Prinsip sebuah sekolah dasar ingin investigate efektivitas sejarah buku baru AS
digunakan oleh beberapa guru di kabupaten tersebut. Keluar dari
Sebanyak 22 guru yang menggunakan teks, ia memilih sampel 6 Dia berencana untuk
membandingkan prestasi siswa di kelas guru tersebut 'dengan orang-orang dari
lain 6 guru yang tidak menggunakan teks.
MENDEFINISIKAN PENDUDUK
Tugas pertama dalam memilih sampel adalah mendefinisikan popular yang lation
bunga. Dalam apa yang kelompok, tepatnya, adalah peneliti tertarik? Kepada siapa
apakah ia ingin hasil Penelitian untuk menerapkan? Populasi, dengan kata lain, adalah
kelompok menarik bagi peneliti, kelompok untuk siapa peneliti ingin
menggeneralisasi hasil studi. Berikut adalah beberapa contoh dari populasi:
Semua siswa yang menghadiri Central High School di Omaha, Nebraska, selama
tahun akademik 2005-2006
Contoh di atas menunjukkan bahwa populasi dapat berbagai ukuran dan bahwa hal itu
akan memiliki minimal satu (dan kadang-kadang beberapa) karakteristik (s) yang
menetapkan itu lepas dari yang lain penduduk. Perhatikan bahwa populasi selalu
semua individu yang memiliki karakteristik tertentu (atau set karakteristik).
Dalam penelitian pendidikan, populasi bunga biasanya sekelompok orang (siswa,
guru, atau lainnya dapat menentukan penerapan temuan untuk mereka
situasi sendiri. Kegagalan untuk mendefinisikan secara rinci populasi bunga, dan
sampel yang diteliti, adalah salah satu yang paling kelemahan umum laporan
penelitian yang dipublikasikan. Hal ini Penting untuk dicatat bahwa sampel yang
sebenarnya mungkin berbeda dari sampel awalnya dipilih karena beberapa subjects
dapat menolak untuk berpartisipasi, beberapa mata pelajaran bisa turun out, data bisa
hilang, dan sejenisnya. Kami ulangi, oleh karena itu, bahwa sangat penting untuk
menggambarkan karakteristik contoh tersebut dipelajari secara rinci.
RANDOM SAMPLING VERSUS non RANDOM
Berikut ini adalah contoh dari masing-masing dua jenis utama sampling.
Random sampling:
Dekan sekolah education dalam keinginan universitas midwestern besar
untuk mengetahui bagaimana perasaan fakultasnya tentang arus persyaratan cuti
panjang di universitas. Dia menempatkan semua 150 nama fakultas di topi, campuran
mereka secara menyeluruh, dan kemudian menarik keluar nama-nama 25 orang untuk
wawancara.
* Cara yang lebih baik untuk melakukan hal ini akan dibahas segera, tapi ini memberi
Anda ide.
Acak: Seorang peneliti ingin melakukan survey semua guru IPS di midwestern sebuah
negara untuk menentukan sikap mereka terhadap pedoman negara baru untuk
pembelajaran sejarah di sekolah menengah. Ada total
725 IPS di negara bagian. The nama-nama guru ini diperoleh dan terdaftar
abjad. Peneliti kemudian nomor nama-nama pada daftar dari 001 sampai 725.
Menggunakan tabel nomor acak, yang ia menemukan di Statistik buku, ia memilih
100 guru untuk sampel.
Pada contoh kedua, perhatikan bahwa semua toko buku pengguna tidak memiliki
kesempatan yang sama untuk diikutsertakan dalam sampel, yang termasuk hanya
mereka yang mengunjungi selama jam makan siang. Itulah sebabnya sampel tidak
acak. Perhatikan juga bahwa beberapa mungkin tidak selesai kuesioner.
Acak Metode Sampling Setelah membuat keputusan untuk sampel, para peneliti
berusaha keras, dalam kebanyakan kasus, untuk mendapatkan sampel yang
perwakilan tive dari populasi bunga-yang berarti mereka prafer random sampling.
Tiga cara yang paling umum mendapatkan jenis sampel acak sederhana sam pling,
stratified random sampling, dan cluster sampling. Sebuah metode yang kurang umum
adalah dua-tahap random sampling.
Sebuah sampel acak sederhana adalah satu di mana masing-masing dan setiap
anggota dari populasi memiliki sama dan kesempatan tergantung untuk dipilih. Jika
sampel besar, metode ini adalah cara terbaik belum dirancang untuk mendapatkan
perwakilan sampel dari populasi yang menarik. Mari mengambil contoh: Tentukan
populasi karena semua kelas delapan siswa di sekolah distrik Y. Bayangkan ada 500
murid penyok. Jika Anda adalah salah satu dari para siswa ini, kesempatan Anda
untuk terpilih akan No.1 di 500, jika sampling Prosedur memang acak. Setiap orang
akan memiliki kesempatan yang sama untuk terpilih. Semakin besar sampel acak
dalam ukuran, semakin besar kemungkinan itu adalah untuk mewakili populasi.
Meskipun tidak ada jaminan keterwakilan, tentu saja, likelikap yang itu lebih besar
dengan sampel acak besar daripada dengan metode lainnya. Setiap perbedaan antara
sampel dan populasi harus kecil dan unsys- tematik. Setiap perbedaan yang memang
terjadi adalah hasil dari kebetulan, bukan prasangka pada bagian dari peneliti. Kunci
untuk mendapatkan sampel acak adalah untuk memastikan bahwa setiap anggota dari
populasi memiliki kesempatan yang sama dan independen untuk terpilih. ini dapat
dilakukan dengan menggunakan apa yang dikenal sebagai tabel random nomor daftar
yang sangat besar angka yang tidak memiliki urutan atau pola. Daftar tersebut dapat
ditemukan dalam belakang kebanyakan buku statistik. Tabel 6.1 menggambarkan
bagian dari tabel khas nomor acak. Misalnya, untuk mendapatkan sampel dari 200
dari popular sebuah lation dari 2.000 orang, menggunakan tabel tersebut, pilih kolom
angka, mulai di mana saja di kolom, dan
mulai membaca angka empat digit. (Mengapa empat digit? Karena jumlah akhir,
2.000, terdiri dari empat dig- nya, dan kami selalu harus menggunakan jumlah yang
sama digit untuk setiap orang. Orang 1 akan diidentifikasi sebagai 0001; orang 2,
sebagai 0002; orang 635, sebagai 0635; dan lain sebagainya.) Kemudian dilanjutkan
dengan menuliskan 200 nomor pertama dalam kolom yang memiliki nilai 2.000 atau
kurang.
Mari kita mengambil kolom pertama dari empat angka di Tabel 6.1 sebagai
contoh. Membaca hanya yang pertama empat dig- nya, melihat angka pertama dalam
kolom: Ini adalah 0117, sehingga nomor 117 dalam daftar individu dalam populasi
akan dipilih untuk sampel. Lihatlah kedua Nomor: Ini adalah 9123. ada 9123 dalam
populasi (karena hanya ada 2.000 orang di seluruh yang populasi). Jadi pergi ke
nomor ketiga: Ini adalah 0864, maka jumlah 864 dalam daftar orang-orang di pop
yang modulasi akan dipilih. Angka keempat itu 0593, jadi nomor 593 akan dipilih.
Jumlah kelima adalah 6662. Tidak ada 6.662 penduduk, jadi pergi ke berikutnya
jumlah, dan sebagainya, hingga mencapai total 200 num-
anggota-, masing-masing mewakili individu dalam populasi yang akan dipilih untuk
sampel. kebanyakan peneliti menggunakan daftar yang dihasilkan komputer untuk
mendapatkan sampel mereka acak. Hal ini dapat dilakukan dengan mudah
menggunakan EXCEL software (lihat kotak berjudul "Menggunakan EXCEL
Menggambar Acak Sampel "dalam Bab 11 tentang p. 235). Keuntungan dari random
sampling adalah bahwa, jika besar cukup, sangat mungkin untuk menghasilkan wakil
sampel. Kerugian terbesar adalah bahwa hal itu tidak mudah untuk dilakukan.
Masing-masing dan setiap anggota populasi harus diidentifikasi. Dalam kebanyakan
kasus, kita harus mampu untuk menghubungi individu yang dipilih. Dalam semua
kasus, kita harus tahu siapa 117 (misalnya) adalah.
1. Dia mengidentifikasi target (dan dapat diakses) penduduk: semua 365 siswa
kelas dua belas terdaftar di Amerika Kursus pemerintah di kabupaten.
2. Dia menemukan bahwa ada 219 perempuan (60 persen) dan 146 laki-laki (40
persen) dalam populasi. dia CIDES telah sampel yang terdiri dari 30 persen
dari
populasi sasaran.
3. Menggunakan tabel nomor acak, ia kemudian berlari- domly memilih 30
persen dari setiap strata dari penduduk, yang menghasilkan 66 perempuan (30
persen
dari 219) dan 44 laki-laki (30 persen dari 146) siswa yang dipilih dari sub-
kelompok. proporsi laki-laki dan perempuan adalah sama dalam kedua
populasi tersebut tion dan sampel-40 dan 60 persen (Gambar 6.2). Keuntungan
dari stratified random sampling adalah bahwa itu meningkatkan kemungkinan
keterwakilan, especially jika sampel seseorang tidak terlalu besar. Ini hampir
memastikan bahwa karakteristik kunci dari individu dalam Populasi yang
termasuk dalam proporsi yang sama dalam sampel. Kerugiannya adalah bahwa
ia memerlukan lebih banyak usaha pada bagian dari peneliti.
CLUSTER SAMPLING RANDOM
Dalam kedua acak dan stratified random sampling, riset-ers ingin memastikan
bahwa beberapa jenis individu termasuk dalam sampel. Tapi ada saat-saat itu tidak
mungkin untuk memilih sampel individu dari populasi yang tion. Kadang-kadang,
misalnya, daftar semua anggota populasi bunga tidak tersedia. Jelas, kemudian,
simple random atau stratified random sampling tidak dapat digunakan. Sering, para
peneliti tidak dapat memilih sampel individu karena pembatasan administratif atau
lainnya.
Hal ini sering berguna untuk menggabungkan cluster random sampling dengan
individu random sampling. Hal ini dilakukan oleh dua tahap random sampling.
Daripada secara acak memilih 100 siswa dari populasi 3.000 ninth- kelas yang
terletak di 100 kelas, peneliti mungkin decide untuk memilih 25 kelas secara acak dari
populasi dari 100 kelas dan kemudian secara acak memilih 4 siswa dari masing-
masing kelas. Ini jauh lebih sedikit memakan waktu dari kunjungan sebagian besar
100 kelas. Mengapa hal ini akan lebih baik daripada menggunakan seluruh siswa
untuk memilik empat orang secara acak dari kelas tersebut?
Ketika merencanakan untuk memilih sampel dari daftar dari beberapa semacam, oleh
karena itu, peneliti harus hati-hati memeriksa daftar untuk memastikan tidak ada pola ini siklus.
Jika
daftar telah disusun dalam urutan tertentu, riset harus memastikan pengaturan tidak akan bias
sampel dalam beberapa cara yang dapat mendistorsi hasil. Jika seperti tampaknya menjadi kasus,
langkah-langkah harus diambil untuk memastikan keterwakilan-misalnya, dengan memilih
secara acak individu dari masing-masing bagian siklus. Bahkan, jika daftar populasisecara acak
memerintahkan, sebuah sample sistematis diambil dari daftar adalah sampel acak.
KENYAMANAN SAMPLING
Sering kali hal ini sangat sulit (bahkan kadang-kadang mustahil) untuk memilih acak atau
sistematis sampel nonrandom. Pada saat seperti itu, peneliti dapat
menggunakan convenience sampling. Contoh kenyamanan adalah sekelompok orang yang
(mudah) yang tersedia untuk studi (Gambar 6.5). Dengan demikian, seorang peneliti mungkin
memutuskan untuk mempelajari dua kelas kelas tiga di dekatnya SD sekolah karena kepala
sekolah meminta bantuan dalam mengevaluasi efektivitas ejaan buku baru. Berikut adalah
beberapa contoh sampel kenyamanan:
Untuk mengetahui bagaimana perasaan siswa tentang layanan makanan di serikat
mahasiswa di universitas Pantai Timur, yang Manajer berdiri di luar pintu utama cafeteria
yang hari Senin pagi dan wawancara pertama 50 siswa yang berjalan keluar dari kantin.
Sebuah wawancara konselor sekolah tinggi semua siswa yang datang kepadanya untuk
konseling tentang karir mereka rencana.
Seorang reporter berita untuk sebuah stasiun televisi lokal meminta orang yang lewat di
sudut jalan pusat kota opinion mereka tentang rencana untuk membangun stadion bisbol
baru dalam
pinggiran terdekat.
Seorang profesor universitas membandingkan reaksi siswa untuk dua buku teks yang
berbeda di kelas statistik nya. Pada masing-masing contoh di atas, kelompok tertentu
orang dipilih untuk studi karena mereka memanfaatkan-mampu. Keuntungan yang jelas
dari jenis sampling kenyamanan. Tapi sebagai jelas, ia memiliki kelemahan utama dalam
sampel akan sangat mungkin menjadi bias. Ambil kasus reporter TV yang mewawancarai
orang yang lewat di sudut jalan pusat kota. banyak mungkin sumber bias ada. Pertama-
tama, tentu saja, siapa saja yang tidak di pusat kota hari itu tidak memiliki kesempatan
untuk menjadi antar melihat. Kedua, orang-orang yang tidak mau memberikan pandangan
mereka tidak akan diwawancarai. Ketiga, mereka yang setuju untuk diwawancarai
mungkin akan individu- als yang memiliki pendapat yang kuat salah satu cara atau yang
lain tentang stadion. Keempat, tergantung pada waktu hari, mereka yang diwawancarai
sangat mungkin akan menganggur atau memiliki pekerjaan yang tidak mengharuskan
mereka untuk berada di dalam ruangan. dan sebagainya. Secara umum, sampel yang baik
tidak bisa dianggap mewakili populasi apapun dan harus dihindari jika mungkin.
Sayangnya, kadang-kadang mereka adalah satu-satunya pilihan seorang peneliti. ketika
seperti ini terjadi, peneliti harus berhati-hati untuk memasukkan informasi mengenai
demografi dan lainnya characteristics sampel yang diteliti. Studi ini juga harus
direplikasi, yaitu, berulang, dengan sejumlah Serupa sampel lar untuk mengurangi
kemungkinan bahwa hasil diperoleh hanyalah kejadian satu kali. Kami akan
mendiskusikan replikasi secara lebih mendalam kemudian dalam bab ini.
PURPOSIVE SAMPLING
Pada kesempatan, berdasarkan pengetahuan sebelumnya popular suatu lation dan tujuan
khusus dari penelitian ini, investigators menggunakan penilaian pribadi untuk memilih sampel.
Peneliti berasumsi mereka dapat menggunakan pengetahuan mereka tentang populasi untuk
menilai apakah atau tidak sampel tertentu akan menjadi wakil. Berikut adalah beberapa contoh:
Seorang guru IPS kelas delapan memilih 2 siswa dengan rata-rata tertinggi indeks
prestasi di
kelasnya, 2 yang rata-rata kelas titik jatuh tengah kelas, dan 2 dengan terendah nilai rata-
rata untuk mengetahui bagaimana kelasnya terasa tentang termasuk diskusi tentang
peristiwa saat ini sebagai bagian rutin dari kegiatan kelas. Sampel yang sama di masa lalu
telah mewakili sudut pandang dari total kelas cukup akurat.
Seorang mahasiswa pascasarjana ingin tahu orang-orang bagaimana pensiun usia 65 dan
lebih merasa tentang mereka "tahun-tahun emas." Dia telah diberitahu oleh salah seorang
profesornya, seorang ahli penuaan dan penduduk usia, bahwa Asso lokal ciation Pekerja
Pensiunan adalah cross perwakilan bagian orang pensiunan usia 65 dan lebih. dia
memutuskan untuk mewawancarai sampel dari 50 orang yang menjadi anggota asosiasi
untuk mendapatkan pandangan mereka. Dalam kedua contoh ini, informasi sebelumnya
yang dipimpin peneliti untuk percaya bahwa sampel yang dipilih akan mewakili populasi.
Ada kedua bentuk purposive sampling di mana ia tidak diharapkan bahwa orang-orang
yang dipilih itu sendiri wakil dari penduduk, melainkan bahwa mereka memiliki iden-
yang informasi sary tentang populasi.
Sebagai contoh:
Seorang peneliti diminta untuk mengidentifikasi kekuatan resmi hirarki di sekolah tinggi
tertentu. dia memutuskan untuk mewawancarai kepala sekolah, perwakilan serikat
pekerja,
sekretaris kepala sekolah, dan penjaga sekolah karena ia memiliki informasi sebelumnya
yang mengarah ke percaya bahwa mereka adalah orang-orang yang memiliki informasi
yang tion yang dia butuhkan.
Selama lima tahun terakhir, para pemimpin guru asosiasi di distrik sekolah Midwest
memiliki-wakil membenci pandangan tiga-perempat dari para guru di distrik pada
masalah yang paling utama. Tahun ini, ada kedepan, pemerintah kabupaten memutuskan
untuk mewawancarai hanya para pemimpin asosiasi daripada pilih sampel dari semua
guru kabupaten. Purposive sampling berbeda dari kenyamanan sampel dalam peneliti
tidak hanya mempelajari yang pernah tersedia melainkan menggunakan penilaian mereka
untuk memilih sampel yang mereka percaya, berdasarkan informasi sebelumnya, akan
memberikan data yang mereka butuhkan. Kerugian utama sampling purposive adalah
bahwa penghakiman peneliti mungkin kesalahan-ia mungkin tidak benar dalam
estimating keterwakilan sampel atau keahlian mereka mengenai informasi yang
dibutuhkan. Di-contoh kedua Ple atas, pemimpin tahun ini asosiasi guru mungkin
memiliki pandangan yang sangat berbeda dari orang-orang dari mereka anggota. Gambar
6.6 mengilustrasikan metode conve- nience, purposive, dan sampling sistematik.
Simple random sampling: Identifikasi semua eighth kelas di semua sekolah negeri dan swasta
di tujuh kabupaten (perkiraan jumlah kelas delapan siswa 5 9000). Menetapkan setiap siswa
nomor, dan kemudian menggunakan tabel nomor acak untuk memilih sampel 200 Kesulitan di
sini adalah bahwa hal itu memakan waktu untuk mengidentifikasi setiap murid kelas delapan di
Bay Area dan menghubungi (mungkin) sekitar 200 sekolah yang berbeda dalam rangka untuk
mengelola instrumen KASIH untuk satu atau dua siswa di sekolah-sekolah. Cluster random
sampling: Identifikasi semua publik dan sekolah swasta memiliki kelas delapan di tujuh
kabupaten. Menetapkan masing-masing sekolah number sebuah , dan kemudian secara acak
memilih empat sekolah dan include semua kelas kelas delapan di sekolah masing-masing. (Kami
akan memperkirakan 2 kelas per sekolah 30 siswa per kelas 4 sekolah 5 total 240 siswa.)
Cluster random sampling jauh lebih layak daripada simple random sampling untuk
melaksanakan, tetapi terbatas karena penggunaan hanya empat sekolah, meskipun mereka harus
dipilih secara acak. untuk Misalnya, pemilihan hanya empat sekolah mungkin mengecualikan
seleksi siswa sekolah swasta.
Stratified random sampling: Mendapatkan data pada jumlah siswa kelas delapan di
depanumum dibandingkan sekolah swasta dan menentukan proporsi setiap jenis (misalnya, 80
persen publik, 20 persen private). Tentukan jumlah dari masing-masing tipe dicicipi: public 5 80
persen dari 200 5 160; swasta 5 20 persen dari 200 5 40. acak se-sampel lek dari 160 dan 40
siswa dari daerah masing subpopulasitive siswa publik dan swasta. Stratifikasi dapat digunakan
untuk memastikan bahwa sample adalah perwakilan pada variabel lain juga. Kesulitan dengan
metode ini adalah bahwa stratification mensyaratkan bahwa peneliti tahu proporsional yang tions
di setiap strata penduduk, dan juga menjadi semakin sulit karena lebih variabel ditambahkan.
Bayangkan mencoba untuk stratifikasi tidak hanya pada variabel publik-swasta, tetapi juga
(misalnya) etnis siswa, jenis kelamin, dan sosial ekonomi status, dan gender dan pengalaman
guru.
Dua-tahap random sampling: acak pilih 25 sekolah dari populasi diakses dari sekolah,
dan kemudian secara acak memilih 8 siswa kelas delapan dari masing-masing sekolah (n 5 8 3 25
5 200). Metode ini jauh lebih layak daripada simple random sampling dan lebih representatif
dari gugus sampling. Ini mungkin menjadi pilihan terbaik di-contoh ini ple, tetapi masih
memerlukan izin dari 25 sekolah dan sumber daya untuk mengumpulkan data dari masing-
masing.
Convenience sampling: Temukan delapan kelas di empat sekolah yang peneliti memiliki akses
(sekali lagi, kami memperkirakan dua kelas 30 siswa per sekolah, jadi n 5 30 4 2 5 240).
metode ini menghalangi generalisasi di luar empat sekolah, kecuali argumen yang kuat dengan
data pendukung dapat dibuat untuk kesamaan mereka untuk seluruh kelompok
sekolah dapat diakses. Purposive sampling: Pilih 8 kelas dari seluruh tujuh kabupaten
berdasarkan data demografi menunjukkan bahwa mereka mewakili semua eighth-
kelas. Perhatian khusus harus diberikan pada nasib sendiri harga diri dan prestasi skor.
Masalahnya adalah bahwa data tersebut tidak mungkin akan tersedia dan, dalam kasus, tidak
dapat menghilangkan kemungkinan perbedaan antara sampel dan populasi di variables- lain
seperti sikap guru dan sumber daya yang tersedia. Sampling sistematik: Pilih setiap siswa 45 dari
daftar abjad untuk setiap sekolah. 200 siswa dalam sampel 9.000 siswa di populasi 45 Metode ini
hampir sama nyaman sebagai berlari- sederhana dom sampling dan kemungkinan akan
menghasilkan sampel bias, karena nama ke-45 di masing-masing sekolah cenderung berada di
terakhir ketiga alfabet (ingat ada diperkirakan 60 delapan kelas di setiap sekolah),
memperkenalkan kemungkinan Bias etnis atau budaya.Ukuran Sampel Menarik kesimpulan
tentang populasi setelah mempelajari sampel tidak pernah benar-benar memuaskan, karena
peneliti dapat tidak pernah yakin bahwa sampel mereka sempurna perwakilan dari populasi.
Beberapa perbedaan antara sampel dan penduduk terikat ada, tetapi jika sampel adalah dipilih
secara acak dan ukuran yang cukup, perbedaan-perbedaan ini cenderung relatif tidak signifikan
dan tak terduga. The pertanyaan tetap, oleh karena itu, untuk apa yang merupakan suatu
memadai, atau cukup, ukuran untuk sampel. Sayangnya, tidak ada jawaban yang jelas untuk
pertanyaan yang ini tion. Misalkan populasi target terdiri dari 1.000 eighthgrader di distrik
sekolah tertentu. Beberapa ukuran sampel, dari Tentu saja, jelas terlalu kecil. Sampel dengan 1
atau 2 atau 3 orang, misalnya, sangat kecil bahwa mereka bisa- tidak mungkin menjadi wakil.
Mungkin setiap sampel yang memiliki kurang dari 20 sampai 30 ekor terlalu kecil, karena itu
akan 2 atau 3 persen dari populasi. pada Sebaliknya, sampel bisa terlalu besar, mengingat jumlah
waktu dan usaha peneliti harus dimasukkan ke dalam memperolehnya. dalam contoh ini, sampel
dari 250 atau lebih individu akan mungkin akan sia-sia besar, karena itu akan merupakan
seperempat dari populasi. Tapi bagaimana sampel 50 atau 100? Apakah ini akan cukup besar?
Akankah sampel 200 terlalu besar? Pada titik, tepatnya, apakah sampel berhenti menjadi terlalu
kecil dan menjadi cukup besar? The Jawaban terbaik adalah bahwa sampel harus sama besar
dengan daya yang pencari dapat memperoleh dengan pengeluaran waktu yang wajar dan energi.
Ini, tentu saja, ini tidak banyak membantu sebagai salah satu ingin, tapi itu menunjukkan bahwa
peneliti harus mencoba untuk memperoleh sebagai besar sampel karena mereka cukup bisa.
Ada beberapa panduan yang kami sarankan dengan Berkaitan dengan jumlah minimum mata
pelajaran yang dibutuhkan. untuk studi deskriptif, yang kita pikirkan sampel dengan minimum
jumlah 100 adalah penting. Untuk studi korelasional, sebuah sampel minimal 50 dipandang perlu
untuk menetapkan adanya hubungan. Untuk eksperimental dan causal-
studi banding, kami sarankan minimal 30 individu per kelompok, meskipun kadang-kadang
experimen Studi tal dengan hanya 15 orang di setiap kelompok dapat dipertahankan jika mereka
sangat dikontrol ketat; studi hanya menggunakan 15 subyek per kelompok mungkin harus-wakil
licated Namun, sebelum terlalu banyak terbuat dari temuan apapun.
* Dalam studi kualitatif, jumlah peserta dalam sampel biasanya di suatu tempat antara 1 dan 20.
Eksternal Validitas: Generalisasi dari Sampel Sebagaimana ditunjukkan sebelumnya dalam bab
ini, peneliti Umum ize ketika mereka menerapkan temuan studi tertentu untuk orang atau
pengaturan yang melampaui orang-orang tertentu atau pengaturan yang digunakan dalam
penelitian ini. Seluruh gagasan tentang science dibangun atas gagasan generalisasi. setiap ilmu
berusaha untuk menemukan prinsip-prinsip dasar atau hukum yang dapat diterapkan
untuk berbagai macam situasi dan, dalam kasus ilmu-ilmu sosial, untuk banyak orang.
kebanyakan riset ingin menggeneralisasi temuan mereka ke pop yang sesuai
Doing. Tapi ketika sedang generalisasi dibenarkan? ketika peneliti dapat mengatakan dengan
keyakinan bahwa apa yang mereka miliki belajar tentang sampel ini juga berlaku untuk
populasi? Kedua sifat sampel dan lingkungan kondisi-setting-di mana studi mengambil Tempat
harus diperhatikan dalam berpikir tentang generaliz- kemampuan. Sejauh mana hasil penelitian
dapat digeneralisasi menentukan validitas eksternal studi. Dalam dua bab berikutnya, kami juga
membahas bagaimana konsep validitas diterapkan untuk instrumen (instrumen validitas) dan
desain internal dari sebuah penelitian.
PENDUDUK GENERALISASI
Populasi generalisasi mengacu pada derajat yang sampel mewakili populasi bunga.
Jika hasil penelitian hanya berlaku untuk kelompok yang dipelajari dan jika kelompok yang
relatif kecil atau sempit didefinisikan, kegunaan setiap temuan serius limited. Hal ini mengapa
mencoba untuk mendapatkan sam perwakilan ple sangat penting. Karena melakukan penelitian
mengambil cukup banyak waktu, energi, dan (sering) uang, peneliti biasanya ingin hasil dari
investigation untuk menjadi seperti luas berlaku mungkin.
Ketika kita berbicara tentang keterwakilan, namun, kami yang hanya mengacu pada
penting, atau relevan,-sifat teristics dari populasi. Apa yang dimaksud dengan relevan?
Hanya bahwa karakteristik dimaksud bisa saja menjadi faktor yang berkontribusi terhadap hasil
apapun yang diperoleh. Misalnya, jika seorang peneliti ingin memilih sampel
dari pertama dan kedua kelas untuk mempelajari pengaruh dari pembacaan Metode ing pada
prestasi murid, characteristic tersebut sebagai tinggi, warna mata, atau melompat kemampuan
akan dinilai tidak relevan-yaitu, kita tidak akan mengharapkan variasi di dalamnya memiliki efek
pada bagaimana mudahnya anak belajar membaca, dan karenanya kita tidak akan terlalu
khawatir jika karakteristik yang tidak memadai terwakili dalam sampel. Ciri lainnya, seperti
usia, jenis kelamin, atau ketajaman visual, di sisi lain, mungkin (logis) berpengaruh dan
karenanya harus appropridi dalamnya luar biasa terwakili dalam sampel.
Setiap kali purposive atau kenyamanan sampel digunakan, generalisasi dibuat lebih masuk akal
jika data yang disajikan untuk menunjukkan bahwa sampel mewakili
dari populasi dimaksudkan pada setidaknya beberapa yang relevan variabel. Prosedur ini,
bagaimanapun, tidak pernah bisa menjamin keterwakilan pada semua variabel yang relevan.
Salah satu aspek dari generalisasi yang sering berlebihan melihat ke dalam "metode" atau
"pengobatan" studi berkaitan dengan guru, konselor, administrator, atau orang lain yang
mengelola berbagai perawatan. Kita harus ingat bahwa studi tersebut tidak hanya melibatkan
sampel siswa, klien, atau penerima lain dari perawatan tetapi juga contoh orang-orang yang
melaksanakan berbagai perawatan. Dengan demikian, sebuah studi yang secara acak memilih
siswa tetapi tidak guru hanya berhak untuk menggeneralisasi hasil untuk populasi siswa-jika
mereka diajarkan oleh guru yang sama. Untuk menggeneralisasi hasil untuk pengajaran lainnya
ers, sampel guru juga harus dipilih berlaridomly dan harus cukup besar. Akhirnya, kita harus
ingat bahwa sampel Penelitian apapun adalah kelompok tentang siapa data sebenarnya diperoleh.
Rencana terbaik sampling tidak ada nilainya jika in-formasi yang hilang pada porsi yang cukup
besar dari awal sampel. Setelah sampel telah dipilih, setiap ef- benteng harus dilakukan untuk
memastikan bahwa data yang diperlukan diperoleh pada setiap orang dalam sampel. ini adalah
seringkali sulit untuk dilakukan, terutama dengan questionnaire- ketik studi survei, tetapi
hasilnya layak waktu dan energi yang dikeluarkan. Sayangnya, ada tidak ada panduan yang jelas
untuk berapa banyak mata pelajaran dapat hilang sebelum keterwakilan terganggu serius. Setiap
peneliti yang kehilangan lebih dari 10 persen dari awalnya sampel yang dipilih akan disarankan
untuk mengakui keterbatasan ini dan memenuhi syarat conclu- mereka aksesi sesuai. Apakah
peneliti selalu ingin menggeneralisasi? The hanya peneliti waktu tidak tertarik pada generalisasi
melampaui batas-batas studi tertentu adalah ketika Hasil investigasi yang menarik hanya sebagai
ap disuplai kepada sekelompok orang tertentu pada waktu tertentu, dan di mana semua anggota
kelompok termasuk dalam penelitian ini. Sebuah contoh mungkin pendapat dari fakultas sekolah
dasar pada isu tertentu seperti apakah untuk melaksanakan program matematika baru. ini
mungkin bernilai bagi fakultas yang untuk pengambilan keputusan atau perencanaan program,
tetapi tidak untuk orang lain.
GENERALISASI EKOLOGI.
Generalisasi ekologi mengacu pada derajat mana hasil penelitian dapat diperpanjang
untuk lainnyapengaturan atau kondisi. Peneliti harus membuat jelas sifat lingkungan kondisi-the
pengaturan-di mana penelitian berlangsung. Kondisi ini harussama dalam semua hal penting
dalam setiap situasi baru tion di mana peneliti ingin menegaskan bahwa temuan merekaings
berlaku. Sebagai contoh, tidak dibenarkan untuk menggeneralisasi dari studi tentang efek dari
program membaca baru ketiga kelas dalam sistem sekolah perkotaan besar untuk pengajaraning
matematika, bahkan untuk para siswa dalam sistem itu. Hasil penelitian dari lingkungan sekolah
perkotaan mungkintidak berlaku untuk lingkungan sekolah pinggiran kota atau pedesaan;hasil
yang diperoleh dengan transparansi mungkin tidak berlaku untuk mereka dengan buku teks. Apa
berlaku untuk satu mata pelajaran,atau dengan bahan-bahan tertentu, atau dalam kondisi
tertentu,atau pada waktu tertentu mungkin tidak menggeneralisasi untuk mata pelajaran
lain,bahan, kondisi, atau kali.Contoh generalisasi ekologi yang tidak pantas terjadi dalam sebuah
studi yang menemukan bahwa metode tertentu instruksi diterapkan untuk memetakan membaca
mengakibatkan lebih besar transfer ke interpretasi peta umum pada bagian dari kelima kelas di
beberapa sekolah. Peneliti merekomendasikan bahwa metode pengajaran menjadi digunakan di
daerah konten lainnya, seperti matematika dan ilmu pengetahuan, perbedaan menghadap dalam
isi, bahan, dan keterampilan yang terlibat, di samping perbedaan kemungkinan sumber daya,
pengalaman guru, dan sejenisnya. tidak benar generalisasi ekologi seperti ini tetap kutukan
banyak penelitian pendidikan. Sayangnya, penerapan teknik-kuat nique random sampling hampir
tidak pernah mungkin sehubungan dengan generalisasi ekologi. Meskipun dibayangkan bahwa
peneliti dapat mengidentifikasi "populasitions "pola organisasi, bahan, kelas kondisi, dan
sebagainya, dan kemudian secara acak memilih siz- Jumlah mampu kombinasi dari semua
kemungkinan combinations, logistik melakukannya merusakkan pikiran. Oleh karena itu, peneliti
harus berhati-hati tentang gendereralizing hasil dari salah satu studi. hanya ketika hasil telah
terbukti menjadi serupa melalui-wakil lication di kondisi lingkungan yang spesifik dapat kita
generalisasi seluruh kondisi tersebut. Gambar 6.7 mengilustrasikan trates perbedaan antara
populasi dan ekologiskal generalisasi.