Quota Sampling

Quota sampling is a non-probability sampling technique wherein the researcher ensures equal or
proportionate representation of subjects depending on which trait is considered as basis of the
quota.
For example, if basis of the quota is college year level and the researcher needs equal
representation, with a sample size of 100, he must select 25 1st year students, another 25 2nd
year students, 25 3rd year and 25 4th year students. The bases of the quota are usually age,
gender, education, race, religion and socioeconomic status.
kuota Sampling
Quota sampling adalah teknik pengambilan sampel non-probabilitas dimana peneliti
memastikan perwakilan yang sama atau proporsional pelajaran tergantung pada
sifat dianggap sebagai dasar dari kuota.
Misalnya, jika dasar kuota adalah tingkat perguruan tinggi tahun dan peneliti perlu
perwakilan yang sama, dengan ukuran sampel 100, ia harus memilih 25 siswa 1
tahun, 25 mahasiswa tahun 2 lagi, 25 tahun 3 dan 25 siswa tahun ke-4. Dasar dari
kuota biasanya usia, jenis kelamin, pendidikan, ras, agama dan status sosial
ekonomi.

Disproportional sampling is a probability sampling technique used to address the

difficulty researchers encounter with stratified samples of unequal sizes.

This sampling method divides the population into subgroups or strata but employs a
sampling fraction that is not similar for all strata; some strata are oversampled
relative to others.
Disproportional vs. Proportional Sampling

The main difference between the two sampling techniques is the proportion given to
each stratum with respect to other strata. In proportional sampling, each stratum
has the same sampling fraction while in disproportional sampling technique; the
sampling fraction of each stratum varies.
Example of Disproportional Sample

Suppose, for example, a researcher desires to conduct a survey of all the students
in a given university with 10,000 students, 8,000 females and 2,000 males. His
desired sample size is only 1,000. Since the 1,000 subjects needed for the survey is
10% of the entire population, sampling proportion suggests that 8/10 be female and

2/10 be male. This would result in a sample composed of 800 females and 200
males. In this case, the relatively small number of males in the sample probably
would not provide adequate representation for drawing conclusions from the said
survey.

Disproportional sample technique will permit the researcher in the mentioned case
selection of students of adequate size from the two genders. Say for example, 500
males and 500 females can be selected to represent the population. This cannot be
considered random since the males had better chances of being selected as part of
the sample.
When to Use Disproportional Sampling

Disproportional sampling allows the researcher to give a larger representation to

one or more subgroups to avoid underrepresentation of the said strata. This applies
to populations with a very high strata population ratio.
Disadvantages of Disproportional Sampling

Even though the researcher can create an adequate size and representation with
this technique, it presents problems in data analysis since the characteristic of the
overrepresented group can skew the results. The way around this however is to give
a proportionally greater mathematical representation of the underrepresented group
in the analysis of the scores.

Generally, disproportional sample tend to be less accurate and reliable compared to

a stratified sample since mathematical adjustments are done during the analysis of
the data. This process increases the chance of encountering errors in data analysis.
With this possibility of encountering errors in analysis, it is less accurate in drawing
conclusions from the results of such studies.

Proporsional sampling teknik probability sampling yang digunakan untuk mengatasi

kesulitan peneliti menemukan dengan sampel stratified ukuran yang tidak sama.
Metode pengambilan sampel ini membagi penduduk menjadi subkelompok atau
strata tapi mempekerjakan sebagian kecil sampel yang tidak sama untuk semua
strata; beberapa strata yang oversampled relatif terhadap orang lain.
Proporsional vs Sampling Proporsional
Perbedaan utama antara kedua teknik sampling adalah proporsi yang diberikan
untuk masing-masing strata sehubungan dengan strata lainnya. Dalam
pengambilan sampel proporsional, setiap strata memiliki fraksi sampling yang sama

sementara di teknik pengambilan sampel proporsional; fraksi sampling setiap strata

bervariasi.
Contoh Contoh proporsional
Anggaplah, misalnya, seorang peneliti keinginan untuk melakukan survei dari
semua mahasiswa di sebuah universitas diberikan dengan 10.000 siswa, 8.000
perempuan dan 2.000 laki-laki. ukuran sampel yang diinginkan hanya 1.000. Sejak
1000 mata pelajaran yang dibutuhkan untuk survei adalah 10% dari seluruh
penduduk, proporsi sampel menunjukkan bahwa 8/10 adalah perempuan dan 2/10
menjadi laki-laki. Ini akan menghasilkan sampel yang terdiri dari 800 perempuan
dan 200 laki-laki. Dalam hal ini, jumlah yang relatif kecil dari laki-laki dalam sampel
mungkin tidak akan memberikan representasi yang memadai untuk menarik
kesimpulan dari survei mengatakan.
Teknik sampel proporsional akan mengizinkan peneliti dalam seleksi kasus yang
disebutkan siswa dari ukuran yang memadai dari dua jenis kelamin. Katakanlah
misalnya, 500 laki-laki dan 500 perempuan dapat dipilih untuk mewakili populasi.
Hal ini tidak dapat dianggap acak karena laki-laki memiliki peluang yang lebih baik
untuk terpilih sebagai bagian dari sampel.
Ketika Menggunakan Sampling proporsional
Proporsional sampling yang memungkinkan peneliti untuk memberikan representasi
yang lebih besar untuk satu atau lebih sub kelompok untuk menghindari
underrepresentation dari strata kata. Hal ini berlaku untuk populasi dengan rasio
populasi strata yang sangat tinggi.
Kerugian Sampling proporsional
Meskipun peneliti dapat membuat ukuran dan representasi yang memadai dengan
teknik ini, menyajikan masalah dalam analisis data sejak karakteristik dari kelompok
menduduki bisa condong hasilnya. Cara sekitar ini namun adalah untuk
memberikan gambaran matematis secara proporsional lebih besar dari kelompok
kurang terwakili dalam analisis skor.
Umumnya, sampel tidak proporsional cenderung kurang akurat dan dapat
diandalkan dibandingkan dengan sampel bertingkat sejak penyesuaian matematika
dilakukan selama analisis data. Proses ini meningkatkan kemungkinan menghadapi
kesalahan dalam analisis data. Dengan kemungkinan ini menghadapi kesalahan
dalam analisis, itu kurang akurat dalam menarik kesimpulan dari hasil studi
tersebut.
https://explorable.com/disproportional-sampling