APA ITU SAMPEL?

Kebanyakan orang, yang kita pikirkan, berdasarkan kesimpulan mereka

tentang sekelompok orang (siswa, Republik, dimainkan sepak bola ers, aktor, dan
sebagainya) dari pengalaman yang mereka miliki dengan jumlah yang cukup kecil,
atau sampel, dari-anggota individual anggota-. Kadang-kadang kesimpulan tersebut
adalah-wakil akurat resentation bagaimana kelompok yang lebih besar dari orang-
orang bertindak atau apa yang mereka yakini, tetapi sering mereka tidak. Itu semua
tergantung bagaimana perwakilan (yaitu, betapa miripnya)
Sampel adalah dari kelompok yang lebih besar. Salah satu langkah yang
paling penting dalam penelitian process adalah pemilihan sampel individu yang akan
berpartisipasi (diamati atau dipertanyakan). Sampling mengacu pada proses pemilihan
orang-orang

SAMPEL DAN POPULASI

Contoh dalam studi penelitian adalah kelompok yang Informasi diperoleh.
Kelompok yang lebih besar untuk mana yang berharap untuk menerapkan hasil
disebut populasi. Semua 700 (atau apa pun Jumlah) mahasiswa di Negara Uni-
keanekaragaman yang jurusan matematika, misalnya, merupakan populasi; 50 orang
siswa merupakan
sampel. Siswa yang memiliki mobil membuat penduduk lainnya, seperti halnya
mahasiswa yang tinggal di kampus asrama. Perhatikan bahwa kelompok mungkin
baik sampel dalam satu konteks dan populasi dalam konteks lain. semua
State University siswa yang memiliki mobil konstitusional Tute populasi pemilik
mobil di negara, namun mereka juga merupakan contoh dari semua pemilik mobil di
universitas negeri di seluruh Amerika Serikat. Ketika itu adalah mungkin, peneliti
akan lebih memilih untuk belajar seluruh populasi bunga. Biasanya, bagaimanapun,
ini
sulit untuk dilakukan. Sebagian besar populasi bunga besar, beragam, dan tersebar di
wilayah geografis yang luas. temuan, apalagi menghubungi, semua anggota dapat
waktu-memakan waktu dan mahal. Oleh karena itu, kebutuhan peneliti sering memilih
sampel untuk belajar. beberapa-contoh prinsip-sampel yang dipilih dari populasi ikuti:
Seorang peneliti tertarik mempelajari efek diet pada rentang perhatian siswa kelas
tiga di kota besar. Ada 1.500 anak kelas ketiga menghadiri sekolah dasar di kota. Para
peneliti memilih 150 ini ketiga grader, 30 masing-masing lima yang berbeda
sekolah, sebagai sampel untuk penelitian.
Administrator di sekolah menengah perkotaan besar adalah antar
ested pendapat mahasiswa pada program konseling baru di kabupaten tersebut. Ada
enam sekolah tinggi dan beberapa 14.000 siswa di kabupaten tersebut. Dari daftar
master semua mahasiswa yang terdaftar di sekolah kabupaten, administrasi yang
tor memilih sampel dari 1.400 siswa (350 dari masing-masing dari empat nilai, 9-12)
kepada siapa ia berencana untuk mail kuesioner menanyakan pendapat mereka
tentang program ini.

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 kepala sekolah tinggi di Amerika Serikat

Semua konselor sekolah dasar di negara bagian California

Semua siswa yang menghadiri Central High School di Omaha, Nebraska, selama
tahun akademik 2005-2006

Semua siswa di kelas kelas tiga Ms Brown di Wharton Sekolah Dasar.

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.

Non Random Sampel:

Presiden sama universitas ingin tahu bagaimana fakultas junior merasa tentang
kebijakan promosi bahwa ia baru-baru ini diperkenalkan (dengan saran dari fakultas
komitmen tee). Dia memilih sampel dari 30 dari total-faktor ulty 1.000 untuk
berbicara dengan. Lima anggota fakultas dari masing-masing enam sekolah yang
membentuk universitas dipilih atas dasar tindak yang kriteria: Mereka telah mengajar
di universitas kurang dari lima tahun, mereka nontenured, mereka termasuk salah satu
asosiasi fakultas di kampus, dan mereka belum menjadi anggota komite yang
membantu presiden menyusun kebijakan baru. Dalam contoh pertama, 25 nama yang
dipilih dari topi setelah semua nama telah dicampur secara menyeluruh. Hal ini
disebut random sampling karena setiap gota ber penduduk (150 anggota fakultas di
sekolah) mungkin memiliki kesempatan yang sama untuk menjadi selected. Ada cara
yang lebih canggih gambar sampel acak, tetapi mereka semua memiliki intent sama
untuk memilih sampel yang representatif dari populasi (Gambar 6.1). Ide dasarnya
adalah bahwa kelompok individu mereka inilah yang dipilih sangat mirip seluruh
penduduk
Satu tidak pernah bisa yakin akan hal ini, tentu saja, tapi jika sampel dipilih
secara acak dan cukup besar, seorang peneliti harus mendapatkan pandangan yang
akurat yang lebih besar kelompok. Cara terbaik untuk memastikan ini adalah untuk
melihat bahwa tidak ada Bias memasuki proses seleksi-bahwa peneliti (atau faktor
lain) tidak bisa secara sadar atau tidak sadar Pengaruh yang akan dipilih untuk
menjadi sampel. Kami ex-polos lebih lanjut tentang cara untuk meminimalkan bias
kemudian bab ini. Dalam contoh kedua, presiden ingin wakil sentativeness, tapi tidak
sebanyak yang ia ingin membuat yakin ada beberapa jenis fakultas dalam sampelnya.

Dengan demikian, ia telah ditetapkan bahwa setiap individu dipilih harus

memiliki semua kriteria yang disebutkan. setiap anggota populasi (seluruh fakultas
dari universitas) tidak memiliki kesempatan yang sama untuk menjadi dipilih;
beberapa, pada kenyataannya,tidak memiliki kesempatan. Oleh karena itu, ini adalah
contoh sampling nonrandom, kadang-kadang disebut purposive sampling (lihat hal.
100). Berikut adalah Contoh lain dari sampel acak kontras dengan sampel nonrandom.

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.

Nonrandom: Manajer kampus book toko di sebuah universitas setempat ingin

mengetahui bagaimana siswa merasa tentang layanan toko buku menyediakan. Setiap
hari selama dua minggu selama dia jam makan siang, ia meminta setiap orang yang
memasuki toko buku untuk mengisi kuesioner singkat dia telah menyiapkan dan
menjatuhkannya di kotak dekat entrance sebelum meninggalkan.Pada akhir dua yang
periode minggu, dia memiliki total 235 selesai kuesioner.

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.

SIMPLE SAMPLING RANDOM

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.

Selanjutnya, simple random sampling tidak digunakan apabila peneliti ingin

memastikan bahwa subkelompok tertentu hadir dalam sampel dalam proporsi yang
sama dengan mereka dalam populasi. Untuk melakukan hal ini, peneliti harus terlibat
dalam apa yang dikenal sebagai stratified sampling.

STRATIFIED SAMPLING RANDOM

Stratified random sampling adalah proses di mana subkelompok certtain, atau

strata, yang dipilih untuk sampel di proporsi yang sama seperti mereka ada dalam
populasi. dukungan menimbulkan direktur riset untuk sebuah distrik sekolah besar
ingin mengetahui respon siswa ke dua belas kelas baru Pemerintah Amerika buku teks
kabupaten adalah mempertimbangkan mengadopsi. Dia bermaksud untuk
membandingkan prestasi siswa menggunakan buku baru dengan siswa menggunakan
teks yang lebih tradisional kabupaten telah membeli di masa lalu. Karena ia memiliki
alasan untuk percaya bahwa gender adalah variabel penting yang dapat
mempengaruhi hasil penelitian, dia memutuskan untuk memastikan bahwa proporsi
laki-laki dan perempuan dalam penelitian ini adalah sama seperti dalam penduduk.
Langkah-langkah dalam proses pengambilan sampel akan sebagai berikut:

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 terutama berlaku di sekolah-sekolah. Misalnya, jika sebuah

mendapatkan populasi adalah semua siswa kelas XI dalam sebuah distrik yang
terdaftar dalam program sejarah AS, itu akan menjadi tidak mungkin bahwa peneliti
dapat menarik keluar secara acak se-siswa lected untuk berpartisipasi dalam kurikuler
eksperimental lum. Bahkan jika hal itu bisa dilakukan, waktu dan upaya yang
diperlukan akan membuat pilihan seperti itu sulit. Tentang terbaik peneliti bisa
berharap untuk akan mempelajari sejumlah utuh kelas-yaitu, kelas yang sudah ada.
The pemilihan kelompok, atau kelompok, mata pelajaran dan bukan individu dikenal
sebagai cluster random sampling. hanya sebagai simple random sampling lebih efektif
dengan lebih besar jumlah individu, cluster random sampling lebih efektif dengan
jumlah yang lebih besar dari cluster. Mari kita pertimbangkan contoh lain dari cluster
random sampling. Pengawas sekolah terpadu besar district di kota di Pantai Timur
ingin mendapatkan beberapa ide bagaimana guru di kabupaten merasa tentang
membayar jasa. ada 10.000 guru di semua SD dan SMP sekolah kabupaten, dan ada
50 sekolah didistribusikan atas area yang luas. Inspektur tidak memiliki dana untuk
survei semua guru di kabupaten ini, dan ia membutuhkan informasi tentang manfaat
membayar dengan cepat. Alih-alih secara acak memilih sampel guru dari setiap
sekolah, oleh karena itu, ia memutuskan untuk mewawancarai semua guru di sekolah
yang dipilih. Para guru di sekolah masing-masing, maka, merupakan cluster.
Inspektur menetapkan sebuah nomor untuk masing-masing sekolah dan kemudian
menggunakan tabel angka acak untuk memilih 10 sekolah (20 persen dari populasi).
Semua guru di se-yang sekolah lected maka merupakan sampel. pewawancara
pertanyaan semua guru di masing-masing 10 sekolah, bukan daripada harus
melakukan perjalanan ke semua sekolah di kabupaten. Jika ini
guru merupakan guru yang tersisa di kabupaten ini, maka inspektur dibenarkan dalam
menarik kesimpulan tentang perasaan dari seluruh penduduk guru di
distriknya tentang membayar jasa. Ada kemungkinan bahwa sampel ini tidak
representatif, tentu saja. Karena guru untuk diwawancarai semua berasal dari
sejumlah kecil sekolah di kabupaten, mungkin terjadi bahwa sekolah-sekolah ini
berbeda dalam beberapa cara dari sekolah lain di kabupaten ini, sehingga
mempengaruhi pandangan para guru di sekolah-sekolah dengan hal membayar jasa.
Semakin banyak sekolah yang dipilih, semakin kemungkinan temuan akan berlAku
untuk populasi guru (Gambar 6.3). Cluster random sampling mirip dengan simple
random pengambilan sampel kecuali bahwa kelompok daripada individu dipilih
secara acak (yaitu, unit sampling adalah kelompok bukan individu). Keuntungan
cluster random sampling yang dapat digunakan ketika sulit atau tidak mungkin untuk
memilih sampel acak dari individu, seringkali jauh lebih mudah untuk menerapkan di
sekolah, dan itu adalah sering kurang memakan waktu. Kerugian adalah bahwa ada
kesempatan jauh lebih besar dari memilih sampel yang tidak mewakili populasi.
Banyak peneliti mulai membuat kesalahan umum berkaitan dengan klaster random
sampling: acak memilih hanya satu cluster sebagai sampel dan kemudian pemantau
atau mewawancarai semua individu dalam cluster tersebut. Bahkan jika ada sejumlah
besar individu dalam klaster, adalah cluster yang telah dipilih secara acak, bukan
individu; maka peneliti tidak berjudul untuk menarik kesimpulan tentang populasi
target orang tersebut. Namun beberapa peneliti menarik seperti kesimpulan. Kami
ulangi, mereka tidak seharusnya.

DUA-STAGE SAMPLING ACAK

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?

Because four classes would be too few to ensure repre-

sentativeness, even though they were selected randomly.
Figure 6.4 illustrates the different random sampling
methods we have discussed.

Nonrandom Sampling Methods

SYSTEMATIC SAMPLING
In systematic sampling, every nth individual in the
population list is selected for inclusion in the sample.
For example, in a population list of 5,000 names, to se-
lect a sample of 500, a researcher would select every
tenth name on the list until reaching a total of 500
names. Here is an example of this type of sampling:
The principal of a large middle school (grades 68)
with 1,000 students wants to know how students feel
about the new menu in the school cafeteria. She obtains
an alphabetical list of all students in the school and se-
lects every tenth student on the list to be in the sample.
Untuk menjaga terhadap prasangka, ia menempatkan angka 1 sampai 10 dalam topi danmenarik
satu keluar. Ini adalah 3 Jadi dia memilih murid yang penyok nomor 3, 13, 23, 33, 43, dan
seterusnya sampai dia sampel 100 siswa untuk diwawancarai. Metode di atas secara teknis
dikenal sebagai sistem-ATIC sampling dengan awal yang acak. Selain itu, ada adalah dua istilah
yang sering digunakan ketika mengacu pada sampling sistematik. Interval sampling dis- yang
dikan dalam daftar antara masing-masing individu yang dipilih untuk sampel. Dalam contoh di
atas, itu adalah 10 A rumus sederhana untuk menentukan hal itu adalah: Ukuran sampel yang
diinginkan Rasio sampling proporsi individu dalam populasi yang dipilih sebagai sampel. dalam
contoh di atas, itu adalah .10, atau 10 persen. Sebuah cara sederhana untuk menentukan rasio
sampling:
Ada bahaya dalam sampling sistematik yang kadang-kadang diabaikan. Jika penduduk
telah
memerintahkan sistematis-yaitu, jika susunan individu dalam daftar adalah dalam beberapa jenis
pola yang sengaja bertepatan dengan sampling interval nyata sampel bias dapat hasil. Ini kadang-
kadang disebut periodisitas. Misalkan sekolah menengah siswa dalam contoh sebelumnya belum
terdaftar abjad melainkan dengan wali kelas dan bahwa guru wali kelas sebelumnya terdaftar
siswa di kamar mereka dengan nilai rata-rata, tinggi ke rendah. Itu berarti bahwa siswa yang
lebih baik akan berada di bagian atas setiap daftar wali kelas. Misalkan juga bahwa setiap wali
kelas memiliki 30 siswa. Jika kepala sekolah mulai nya pemilihan setiap siswa kesepuluh dengan
pertama atau kedua atau mahasiswa ketiga dalam daftar, sampel nya akan terdiri siswa lebih baik
di sekolah daripada wakil yang sentation dari seluruh mahasiswa. (Apakah Anda melihat
mengapa? Karena di setiap kelas, para siswa miskin akan menjadi orang yang dihitung antara 24
dan 30, dan mereka tidak akan pernah mendapatkan dipilih.

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.

SEBUAH TINJAUAN METODE SAMPLING

Mari kita menggambarkan masing-masing metode pengambilan sampel sebelumnya

menggunakan hipotesis yang sama: "Siswa dengan rendah diri berkerumun menunjukkan
prestasi yang lebih rendah dalam mata pelajaran sekolah. "Populasi sasaran: Semua delapan
kelas di California. Populasi diakses: Semua delapan kelas di San Francisco Bay Area (tujuh
kabupaten). Layak ukuran sampel: n 5 200 2 250.

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.

KETIKA SAMPLING RANDOM TIDAK LAYAK

Seperti yang telah kita tunjukkan, kadang-kadang tidak layak atau bahkan
mungkin untuk mendapatkan sampel acak. Bila ini adalah sebuah kasus, kemungkinan
peneliti harus menjelaskan sampel secara menyeluruh atau secara detail sebagai contoh, usia,
jenis kelamin, etnis, dan status sosial ekonomi sehingga orang lain berminat untuk bisa menilai
sendiri sejauh mana setiap hasil ditemukan penerapannya dan kepada siapa dan di mana
diterapkan.
Hal ini jelas suatu prosedur lebih rendah dibandingkan dengan sampel acak,
tapi kadang-kadang merupakan satu-satunya alternatif yang dimiliki. Ada kemungkinan lain
ketika sampel acak tidak mungkin untuk didapatkan: Hal ini disebut replikasi. ulang di
pencari (atau peneliti lain) mengulangi penelitian menggunakan berbagai kelompok mata
pelajaran dalam situasi yang berbeda. Jika Penelitian ini diulang beberapa kali, menggunakan
berbagai kelompok mata pelajaran dan di bawah kondisi yang berbeda geografi, sosioekonomi,
kemampuan, dan sebagainya, dan jika pemerintah-Hasil pengujian yang diperoleh pada dasarnya
sama dalam setiap kasus, a peneliti mungkin memiliki keyakinan tambahan tentang generalizing
temuan. Dalam sebagian besar studi yang telah dilakukan di pendidikan, sampel acak belum
digunakan. ada Tampaknya ada dua alasan untuk ini. Pertama, daya pendidikan pencari mungkin
tidak menyadari bahaya yang terlibat dalam generalisasi ketika seseorang tidak memiliki sampel
acak. Kedua, dalam banyak studi itu hanya tidak layak untuk peneliti untuk menginvestasikan
waktu, uang, atau sumber daya lainnya diperlukan untuk memperoleh sampel acak. Untuk hasil
dari studi tertentu dapat diterapkan untuk kelompok yang lebih besar, kemudian, peneliti harus
berdebat meyakinkan bahwa sampel yang digunakan, meskipun tidak dipilih secara acak, adalah
perwakilan fakta populasi target. ini sulit, namun, dan selalu tunduk pada sebaliknya argumen.

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.