cara pemilihan sampel dikenal dengan nama teknik sampling atau teknik
pengambilan sampel .

Populasi
Populasi adalah keseluruhan objek yang akan/ingin diteliti. Populasi ini
sering juga disebut Universe. Anggota populasi dapat berupa benda hidup
maupun benda mati, dimana sifat-sifat yang ada padanya dapat diukur atau
diamati. Populasi yang tidak pernah diketahui dengan pasti jumlahnya disebut
"Populasi Infinit" atau tak terbatas, dan populasi yang jumlahnya diketahui
dengan pasti (populasi yang dapat diberi nomor identifikasi), misalnya murid
sekolah, jumlah karyawan tetap pabrik, dll disebut "Populasi Finit".
Suatu kelompok objek yang berkembang terus (melakukan proses sebagai
akibat kehidupan atau suatu proses kejadian) adalah Populasi Infinitif.
Misalnya penduduk suatu negara adalah populasi yang infinit karena setiap waktu
terus berubah jumlahnya. Apabilah penduduk tersebut dibatasi dalam waktu dan
tempat, maka popuJasi yang infinit bisa berubah menjadi populasi yang finit.
Misalnya penduduk Kota Medan pada tahun 1990 (1 Januari s/d 31 Desember
1990) dapat diketahui jumlahnya. Umumnya populasi yang infinit hanyalah teori
saja, sedangkan kenyataan dalam prakteknya, semua benda hidup dianggap
populasi yang finit. Bila dinyatakan bahwa 60% penduduk Indonesia adalah
petani, ini berati bahwa setiap 100 orang penduduk Indonesia, 60 orang adalah
petani. Hasil pengukuran atau karakteristik dari populasi disebut "parameter"
yaitu untuk harga-harga rata-rata hitung (mean) dan σ untuk simpangan baku
(standard deviasai). Jadi populasi yang diteliti harus didefenisikan dengan jelas,
termasuk didalam nya ciri-ciri dimensi waktu dan tempat.
Elemen/unsur adalah setiap satuan populasi. Kalau dalam populasi terdapat 30 laporan
keuangan, maka setiap laporan keuangan tersebut adalah unsur atau elemen penelitian.
Artinya dalam populasi tersebut terdapat 30 elemen penelitian. Jika populasinya adalah pabrik
sepatu, dan jumlah pabrik sepatu 500, maka dalam populasi tersebut terdapat 500 elemen
penelitian.

Syarat sampel yang baik


Secara umum, sampel yang baik adalah yang dapat mewakili sebanyak mungkin
karakteristik populasi. Dalam bahasa pengukuran, artinya sampel harus valid, yaitu bisa
mengukur sesuatu yang seharusnya diukur. Kalau yang ingin diukur adalah masyarakat Sunda
sedangkan yang dijadikan sampel adalah hanya orang Banten saja, maka sampel tersebut tidak
valid, karena tidak mengukur sesuatu yang seharusnya diukur (orang Sunda). Sampel yang
valid ditentukan oleh dua pertimbangan.
Pertama : Akurasi atau ketepatan , yaitu tingkat ketidakadaan “bias” (kekeliruan) dalam
sample. Dengan kata lain makin sedikit tingkat kekeliruan yang ada dalam sampel, makin
akurat sampel tersebut. Tolok ukur adanya “bias” atau kekeliruan adalah populasi.
Cooper dan Emory (1995) menyebutkan bahwa “there is no systematic variance” yang
maksudnya adalah tidak ada keragaman pengukuran yang disebabkan karena pengaruh yang
diketahui atau tidak diketahui, yang menyebabkan skor cenderung mengarah pada satu titik
tertentu. Sebagai contoh, jika ingin mengetahui rata-rata luas tanah suatu perumahan, lalu yang
dijadikan sampel adalah rumah yang terletak di setiap sudut jalan, maka hasil atau skor yang
diperoleh akan bias. Kekeliruan semacam ini bisa terjadi pada sampel yang diambil secara
sistematis
Contoh systematic variance yang banyak ditulis dalam buku-buku metode penelitian adalah
jajak-pendapat (polling) yang dilakukan oleh Literary Digest (sebuah majalah yang terbit di
Amerika tahun 1920-an) pada tahun 1936. (Copper & Emory, 1995, Nan lin, 1976). Mulai tahun
1920, 1924, 1928, dan tahun 1932 majalah ini berhasil memprediksi siapa yang akan jadi
presiden dari calon-calon presiden yang ada. Sampel diambil berdasarkan petunjuk dalam buku
telepon dan dari daftar pemilik mobil. Namun pada tahun 1936 prediksinya salah. Berdasarkan
jajak pendapat, di antara dua calon presiden (Alfred M. Landon dan Franklin D. Roosevelt),
yang akan menang adalah Landon, namun meleset karena ternyata Roosevelt yang terpilih
menjadi presiden Amerika.
Setelah diperiksa secara seksama, ternyata Literary Digest membuat kesalahan dalam
menentukan sampel penelitiannya . Karena semua sampel yang diambil adalah mereka yang
memiliki telepon dan mobil, akibatnya pemilih yang sebagian besar tidak memiliki telepon dan
mobil (kelas rendah) tidak terwakili, padahal Rosevelt lebih banyak dipilih oleh masyarakat
kelas rendah tersebut. Dari kejadian tersebut ada dua pelajaran yang diperoleh : (1),
keakuratan prediktibilitas dari suatu sampel tidak selalu bisa dijamin dengan banyaknya jumlah
sampel; (2) agar sampel dapat memprediksi dengan baik populasi, sampel harus mempunyai
selengkap mungkin karakteristik populasi (Nan Lin, 1976).

Kedua : Presisi. Kriteria kedua sampel yang baik adalah memiliki tingkat presisi estimasi.
Presisi mengacu pada persoalan sedekat mana estimasi kita dengan karakteristik
populasi. Contoh : Dari 300 pegawai produksi, diambil sampel 50 orang. Setelah diukur
ternyata rata-rata perhari, setiap orang menghasilkan 50 potong produk “X”. Namun
berdasarkan laporan harian, pegawai bisa menghasilkan produk “X” per harinya rata-rata 58
unit. Artinya di antara laporan harian yang dihitung berdasarkan populasi dengan hasil
penelitian yang dihasilkan dari sampel, terdapat perbedaan 8 unit. Makin kecil tingkat
perbedaan di antara rata-rata populasi dengan rata-rata sampel, maka makin tinggi tingkat
presisi sampel tersebut.
Belum pernah ada sampel yang bisa mewakili karakteristik populasi sepenuhnya. Oleh
karena itu dalam setiap penarikan sampel senantiasa melekat keasalahan-kesalahan, yang
dikenal dengan nama “sampling error” Presisi diukur oleh simpangan baku (standard error).
Makin kecil perbedaan di antara simpangan baku yang diperoleh dari sampel (S) dengan
simpangan baku dari populasi (, makin tinggi pula tingkat presisinya. Walau tidak
selamanya, tingkat presisi mungkin bisa meningkat dengan cara menambahkan jumlah
sampel, karena kesalahan mungkin bisa berkurang kalau jumlah sampelnya ditambah
( Kerlinger, 1973 ). Dengan contoh di atas tadi, mungkin saja perbedaan rata-rata di antara
populasi dengan sampel bisa lebih sedikit, jika sampel yang ditariknya ditambah. Katakanlah
dari 50 menjadi 75.

Di bawah ini digambarkan hubungan antara jumlah sampel dengan tingkat kesalahan seperti
yang diuarakan oleh Kerlinger

besar
kesa-
lahan
kecil
kecil besarnya sampel besar

TEKNIK PENGAMBILAN SAMPEL.


Pemilihan teknik pengarnbilan sampel merupakan upaya penelitian untuk
mendapat sampel yang representatif (mewakili), yang dapat menggambarkan
populasinya. Teknik pengambilan sampel tersebut dibagi atas 2 kelompok besar,
yaitu :
1. Probability Sampling (Random Sample)
2. Non Probability Sampling (Non Random Sample)

1. Probability Sampling
Pada pengam bilan sampel secara random, setiap unit populasi,
mempunyai kesempatan yang sama untuk diambil sebagai sampel. Faktor
pemilihan atau penunjukan sampel yang mana akan diambil, yang semata-mata
atas pertimbangan peneliti, disini dihindarkan. Bila tidak, akan terjadi bias.
Dengan cara random, bias pemilihan dapat diperkecil, sekecil mungkin. Ini
merupakan salah satu usaha untuk mendapatkan sampel yang representatif.
Keuntungan pengambilan sampel dengan probability sampling adalah sebagai
berikut:
- Derajat kepercayaan terhadap sampel dapat ditentukan.
- Beda penaksiran parameter populasi dengan statistik sampel, dapat
diperkirakan.
- Besar sampel yang akan diambil dapat dihitung secara statistik.

a. Penyimpangan (Error)
Dari hasil pengukuran terhadap unit-unit dalam sampel diperoleh nilai-nilai
statistik. Nilai statistik ini tidak akan persis sama dengan nilai parameternya.
Perbedaan inilah yang disebut sebagai Penyimpangan (Sampling Error)
Sedangkan pada non probability sampel, penyimpangan nilai sampel
terhadap populasinya tidak mungkin diukur. Pengukuran penyimpangan ini
merupakan salah satu bentuk pengujian statistik. Penyimpangan yang terjadi
pada perancangan kwesioner, kesalahan petugas pengumpul data dan pengola
data disebut Non Sampling Error.

b. Cara Pengambilan Sampel


Ada 5 cara pengambilan sampel yang termasuk secara random, yaitu
sebagai berikut:

1. Sampel Random Sederhana (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:
a. Bila jumlah populasi sedikit, bisa dilakukan dengan cara mengundi "Cointoss".
b. Tetapi bila populasinya besar, perlu digunakan label "Random Numbers" yang
prosedurnya adalah sebagai berikut:
- Misalnya populasi berjumlah 300 (N=300).
- tentukan nomor setiap unit populasi (dari 1 s/d 300 = 3 digit/kolom).
- tentukan besar sampel yang akan diambil. (Misalnya 75 atau 25 %)
- 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.
- Sampel mungkin tersebar pada daerah yang luas,
sehingga biaya transportasi besar.

2. Sampel Random Sistematik (Systematic Random Sampling)


Proses pengambilan sampel, setiap urutan ke .K" dari titik awal yang
dipilih secara random, dimana:
N (Jumlah anggota populasi)
K=
n (jumlah anggota sam pel)
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.
-Sampel tersebar di daerah populasi.
Kerugian : -Membutuhkan daftar populasi.

3. Sampel Random Berstrata (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). Misalnya
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.
100 TK (populasi)
Sub populasi 20 kelompok A 50 Kelompok B 30 Kelompok C
25% 25%
5 TK 12-13 TK 7-8 TK
Cara pengambilan sampel 5 Kelompok A, 12-13 Kelompok B, dan 7 . 8.
Kelompok C adalah secara random karena sub populasi sudah homogen.
Keuntungan : -Taksiran mengenai karakteristik populasi lebih tepat.
Kerugian : - Daftar populasi setiap strata diperlukan
- Jika daerah geografisnya luas, biaya transportasi tinggi.
4. Sampel Random Berkelompok (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 sem ua mahasiswa yang berada
pada tingkat II diambil sebagai sampel (Cluster).
Keuntungan : - Tidak memerlukan daftar populasi.
- Biaya transportasi kurang
Kerugian : - Prosudur estimasi sulit.

5. Sampel Bertingkat (Multi Stage Sampling)


Proses pengambilan sampel dilakukan bertingkat, baik bertingkat dua
maupun lebih.
Misalnya: provinsi kabupaten Kecamatan desa Lingkungan KK.
Misalnya kita ingin meneliti Berat badan dan Tinggi badan murid SMA. Sesuai
kondisi dan perhitungan, maka jumlah sampel yang akan diambil ± 2000.
Kecamatan Hamparan Perak
Ada 3 SMA (± 2000)
Cara ini dipergunakan bila:- Populasinya cukup homogen
- Jumlah populasi sangat besar
- Populasi menempati daerah yang sangat luas
- Biaya penelitian kecil
Keuntungan: - Biaya transportasi kurang
Kerugian: - Prosedur estimasi sulit
- Prosedur pengambilan sampel memerlukan perencanaan yang lebih
Cermat

B. Non Probability Sample (Selected Sample)


Pemilihan sampel dengan cara ini tidak menghiraukan prinsip-prinsip
probability. Pemilihan sampel tidak secara random. Hasil yang diharapkan hanya
merupakan gambaran kasar tentana suatu keadaan.
Cara ini dipergunakan : Bila biaya sangat sedikit , hasilnya diminta segera,
tidak memerlukan ketepatan yanq tingqi, karena hanya sekedar gambaran umu
saja.

Cara-cara yang dikenal adalah sebagai berikut :


1. Sampel Dengan Maksud (Purposive Samping).
Pengambilan sampel dilakukan hanya atas dasar pertimbangan penelitinya saja
yang menganggap unsur-unsur yang dikehendaki telah ada dalam anggota
sampel yang diambil.
2. Sampel Tanpa Sengaja (Accidental Sampling).
Sampel diambil atas dasar seandainya saja, tanpa direncanakan lebih dahulu.
Juga jumlah sampel yang dikehenadaki tidak berdasrkan pertimbangan yang
dapat dipertanggung jawabkan, asal memenuhi keperluan saja. Kesimpulan yang
diperoleh bersifat kasar dan sementara saja.
3. Sampel Berjatah (Quota Sampling).
Pengambilan sampel hanya berdasarkan pertimbangan peneliti saja, hanya disini
besar dan kriteria sampel telah ditentukan lebih dahulu. Misalnya Sampel yang
akan di ambil berjumlah 100 orang dengan perincian 50 laki dan 50 perempuan
yang berumur 15-40 tahun. Cara ini dipergunakan kalau peneliti mengenal betul
daerah dan situasi daerah dimana penelitian akan dilakukan.

Ukuran sampel
Ukuran sampel atau jumlah sampel yang diambil menjadi persoalan yang penting
manakala jenis penelitian yang akan dilakukan adalah penelitian yang menggunakan analisis
kuantitatif. Pada penelitian yang menggunakan analisis kualitatif, ukuran sampel bukan menjadi
nomor satu, karena yang dipentingkan alah kekayaan informasi. Walau jumlahnya sedikit tetapi
jika kaya akan informasi, maka sampelnya lebih bermanfaat.
Dikaitkan dengan besarnya sampel, selain tingkat kesalahan, ada lagi beberapa faktor lain
yang perlu memperoleh pertimbangan yaitu, (1) derajat keseragaman, (2) rencana analisis, (3)
biaya, waktu, dan tenaga yang tersedia . (Singarimbun dan Effendy, 1989). Makin tidak
seragam sifat atau karakter setiap elemen populasi, makin banyak sampel yang harus diambil.
Jika rencana analisisnya mendetail atau rinci maka jumlah sampelnya pun harus banyak.
Misalnya di samping ingin mengetahui sikap konsumen terhadap kebijakan perusahaan, peneliti
juga bermaksud mengetahui hubungan antara sikap dengan tingkat pendidikan. Agar tujuan ini
dapat tercapai maka sampelnya harus terdiri atas berbagai jenjang pendidikan SD, SLTP. SMU,
dan seterusnya.. Makin sedikit waktu, biaya , dan tenaga yang dimiliki peneliti, makin sedikit
pula sampel yang bisa diperoleh. Perlu dipahami bahwa apapun alasannya, penelitian haruslah
dapat dikelola dengan baik (manageable).
Misalnya, jumlah bank yang dijadikan populasi penelitian ada 400 buah. Pertanyaannya
adalah, berapa bank yang harus diambil menjadi sampel agar hasilnya mewakili populasi?. 30?,
50? 100? 250?. Jawabnya tidak mudah. Ada yang mengatakan, jika ukuran populasinya di atas
1000, sampel sekitar 10 % sudah cukup, tetapi jika ukuran populasinya sekitar 100, sampelnya
paling sedikit 30%, dan kalau ukuran populasinya 30, maka sampelnya harus 100%.
Ada pula yang menuliskan, untuk penelitian deskriptif, sampelnya 10% dari populasi,
penelitian korelasional, paling sedikit 30 elemen populasi, penelitian perbandingan kausal, 30
elemen per kelompok, dan untuk penelitian eksperimen 15 elemen per kelompok (Gay dan
Diehl, 1992).
Roscoe (1975) dalam Uma Sekaran (1992) memberikan pedoman penentuan jumlah
sampel sebagai berikut :
1. Sebaiknya ukuran sampel di antara 30 s/d 500 elemen
2. Jika sampel dipecah lagi ke dalam subsampel (laki/perempuan, SD?SLTP/SMU, dsb),
jumlah minimum subsampel harus 30
3. Pada penelitian multivariate (termasuk analisis regresi multivariate) ukuran sampel
harus beberapa kali lebih besar (10 kali) dari jumlah variable yang akan dianalisis.
4. Untuk penelitian eksperimen yang sederhana, dengan pengendalian yang ketat, ukuran
sampel bisa antara 10 s/d 20 elemen.

Krejcie dan Morgan (1970) dalam Uma Sekaran (1992) membuat daftar yang bisa
dipakai untuk menentukan jumlah sampel sebagai berikut (Lihat Tabel)

Populasi Sampel Populasi Sampel Populasi Sampel


(N) (n) (N) (n) (N) (n)
10 10 220 140 1200 291
15 14 230 144 1300 297
20 19 240 148 1400 302
25 24 250 152 1500 306
30 28 260 155 1600 310
35 32 270 159 1700 313
40 36 280 162 1800 317
45 40 290 165 1900 320
50 44 300 169 2000 322
55 48 320 175 2200 327
60 52 340 181 2400 331
65 56 360 186 2600 335
70 59 380 191 2800 338
75 63 400 196 3000 341
80 66 420 201 3500 346
85 70 440 205 4000 351
90 73 460 210 4500 354
95 76 480 214 5000 357
100 80 500 217 6000 361
110 86 550 226 7000 364
120 92 600 234 8000 367
130 97 650 242 9000 368
140 103 700 248 10000 370
150 108 750 254 15000 375
160 113 800 260 20000 377
170 118 850 265 30000 379
180 123 900 269 40000 380
190 127 950 274 50000 381
200 132 1000 278 75000 382
210 136 1100 285 1000000 384

Sebagai informasi lainnya, Champion (1981) mengatakan bahwa sebagian


besar uji statistik selalu menyertakan rekomendasi ukuran sampel. Dengan kata
lain, uji-uji statistik yang ada akan sangat efektif jika diterapkan pada sampel yang
jumlahnya 30 s/d 60 atau dari 120 s/d 250. Bahkan jika sampelnya di atas 500, tidak
direkomendasikan untuk menerapkan uji statistik. (Penjelasan tentang ini dapat
dibaca di Bab 7 dan 8 buku Basic Statistics for Social Research, Second Edition)

Multistep random sampling

Multistep random sampling adalah mengumpulkan data tentang besaran sekelompok


orang (yang disebut "masyarakat") agar meminimalkan dampak terhadap survei tentang
grup yang sedang disurvei dalam hal ini sering tidak perlu dilakukan survei terhadap
seluruh populasi. Sebagai gantinya dapat memilih sampel acak dari orang-orang dari
penduduk dan melakukan survei hanya terhadap mereka kemudian diambil kesimpulan
tentang bagaimana pendapat seluruh populasi atau merespon berdasarkan tanggapan
dari kelompok ini dipilih secara acak. Ini dilakukan politik pollsters dimana meminta
sekelompok orang menawab daftar pertanyaan dan berdasarkan hasil tersebut diambil
kesimpulan tentang pendapat seluruh populasi secara keseluruhan dengan orang-
orang dan disebutkan angka disclaimers "plus atau minu

Tingkatan Random Sampling

Lebih sering memeriksa hasil dari keseluruhan jumlah penduduk, tetapi juga memahami
perbedaan antara kunci demografis subgroups di dalam masyarakat. Misalnya, perlu
memahami perbedaan antara laki-laki dan perempuan atau para manajer dan karyawan
biasa. bila kemudian ingin berencana untuk melihat berbeda subgroups seperti ini,
harus dilakukan sampel acak bertingkat yang berarti memilih terpisah sampel acak dari
masing-masing subgroups daripada hanya mengambil satu sampel acak dari
keseluruhan kelompok. Proses ini memakan waktu lebih sedikit dan survei lebih banyak
kepada orang secara keseluruhan, namun teknik ini dapat menjadi sangat berharga.
Jika dilakukan sampel acak bertingkat, berpikir secara hati-hati tentang demografis
divisi yang relevan dapat dibuat di antara orang-orang dalam populasi tersebut. Hal ini
mungkin tidak praktis untuk melakukan sampel acak bertingkat pada lebih dari satu
kategori demografis sebagai proses menjadi jauh lebih rumit dan akan berakhir pada
akhirnya perlu survei hampir seluruh penduduk jika salah satu dari subgroups sangat
kecil. Dengan kata lain, bila ingin melihat usia dan posisi harus melihat pada setiap
posisi / kombinasi usia kemudian menemukan kemungkinan sangat kecil dari orang-
orang di beberapa daerah-daerah tersebut.

Keakuratan statistik - kepercayaan dan kesalahan


Dalam rangka untuk memahami random sampling, yang dibutuhkan untuk menjadi
akrab dengan beberapa konsep dasar statistik.

1. Error bahwa "plus atau minus X%" yang mendengar tentang apakah artinya adalah
merasa yakin bahwa hasil yang ada kesalahan yang tidak lebih dari X %.

2. Keyakinan bahwa merasa yakin tentang tingkat kesalahan. dinyatakan sebagai


persentase, sama saja seperti katanya jika dilakukan survei beberapa kali, seberapa
sering akan yang diharapkan untuk mendapatkan hasil yang serupa.

Dua konsep ini bekerja sama untuk menentukan seberapa akurat hasil survei, misalnya,
jika memiliki keyakinan 90% dengan kesalahan dari 4%, maka akan dikatakan bahwa
jika melakukan survei yang sama 100 kali, hasilnya akan di + / - 4% dari pertama kali
petugas survey menjalankan survei 90 kali dari 100.

Jika tidak yakin apa saja yang dapat mentolerir kesalahan dan tingkat keyakinan yang
dibutuhkan, baik aturan praktis untuk mencapai 95% dengan tingkat kesalahan 5%.

Kesalahan yang juga disebut sebagai "interval keyakinan" kepercayaan dan juga
dikenal sebagai "tingkat kepercayaan" Untuk menghindari kebingungan, konsep-konsep
ini akan disebut sebagai "kesalahan" dan "kepercayaan" .

Menentukan "kebenaran" atas ukuran sample

Menentukan "kebenaran" atas ukuran sample memerlukan 3 informasi

1. Ukuran dari populasi


2. Tingkat kesalahan yang diinginkan (misalkan, 5%)
3. Keinginan dikehendaki tingkat keyakinan (misalkan, 95%)

Melakukan Sampel Acak bertingkat

Bila ingin melakukan sampel acak bertingkat, ada beberapa langkah tambahan yang
harus dilakukan.

1. Menentukan besarnya bagian jenis terkecil di masyarakat. Misalnya, jika ingin


melihat laki-laki vs perempuan dan ada perempuan yang lebih sedikit, maka ini adalah
kelompok yang sebenarnya ingin dilihat.
2. Menghitung jumlah orang yang diperlukan untuk mencapai tingkat kesalahan yang
diinginkan dan tingkat keyakinan untuk cabang jenis ini.
3. Menghitung persentase orang-orang yang sekiranya diperlukan survei di bagian jenis
ini (jumlah orang untuk survei dibagi dengan total cabang jenis ukuran).
4. Akhirnya, menghitung jumlah orang-orang di masing-masing subgroups lainnya yang
diperlukan untuk mencapai rasio yang sama (kalikan persentase dari langkah 3 dengan
ukuran masing-masing lainnya subgroups). Ini adalah jumlah orang yang seharusnya
perlu disurvei terhadap masing-masing kelompok.

Hal ini untik grup yang lebih besar dan bagi yang lebih kecil diperlukan persentase yang
sama untuk mendapatkan tingkat akurasi. Itulah sebabnya kenapa harus dimulai
dengan kelompok kecil dengan cara kerja atas. Mendapatkan hasil yang lebih besar
dari kelompok harus benar-benar akan lebih akurat dibandingkan dengan hasil dari
kelompok terkecil, tetapi setidaknya dapat memastikan bahwa setiap grup memang
memenuhi persyaratan minimal keakuratan.

Dalam menghitung jumlah orang yang diperlukan untuk mencapai tingkat kesalahan
yang diinginkan dan tingkat keyakinan untuk setiap cabang jenis. Meskipun ini mungkin
tampaknya keraguan sejak survei ini akan berarti lebih sedikit orang-orang dari
kelompok yang lebih besar, akan mengubah hasil keseluruhan. Penting adalah bahwa
setiap bagian jenis diwakili proporsional. Jika survei dilakukan 75% dari orang-orang
dari kelompok yang lebih kecil dan hanya 25% dari orang-orang dari kelompok yang
lebih besar, maka hasil keseluruhan untuk seluruh populasi akan berubah dalam grup
yang lebih kecil karena mereka akan disproportionately diwakili kemudian agar dapat
menemukan agak sempit, terutama jika subgroups sangat bervariasi dalam ukuran.
Walaupun mungkin untuk fudge sedikit di ujung-ujungnya, penting bahwa petugas
survei tidak mengabaikan pentingnya fakta ini. Adalah mungkin untuk secara manual
memanipulasi hasil akhir untuk mendapatkan hasil yang proporsional dari bobot
masing-masing cabang jenis, tetapi ini memerlukan suatu tingkat keahlian.

Perkiraan untuk menyesuaikan tingkatan respons

Terakhir ini sangat penting dan langkah mungkin memerlukan sedikit menebak. Pada
tahap ini, pola bagaimana tanggapan yang diperlukan dari penduduk atau dari masing-
masing cabang jenis penduduk. Jika setiap orang dari orang-orang yang akan
merespon survei namun pada kenyataannya, banyak orang yang telah dipilih secara
acak tidak akan menyelesaikan survei. maka dari itu perlu memperkirakan persentase
orang yang diharapkan untuk merespon. Tanggapan yang akan didapat akan sangat
bervariasi tergantung pada populasi dan sifat survei. dalam menggunakan pengalaman
masa lalu, maka pengetahuan tentang penduduk, dan sifat dari survei itu sendiri (lagi
survei akan memiliki harga lebih rendah dari Tanggapan) untuk datang dengan
memperkirakan terbaik maka perlu mengetahui berapa banyak orang yang diperlukan
dengan meminta untuk menyelesaikan survei untuk mendapatkan jumlah yang
diinginkan tanggapan.

Setelah sampai dengan perkiraan terbaik akan penilaian respon maka dengan hanya
membagi jumlah orang yang dibutuhkan oleh respon menilai persentase untuk
mengetahui jumlah orang yang diperlukan dengan meminta para reponden untuk
menyelesaikan survei. Misalnya, jika ingin menetapkan bahwa kebutuhan 500 orang
untuk menanggapi survey dan menurut perkiraan bahwa 75% dari orang-orang akan
menyelesaikan survei maka diperlukan meminta 667 orang untuk menyelesaikan survei
untuk mendapatkan tanggapan adalah 500 (500 / 0,75 = 667).

Praktikum :3
Materi Praktikum : Populasi, Sampel dan Teknik Penyampelan
Alokasi waktu : 2 X 60 menit
Dosen,Teknisi : Tim Biostatistika Deskriptif

4. Pelaksanaan Praktikum
a. Mahasiswa menyelesaikan permasalahan 1 di bawah ini :

Misalkan populasi x=20, y=50, z=30, maka jumlah anggota populasi=100 sedangkan
jika anggota sample=80, maka dengan menggunakan teknik sampling proporsional
jumlah anggota sample untuk :

20
x¿ x80=16
100
50
y¿ x80=40
100
30
z= x80=24
100

b. Mahasiswa menyelesaikan permasalahan 2 dibawah ini :

Suatu daerah diketahui anggota populasi penduduknyabyang menjadi PNS 400.000


orang. Ada 100.000 orang belum menjalankan KB secara efektif. Maka besar anggota
sample yang perlu diteliti dalam rangka mengungkapkan partisipasi terhadap program
KB adalah :
Jika digunakan taraf signifikasi α = 0,05 maka :

100000
p= =0,25
400000
q=1-0,25=0,75
2
1,96
n≥ pq ( )
0,05
1,96 2
n≥0,25x0,75x ( )
0,05
=288,12
1. JAWABAN TUGAS DAN LATIHAN

a) Populasi
Populasi adalah keseluruhan objek yang akan/ingin diteliti. Populasi ini
sering juga disebut Universe. Anggota populasi dapat berupa benda hidup
maupun benda mati, dimana sifat-sifat yang ada padanya dapat diukur atau
diamati. Populasi yang tidak pernah diketahui dengan pasti jumlahnya disebut
"Populasi Infinit" atau tak terbatas, dan populasi yang jumlahnya diketahui
dengan pasti (populasi yang dapat diberi nomor identifikasi), misalnya murid
sekolah, jumlah karyawan tetap pabrik, dll disebut "Populasi Finit".
Suatu kelompok objek yang berkembang terus (melakukan proses sebagai
akibat kehidupan atau suatu proses kejadian) adalah Populasi Infinitif.
b) Tujuan pengambilan sampel
Agar sampel yang diambil dari populasinya "representatif" (mewakili),
sehingga dapat diperoleh informasi yang cukup untuk mengestimasi populasinya
c) Teknik pengambilan sampel

Simple Random Sampling atau Sampel Acak Sederhana


Cara atau teknik ini dapat dilakukan jika analisis penelitiannya cenderung deskriptif dan
bersifat umum. Perbedaan karakter yang mungkin ada pada setiap unsur atau elemen
populasi tidak merupakan hal yang penting bagi rencana analisisnya. Misalnya, dalam
populasi ada wanita dan pria, atau ada yang kaya dan yang miskin, ada manajer dan
bukan manajer, dan perbedaan-perbedaan lainnya. Selama perbedaan gender, status
kemakmuran, dan kedudukan dalam organisasi, serta perbedaan-perbedaan lain
tersebut bukan merupakan sesuatu hal yang penting dan mempunyai pengaruh yang
signifikan terhadap hasil penelitian, maka peneliti dapat mengambil sampel secara acak
sederhana. Dengan demikian setiap unsur populasi harus mempunyai kesempatan
sama untuk bisa dipilih menjadi sampel. Prosedurnya :
a. Susun “sampling frame”
b. Tetapkan jumlah sampel yang akan diambil
c. Tentukan alat pemilihan sampel
d. Pilih sampel sampai dengan jumlah terpenuhi

Stratified Random Sampling atau Sampel Acak Distratifikasikan

Karena unsur populasi berkarakteristik heterogen, dan heterogenitas tersebut


mempunyai arti yang signifikan pada pencapaian tujuan penelitian, maka peneliti dapat
mengambil sampel dengan cara ini. Misalnya, seorang peneliti ingin mengetahui sikap
manajer terhadap satu kebijakan perusahaan. Dia menduga bahwa manajer tingkat
atas cenderung positif sikapnya terhadap kebijakan perusahaan tadi. Agar dapat
menguji dugaannya tersebut maka sampelnya harus terdiri atas paling tidak para
manajer tingkat atas, menengah, dan bawah. Dengan teknik pemilihan sampel secara
random distratifikasikan, maka dia akan memperoleh manajer di ketiga tingkatan
tersebut, yaitu stratum manajer atas, manajer menengah dan manajer bawah. Dari
setiap stratum tersebut dipilih sampel secara acak. Prosedurnya :

e. Siapkan “sampling frame”


f. Bagi sampling frame tersebut berdasarkan strata yang dikehendaki
g. Tentukan jumlah sampel dalam setiap stratum
h. Pilih sampel dari setiap stratum secara acak.
Pada saat menentukan jumlah sampel dalam setiap stratum, peneliti dapat menentukan
secara (a) proposional, (b) tidak proposional. Yang dimaksud dengan proposional
adalah jumlah sampel dalam setiap stratum sebanding dengan jumlah unsur populasi
dalam stratum tersebut. Misalnya, untuk stratum manajer tingkat atas (I) terdapat 15
manajer, tingkat menengah ada 45 manajer (II), dan manajer tingkat bawah (III) ada
100 manajer. Artinya jumlah seluruh manajer adalah 160. Kalau jumlah sampel yang
akan diambil seluruhnya 100 manajer, maka untuk stratum I diambil (15:160)x100 = 9
manajer, stratum II = 28 manajer, dan stratum 3 = 63 manajer.
Jumlah dalam setiap stratum tidak proposional. Hal ini terjadi jika jumlah unsur atau
elemen di salah satu atau beberapa stratum sangat sedikit. Misalnya saja, kalau dalam
stratum manajer kelas atas (I) hanya ada 4 manajer, maka peneliti bisa mengambil
semua manajer dalam stratum tersebut , dan untuk manajer tingkat menengah (II)
ditambah 5, sedangkan manajer tingat bawah (III), tetap 63 orang.
d)
40 54 59 64 69 76 82
45 54 59 66 70 76 84
46 54 61 66 71 76 85
47 55 62 66 72 76 85
50 56 62 66 73 77 88
50 57 63 66 73 79 88
51 58 63 67 75 79 90
52 58 63 68 76 80 90
52 58 63 68 76 80  
53 59 63 68 76 81  

nilai ≤ 56 ≤ nilai nilai ≥


55 ≤ 75 76
14 33 21

14
nilai ≤ 55= ×20=4,117647059
68
33
56 ≤ nilai ≤ 75= × 20=¿ 9,705882353
68
21
nilai ≥ 76= ×20=6,17647059
68

Anda mungkin juga menyukai