Scribd Logo
Unggah

Selamat datang di Scribd!

  • Bagian2 Bab8 Desain Sampling

    Diunggah oleh

    Eny Sri Widji Astuty
    8 tayangan53 halaman
    Desain penelitian

    Hak Cipta

    © © All Rights Reserved

    Format Tersedia

    PDF atau baca online dari Scribd

    Apakah menurut Anda dokumen ini bermanfaat?

    Apakah konten ini tidak pantas?

    Laporkan Dokumen Ini
    Desain penelitian

    Hak Cipta:

    © All Rights Reserved
    Unduh sebagai PDF atau baca online dari Scribd
    Tandai sebagai konten tidak pantas
    8 tayangan53 halaman

    Bagian2 Bab8 Desain Sampling

    Diunggah oleh

    Eny Sri Widji Astuty
    Desain penelitian

    Hak Cipta:

    © All Rights Reserved
    Unduh sebagai PDF atau baca online dari Scribd
    Tandai sebagai konten tidak pantas
    dari 53
    Bab 8 Desain Sampling TINJAUAN | DASAR SAMPLING Mengapa Sampel? Apakah Sampel yang Baik itu? JJenis Desain sampel PROBABILITAS SAMPLING Langkah Desain Sempling Konsep Sampling Sampling Atribui FOKUS BAB SAMPLING PROBABILITAS KOMPLEKS, Sampling Sistematik Sampling Stratifikas ‘Sampling Kluster ‘Sampling Ganda SAMPLING NON-PROBABILITAS Pertimbangan Prokts, Metode RINGKASAN PERTANYAAN DISKUSI CATATAN. BACAAN YANG DISARANKAN | 290 Desain Sampling 291 D:: Ward berjalan keluar kelas dengan Fred Thomas dan keduanya ferus menuju Rathskeller untuk makan siang. Mereka lapar dan ter- gesa-gesa karena kelas kewirausahaan akan dimulai 45 menit lagi. Namun, untunglah, setiap orang lainnya di kampus nampak masth sedang makan siang di Rat. “Sepertinya kita jadi lapar lagi nih,” gerutu Fred. “Apakah Big U. pemah memberikan fasilitas makan yang memadai di sini?” Dick menjawab. “Saya katakan padamu Fred, kita sebenamnya harus mengimplementasikan proyek kewirausahaan kita. Profesor James pikir kita adalah pemenang nyata dan saya pikir memang demikian. Kampus ini akan dengan mudah dapat mendukung keanggotaan dining club di jalan Forsythe di bangunan Wainwright.” “Engkau mungkin benar, Dick-Jika saya mendapatkan lebih banyak dari penantian lama untulertiakan siang ini setiap hari, Saya bisa mendukungmu, Ketika saya berbicara dengan jayah_Bill Johnson di bank kemarin, nam- paknya dia bisa merencanakan keuangan jika kita bersama-sama membuat perencanaan yang bagus. Tapi omong-omong,, kau berada di mana dalam fase penelitian pasar provek ini?” “Sekarang, saya sedang mencoba untuk mempelajari bagaimana mena- rik Sampel untuk survei yang akan kita jalankan. Kita telah menulis kue- sioner dan mengujinya. Sekarang kita peru memutuskan siapa yang akan menginterview dan berapa wawancara yang akan kita lakulan,” jawabnya. “Sampel jenis apa yang akan kau gunakan?” tanya Fred “Saya masih mempertimbangkan pertanyaan itu,” jawab Dick. “Ideal- nya, saya menggunakan sampel probabilitas random, narnun sampling non- probabilits juga memungkinkan. Saya belum pemah rempelajari statistik sebelumnya sehingga saya harus mulai topil:iniidari awal. Percayalah! Ini akan berjalan pelan, Sekarang ini saya sedang mempelajari dasar sampling dan konsep dasar sampling probabilites dan nonprobabilitas.” DASAR SAMPLING Kebanyakan orang secara intuitif paham gagasan mengenai sampling ini Seseorang mencicipi minuman dan mengatakan kepada kita apakah mi- 292 Metode Riset Bisnis numan tersebut manis atau asam. Jika kita memilih beberapa penggunaan catatan dari 4,000 file, biasanya kita asumsikan bahwa sampel ini menun- jukkan karalteristik penuh dari 4000. Jika beberapa staf kami memilih jadwal Kerja yang fleksibel, kita masukkan bahwa yang lain akan demikian juga. Contoh ini berbeda-beda dalam representatifannya, namun masing- masing merupakan sampel. Gagasan dasar dari sampling ini adalah bahwa beberapa elemen dalam populasi memberikan informasi yang bermanfaat pada keseluruhan popu- lasi, Sebuah elemen merupakan subyek di mana pengukuran diambil. Ini merupakan unit studi. Misalnya, masing-masing pekerja kantor memperta- rnyakan mengenai jadwal kerja fleksibel merupakan elemen, dan masing-ma- sing hitungan yang dianalisis merupakan elemen dari hitungan populasi. Populasi merupakan kumpulan total elemen yang kita harapkan untuk dibuat kesimpulan. Semua pekerja kantor dalam perusahaan tersebut mung- kin terdiri dari populasi kepentingan, dan semua 4000 file mungkin juga mendefinisikan populasi kepentingan. Mengapa Sampel? Keuntungan ekonomis dalam pengambilan satu sampel daripada sensus adalah besar. Perhatikan kemungkinan biaya dalam sensus. Mengapa kita harus mengeluarkan ratusan dolar mewawancarai semua 4000 pekerja di perusahaan jika kita dapat menemukan bahwa kita hanya perlu mengetahui dengan menanyai hanya beberapa ratus? Deming berargumentasi bahwa kualitas suatui studi seringkali lebih baik dengan sampling daripada dengan sensus. Dia menyatakan, “ Sampling mempunyai kemungkinan wawancara yang lebih baik (penguiian), investi- gasi yang lebih teliti untuk menghindari kesalahan, dan kecurigaan infor- masi, dengan pengawasan yang lebih baik dan pemrosesan lebih baik daripada yang dimungkinkan dengan pengupasan lengkap.” Penemuan penelitian mensubstansikan pendapat ini. Lebih dari 90 persen dari keselu- rtuhan kesalahan survei dalan satu studi adalah dari surnber non-sampling, dan hanya 10 persen atau kurang dari kesalahan sampling random. Biro Sensus Amerika Serikat menunjukkan kepercayaan dirinya dalam sampling dengan membuat survei samle untuk memeriksa keakuratan sensusnya, Desain Sampling 293 Sampling juga memberikan hasil yang lebih cepat daripada yang diper- ‘oleh dati sensus. Kecepatan pelaksanaan meminimalkan waktu antara pengenalan kebutuhan informasi dan ketersediaan informasi tersebut. Ke- mudian, juga, beberapa situasi memerlukan sampling. Misalnya, ketika kita menguii kekuatan tahan banting dari suatu materi, kita harus merusaknya; suatu sensus akan berarti perusakan yang menyekluruh tethadap materi tersebut. Sampling juga hanya merupakan proses yang memungkinkan jika populasinya tak terbatas. Permasalahan utamanya adalah bahwa setiap sampel yang kita tarik ‘mungkin bukan representatif dari populasi di mana ia ditarik. Hasilnya akan ‘menjadi bahwa setiap nilai yang kita hitung dari sampel tersebut (statistik) akan tidak benar sebagai estimasi dari nilai populasi (parameter). Namun, ketika sampel ditarik dengan tepat, beberapa item sampel memperkecil parameter dan yang lainnya melebihkannya. Perbedaaan dalam nila item ini cenderung untuk menindaki satu sara lain; kecenderungan tindakan timbal balik menghasilkan sebuah statistik yakni bahwa secara urnum dekat dengan parameter, Namun, untuk membuat.efekperimbangan ini, perlu ada anggota yang cukup dalam sampel dan mereka ditarik dengan cara untuk memilih baik kecenderungan memperkecil atau memperbesar. Apakah Sampel yang Baik itu? Puncak tes desain sampel adalah bagaimana ia mewakili karakteristik popu- lasi yang ingin dia wakili. Dalam bentuk pengukuran, sampel harus valid. Validitas sebuah sampel tergantung kepada dua pertimbangan. Akurasi, Pertama adalah permasalahan akurasi — didefinisikan sebagai tingkat di mana bias tidak ada dari sampel. Sampel yang akurat (tidak bias) adalah sampel di mana pengurangan dani kelebihannya seimbang di antara anggota sampel: Tidak ada varian sistematik dengan sampel yang akurat. Varian sistematik telah didefinisikan sebagai “perbedaan dalam pengukuran berkaitan dengan beberapa pengaruh yang tidak diketahui mauipun yang diketahui yang "menyebabkan” skor condong ke suatu arah lebih dari yang lain.” Misalnya, dikatakan bahwa rumah di sudut blok cenderung lebih besar dan lebih berharga daripada rumah yang berada di dalam blok. Jadi, suatu sampel di mana kita memilih rumah sudut hanya akan menyebabkan kita melebihkan nilai rumah di wilayah tersebut. 294 Metode Riset Bisnis ‘Contoh Klasik mengenai sebuah sampel dengan varian sistematik adalah poll pemilihan presidensial yang dilakukan oleh Literary Digest pada tahun 1936 di mana lebih dari 2 juta orang berpartisipasi. Poll tersebut menunjuk- kan bahw Allfred Landon akan mengalahkan Franklin Roosevelt untuk kursi kepresidenan Amerika Serikat, Bahkan jumlah besar dari populast ini tidak menetralkan bias sistematik. Bukti selanjuinya menunjukkan bahwa poll yang menarik sampelnya dari kelas menengah dan kelas atas, sementara pendukung Roosevelt adalah sebgian besar adalah di antara kelas pekerja. Ketepatan, Kriteria kedua dari desain sampel yang bagus adalah kete- patan estimasi, Tidak ada sampel yang akan sepenuhnya mewakili popu- lasinya dalam keseluruhan aspek. Statistik sampel bisa diharapkan untuk membedakan dari parameternya sebagai hasil fluktuasi random yang in- heren.di dalam proses pengambilan sampel. “Hal ini seringkali ditunjuk sebagai varian kesalahan atau kesalahan sampling dan merefleksikan pengartlh peluang penarikan anggota sampel: Varian kesalahan adalah yang ditinggalkan setelah semua sumber varian sistematik yang diketahui diperhitungkan. Dalam teori, varian kesalahan terdin\ dari fluktuasi random saja, meskipun beberapa varian sistematik yang tidal diketahui dimasukkan. Ketepatan diukur dengan estimasi kesalahan standar, suatu jenis peng- ukuran simpangan baku; semakin kecil éstiniasi kesalahan standar, semakin tinggi ketepatan sampel. Setelah memberikan pertimbangan berkaitan de- ngan permasalahan mengatasi bias, maka perlu bahwa desain sampel menghasilkan estimasi-kesalahan-stanadr minimum. Meskipun demikian, tidak semua jenis desain sampel memberikan ketepatan estimasi, dan sam- pel dengan ukuran yang sama dapat menghasilkan jumlah varian kesalahan vyang berbeda, Jenis Desain Sampel Berbagai teknik sampling bisa digunakan. Salah satu yang dipilih berda- sarkan persyaratan proyek, tujuannya, dan dana yang tersedia. Pendekatan vang tersedia bisa diklasifikasikan dengan basis representasinya dan elemen. teknik pemilihan, sebagaimana dalam Tabel 8-1. Representasi. Anggota suatu sampel dipilih baik dengan basis probabil tas atau dengan alat lainnya. Sampling probabiltas didasarkan pada konsep Desain Sampling 295 TABEL 8-1 Jenis Desain Sampling Basis Representasi Pemilihan elemen Probobilitas Non-probabilites Tak terbatas Random sedethana ‘Convenience Terbatas Random kompleks Purposive ‘Sistematik Penilaian Kluster Kuota Stratified Snowball Double pemilihan random —~ suatu prosedur terkontrol yang meyakinkan bahwa ‘masing-masing elemen populasi diberikan peluang pemilihan nonzero. Sebaliknya, pemilihan nonprobabilitas adalah non-random. Yakni, ma- sing-masing anggota tidak merapunyat peluang nonzero yang dimasulkan Dengan mengijinkan pewawancara'untuk memilif'anggota sampel “secara random” (berarti sebagaimana mereka besharap atau dimana mereka mene- ‘mukannya) itu bukan sampling random. Hanya. probabilitas sampel mem- berikan estimasi ketepatan Elemen Pemilihan. Sampel mungkin juga diklasifikasikan dengan apa- kah elemennya dipilih secara individu dan secara langsung dari popufasi yang dipandang sebagai pilihan tunggal atau apakah kontrol tambahan diletakkan pada proses pemilihan elemen. Ketika masing-masing elemen sampel ditarik secara individual dari populasi secara keseluruhan; ini meru- pakan sampel tak terbatas, Sampling terbatas mencakup semua bentuk sampling Jainnva. PROBABILITAS SAMPLING Sampel acak sedethana tak terbatas merupakan bentuk yang paling seder- hana dari sampling probabilitas. Karena semua probabilitas sampel harus memberikan peluang pihan non-zero untuk masing-masing elemen popu- lasi, maka sampel acak sederhana dianggap kasus khusus di mana masing- 296 Metode Riset Bisnis masing elemen populasi mempunyai peluang pemilihan sama. Pada bagian ini kita menggunakan random sederhana untuk membangun dasar pema- haman prosedur sampling dan memilih probabiltas sampel Langkah Desain Sampling ‘Ada sejumlah keputusan yang harus dilakukan dalam mendapatkan sampel Masing-masing memerlukan. informasi- tersendiri. Sementara pertanyaan yang diajukan di sini berangkaian, urutannya tidak tetap, dan jawaban pada satu’pertanyaan seringkali memerlukan revisi pada jawaban sebelumnya Kita akarmempertimbangkan berikut ini Apakah populasi yang relevan itu? Apakah parameter dari kepentingan? Apakah kerangka sampling? Apakah jenis sampel? Berapa ukuran sampel yang diperlukan? 6. Berapa biavanya? 2 Pw Apakah Populasi yang Relevan itu? Definisi populasi dapat muncul dari permasalahan manajémen atau tujuan penelitian namun seringkali tidak. Apakah-populasi untuk “dining club” di Big University ditentukan sebagai siswa penuh pada kampus utama Big University? Atau haruskah populasi meliputi semua orang yang bekerja di Big University? Atau haruskah orang kota yang tinggal di sekitarnya juga termasuk? Tanpa mengetahui target service yang dipilih, maka tidak jelas manakah dari hal ini yang merupakan populasi yang tepat. Mungkin ada juga kebingungan seperti apakah populasi terdiri dari individu, keluarga atau rumah tanga, atau kombinasi dari hal-hal ini. Jika suatu studi mengenai pendapatan, maka definisi elemen populasi sebagai individu atau rumah tanga bisa sangat berbeda. Definisi operasional yang bagus sangat penting di sini. Dalam contoh “dining club”, asumsikan bahwa club tersebut hanya untuk siswa dan digunakan di kampus. Jadi, mereka mungkin menentukan popu: lasi sebagai “‘semua siswa yang sekarang ini terdaftar dan pegawai di kampus utama Big University.” Namun, hal ini tidak mencakup anggota Desain Sampling 297 keluarga. Mereka mungkin tidak ingin merevisi definisi untuk membuatnya “siswa sekarang, pegawai, dan keluarga mereka Big University, kampus utama.” Apakah Paremeter Kepentingannya? Parameter populasi adalah ringkasan gambaran variabel kepentingan dalam populasi. Sebaliknya, sta- tistik sampel merupakan deskriptor pengukuran dari variabel yang relevan yang dihitung dari data sampel. Atatistik sampel adalah estimator dari parameter populasi. Mereka merupakan basis dari kesimpulan kita menge- nai populasi karena mereka adalah estimasi terbaik dari populasi. Ketika variabel kepentingan dalam studi diukur dengan skala interval atau rasio, kita menggunakan rata-rata sampel untuk mengestimasi rata-rata populasi dan simpangan baku populasi untuk mengestimasi simpangan baku populasi. Dalam hal ini, metode penentuan sampel — meliputi hitun- gan ukuran sampel —didasarkan pada estimator skala interval. Seringkali studi bisa memfokuskan pada*data yang diskalakan secara nominal. Dalatn kejadian ini, parameter proporsi populasi akan merupakan kepentingan. Proporsi populasi “sama dengan jumlah elemen dalam popu- lasi yang menjadi kategori kepentingan, dibagi dengan total jumlah elemen dalam populasi.” Pengukuran atribut diperlukan utnuk data nominal dan banyak diguriakan untuk pengukuran lainnya juga. Contoh dari data atribut adalah proporsi dari suatu populasi yang menyatakian kepentingan dalam menggabungkan club atau proporsi siswa yang menikah yang melaporkan apa yang mereka makan sekarang di restauran paling tidak lima kali per minggu. Kebanyakan pengukuran atribut konsentrasi yang paling sering adalah prosentase. Ekuivalen Varian merupakan rasio pq. Prosedur untuk sampling atribut dibahas dalam bab int. Dalam menentukan manakah yang merupakan parameter kepentingan yang paling relevan) kita seringkali melihat pada pertanyaan investigasi dari studi tersebut, Misalnya: 1. Proporsi orang yang menyatakan minat untuk bergabung dengan club 2. Pengeluaran rata-rata yang diharapkan per bulan per anggota. 3. Jumlah makan siang rata-rata per minggu yang akan diminta ‘Mungkin juga penting membuat subkelompok dalam populasi mengenai siapa yang ingin kita buat estimasi. Misalnya, kita mungkin ingin menarik 298 Metode Riset Bisnis kesimpulan mengenai perluasan penggunaan club yang dapat diharapkan dari siswa yang sudah menikah versus siswa yang masing single, siswa yang tinggal di rumahnya sendiri dan yang tinggal di kota, dan seterusnya Pertanyaan seamcam itu mempunyai pengaruh kuat terhadap dasar dari kerangka sampling yang kita terima, desain sampel dan ukurannya Apakah Kerangka Sampling itu?” Konsep kerangka sampling sangat erat bethubungan dengan populasi. Hal ini didefinisikan sebagai daftar elemen di mana sampel secenarnya diambil. Secar ideal, daftar anggota populasi saja yang lengkap dan benar./ Namun}.sebagai permasalahan praltis, kerangka sampling seringkali berbeda dengan popula teoritis. Direktor! Big University akan merupakan pilihan logis sebagai kerangka sampling. Direktoris biasanya dipublikasikan di musim gugur, namun misal- kan studi tersebut dikerjakan pada waktu musirn semi. Daftar tersebut akan merupakan Kesalahan karena beberapa orang baru akan datang ke kampus dan yang lainnya akan tetap tinggal karena direktori telah diterbitkan Namun demikian. anda bisa menggunalian direktori dengan menga- baikan falta bahwa hal ini tidak akan sepenuhinya lancar. Hanya, seberapa orang bisa mentolerir ketidal-akuratan dalam memilth kerangka sampling, ini adalah (persoalan penilaian. Jelasnya, jika direktori adalah setahun lalu, kesalahan tersebut mungkin tidak dapat diterima. Salah satu cara untuk membuat kerangka’ yang lebih representatif adalah mendapatkan daftar suplemen dart siswa baru dan karyawan. Distorsi yang lebih besar akan muncul jika ada populasi kampus cabang yang tercakup dalam direktori tersebut sebagaimana dengan yang ada di kampus utama, Hal ini akan merupakan contoh kerangka yang terlalu inklusif. Yakni, kerangka yang meliputi elemen dan selain yang kita minati (Siswa dan pekerja yang tertinggal sejak direktori dipublikasikan adalah contoh lain). Seringkali anda harus menerima kerangka sampling yang meliputi orang atau kasus sebagai tambahan untuk kepada siapa anda berkepentingan. Misalnya, anda bisa menggunakan direktori telepon untuk menarik sampel jumlah telepon bisnis. Untungnya, hal ini merupakan permasalahan mudah untuk diurusi, Anda menarik sampel dari populasi yang lebih besar dan menyaring yang bukan anggota kelompok yang akan anda studikan. ‘Survai dining club kampus merupakan contoh permasalahan kerangka yang dengan mudah dapat dipecahkan. Seringkali orang menemukan tugas Desain Sampling 299 ini lebih merupakan tantangan. Misalkan anda memeriukan sampel anggota dari kelompok etnik, misalkan etnik Timur di Chicago. Mungkin tidak ada direktori dari populasi ini. Sementara anda bisa menggunakan direktori kota umum, sampling dari kerangka yang terlalu inklusif ini akan memakan biaya dan tidak efisien. Orang timur/Asia mungkin hanya mewakili kelompok kecil dalam populasi Chicago, dan tugas penyaringan akan menjadi monu- mental. Karena kelompok etnik akan cenderung untuk berkelompok dalam lingkungan tertentu, anda mungkin mengidentifikasi wilayah konsentrasi ini dan kemudian menggunakan telepon wilayah yang sebaliknya atau direktori kota untuk menarik sampel. (Direktori kota dan direktori telepon wilayah sebaliknya diorganisir dengan alamat jalan). Apa Jenis Sampel?_Dehgan jenis catatan personil yang tersedia di universitas dan populasi yang secara geograffis terkonsentrasi, metode sampling probabilitas dimungkinkan, Direktori universitas biasanya tersedia, dan biaya_menggunakan sampel random sederhana tidak akan sebesar dalam kasus ini, Kemudian, juga, karena mereka berpikir mengenai in- vestasi utama délam club tersebut, mereka ingin. untuk percaya bahwa mereka mempunyai sampel yang representati. Memilih teknik sampling random sederhana mempunyai beberapa kon- sekuensiDengan desain sampel ini siswa akan dapat membuat estimasi keyakinan yang berdasarkan probabilitas dari berbagai parameter. Dalam menggunakan metode ini mereka juga harus memberikan perhatian penuh peda pelaksanaan proses sampling, Pemilihan harus mengikuti prosedur yang tepat di mana tidak ada peluang bagi pewawancara atau yang lainnya untuk memedifiksi pilihan yang dibuat. Tidak ada selain yang dipilih tersebut dapat dimasukkan dalam studi; usaha keras harus dilakukan untuk me- masukkkan semua elemen dalam kerangka sampling asli. Siswa harus mengeluarkan substitusi kecuali secara jelas ditentukan dan dikontrol sesuai dengan aturan keputusan yang telah ditentukan sebelumnya. Selain semua perhatian ini, sampel nyata yang diperoleh tidak akan memenuhi secara sempurna sampel yang ditarik secara awal. Beberapa orang akan menolak untuk berpartisipasi dan yang lainnya akan kesulitan untuk ditemukan. Yang terakhir mewakili permasalahan yang sudah sangat dikenal “tidak-di rumah” dan memerlukan sejumlah pengulangan untuk meyakinkan bahwa mereka benar-benar sudah terwakili dalam sampel 300 Metode Riser Bisnis Berapa Ukuran Sampel yang dibutuhkan Banyak cerita mengitari pertanyaan ini. Salah satu kepercayaan yang menyesatkan adalah bahwa sampel harus besar atau sampel tersebut tidak akan representatif. Hal kkurang benar bila dibandingkan dengan yang kebanyakan dipercayai orang Ingat contoh Literary Digest, Sampel dari lebih 2 juta orang pemilih gagal memprediksikan dengan tepat Suatu pemilihan kepresidenan. Pada tahun terakhir, muncul-kontroversi dalam dengar pendapat kongres mengenai keterwakilan’sampel nasional pemirsa TV. Sampel 1000 orang atau lebih telah dicap sebagai total tidak memadai oleh banyak Ieitikus, namun jarang, jika pemah, oleh Orang statistik. Ukuam samipel hanyalah merupakan salah sattt aspek dari perwakilan. Sampel yang lebih dari 2 juta dapat menyesatkan sementara sampel 1000 yang ditarik dengan cara tepat bisa lebih memadai Seringkali diklaim bahwa sampel harus mengafidung beberapa hubungan proporsional dengan ukuran populasi di mana ia ditari. Orang mendengar pendangan tersebut sebagai ’sampel harus paling tidak 10 persen atau lebih dani populasinya jika akan menjadi kredibel (dapat dipercaya)”. Hal ini tidak benar. Ukuran sampel mutlak lebih pentingan daripada ukurannya berhu- bungan dengan populasi. Berapa besar seharusnya sampel itu merupa- kan fungsi variasi dalam parameter populasi dalam studi dan ketepatan estimasi yang dibutuhkan oleh peneliti, Sampel 400 mungkin tepat dalam beberapa kasus, sementara Jebih dari 2000 diperlukan dalam kondisi lain; dalam kasus yang lain lagi, mungkin hanya 40 yang dibutubkan. Rumus dasar untuk menghitung uluran sampel dalam probabilitas sam pling mengasumsikan populast terbatas. Jadi, sampel 100 yang ditarik dari populasi 200 juta mempunyai ketepatan estimasi sama secara kasar seba- gaimana 100 yang ditarik dari populasi 200 juta. Satu-satunya permasalah- an sampel dari populasi yang lebih besar adalah kesulitan menarik sampel secara benar-benar. Faktor yang paling penting dalam menentukan ukuran sampel yang dibutuhkan untuk mengestimasi parameter populasi adalah ukuran varian poulasi. Semakin besar sebaran atau varian dalampopulasi, semakin besar sampel yang harus dibuat untuk memberikan ketepatan estiamsi yang dibutuhkan. Misalnya, jika kita meminta pendapat mengenai topik tertentu, dan setiap orang dalam populasi tersebut memegang beberapa pandangan, maka sampel di mana orang memberikan pendapat mengenai gambaran populasi lengkap. Jika ada dua pendapat yang mungkin berbeda, diambil yang minimum dari keduanya dalam sampel untuk mencatatnya, dan meng- Desain Sampling 301 ‘ambil sampel yang lebih besar untuk mengestimasikan frekuensi relat dari dua pendangan dalam populasi tersebut. Jika ada selusin pandangan yang ‘mungkin, sampel yang lebih besar diperlukan untuk mencatatnya dan mengestimasikan frekuensinya. Berapa besar sampel yang diperlukan Dick dan Fred untuk studi dining club-nya tergantung kepada seberapa ketepatan yang ingin mereka dapat- kan. Karena sampel tidak pernah merefleksikan populasinya dengan pasti, maka para peneliti harus menentukan seberapa ketepatan yang mereka butuhkan. Ketepatan diukur dalam bentuk (1) jarak interval di mana mereka ‘mengharapkan untuk menemukan estimasi parameter dan (2) tingkat keper- cayaan yang-mereka harapkan untuk dimiliki dalam estimasi. Lebih banyak ‘mengenai item ini selanjutnya. Ukuran probabilitas sampel yang dibutuhkan dapat dipengaruhi oleh tukuran populasi, namun. hanya Ketika ukuran sampel besar sehubungan dengan ukuran populasinya. Faktor penyesuaian yang disebut terbatas ini ‘memasuki penghitungan: ketika sampel adalah 15 persen atau lebih dari populasi. Efele bersih dari penyesuaian tersebut adalah untuk mengurangi vukuran sampel yang diperlukan untuk mencapai ketepatan yang diberikan. Petimbangam lain seringakali sangat banyak dalam keputusan pengambil- {an sampel. Kondisi di mana sampel akan dilakukan mungkin menunjukkan bahwa hanya desain tertentu yang layak. Misalnya, satu jenis sampel mung- kin merupakan desain yang tepat karena kita tidak mempunyai daftar elemen populasi dan oleh karenanya harus sampel unit geografis. Karena berbagai desain membedakan efisiensi statistik dan ekonomis, plihan desain yang dipasangkan dengan persyaratan lain yang disebutkan di atas juga ‘akan mempengaruhi ukuran sampel. Peneliti mungkin juga tertarik dalam membuat estimasi berkaitan dengan berbagai subkelompok populasi; kemudian sampel harus cukup besar untulk ‘masing-masing subkelompok ini untuk mefmenuhi tingkat yang dibutuhkan. ‘Orang mencapai hal ini:dengan sampling ransom sederhana dengan mem- buat total sampel cukup besar untuk meyakinkan bahwa masing-masing subkelompok penting memenuhi Kriteria ukuran minimum. Dalam prosedur sampling yang lebih kompleks, subkelompok yang lebih kecil disampelkan dengan lebih banyak dan kemudian diberi bobot. Berapa Biayanya? Pertimbangan biaya mempunyai pengaruh utama pada keputusan mengenai ukuran dan jenis sampel sebagaimana metode 302 Metode Riset Bisnis pengumpulan data. Hampir semua studi mempunyai keterbatasan pem- biayaan, dan hal ini bisa berarti sampel non-probabilitas harus bisa digu- nakan. Survei sampel probabilitas mendatangkan ongkos untuk memanggil kembali, biaya hidup, dan berbagai biaya lainnya yang bukan merupakan hal penting ketika lebih banyak metode serampangan yang digunakan. Biaya seringkali mendikte-ukuran sampel. Misalnya, jika ada biaya $2,000 untuk mewawancarai dan ini memerlukan kira-kira $15 untuk melengkapi, wawancara personal dengan: menggunakan sampel random sederhana, maka jelas bahwa sampel tersebut tidak dapat melebihi 133 responden. Dengan mengubah desain ke sampel pasangan geografis, kita mungkin dapat mengurangi hal ini, misalnya, $12 per wawancara, dengan mengijinkan ukuran sampel 167. Pergeseran ke kuesioner yang dilaktukan sendiri ini mungkin mengurangi biaya sampai $8 per wawancara, dengan ‘memberikan sampel 250. Faktor biaya mungkin juga mendikte keterkaitan wawancara personal dalam arti dari setiap telepon atau survai lewat surat. Jadi, wawancara telepon mungkin memerlukan biaya $4 masing-masing, dengan bisa men- jadikan mengijinkan sampel sebanyak 500. Dalam mengubah jenis metode pengumpulan data, tentu saja, jumlah dan jenis data yang dapat diperoleh juga berubah, Konsep Sampling Dalam bagian ini, kita akan mendiskusikan beberapa konsep yang berman- faat untuk remahami probabilitas sampling. Perlakuan kita adalah sebagian besar intuitif dengan menggunakan Gambar 8-1 dan 8-2 dan contoh dining club pada Big University Gambar 8-1 menunjukkan populasi (N = 50) yang terdiri dari nia 1, 2, dan 3 untuk variabel dengan label X. Distribusi populasi, yang ditunjulkkan di samping populasi, adalah apa yang akan ditemukan jika sensus elemen diambil. Biasana, informasi ini tidak dapat digunakan. Sekarang asumsikan bahwa kita menuju sampel data 10 yang ditunjuk dari populasi ini tanpa pengetahuan mengenai karaktristik populast ini. Kita menggunakan tabel angka random, random jumiah generator, atau prosedur sampling dari program software statistik Desain Sampling 303 GAMBAR 8-1 Sampel Random dari Populasi X Population ‘ot X re oxen Sampel pertama kita, (ny = 10) memberikan frekuensi yang terlihat dalam Gambar 8-1. Kita juga menghitung skor rata-rata X1 = 1.5) untuk sampel ini, Rata-rata adalah estimasi point dan prediktor terbagus kita dari 304 Metode Riset Bisnis rata-rata populasi yang tidak diketahui, y (rata aritmatika dari populasi) Asumsikan selanjutnya bahwa kira mengembalikan sampel pertama ke populasi tersebut dan menarik sampel kedua, ketiga, keempat dengan prosedur yang sama. Deviasi frekuensi, rata-rata, dan standar terlihat dalam gambar tersebut. Skor rata-rata (Xi = 1,5, Xe = 1.3, Xe = 1.8) membentuk distribusi mereka senditi, distribusirata-rata sampel — untuk digunakan selanjutnya. Sebagaimana gambar tersebut menyatakan, namun tak satu- pun yang merupakan duplikasi yang sempuma karena tidak ada sampel yang merupakan replikasi yang sempuma dart populast ini. Dapatkah kita menilai estimasi manakah yang Merupakan rate-rata so- jati? Tidak, kita tidak tahu. Kita dapat mengatakan bahwa masing-masing rata-rata ini merupakan estimasi point dari jt meskipun tak satupun yang nampaknya tepat sama dengan j.. Sekali lagi Kita hanya dapat mengetahui kebenaran u dengan kepastian setelah menyelesaikan sensus. Namun demni- kian, kita dapat mengestimasikan interval di mana.j. yang benar akan jatuh dengan menggunakan setiap X. Ini dilakukan melalui satu rumus untuk kesalahan standar rate-rata. Kesalahan standar dari reta-rata adalah peng- ukuran dari distribusi rata-rata sampel dan merupakan simpangan baku dari distribusi. s Yn- di mana x= Kesalahan standar rata-rata. Simpangan baku dan pengukuran penyebaran nil disekitar rata-rata. n= Ukuran sampel. Kesalahan standar rata-rata berbeda secara langsung dengan simpangan baku dari populasi di mana ia ditarik. Jika simpangan baku populasi lebih kecil, misalnya 35 dari 70, kesalahan standar akan hanya setengah be- sarnya. Hal ini juga berbeda secara berkebalikan dengan akar kuadrat dari ukuran sampel. Jika akar kuadrat ukuran sampel digandakan, kesalahan standar dipotong oleh setengah asalkan simpangan baku tetap Konstan Hubungan ini ditunjukkan: Desain Sampling 308 Mengurangi Menggandakan Akar Deviasi Standar Kuadrat Ukuran Sampel 70. 22 4 = Vi00 Sekarang marilah kita menguji apa yang terjadi ketika kita mengaplikasi- kan sampel data (ni) dari Gambar 8-1 ke rumus tersebut: vio ana: = simpangan baku dari sampel ny m= 10, X= 15) 1 = 707 Dengan mensubstitusikan ke persamaan: 707 a= 23! a 5 Bagaimanalah, ini akan meningkatkan prediksi kita mengenai p. dari X? Kesalahan standar menciptakan jarak interval yang membatasi estimasi point. Dalam contol ini, jt diprediksikan menjadi 1.5 (rata-rata dari m) + 24. Jarak ini dapat divisualisasikan pada kontinum: Benar w=1.70 4 1.26 174 306 Metode Riset Bisnis Yaitu, kita akan mengharapkan untuk menemukan p sejati antara 1.26 dan 1.74. Karen populasi kita kecil dan semua elemennya diketahui, kita telah melakukan sensus dan menemukan nilai rata-rata 1.7. Selanjutnya, karena kesalahan standar mempunyai karakteristik seperti skor standar lainnya, kita mempunyai 68 persen kepercayaan diri dalam estimasi ini. Untuk mening- katkan kepercayaan-kita sampai 95_persen, kita akan memperbanyak dengan 1.96a, (Karena 1.96,Z mewakili 95 persen dari wilayah di bawah kurva). (Lihat Tabel 8-2.) ‘rs, “19607 “10x ° yoy (419607 Secara sambil lalu, jika kita menghitung simpangan baku dari distribusi rata-rata sampel (1.5, 1.3, 1.3, 1.8). kita akan menemukannya menjadi 236. Ini konsisten dengan definisi kedua mengenai kesalahan standar. Tentu saja, secara tidak praktis kita menarik sampel yang diulangi setiap kali kita menginginkan untuk menurunkan estimasi interval dari 1. Jadi, rumus untuk kesalahan standar kita gunakan. Sekarang marilah kita kembali ke contoh dining club dan aplikastkan beberapa konsep ini ke permasalahan siswa tersebut. Jika kedua siswa tersebut harus mewawancarai semua siswa dan para karyawan dalam populasi tertentu, tanyailah mereka, “Berapa kali makan siang yang akan anda makan per bulan pada club baru?” mereka akan mendapatkan distribusi sesuatu seperti yang terlihat pada panel A dari Gambar 8-2. Jawaban akan berkisar dari nol sampat sebanyak 30 makan Desain Sampling 307 GAMBAR 6-2 _Perbandingan dari Konsep Distribusi Populasi, Distribusi Sampel, dan Distrbusi Rata-rata Sampal. Population distnbution : : oo SO can ! a gee eg rece ereerg eee gees i Catatan; Distribusi dalam gambar ini tidak untuk menskalakan, namun fakta ini tidak pen- ting untuk pernaham hubungan penyebaran yang digambarkan, 308 Metode Riset Bisnis siang per bulan dengan p dan ¢. Namun demikian, mereka tidak akan mengambil sensus, sehingga mereka tidak mengetahui apakah p dan o itu. Namun lebih, mereka mengambil sampel dan menggunakan hasilnya untuk mengestimasi parameter populasi ini, mendapatkan sesuatu seperti yang tergambarkan dalam Bagian'C dari Gambar 8-2. Ada tiga observasi yang berharga mengenai disiribusi sampel ini yang konsisten dengan ilustrasi kita di awal. Pertama, terlihat sebagai histogram; ia mewakili frekuensi distribust dari data empiris, sementara kurva landai dari bagian A merupakan distri- busi teoritik. Kedua, distribusi sampel sartia dalam penampilannya namun tidak merupakian duplikesi yang sempurna dari distribusi populasi. Ketiga, rata‘rata dari sampel tersebut berbeda dari rata-rata populasi Meslipun para siswa tidak akan menarik sampel yang diulang sebagai- mana ‘kita lakukan di awal, jika mereka melakukannya, mereka tidak dapat memplotkan rata-rata dari masing-masing sampel ini untuk mendapatkan distribusi garis yang solid yang ada pada B. Jika sampelnya adalah 64 siswa, ada distribusi dari 64 frekuensi dari makanan yang diharapkan berkisar antara 0. makanan sampai sejumlah angka yang menunjukkan patronase tinggi ‘Sesuai dengan teorema limit sentral, rata-rata sampel akan didistribusi- kan sekitar rata-rata populasi secara dekat dalam bentuk distribust normal Bahkanjika populasinya tidak didistribusikan secara normal, distribusi rata~ rata sampel akan normal jika ada Serangkaian sampel yang cukup. Kita tidak akan menggabungkan-berapa_besamya yang mencukupi, namun para peneliti biasanya menerima dan menggunakan konsep ini dalam sampling. Mengestimasikan Interval untuk Sampel Siswa. Setiap rata-rata sampel akan jatuh di dalam jarak ujung distribusi seperti terlihat dalam Bagian B Gambar 8-2. Kita juga mengetahui bagaimana dengan 68 persen, dari rata-rata sampel dalam distribusi ini akan jatuh di antara x3 dan xs, dan kirarkira 95 persen akan jatuh di dalam jarak interval dari xy dan x2 (mewakili prosentase berurutan dari wilayah dalam kurva.) Jika kita memproyeksikan titik x; dan x2 sampai ke distribusi populasi (Bagian A dari Gambar 8-2) pada titik x’: dan x's, kita lihat interval di dalam mana setiap rata-rata yang ada dari sampel random 64 akan jatuh 95 kali dari 100, Satu-satunya permasalahan dengan menggunakan penalaran ini adalah secara literer ini mengatakan bahwa rata-rata sampel mempunyai 95 persen peluang untuk jatuh di sekitar dua kesalahan standar dari rata-rata Desain Sampling 309 populasi. Karena kita tidak tahu rata-rata populasi di mana untuk mengukur kesalahan standar, kita memasukkan bahwa ada juga 95 persen peluang bahwa rate-rata populasi ada di dalam dua kesalahan standar dari rata-rata sampel. Kesimpulan ini memungkinkan kita untuk menemukan rata-rata sampel, menandai interval estimasi di sekitarya, dan menyatakan keyakin- an bahwa rata-rata populasi ada di dalam batasan ini Proyeksi dengan garis terputus dari distribusi rata-rata sampel (B) ke distribusi populasi (A) menunjukkan jarak integral estimasi mengenai rata- rata sampel. Dengan proses ini, orang mengestimasi jarak interval (x"1 sampai x") di dalam rata-rata populasi harus jatuh, Estimasi point dari rata-rata populasi adalah rilai sampel 10.0 kali per bulan. Sesuatu yang lebih mengenai parameter tersebut harus dinyatakan dalam bentuk prob- abilitas sebagai estimasi interval. Karena Dick dan Fred merencanakan untuk menginvestasikan dalam proyek ini, mereka’menginginkan jaminan-bahwa rata-rata populasi dekat dengan gambaran yang dilaporkan dalam setiap sampel yang mereka ambil Untuk menemuken seberapa dekat rata-rata populasi dengan rata-rata sampely Dick harus menghitung kesalahan standar dari rata-rata (o,) dan mengestimasikan jarak interval di mana rata-rata populast juga demikian. Dengan ukuran sampel 64, dia masih memerlukan nilai ¢ untuk menghi- tung c,. Hampir tidak pemah seseorang mempunyai nilai untuk simpangan baku dari populasi (o), sehingga kita harus menggunakan beberapa gambar ‘wakil, Wakil yang terbaik untuk o adalah simpangan, baku dari sampel (s), dalam kasus ini 4.1. Sebagaimana dalam contch di awal, kita menilai rumus kesalahan standar untuk data sampel. ate 4d. 4d o\n- 1 ¥63 17937 Jika satu kesalahan standay dari yata-rata sama dengan 0.52 kunjungan, maka 1.96 Kesalahan standar (95%) samadengan 1.02 kunjungan. Dick dapat mengestimasikan dengan Kepercayaan 95 persen bahwa rata-rata populasi dari harapan kunjungan siswa adalah dalam 10.0 1.02 kunjun- gan, atau dari 8.98 sampai 11.02 kunjungan per bulan. = 0.52 Mengubah Estimasi Interval. Estimasi ini mungkin tidak memuaskan dalam dua hal. Pertama, ia mungkin tidak mewakili tingkat kepercayaan 310 Metode Riset Bisnis ABEL 8-2 Estimasi yang Dihubungkan dengan Wilayah di Bawah Kurva Po ee Pes ‘Standar Wilayah” keyakinan Range Interval - 1.00 627 2eampsi 1 wentara 9.48 don 10352 16s 010 Ssampa —‘ertre9.1¢dan 1086 1.96 95.00) 19 sampai 1 wantara 8.98 dan 11.02 200 95 45, Bis] ene 8961.04 © saapat antara dan 11.21 3.00. 99.73 270.sampai 1 * eo 7e oan pantara 8.44 dan 11.56 * Meiouti air dvi stip distrust nocral yang diinginkan Dick dalam estimasi interval. Misalnya, dia mungkin ingin tingkat kepercayaan yang lebih tinggi daripada tingkatan 95 persen yang digunakan. di sini. Dia dapat menunjuk pada. tabel wilayah dalam kurva normal dan menentukan berbagai kombinasi simpangan baku dan probabili- tas. Tabel 8-2 meringkas beberapa yang biasanya digunakan. Jadi, jika dia ingin keyakinian yang lebih tinggi dalam probabilitas termasuk rata-rata populasi delam jarak interval, dia dapat menggeser ke kesalahan standar yang lebih tinggi, misalnya K + 30. Dalam kasus ini, dia akan mengestimasi- kan bahwa rata-rata populasi terletak di tempat dalam jarak 10.0 + 3(0.52) atau dari 8.44 sampai 11. 56. Kemudian 997 dari 1000 kali, dia dapat mengharapkan interval ini mencakup rata-rata populasi Kita mungkin berharap untuk mempunyai estimasi bahwa akan me- megang jarak yan glebih kecil, kita harus (1) menerima tingkat keyakinan yang lebih kecil dalam hasilnya atau (2) mengambil sampel yang cukup besar untuk memberikan interval yang lebih kecil ini dengan tingkat kepercayaan vyang lebih kecil Jika satu kesalahan standar sama dengan 0.52 kunjungan, maka 0.2 kunjungan akan sama dengan 0.38 kesalahan standar (0.2/0.52). Dengan ‘menunjuk kepada tabel wilayah di bawah kurva, kit atemukan bahwa ada 29.6 persen peluang bahwa rata-rata populasi yang benar terletak di antara + 0.38 kesalahan standar dari 10.0. Yakni, dengan sampel 64, rata-rata sampel akan menjai subyek bagi sedemikian banyak varian kesalahan yang Desain Sampling 311 hanya 30 persen kali Dick dapat mengharapkan untuk menemukan rata- rata populasi di antara 9.8 dan 10.2 bergerak ke alternatif kedua, dia akan meningkatkan ukuran sampel sampai dia dapat memperoleh estimasi inter- val yang diinginkan dan tingkat keyakinan. Sampling Atribut Sampai pada titik ini, ukuran sampel yang diperlukan telah didiskusikan dalam bentuk variabel interval dan rasio — diukur sebagai rata-rata aritma- tika dan kesalahan standar dari rata-rata. Namun, seringkali, kita berurusan dengan data atribut. Suatu contoh adalah ketika kita mengukur prosentase orang yang mempunyai karakteristik tertentu atau merasakan dengan cara tertentu. Salah satu dari dua pertanyaan kunci berkaitan dengan studi dining club adalah: Berapa persentase orang dalam populasi yang mengatakan mereka akan bergabung dengan club. tersebut (didasarkan pada penilaian dan layanan tertentu yang diproyelisikan)? Ini adalah pertanyaan atribut penting untuk keputusan proyek tersebut Orang memilin sampel untuk menjawab pertanyaan di atas dengan menggunakan prosedur umum yang sama sebagaimana sebelumnya. Selain menggunakan rata-rata aritmetik dengan atribut, maka p (proporsi populasi yang memipunyai atribut). Dan selain simpangan baku, dengan atribut, varian diukur dalam bentuk p x q (di mana q merupakan proporsi populasi yang tidak mempunyai atribut, dan q = 1 —p). Ukuran penyebaran statistik ssampel juga mengubah dari kesalahan standar dan rate-rata (o,) ke kesalah- an standar dari poroporsi (6) Kita dapat mengkalkulasikan ukuran sampel didasarkan pada data atribut dengan membtat-keputusan subyeltif berkaitan dengan estimasi interval yang dapat diterima’dan tingkat keyakinan. Asumsikan bahwa 30 persen dari siswa mengatakan mereke- akan bergabuing dengan club tersebut. Kita memutuskan utnuk mengestimasi gambaran ini (p = 0.30 0.10). Selanjut- nya asumsikan bahwa kita ingin keyakinan menjadi 95 persen sehingga parameter populasi adalah di dalam + 0.10 dari proporsi sampel. Penghi- tungan ukuran sampel di muka dengan cara yang sama seperti sebelumnya: £0.10 = jarak interval yang diinginkan di dalam proporsi populasi yang diharapkan (keputusan subyeltif). 312 Metode Riset Bisnis 1.960, = tingkat keyakinan 0.95 untuk mengestimasi interval di di mana untuk mengharapkan proporsi populasi (keputusan subyektif) op = 0.051 = Kesalahan standar dari proporsi (0.10 / 1.96). pa= Ukuran penyebaran sampel (digunakan di sini sebagai esti- masi penyebaran populas)) 051 = VO3x07 m Ukuran samipel 82 orang didasarkan pada asuimsi populasi tak terbatas. Jika ukuran-sampel kurang dari 5 persen dari populasi, maka ada sedikit yang dicapai'dengan menggunakan penilaian populasi terbatas, Dalam contoh yang digunakan sampai point ini, asumsinya adalah bah- wa informasi yang terdahulu atau pertanyaan awal di depan estimasi varian- si, Misalkan informasi ini tidak dapat digunakan. Kernudian apa? Dengan data atribut ada gambaran berkaitan dengan varian yang tidak ditemukan dengan data variabel. Rasio pq tidak pemah dapat diperluas 0.25. Misainya, jika p = 0.5, maka q = 0.5, dan hasil mereka adalah 0.25. Jika p atau_q lebih besar daripada 0.5, maka hasil mereka lebih kecil daripada 0. 25 (misalnya 0.4 x 0.6 = 0.24, dan seterusnya). Ketika kita tidak mempunyai informasi betkaitan dengan nilai p yang mungkin, kita dapat mengasumsi- kan bahwa p = 0.5 dan menyelesaikan ukuran sampel Jika kita menggunakan estimasi varian maksimum, kita dapatkan kebu- tuhan sampel menjadi 97 Ve; 0.051 = VO.5x0.5 n- n=1 n=97 Interpretasi data yang didapatkan dengan sampel 97 dipilih secara random dari populasi siswa akan menjadi: Jika ditemukan 50 persen dari responden mengatakan mereka akan bergabung dengan club tersebut dengan pengeluaran $5 per bulan, maka kita dapat menjadi 95 persen yakin bahwa dalam sensus, dari 40 sampai 60 persen semua siswa akan mengatakan mereka akan bergabung dengan club tersebut. Desain Sampling 313 Fokus Bab Ingat bahwa Dick Ward dan Fred ‘Thomas tertarik dalam memulai dining club di dekat kampus Big University. Gagasan mereka adalah membuat fasilitasnya tersedia pada basis keanggotaan. Dick dan Fred melakukan pertemuan lagi untuk bekerja pada proyek dining club. Semakin mereka ‘memikirkan lagi mengenai gagasan ini, semakin mereka menjadi antusias. Kamis malam ini mereka harus memilih jenis dan ukuran sampel untuk diambil dalam survai pasar mereka Fred memulai dengan diskusi, “Lihat Dick, sampling ini adalah pekerja- anmu, bukan aku, Saya tidak tahu apa yang harus kita lakukan atau seberapa besar sampel yang harus kita ambil. namun jika kita berharap untuk mendapatkan keuangen kita, kita harus mempunyai sampel yang cukup besar untuk-meyakinkan para banker tersebut. Namun jika kita mengambil sampel yang lebih besar daripada yang kita perlukan, kita akan menghabiskan biaya.” Dick mengangguk setuju, “Kau benar. Saya telah memikirkan permasa- lahan sampling ini dengna berbagai cara. Jikaykita harus melakukannya secara ilmiah dan secara ekonomis, kita harus menggunakan sampel ran- dom sederhana, dan kita harus mengambil langkablangkah ini: 1. Memutuskan bagaimana mengukur ketepatan yang kita inginkan. 2. Mengkyantitaskan ketepatan dalam bentuk: — Ukuran estimast interval —Seberapa keyakinnan yang kita inginkan untuk diestimasi, 3. Tentukan penyebaran yang diharapkan dalam populasi untuk perta- rnyaan yang digunakan untuk mengukur ketepatan. 4. Putuskan apakah pefilaian popiilas terbatas harus digunakan. 5. Hitunglah ukuran sampel yang digunakan.” Bagaimana Mengukur Ketepatan? Untuk mengukur ketepatan, per- tama, pilihlah pertanyaan kunci dalam studi. Ini adalah pertanyaan dengan jawaban yang penting bagi keputusan tersebut. Kemudian kita menghitung seberapa besar sampel diperlukan untuk mendapatkan ketepatan yang memadai pada pertanyaan ini, Misalnya, dalam studi kita, dua pertanyaan_ 314 Metode Riset Bisnis utama yang benar-benar penting dan di mana kita yakin ingin angka yang solid adalah: 1. Berapa persen dari orang alam populasi kita mengatakan mereka ingin bergabung dengan club ini, berdasarkan penilaian dan servis yang diproyeksikan? 2. Dengan tingkat harga kita, berapa kali per bulan masing-masing ang- gota akan bergabung dengan club tersebut untuk lunch dan dinner? Bagaimana Mengkuantitaskan Ketepatan?. Kita harus mengambil dua keputusan subyektif untuk mengestimasikan ukuran sampel yang diper- lukan, satu adalah seberapa kepercayaan untuk meletalkan dalam populasi kita estimasi interval; yang lainnya adalah seberapa besar estimasi interval ini, Sementara kita mungkin berpikir dalam -bentuk 95 persen tingkat keyakinan, hal ini tidak diperlukan. Tingkat 95 persen seringkali diperlukan, namun:kita menginginkan rangkaian tingkatan untuk mengekspresikan tingkat kepercayaan yang diinginkan dalam menghasilkan estimasi interval. Ukuran estimasi interval harus diputuskan dengan kebutuhan kebutuhan tertentu, Yaitu, ambillah sampel untuk mengestimasikan parameter untuk suatu tujuan. Tergantung pada tujuannya, pillhlah interval yang lebih sempit atau lebih Ives. Kedua tingkatan keyakinan.tersebut dan interval estimasi yang diinginkan merupakan determinan penting dari ukuran sampel. Mereka itt, penting karena mereka menetukan kesalahan standar dari rata- rata sampel yang diperlukan untuk memenuhi kebutuhan kita. Berapa Sebaran Populasi yang Diharapkan? Faktor berikutnya yang mempengaruhi ukuran sampel untuk ketepatan tertentu adalah se- baran populasi. Semakin kecil sebaran populasi, semakin kecil sampel yang diperlukan utnuk memberikan gambaran representatif dari anggota popu- lasi. Misalkan kita tertarik dalam menentukan umur rata-rata dari populasi tertentu. Jika jarak umur berkisar dari 10 sampai 15 tahun, sampel kecil akan memberi kita estimasi yang dekat dari 10 rata-rata umur populasi. Jika populasi terdiri dari orang-orang berkisar dari kurang dari 1 sampai 100 tahun, sampel yang lebih besar diperlukan untuk tingkat keyakinan yang sama dalam estimasi Apakah Penilaian Populasi Terbatas diperlukan? Faktor althir yang mempengaruhi ukuran sampel random adalah ukuran populasi. Di mana Desain Sampling 315 ukuran sampel lebih dari 5 persen dari populasi, maka tepat untuk mengenali bahwa batasan populasi terbatas memberikan batasan pada ukuran sampel yang diperlukan. Berapa Ukuran Sampel yang Ditarik? Misalkan kita menginginkan 95 persen keyakinan bahwa rata-rata jumlah makan yang diambil per bulan yang diharapkan di dining club kampus yang diajukan akan menjadi di dalam interval + 0.1 makan. Ini berarti bahwa jika kita mengambil sampel siswa dan menemukan jumlah rata-rata makan yang diharapkan menjadi 10.0 maka kita bisa 95 persen percaya bahwa keseluruhan rata-rata tubuh siswa adalah dalam jarak 9.9 sampai 10.1 makan. Ini adalah tingkat ketepatan tinggi. Estimasi interval dari +0.1 makan harus mencakup se- baran + 1.96 kesalahan standar dari rata-rata. Oleh karenanya, satu kesa- lahan standar dari rata-rata-samia-dengan 0.051 (0.1/1.96). Asumsikan selanjutnya bahwa kita mempunyai alasan. untuk mempercayai bahwa kita akan menemukan deviasi sampel standar kira’kira 4.1 makan. Dengan data ini, kita dapat’ memecahkan permasalahan ukuran sampel 41 0.051 = by di mana +£0.1.= jarak interval yang diinginkan di mana parameter yang di- harapkan (keputusan subyektif). 1.969, => 'tingkat keyakinan 0.95 untuk mengestimasi interval di di mana untuk mengharapkan rata-rata populasi (keputusan subyektif). 0) =) 0.051 = Kesalahan standar deri rata-rata (0.10/1.96). = Simpangan baku dari sampel (digunakan di sini sebagai estimasi penyebaran populasi) = 4.1 Ini adalah ukuran sampel yang tepat tak masalah betapa besar tubuh siswa jika kita ingin tingkat ketepatan tinggi. Di lain pihak, hanya ada 20.000 orang dalam popualsi tersebut dan 6,464 mewakili sampel pada hampir ketiga dari mereka. Di sini kasus di mana faktor penilai terbatas 316 Metode Riset Bisnis dibutuhkan. Penilaian ini mengkoreksi ukuran sampel yang diperlukan seba- gai berikut: oS rT 20,000 - 1 n= 4,885, di mana N =Ukurat populasi n= Ukuran sampel Pengguinaan penilaian terbatas mengurangi ukuran sampel yang diperlukan untuk ketepatan terteritu namun pengurangan ini tidak signifikan jika sam- pelnya tidak paling tidak 5 persen dari populasi Jelasnya, kita tidak perlu ketepatan semacam itu dalam estimasi hitungan rata-rata sebagai 0.1 makan per bulan per orang. Estimasi yang lebih realistik mungkin di dalam + 0.5 makan. Berapa ukuran sampel yang kita perlukan untuk 95 persen yakin bahwa rata-tatapopulasi di dalam + 0.5 makanah dati rate-rata sampel? n= 259 di mana og = 0.255 dari (0.5/1.96) Jika populasi terbatas dari 20,00 dipertimbangkan, maka ukuran sampel- nya adalah 255 untuk estimasi interval dari + 0.5 makanan. Jika kita ingin menerima jarak interval + 1 makan, maka n = 64 memadai Keputusan. Fred dan Dick meninjau kembali estimasi biaya mereka dan hasilnya dari survei eksploratori yang mereka ambil dari beberapa siswa dan karyawan. Estimasi biaya tersebut menyatakan bahwa mereka perlu menda- patkan kire-kira $35,000 penghasilan per bulan, pada pemeriksaan rata- rata $3, ditambah yang lainnya $5,000 dalam juran keanggotaan untuk membuat club tersebut merupakan kelompok yang menarik. Desain Sampling 317 Mereka sepakat bahwa survai sampel harus memungkinkan mereka untuk mengestimasikan apakah tingkat keuntungan ini dapat dicapai. Hal ini dapat dilakukan dengan mendapatkan jawaban pada kedua pertanyaan yang telah digunakan untuk mengilustrasikan penghitungan ukuran sampel Mereka adalah: 1. Berapa persentase dari kesepakatan dari mereka bahwa mereka akan bergabung dengan dining club jika ada $5 per bulan iuran keanggo- tan, dengan harga manakan rata sama dengan dalam fasilitas kam- pus? 2. Dari mereka yang mengatakan bahwa mereka akan bergabung, berapa kali makan per bulan yang akan mereka beli? Dalam survai eksploratori, Fred dan Dick hanya menemukan 10 persen yang mengatakan mereka akan bergabung. Dari mereka, makanan rata-rata yang dikonsumsi diperkirakan 10 per bulam dengan simpangan baku 4.1 Dengan menggunakan data ini, dan asumsi tain yang diperlukan, Dick menghitung pengukuran ukuran sampel berikut ini Asumsikan p = .10. Pilihlah tingkat kepercayaan 95 persen. Estimasi interval — tes-satu ujung dari .03 (Yakni, jika mereka mene- mukan p = .10, maka mereka bisa 95 persen percaya bahwa populasi p adalah 0.7 atau lebih besar. =vexe = 0.03/1.65 = V 7 0.01818 = oo dazis Jika mereka mendapatkan hasil di atas, mereka akan mempunyai 27 orang (278 x .10) yang ingin bergabung dengan lunch club dan akan ditanyai frekuensi penggunaannya. ‘Asumsikan X = 10 dan s = 4.1 Pilihlah tingkat keyakinan dari 95 pesen. Estimasi interval — tes-satu ujung 318 Metode Riset Bisnis Estimast interval = 1.65 x 0.8 = 1.3. Limit terendah = 10 - 1.3 = 8.7 (yaitu, jika mereka menemukan bahwa jumlah makan rata-rata’adalah 10, dengan s = 4.1, maka mereka bisa jadi 95 persen percaya bahwa rata-rata populasi adalah paling tidak 8.7 makan per bulan). Kedua‘ siswa menyimpulkan bahwa gambaran mereka nampaknya ba- gus. Mereka dapat mengambil sampel 273 orang, secara random ditarik dari direktori Universitas terbaru. Jika mereka menemukan 10 persen yang diharapkan yang mengatakan bahwa mereka akan ikut, mereka dapat yakin bahwa:presentase populasi aalah paling tidak 7 persen atau 1,400 (.70 x 20,000): Jika subsampel dari 27 melaporkan penggunaan yang diharapkan dari 10 kali per bulan, mereka dapat yakin bahwa populasi akan melapor- kan penggunaan yang diharapkan paling tidak 8.7 kali per bulan. Estimasi ini akan menghasilkan keuntungan total $43,540 per bulan atau lebih dari kebutuhan yang mereka proyeksikan. 1.400 x $5 perbulan = $ 7,000 1,400 $38.7 makanan = 36,540 Tota $43,540 Satu titik althimya adalah bahwa mereka mungkin menginginkan untuk meningkatkan ukuran sampel untuk memberikan mereka sendiri margin kesalahan. Misalnya, jika varian benar-benar lebih besar daripada yang diharapkan, maka sampel mereka harus lebih besar daripada yang dihitung. Cuma, seberapa meningkatkan ukuran sampelnya itu adalah permasalahan penilaian. SAMPLING PROBABILITAS KOMPLEKS ‘Sampling random sederhana seringkali tidak praktis. Misalnya, ia memer- lukan daftar populasi yang seringkali tidak tersedia. Penggunaan desain int ‘mungkin juga sia-sia karena gagal untuk menggunakan semua informasi Desain Sampling 319 mengenai populasi; lagi pula, implementasi desain random sedethana mungkin mahal baik waktu maupun biayanya. Permasalahan ini mungkin membawa ke pengembangan desain alternatif yang lebih tinggi daripada desain random sederhana dalam bentuk statistik dan/atau efisiensi ek- onomi. ‘Sampel yang kbih efisien dalam arti statistik adalah sampel yang mem- berikan ketepatan yang sama (kesalahan standar dari rata-rata) dengan ukuran sampel yang lebih kecil. Orang mencapai hal ini terutama dengan menggunakan pengetahuan untuk menstratifikasi populasi. sampel vang secara ekonomis lebih efisien adalah sampel memberikan ketepatan yang diinginkan pada biaya dolar yang lebih rendah. Kita mencapai ini dengan desain yang memungkinkan kita untuk menurunkan pembiayaan pengum- pulan data, biasanya melalui pengurangen biaya perjalanan dan waktu ‘wawancara. Dalam pembahasan berikut ini, empat pendekatan altematif probabiltas sampling adalah: sampling sistematik, stratifikasi, Kluster, dan dobel Sampling Sistematik Versi probabilitas sampling yang paling banyak digunakan adalah mungkin sampling sistematik, Dalam pendekatan ini, settap k elemen dalam popu- lasi di sampling, dimulai dengan random dengan elemen dari 1 sampai k. Keuntungan utama dari sampling sistematik adalah kesederhanaannya dan fleksibilitasnya. Lebih mudah untuk menginstruksikan kepada pekerja la- pangan untuk memilih unit tempat tinggal yang terdaftar pada setiap bars k dari lembaran daftar daripada menggunakan tabel angka sampling random. Dengan sampling sistematik tidak perlu untuk, menomori kartu dalam file banyak personil untuk menarik sampel..Hanya menentukan total jumlah kartu dalam file, rasio sampling yang digunakan, dan permulaan random; kemudian mulai menarik sampel dengan memilih setiap k kartu. Rekening pelanggan dapat disampelkan dengan menggunakan digit terakhir atau digit kombinasi dari angka rekening pelanggan. Sampling waktu juga merupakan alat yang mudah. Sementara sampling sistematik mempunyai beberapa permasalahan teo- ritis, dari sudut pandang praktis, biasanya diperlakukan sebagai sampel random sederhana. Pada kenyataannya, desain ini secara statistik lebih 320 Metode Riset Bisnis efisien daripada sampel random sederhana ketika elemen populasi yang serupa dikelompokkan pada daftar. Hal ini mungkin terjadi jika daftar elemen diperintahkan secara kronologis, dengan ukurannya, denga kelas- nya, dan sebagainya. Dengan kondist seperti ini, sampel tersebut mendekati sampel stratifikasi proporsional. Efek dari urutan ini lebih dinyatakan pada hasil sampel luster daripada untuk sampel elemen dan mungkin memer- lukan penggunaan rumus sampling stratifikasi proporsional. Permasalahan utama dengan sampling: sistematik adalah periode ke- mungkinan/dalam populasi yang paralel rasio'sampling. Misalnya, dalam sampling hari per minggu, satu dari tujun rasio sampling akan memberikan hasil yang bias. Kasus yang kurang jelas mungkin meliputi survey di wilayah rumah apartemen di mana pola khusus adalah delapan apartemen per banigunan- Banyak bagian sampling sistematik, seperti satu dalam delapan, bisa dengan mudah melebihi sampel beberapa jenis apartemen dan mengu- rangi sampel lainnya. Proteksi satu-satunya terhadap hal ini adalah ke- waspadaan terus menerus cleh peneli Permasalahan lainnya mungkin terjadi ketika ada kecenderungan mono- tonik dalam elemen populasi. Yaitu, daftar populasi berbeda dari elemen vyang terkecil sampai yang terbesar atau sebaliknya. Bahkan daftar kronolo- gis mungkin mempeunyai efek ini ka pengukuran dicondongkan pada satu arah. Apakah sebuah sampel sistematik ditarik dari kondisi ini memberikan estimasi bias dari rata-tata populasi tergantung kepada penarikan random awal. Asumsikan bahwa daftar dari 2,000-bank komersial diciptakan, disusun dari yang terbesar sampal yang terkecil di mana 50 sampel harus ditaik untuk dianalisis. Rasio sampling dari 1 sampai 20 dan mulai dengan awal random pada 16 dan menarik setiap bank ke 20 setelah mengeluatkan ke 15 bank terbesar dan akan memberikan bias ukuran ke bawah pada penemuan. Akan selalu ada cara untuk berhubungan dengan hal ini. Orang mungkin merandomkan populasi sebelum sampling, perubahan awal ran- dom beberapa kali dalam proses sampling, atau mengulangi pemilihan sampel yang berbeda. Sampling Statifikasi Kebanyakan populasi dapat dipisahkan menjadi sejumlah subpopulasi yang secara mutual eksklusif, atau strata. Misalnya, siswa universitas bisa dibagi Desain Sampling 321 a berdasarkan tingkatan Kelasnya, sekolahnya, jenis kelamin, dan sebagainya Setelah populasi dibagi menjadi strata yang tepat, sampel random sederhana dapat diambil di dalam masing-masing strata. Hasil sampling kemmudian dapat diberi bobot dan dikombinasikan ke dalam estimasi populasi yang tepat. ‘Ada tiga alasan mengapa peneliti memilih sampel random stratifikas. ‘Alasan tersebut adalah (1) untuk meningkatkan efisiensi statistik sampel. (2) ‘memberikan data yang memadai untuk menganalisis berbagai sub populasi, dan (3) memungkinkan metode dan prosedur penelitian yang berbeda untuk digunakan dalam tingkatan yang berbeda. ‘Stratifiaksi hampir selalu lebih efisien secara statistik daripada sampling random sederhana dan paling buruk sama dengannya. Dengan stratifikasi ideal, masing-masing strata adalah homogen secara internal dan heteroge dengan strata yang lain. hal ini mungkin terjadi dalam sampel yang meliputi anggota ari beberapa kelompok etnik yang berbeda, Dalam kasus semacam. itu stratiftkasi membuat peningkatan nyata dalam efisiensi statistik. Stratifikasi juga berguna_ketika pendliti menginginkan untuk belajar karakteristike dari subkelompok, populasi tertentu. Jadi, jika seseorang ber- harap untuk menarik beberapa kesimpulan mengenai aktivitas dalam Kelas- Kelas ang berbeda dari tubuh siswa, maka sangat berguna juga untuk membuat sampel berdasar stratifikes. Stratifikast juga berguna ketika metode pengumpulan data yang berbeda diperlukan untuk bagian populasi yang berbeda. Hel ini mungkin terjadi ketika kita mensurvai para peker) aperusahaan di Kantor rumah dengan satu ‘metode namun harus menggunakan pendekatan yang berbeda dengan para pekerja yang tersebar di seluruh negara. ‘Asumsikan bahwa data tersedia di mana untuk mendasari keputusan stratifikasi,, bagalmana kita harus menanganinya? Stratifikasi ideal akan didasarkan pada variabel utama di baweh studi.’ Misalnya, jika pethatian utama adelah tempelajari berapa kali per bulan sisiva akan menggunakan dining club, maka orang akan menstratifikasikany pada jumlah penggunaan peluang yatig diharapkan. Satu-satunya kesulitan dengan gagasan ini adalah jika kita mempunyai informasi ini, kita tidak perlu untuk melakukan studi. Kita harus, oleh karenanya, mengambil sebuah variabel untuk menstratif asikan apa yang kita percayai akan berhubungan dengan frekuensi peng- gunaan club per bulan. Namun demikian, peneliti seringkali mempunyai variabel pokok menge- nai kita ingin menarik kesimpulan. Pendekatan yang logis untuk permasala- 322 Metode Riset Bisnis han ini adalah mencari beberapa basis untuk strafifikasi yang berhubungan. baik dengan variabel utara. Bisa jadi itu adalah variabel tunggal (tingkat Kelas) atau bisa juga majemuk (kelas, jenis kelamin). Dalam setiap kejadian, kita akan melakukan stratifikasi pekerjaan dengan bagus jika dasar stratif- kasi memaksimalkan perbedaan di antara rata-rata strata dan meminimal- kan varian di dalam strata untuk variabel perhatian utama. Berapa strata hanus digunakan? Semakin banyak strata yang digunakan, semalkin dekat anda untuk memaksimalkan perbedaan interstrata dan memini- ‘malkan varian interstrata. Anda harus mendasarken keputusan terutama pada jumlah kelompok subpopulast di mana anda mengharapkan untuk menarik kesimpulan terpisah. Biaya stratifkast juga masuk ke dalam keputusan, Co- chran menyarankan bahwa ada sedikit yang bisa diperoleh dalam mengesti- ‘asian Keseluruhan nilai populasi ketika jumlah starta lebih dari enam. Uluran, sampel strata ditentukan dengan dua faltor, Pertama adalah permasalahan seberapa besar total sampel yang scharusnya; kedua adalah bagaimana total sampel diletekkan di antara strata. Dalam memutuskan bagaimana mengalokasikan total sampel di antara berbagai strata, ada pilihan yang proporsional dan yang tidak proporsional. Sampling yang Proporsional dan yang Tidak Proporsional. Dalam arti umum, dinyatakan bahwa masing-masing strata akan terwakili secara tepat jika sampel yang ditarik dari proporsinya ke bagian strata dari total populasi, Pendekatan ini lebih populer daripada prosedur sampling stratif- asi lainnya. Sampling proporsional-biasanya akan mempunyai efisiensi statistik yang lebih tinggi daripada sampel random sederhana. Metode ini juga jauh lebih mudah untuk dilakukan daripada metode stratifikasi lainnya. Keuntungan ketiga adalah bahwa prosedur sampling semacam itu memberi- kan sampel dengan bobot tersediri; rata-rata populasi bisa diestimasikan secara sederhana dengan menghitung rata-rata dari semua sampel kasus. Di Jain pihak, sampel stratifikasi proporsional akan seringkali mendapatkan sedikit capaian dalam efisiensi statistik jika rata-rata strata dan varian serupa untuk variabel utama dalam studi Setiap stratifkasi yang berangkat dari hubungan proporsional jelas tidak proporsional. Mungkin ada sejumlah besar skema alokasi yang tidak propor- sional. Satu jenis mungkin ditentukan secara penilaian disproporsi berdasarkan pada masing-masing strata yang cukup besar untuk mendapatkan tingkat keyakinan memadai dan estimasi jarak interval untuk strata individual. Desain Sampling 323 Namun, logika sampling yang tidak proporsional biasanya ditentukan oleh tiga faktor yang mempengaruhi bagaiman asampel akan dialokasikan di antara strata. Cochran menunjukkan bahwa: Dalam strata yang ada, ambillan sampel yang lebih besar jika: 1, Strata-stratanya lebih besar. 2. Stratanya lebih bervariasi secara internal 3. Sampling lebih murah di dalam strata. Jika orang menggunakan pernyataan ini sebagai pedoman, memungkin untuk mengembangkan skema stratifikasi optimal. Ketika tidak ada perbe- daan untuk mengembangkan skema stratfikasi. Ketika tidak ada pebedaan «i dalam varian strata dan ketika biaya sampling di antara strata sama, desain optimal ini merupakan sampel yang proporsional ‘Sementara sampling yang tidak proporsional secara teoritis lebih tinggi, ada beberapa pertanyaan apakah ia mempunyai kemampuan aplikasi yang Juas dalam arti praktis. Jika perbedaan dalam biaya sampling atau varian di antara strata itu besar maka sampling tidak proporsional dikehendaki. Kis menyatakan bahwa “perbedaan dari beberapa pembungkus diperlukan un- tuk membuat sampling yang tidak proporsional tetap berharga.” Sampling Kluster Dalam sampel random sedethana, masing-masing elemen populasi dipilih secara, sendirt-sendiri, Keseluruhan populasi juga dapat dibagi menjadi kelompokrkelompok elemen dan beberapa kelompok untuk studi yang dipilih secara random. Ini adalah sampling kluster. Pertanyaan peran- taranya adalah; Bagaimana hal ini berbeda dengan sampling stratifikasi? Merek amiungkin dapat dibandingkan sebagai berikut: ‘Sampling Stretifikast Sampling Stratifikasi 1. Kita membagi populasi menjadi 1. Kita membagi populas! menjadi ‘beberapa sub kelompok, masing- ‘beberapa subkelompok masing- rmasing dengan beberapa elemen di ‘masing dengan beberapa elemen di

    Anda mungkin juga menyukai