POPULASI DAN SAMPEL

Pengertian Populasi dan Sampel

Kata populasi (population/universe) dalam statistika merujuk pada sekumpulan individu

dengan karakteristik khas yang menjadi perhatian dalam suatu penelitian (pengamatan).
Sementara sampel adalah bagian kecil dari anggota populasi yang diambil menurut
prosedur tertentu sehingga dapat mewakili populasinya.
Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi.
Ukuran populasi ada dua: (1) populasi terhingga (finite population), yaitu ukuran
populasi yang berapa pun besarnya tetapi masih bisa dihitung (cauntable). Misalnya
populasi pegawai suatu perusahaan; (2) populasi tak terhingga (infinite population), yaitu
ukuran populasi yang sudah sedemikian besarnya sehingga sudah tidak bisa dihitung
(uncountable). Misalnya populasi tanaman anggrek di dunia.

Gambar 1
POPULASI dan SAMPEL

Teknik Penarikan Sampel (Sampling)

Sampling is the process of selecting observations. Proses seleksi yang dimaksud di sini
adalah proses untuk mendapatkan sampel.

Gambar 2
LOGIKA Sampling
 Masalah yang dihadapi dalam sampling adalah (1) bagaimana proses pengambilan
sampel, dan (2) berapa banyak unit analisis yang akan diambil.

Tipe Sampling

Gambar 3
Tipe Sampling

Simple random sampling adalah sebuah proses sampling yang dilakukan sedemikian
rupa sehingga setiap satuan sampling yang ada dalam populasi mempunyai peluang yang
sama untuk dipilih ke dalam sampel.
Systematic sampling merupakan pengambilan setiap unsur ke k dalam populasi, untuk
dijadikan sampel. Pengambilan sampel secara acak hanya dilakukan pada pengambilan
awal saja, sementara pengambilan kedua dan seterusnya ditentukan secara sistematis,
yaitu menggunakan interval tertentu sebesar k.
Stratified sampling adalah penarikan sampel berstrata yang dilakukan dengan mengambil
sampel acak sederhana dari setiap strata populasi yang sudah ditentukan lebih dulu.

Gambar 3
Tipe Stratified Sampling
 Cluster sampling adalah
Convenience sampling, sampel diambil berdasarkan faktor spontanitas, artinya siapa saja
yang secara tidak sengaja bertemu dengan peneliti dan sesuai dengan karakteristiknya,
maka orang tersebut dapat dijadikan sampel.
Judgement sampling (purposive sampling) adalah teknik penarikan sampel yang
dilakukan berdasarkan karakteristik yang ditetapkan terhadap elemen populasi target
yang disesuaikan dengan tujuan atau masalah penelitian.Bedanya, jika dalam sampling
stratifikasi penarikan sampel dari setiap subpopulasi dilakukan dengan acak, maka dalam
sampling kuota, ukuran serta sampel pada setiap sub-subpopulasi ditentukan sendiri oleh
peneliti sampai jumlah tertentu tanpa acak.
Snowball Sampling merupakan salah satu bentuk judgement sampling yang sangat tepat
digunakan bila populasinya kecil dan spesifik. Cara pengambilan sampel dengan teknik
ini dilakukan secara berantai, makin lama sampel menjadi semakin besar, seperti bola
salju yang menuruni lereng gunung.

Kriteria Sampling

Kriteria yang harus diperhatikan untuk menentukan tipe sampling yang baik, diantaranya:
(1) dapat menghasilkan gambaran yang dapat dipercaya dari seluruh populasi,
(2) dapat menentukan presisi dari hasil penelitian,
(3) sederhana, mudah dilaksanakan, dan
(4) dapat memberikan keterangan sebanyak mungkin tentang populasi dengan biaya minimal.

Prinsip Menentukan Ukuran Sampel (sample size)

Ukuran sampel bisa ditentukan melalui dua dasar pemikiran, yaitu ditentukan atas dasar
pemikiran statistis, dan atau ditentukan atas dasar pemikiran non statistis. Ditinjau dari aspek
statistis, ukuran sampel ditentukan oleh beberapa faktor, diantaranya: (1) bentuk parameter yang
menjadi tolak ukur analisis, dalam arti apakah tujuan penelitian ini untuk menaksir rata-rata,
persentase, atau menguji kebermaknaan hipotesis, (2) tipe sampling, apakah simple random
sampling, stratified random sampling atau yang lainnya. Tipe sampling ini berkaitan dengan
penentuan rumus-rumus yang harus dipakai untuk memperoleh ukuran sampel, dan (3)
variabilitas variabel yang diteliti (keseragaman variabel yang diteliti), makin tidak seragam atau
heterogen variabel yang diteliti, makin besar ukuran sampel minimal. Sedangkan dipandang dari
sudut nonstatistis, ukuran sampel ditentukan oleh beberapa faktor, diantaranya: (1) kendala
waktu atau time constraint, (2) biaya, dan (3) ketersediaan satuan sampling.

Populasi Sasaran dan Populasi Studi

Gambar 4
Populasi Sasaran dan Populasi Studi

Satuan Sampling dan Kerangka Sampling

Satuan sampling adalah segala sesuatu yang dijadikan satuan (unit) yang nantinya akan
menjadi objek penelitian. Contoh: (1) apabila Indonesia dibagi ke dalam 33 satuan yang
disebut propinsi dan dalam penelitian provinsi ini yang akan dipilih sebagai sampel,
maka provinsi menjadi satuan sampling. (2) Apabila sebuah perusahan dibagi ke dalam
departemen atau bagian, dan dalam departemen atau bagian ini sampel akan dipilih
sebagai objek penelitian, maka departemen atau bagian ini adalah satuan sampling.
Kerangka sampling adalah daftar yang berisi satuan-satuan sampling yang ada dalam
sebuah populasi, yang berfungsi sebagai dasar untuk penarikan sampel. Setiap satuan
sampling mempunyai nomor urut tertentu. Contoh: Kota Bandung terdiri dari kecamatan-
kecamatan. Kalau peneliti menjadikan kecamatan dimana sampel akan dipilih sebagai
objek, maka kecamatan adalah satuan sampling. Nama-nama kecamatan yang ada di Kota
Bandung kemudian didaftar, maka daftar nama-nama kecamatan di Kota Bandung ini
yang dinamakan kerangka sampling. Bentuk kerangka samplingnya dapat dilihat pada
tabel berikut:

Gambar 5
Kerangka Sampling
Presisi dan Akurasi

Presisi (precision) diartikan sebagai ukuran seberapa jauh sesuatu alat akan memberikan
hasil yang konsisten. Presisi erat kaitannya dengan variasi data.
Akurasi adalah seberapa tepat alat mengukur apa yang seharusnya diukur. Jadi akurasi
berbicara tentang jarak, yang diukur dari target. Dengan demikian akurasi menunjukkan
ketepatan atau ketelitian menentukan sampel dalam menggambarkan karakteristik
populasi.

Gambar 6

Sampel dikatakan memiliki akurasi tinggi apabila kesimpulan yang diambil dari sampel
dapat menggambarkan karakteristik dari populasi dan sebaliknya dikatakan akurasinya
rendah apabila karakteristik populasi tidak sepenuhnya dapat digambarkan
(menyimpang/bias) oleh kesimpulan yang diambil dari sampel.

Tingkat Kepercayaan dan Tingkat Signifikansi

Proses inferensi dalam metode statistika adalah proses membuat induksi atau melakukan
generalisasi tentang karakteristik populasi berdasarkan karakteristik sampel. Proses
inferensi mengandung dua hal, yaitu membuat estimasi nilai parameter dan menguji
hipotesis.
Karena membuat estimasi dan/atau menguji hipotesis hanya berdasarkan pada informasi
data sampel, sedang sifat sampel bagaimanapun juga tidak akan persis sama dengan
populasi, maka diperlukan kriteria atau standar tertentu untuk digunakan sebagai dasar
pengambilan keputusan dalam membuat estimasi maupun dalam menguji hipotesis.
Kriteria tersebut dalam statistika disebut sebagai tingkat kepercayaan (confidence level)
dan tingkat signifikansi (significance level).
Tingkat kepercayaan atau tingkat keyakinan pada dasarnya menunjukkan tingkat
keterpercayaan sejauhmana statistik sampel dapat mengestimasi dengan benar parameter
populasi dan/atau sejauhmana pengambilan keputusan mengenai hasil uji hipotesis nol
diyakini kebenarannya.
 Dalam statistika, tingkat kepercayaan nilainya berkisar antara 0 sampai 100%. Secara
konvensional, para peneliti dalam ilmu-ilmu sosial sering menetapkan tingkat
kepercayaan berkisar antara 95 99%. Jika dikatakan tingkat kepercayaan yang
digunakan adalah 95%, ini berarti tingkat kepastian statistik sampel mengestimasi dengan
benar parameter populasi adalah 95%, atau tingkat keyakinan untuk menolak atau
mendukung hipotesis nol dengan benar adalah 95%.
Tingkat signifikansi (a) menunjukkan probabilitas atau peluang kesalahan yang
ditetapkan peneliti dalam mengambil keputusan untuk menolak atau mendukung
hipotesis nol. Seperti halnya tingkat kepercayaan, tingkat signifikansi juga dinyatakan
dalam persen. Misalnya, ditetapkan tingkat signifikansi 0,05 atau 0,10. Artinya,
keputusan peneliti untuk menolak atau mendukung hipotesis nol memiliki probabilitas
kesalahan sebesar 5% atau 10%. Dalam beberapa program statistik berbasis komputer
seperti SPSS, tingkat signifikansi selalu disertakan dan ditulis sebagai Sig. (=
significance), atau dalam program komputer lainnya ditulis p-value. Nilai Sig. atau p-
value adalah nilai probabilitas kesalahan yang dihitung atau menunjukkan tingkat
probabilitas kesalahan yang sebenarnya. Tingkat kesalahan ini digunakan sebagai dasar
untuk mengambil keputusan dalam pengujian hipotesis.