Anda di halaman 1dari 13

Sensus dan Survey Sampel

Semua item dalam bidang penyelidikan apa pun merupakan ‘universal atau ‘Populasi.’
Perhitungan lengkap semua item dalam ‘p

\\opulasi’ dikenal sebagai sensus penyelidikan. Dapat diduga bahwa dalam penyelidikan
semacam itu, ketika semua item tercakup, tidak ada elemen yang tersisa dan diperoleh akurasi
tertinggi. Namun dalam prakteknya ini mungkin tidak benar. Bahkan unsur bias sekecil apa pun
dalam penyelidikan semacam itu akan semakin membesar seiring bertambahnya jumlah
pengamatan. Selain itu, tidak ada cara untuk memeriksa unsur bias atau cakupannya kecuali
melalui survei ulang atau penggunaan pemeriksaan sampel. Selain itu, jenis penyelidikan ini
melibatkan banyak waktu, uang, dan energi. Oleh karena itu, ketika bidang penyelidikan besar,
metode ini menjadi sulit untuk diadopsi karena sumber daya yang terlibat. Kadang-kadang,
metode ini praktis di luar jangkauan para peneliti biasa. Lebih lanjut, banyak waktu tidak
mungkin untuk memeriksa setiap item dalam populasi, dan kadang-kadang mungkin untuk
mendapatkan hasil yang cukup akurat dengan mempelajari hanya sebagian dari total populasi.
Dalam kasus seperti itu tidak ada kegunaan survei sensus.

Namun, perlu ditekankan bahwa ketika total item n dalam bidang penyelidikan sedikit,
tidak ada gunanya menggunakan survei sampel. Ketika studi lapangan dilakukan dalam
kehidupan sehari-hari , pertimbangan waktu dan biaya hampir selalu mengarah pada pemilihan
responden yaitu, pemilihan hanya beberapa item. Responden yang dipilih harus mewakili
populasi total untuk menghasilkan penampang miniatur. Responden yang dipilih merupakan apa
yang secara teknis disebut 'sampel' dan proses pemilihan disebut 'teknik pengambilan sampel'.
Survei yang dilakukan ini dikenal sebagai 'survei sampel'.

IMPLIKASI DARI DESAIN SAMPEL

Desain sampel adalah rencana yang pasti untuk memperoleh sampel dari populasi
tertentu. Ini mengacu pada teknik atau prosedur yang akan digunakan peneliti dalam memilih
item untuk sampel. Desain sampel mungkin juga menetapkan jumlah item yang akan
dimasukkan dalam sampel yaitu ukuran sampel. Desain sampel ditentukan sebelum data
dikumpulkan. Ada banyak desain sampel dari mana seorang peneliti dapat memilih. Beberapa
desain relatif lebih tepat dan lebih mudah diterapkan daripada yang lain. Peneliti harus memilih
/ menyiapkan desain sampel yang harus andal dan sesuai untuk studi penelitiannya.
Cara-Cara Untuk mendisain Sampel

Saat mengembangkan desain sampling, peneliti harus memperhatikan poin-poin berikut:

i) Jenis universal : Langkah pertama dalam mengembangkan desain sampel adalah dengan
mendefinisikan atau menjelaskan sekumpulan objek, yang secara teknis disebut Universe, untuk
dipelajari. Alam semesta bisa terbatas atau tidak terbatas. Di alam semesta berhingga jumlah
itemnya pasti, tetapi dalam kasus alam semesta yang tak terbatas jumlah itemnya tidak terbatas,
yaitu, kita tidak dapat memiliki ide tentang jumlah total item. Populasi kota, jumlah pekerja di
pabrik dan sejenisnya adalah contoh-contoh alam semesta yang terbatas, sedangkan jumlah
bintang di langit, pendengar program radio tertentu, lemparan dadu dll. Adalah contoh-contoh
alam semesta tak terbatas.

(ii) Unit sampling: Keputusan harus diambil sebelum memilih sampel. Unit pengambilan sampel dapat
berupa unit geografis seperti negara bagian, distrik, desa, dll., Atau unit konstruksi seperti rumah, flat,
dll., Atau mungkin unit sosial seperti keluarga, klub, sekolah, dll., Atau itu mungkin seorang individu.
Peneliti harus memutuskan satu atau lebih unit seperti itu yang harus dia pilih untuk studinya.

(iii) Daftar sumber: Ini juga dikenal sebagai 'kerangka pengambilan sampel' dari mana sampel akan
diambil. Ini berisi nama-nama semua benda dari alam semesta (dalam kasus alam semesta berhingga
saja). Jika daftar sumber tidak tersedia, peneliti harus menyiapkannya. Daftar semacam itu harus
komprehensif, benar, dapat diandalkan dan tepat. Sangat penting bagi daftar sumber untuk mewakili
populasi sebanyak mungkin.

(iv) Ukuran sampel: Ini mengacu pada jumlah barang yang akan dipilih dari alam semesta untuk
membentuk sampel. Ini masalah besar sebelum seorang peneliti. Ukuran sampel tidak boleh
terlalu besar, tidak terlalu kecil. Itu harus optimal. Sampel yang optimal adalah yang memenuhi
persyaratan efisiensi, keterwakilan, keandalan dan fleksibilitas. Saat memutuskan ukuran sampel,
peneliti harus menentukan ketepatan yang diinginkan serta tingkat keyakinan yang dapat
diterima untuk perkiraan tersebut. Ukuran varians populasi perlu dipertimbangkan sebagai dalam
kasus varians yang lebih besar biasanya sampel yang lebih besar diperlukan. Ukuran populasi
harus tetap diperhatikan karena ini juga membatasi ukuran sampel. Parameter yang menarik
dalam studi penelitian harus tetap diperhatikan, dalam menentukan ukuran sampel. Biaya terlalu
menentukan ukuran sampel yang bisa kita gambar. Dengan demikian, batasan anggaran harus
selalu dipertimbangkan ketika kita memutuskan ukuran sampel.

Parameter yang menarik: Dalam menentukan desain sampel, seseorang harus


mempertimbangkan pertanyaan tentang parameter populasi tertentu yang menarik. Sebagai
contoh, kita mungkin tertarik untuk memperkirakan proporsi orang-orang yang memiliki
karakteristik tertentu dalam populasi, atau kita mungkin tertarik untuk mengetahui rata-rata atau
ukuran lain yang berkaitan dengan populasi. Mungkin juga ada sub-kelompok penting dalam
populasi tentang siapa yang ingin membuat perkiraan. Semua ini memiliki dampak yang kuat
pada desain sampel yang akan kami terima.
(vi) Batasan anggaran: Pertimbangan biaya, dari sudut pandang praktis, memiliki dampak besar pada
keputusan yang berkaitan dengan tidak hanya ukuran sampe l tetapi juga untuk jenis sampel. Fakta ini
bahkan dapat mengarah pada penggunaan sampel non-probabilitas.

(vii) Prosedur pengambilan sampel: Akhirnya, peneliti harus memutuskan jenis sampel yang
akan dia gunakan yaitu, dia harus memutuskan tentang teknik yang akan digunakan dalam
memilih item untuk sampel. Faktanya, tek nik atau prosedur ini mewakili desain sampel itu
sendiri. Ada beberapa desain sampel (dijelaskan di halaman-halaman selanjutnya) di mana
peneliti harus memilih satu untuk studinya. Tentunya, ia harus memilih desain yang, untuk
ukuran sampel tertentu dan untuk biaya yang diberikan, memiliki kesalahan sampling yang lebih
kecil.

KRITERIA PEMILIHAN PROSEDUR SAMPLING

Dalam konteks ini kita harus ingat bahwa dua biaya terlibat dalam analisis sampling yaitu, biaya
pengumpulan data dan biaya penyimpulan yang salah yang dihasilkan dari data. Peneliti harus
tetap melihat dua penyebab kesimpulan yang salah yaitu, bias sistematis dan kesalahan sampling.
Suatu bias sistematis dihasilkan dari kesalahan dalam prosedur sampling, dan itu tidak dapat
dikurangi atau dihilangkan dengan meningkatkan ukuran sampel. Penyebab yang bertanggung
jawab atas kesalahan ini dapat dideteksi dan dikoreksi. Biasanya bias sistematis adalah hasil dari
satu atau lebih dari faktor-faktor berikut:

1. Kerangka sampling yang tidak tepat: Jika kerangka sampling tidak tepat yaitu representasi bias alam
semesta, ini akan menghasilkan bias sistematis.

2. Perangkat pengukuran rusak: Jika alat pengukur terus-menerus salah, itu akan menghasilkan bias
sistematis. Dalam pekerjaan survei, bias sistematis dapat terjadi jika kuesioner atau pewawancara bias.
Demikian pula, jika alat pengukur fisik rusak akan ada bias sistematis dalam data yang dikumpulkan
melalui alat pengukur tersebut.

3. Non-responden: Jika kami tidak dapat mengambil sampel semua individu yang awalnya termasuk
dalam sampel, mungkin timbul bias sistematis. Alasannya adalah bahwa dalam situasi seperti itu
kemungkinan membangun kontak atau menerima tanggapan dari seorang individu sering berkorelasi
dengan ukuran apa yang diperkirakan.

4. Prinsip Ketidakpastian : Kadang-kadang kita menemukan individu yang berperilaku berbeda ketika di
bawah pengamatan daripada apa yang mereka lakukan ketika disimpan dalam situasi yang tidak
teramati. Misalnya, jika pekerja sadar bahwa seseorang mengamati mereka dalam proses studi kerja
atas dasar rata-rata lama waktu untuk menyelesaikan suatu tugas akan ditentukan dan sesuai dengan
itu kuota akan ditetapkan untuk pekerjaan pengganda, mereka umumnya cenderung bekerja dengan
lambat dibandingkan dengan kecepatan mereka bekerja jika tetap tidak teramati. Dengan demikian,
prinsip ketidakpastian juga bisa menjadi penyebab bias sistematis.
5. Bias alami dalam pelaporan data: Bias alami responden dalam pelaporan data sering menjadi
penyebab bias sistematis dalam banyak pertanyaan. Biasanya ada bias ke bawah dalam data
pendapatan yang dikumpulkan oleh departemen perpajakan pemerintah, sedangkan kami
menemukan bias ke atas dalam data pendapatan yang dikumpulkan oleh beberapa organisasi
sosial. Orang pada umumnya mengecilkan pendapatan mereka jika ditanya tentang itu untuk
tujuan pajak, tetapi mereka melebih-lebihkan hal yang sama jika diminta status sosial atau
kemakmuran mereka.

Umumnya dalam survei psikologis, orang cenderung memberikan apa yang mereka anggap
sebagai jawaban yang 'benar' daripada mengungkapkan perasaan mereka yang sebenarnya.
Kesalahan pengambilan sampel adalah variasi acak dalam perkiraan sampel di sekitar
parameter populasi yang sebenarnya. Karena mereka terjadi secara acak dan memiliki
kemungkinan yang sama untuk berada dalam arah yang baik, sifat mereka terjadi menjadi tipe
kompensasi dan nilai yang diharapkan dari kesalahan tersebut terjadi sama dengan nol.
Kesalahan pengambilan sampel menurun dengan peningkatan ukuran sampel, dan itu terjadi
menjadi lebih kecil dalam kasus populasi homogen. Kesalahan pengambilan sampel dapat
diukur untuk desain dan ukuran sampel yang diberikan. Pengukuran kesalahan pengambilan
sampel biasanya disebut 'ketepatan dari rencana pengambilan sampel'. Jika kita meningkatkan
ukuran sampel, ketepatan dapat ditingkatkan. Tetapi meningkatkan ukuran sampel memiliki
keterbatasan sendiri yaitu, sampel berukuran besar meningkatkan biaya pengumpulan data dan
juga meningkatkan bias sistematis. Dengan demikian cara yang efektif untuk meningkatkan
ketepatan biasanya untuk memilih desain sampling yang lebih baik yang memiliki kesalahan
sampling yang lebih kecil untuk ukuran sampel yang diberikan dengan biaya tertentu. Namun
dalam prakteknya, orang lebih memilih desain yang kurang tepat karena lebih mudah untuk
mengadopsi yang sama dan juga karena fakta bahwa bias sistematis dapat dikendalikan dengan
cara yang lebih baik dalam desain seperti itu. Singkatnya, ketika memilih prosedur pengambilan
sampel, peneliti harus memastikan bahwa prosedur tersebut menyebabkan kesalahan sampling
yang relatif kecil dan membantu mengendalikan bias sistematis dengan cara yang lebih baik.

KARAKTERISTIK DESAIN SAMPEL YANG BAIK

Dari apa yang telah disebutkan di atas, kita dapat menuliskan karakteristik desain sampel yang baik
seperti di bawah ini:

(a) Desain sampel harus menghasilkan sampel yang benar-benar representatif.

(b) Desain sampel harus sedemikian sehingga menghasilkan kesalahan sampli ng kecil.

(c) Desain sampel harus layak dalam konteks dana yang tersedia untuk studi penelitian.
(d) Desain sampel harus sedemikian sehingga bias sistematis dapat dikendalikan dengan cara
yang lebih baik.

(e) Sampel harus sedemikian rupa sehingga hasil dari studi sampel dapat diterapkan, secara
umum, membentuk alam semesta dengan tingkat kepercayaan yang wajar.

JENIS BERBEDA DARI DESAIN SAMPEL

Ada berbagai jenis desain sampel berdasarkan dua faktor yaitu, basis representasi dan
teknik pemilihan elemen. Atas dasar keterwakilan, sampel dapat berupa probabilitas sampling
atau mungkin non-probability sampling. Probabilitas sampling didasarkan pada konsep
pemilihan acak, sedangkan non-probability sampling adalah sampling 'non-acak'. Atas dasar
pemilihan elemen, sampel mungkin tidak dibatasi atau dibatasi. Ketika setiap elemen sampel
diambil secara individual dari populasi pada umumnya, maka sampel yang digambar dikenal
sebagai 'sampel tak terbatas', sedangkan semua bentuk pengambilan sampel lainnya tercakup
dalam istilah ‘pengambilan sampel terbatas’. Bagan berikut menunjukkan desain sampel seperti
yang dijelaskan di atas. Dengan demikian, desain sampel pada dasarnya terdiri dari dua jenis
yaitu, non-probability sampling dan probability sampling. Kami mengambil dua desain ini secara
terpisah.

Unrestricted = tidak terbatas

Probability = kemungkinan

Haphazard = serampangan atau sembarangan

sampling acak kompleks (seperti pengambilan sampel klaster, sampling sistematis, sampling bertingkat
Non-probability sampling: Non-probability sampling adalah prosedur sampling yang tidak memiliki dasar
untuk memperkirakan bahwa setiap item dalam populasi telah dimasukkan dalam sampel. Non-
probability sampling juga dikenal dengan nama yang berbeda seperti sampling yang disengaja,
purposive sampling dan judgement sampling. Dalam jenis sampling ini, item untuk sampel dipilih secara
sengaja oleh peneliti; pilihannya mengenai item tetap tertinggi.

Dengan kata lain, di bawah pengambilan sampel non-probabilitas penyelenggara penyelidikan secara
sengaja memilih unit khusus dari alam semesta untuk menyusun sampel atas dasar bahwa massa kecil
yang mereka pilih dari yang besar akan menjadi ciri khas atau perwakilan dari keseluruhan. Misalnya,
jika kondisi ekonomi orang-orang yang tinggal di suatu negara akan dipelajari, beberapa kota dan desa
mungkin dipilih secara sengaja untuk studi intensif pada prinsip bahwa mereka dapat mewakili seluruh
negara. Dengan demikian, penilaian dari penyelenggara penelitian memainkan bagian penting dalam
desain sampling ini.

Dalam desain seperti itu, elemen pribadi memiliki peluang besar untuk masuk ke pemilihan
sampel. Penyelidik dapat memilih sampel yang akan menghasilkan hasil yang menguntungkan untuk
sudut pandangnya dan jika itu terjadi, seluruh penyelidikan dapat digagalkan. Dengan demikian, selalu
ada bahaya bias masuk ke dalam jenis teknik sampling ini. Tetapi para peneliti tidak memihak, bekerja
tanpa bias dan memiliki pengalaman yang diperlukan sehingga dapat mengambil penilaian yang baik,
hasil yang diperoleh dari analisis sampel yang dipilih secara sengaja mungkin dapat diandalkan. Namun,
dalam pengambilan sampel semacam itu, tidak ada jaminan bahwa setiap elemen memiliki beberapa
peluang yang dapat ditentukan untuk disertakan. Kesalahan pengambilan sampel dalam jenis sampling
ini tidak dapat diperkirakan dan elemen bias, besar atau kecil, selalu ada. Dengan demikian desain
sampling ini jarang diadopsi dalam jumlah besar yang penting. Namun, dalam penyelidikan kecil dan
penelitian oleh individu, desain ini dapat diadopsi karena keuntungan relatif waktu dan uang yang
melekat dalam metode sampling ini. Quota sampling juga merupakan contoh dari non-probability
sampling. Di bawah kuota sampling pewawancara hanya diberikan kuota untuk diisi dari strata yang
berbeda, dengan beberapa pembatasan tentang bagaimana mereka harus diisi. Dengan kata lain,
pemilihan yang sebenarnya dari barang-barang untuk sampel diserahkan kepada kebijaksanaan
pewawancara. Jenis sampling ini sangat nyaman dan relatif tidak mahal. Tetapi sampel yang dipilih tentu
saja tidak memiliki karakteristik sampel acak. Sampel kuota pada dasarnya merupakan sampel penilaian
dan kesimpulan yang ditarik atas dasar mereka tidak dapat menerima perlakuan statistik secara formal.

Dalam desain seperti itu, elemen pribadi memiliki peluang besar untuk masuk ke pemilihan
sampel. Penyelidik dapat memilih sampel yang akan menghasilkan hasil yang menguntungkan untuk
sudut pandangnya dan jika itu terjadi, seluruh penyelidikan dapat digagalkan. Dengan demikian, selalu
ada bahaya bias masuk ke dalam jenis teknik sampling ini. Tetapi para peneliti tidak memihak, bekerja
tanpa bias dan memiliki pengalaman yang diperlukan sehingga dapat mengambil penilaian yang baik,
hasil yang diperoleh dari analisis sampel yang dipilih secara sengaja mungkin dapat diandalkan. Namun,
dalam pengambilan sampel semacam itu, tidak ada jaminan bahwa setiap elemen memiliki beberapa
peluang yang dapat ditentukan untuk disertakan. Kesalahan pengambilan sampel dalam jenis sampling
ini tidak dapat diperkirakan dan elemen bias, besar atau kecil, selalu ada. Dengan demikian desain
sampling ini jarang diadopsi dalam jumlah besar yang penting. Namun, dalam penyelidikan kecil dan
penelitian oleh individu, desain ini dapat diadopsi karena keuntungan relatif waktu dan uang yang
melekat dalam metode sampling ini. Quota sampling juga merupakan contoh dari non-probability
sampling. Di bawah kuota sampling pewawancara hanya diberikan kuota untuk diisi dari strata yang
berbeda, dengan beberapa pembatasan tentang bagaimana mereka harus diisi. Dengan kata lain,
pemilihan yang sebenarnya dari barang-barang untuk sampel diserahkan kepada kebijaksanaan
pewawancara. Jenis sampling ini sangat nyaman dan relatif tidak mahal. Tetapi sampel yang dipilih tentu
saja tidak memiliki karakteristik sampel acak. Sampel kuota pada dasarnya merupakan sampel penilaian
dan kesimpulan yang ditarik atas dasar mereka tidak dapat menerima perlakuan statistik secara formal.

Pengambilan sampel kemungkinan: Pengambilan sampel kemungkinan juga dikenal sebagai


'pengambilan sampel acak' atau 'pengambilan sampel kebetulan'. Di bawah ini desain sampling, setiap
item dari alam semesta memiliki kesempatan yang sama untuk dimasukkan dalam sampel. Yaitu, bisa
dikatakan, metode lotere di mana unit-unit individu diambil dari seluruh kelompok tidak dengan sengaja
tetapi oleh beberapa proses mekanis. Di sini adalah kebetulan buta saja yang menentukan apakah satu
atau yang lain dipilih. Hasil yang diperoleh dari probabilitas atau sampling acak dapat dipastikan dalam
hal probabilitas yaitu, kita dapat mengukur kesalahan estimasi atau signifikansi hasil yang diperoleh dari
sampel acak, dan fakta ini membawa keluar keunggulan desain random sampling atas sampling yang
disengaja Desain. Pengambilan sampel acak memastikan hukum Keteraturan Statistik yang menyatakan
bahwa jika rata-rata sampel yang dipilih adalah sampel acak, sampel akan memiliki komposisi dan
karakteristik yang sama dengan alam semesta. Ini adalah alasan mengapa sampling acak dianggap
sebagai teknik terbaik untuk memilih sampel yang representatif.

Pengambilan sampel acak dari populasi terbatas mengacu pada metode pemilihan sampel yang
memberikan setiap kemungkinan kombinasi sampel probabilitas yang sama untuk diambil dan setiap
item di seluruh populasi memiliki kesempatan yang sama untuk dimasukkan dalam sampel. Ini berlaku
untuk pengambilan sampel tanpa penggantian yaitu, setelah sebuah item dipilih untuk sampel, itu tidak
dapat muncul dalam sampel lagi (Pengambilan sampel dengan penggantian digunakan lebih jarang di
mana prosedur elemen dipilih untuk

sampel dikembalikan ke populasi sebelum elemen berikutnya dipilih. Dalam situasi seperti itu
elemen yang sama bisa muncul dua kali dalam sampel yang sama sebelum elemen kedua dipilih).
Singkatnya, implikasi dari sampling acak (atau sampling acak sederhana) adalah:

(A) Ini memberikan setiap elemen dalam populasi probabilitas yang sama untuk masuk ke sampel; dan
semua pilihan tidak bergantung satu sama lain.

(B) Ini memberi setiap kemungkinan kombinasi sampel probabilitas yang sama untuk dipilih.

Pengambilan sampel acak dari populasi terbatas mengacu pada metode pemilihan sampel yang
memberikan setiap kemungkinan kombinasi sampel probabilitas yang sama untuk diambil dan setiap
item di seluruh populasi memiliki kesempatan yang sama untuk dimasukkan dalam sampel. Ini berlaku
untuk pengambilan sampel tanpa penggantian yaitu, sete lah sebuah item dipilih untuk sampel, itu tidak
dapat muncul dalam sampel lagi (Pengambilan sampel dengan penggantian digunakan lebih jarang di
mana prosedur elemen dipilih untuk
sampel dikembalikan ke populasi sebelum elemen berikutnya dipilih. Dalam situasi seperti itu elemen
yang sama bisa muncul dua kali dalam sampel yang sama sebelum elemen kedua dipilih). Singkatnya,
implikasi dari sampling acak (atau sampling acak sederhana) adalah:

(A) Ini memberikan setiap elemen dalam populasi probabilitas yang sama untuk masuk ke sampel; dan
semua pilihan tidak bergantung satu sama lain.

(B) Ini memberi setiap kemungkinan kombinasi sampel probabilitas yang sama untuk dipilih.

Menjaga ini dalam pandangan kita dapat mendefinisikan sampel acak sederhana (atau hanya sampel
acak) dari

populasi yang terbatas sebagai sampel yang dipilih sedemikian rupa sehingga masing-masing sampel
NCn mungkin memiliki probabilitas yang sama, 1 / NCn, yang dipilih. Untuk membuatnya lebih jelas kita
mengambil populasi berhingga tertentu yang terdiri dari enam elemen (misalnya a, b, c, d, e, f) yaitu, N =
6. Anggaplah kita ingin mengambil sampel ukuran n = 3 dari itu . Kemudian ada 6C3 = 20 sampel yang
mungkin berbeda dari ukuran yang diperlukan, dan mereka terdiri dari elemen abc, abd, abe, abf, acd,
ace, acf, ade, adf, aef, bcd, bce, bcf, bde,

bdf, bef, cde, cdf, cef, dan def. Jika kita memilih salah satu dari contoh ini sedemikian rupa sehingga
masing-masing memiliki probabilitas 1/20 terpilih, kita kemudian akan menyebut ini sebagai sampel
acak.

BAGAIMANA MEMILIH SAMPEL SECARA ACAK

Berkenaan dengan pertanyaan tentang bagaimana mengambil sampel acak dalam praktek yang
sebenarnya, kita dapat, dalam kasus sederhana seperti yang di atas, menulis masing-masing sampel
yang mungkin pada secarik kertas, mencampur slip ini secara menyeluruh dalam wadah dan kemudian
menggambar sebagai lotere baik yang ditutup matanya atau dengan memutar drum atau dengan
perangkat sejenis lainnya. Prosedur semacam ini jelas tidak praktis, jika tidak semuanya tidak mungkin
dalam masalah-masalah kompleks sampling. Kenyataannya, kegunaan praktis dari metode semacam itu
sangat terbatas. Untungnya, kita dapat mengambil sampel acak dengan cara yang relatif lebih mudah
tanpa kesulitan mendaftarkan semua kemungkinan sampel pada kertas-slip seperti dijelaskan di atas.
Alih-alih ini, kita dapat menulis nama setiap elemen populasi yang terbatas pada secarik kertas,
meletakkan secarik kertas yang disiapkan ke dalam kotak atau tas dan mencampurnya secara
menyeluruh dan kemudian menggambar (tanpa melihat) jumlah yang diperlukan dari slip untuk sampel
satu demi satu tanpa penggantian. Dengan demikian, kita harus memastikan bahwa dalam gambar
berturut-turut setiap elemen populasi yang tersisa memiliki kesempatan yang sama untuk dipilih.
Prosedur ini juga akan menghasilkan probabilitas yang sama untuk setiap sampel yang mungkin. Kami
dapat memverifikasi ini dengan mengambil contoh di atas. Karena kita memiliki populasi yang berhingga
dari 6 elemen dan kita ingin memilih sampel ukuran 3, kemungkinan menggambar satu elemen untuk
sampel kami dalam pengundian pertama adalah 3/6, kemungkinan untuk menggambar satu elemen lagi
dalam pengundian kedua. adalah 2/5, (elemen pertama

ditarik tidak diganti) dan demikian pula kemungkinan menggambar satu elemen lagi di imbang ketiga
adalah 1/4. Karena penarikan ini bersifat independen, probabilitas gabungan dari tiga elemen yang
merupakan sampel kami adalah produk dari probabilitas masing-masing dan ini bekerja untuk 3/6 × 2/5
× 1/4 = 1/20. Ini memverifikasi perhitungan awal kami. Bahkan metode yang relatif mudah ini untuk
mendapatkan sampel acak dapat disederhanakan dalam praktek yang sebenarnya dengan menggunakan
tabel angka acak. Berbagai ahli statistik seperti Tippett, Yates, Fisher telah menyiapkan tabel angka acak
yang dapat digunakan untuk memilih sampel acak. Umumnya, tabel angka acak Tippett digunakan untuk
tujuan tersebut. Tippett memberi angka angka 10.400 empat. Dia memilih 41.600 digit dari laporan
sensus dan menggabungkannya menjadi empat untuk memberikan nomor acaknya yang dapat
digunakan untuk mendapatkan sampel acak.
Anggaplah kita tertarik untuk mengambil sampel 10 unit dari populasi 5000 unit, dengan angka dari
3001 hingga 8000. Kita akan memilih 10 angka seperti itu dari angka acak di atas yang tidak kurang dari
3001 dan tidak lebih besar dari 8000. Jika kita secara acak memutuskan untuk membaca nomor tabel
dari kiri ke kanan, mulai dari baris pertama itu sendiri, kita memperoleh nomor-nomor berikut: 6641,
3992, 7979, 5911, 3170, 5624, 4167, 7203, 5356, dan 7483. Satuan yang menyandang nomor seri di atas
akan merupakan sampel acak yang diperlukan. Satu dapat mencatat bahwa mudah untuk menarik
sampel acak dari populasi yang terbatas dengan bantuan tabel angka acak hanya ketika daftar tersedia
dan barang siap diberi nomor. Namun dalam beberapa situasi, seringkali tidak mungkin untuk
melanjutkan dengan cara yang telah kita ceritakan di atas. Sebagai contoh, jika kita ingin memperkirakan
tinggi rata-rata pohon di hutan, tidak mungkin menghitung pohon, dan memilih angka acak untuk
memilih sampel acak. Dalam situasi seperti itu apa yang harus kita lakukan adalah memilih beberapa
pohon untuk sampel sembarangan tanpa tujuan atau tujuan, dan harus memperlakukan sampel sebagai
sampel acak untuk tujuan studi.

SAMPEL RANDOM DARI POPULASI YANG TAK TERBATAS

Sejauh ini kita telah berbicara tentang pengambilan sampel acak, dengan hanya melihat populasi yang
terbatas. Tapi bagaimana dengan sampling acak dalam konteks populasi yang tak terbatas? Hal ini relatif
sulit untuk menjelaskan konsep sampel acak dari populasi yang tak terbatas. Namun, beberapa contoh
akan menunjukkan karakteristik dasar dari sampel semacam itu. Misalkan kita mempertimbangkan 20
lemparan dadu yang adil sebagai sampel dari populasi hipotetis yang tidak terbatas yang terdiri dari
hasil dari semua kemungkinan lemparan dadu. Jika probabilitas mendapatkan angka tertentu,
katakanlah 1, sama untuk setiap lemparan dan 20 lemparan semuanya independen, maka kita katakan
bahwa sampelnya acak. Demikian pula, itu akan dikatakan sampling dari populasi yang tak terbatas jika
kita sampel dengan penggantian dari populasi yang terbatas dan sampel kami akan dianggap sebagai
sampel acak jika dalam setiap imbang semua elemen populasi memiliki probabilitas yang sama untuk
dipilih dan berturut-turut. menggambar terjadi menjadi mandiri. Singkatnya, orang dapat mengatakan
bahwa pemilihan setiap item dalam sampel acak dari populasi tak terbatas dikendalikan oleh
probabilitas yang sama dan bahwa pilihan berturut-turut tidak bergantung satu sama lain.
PERANCANGAN SAMPEL RANDOM KOMPLEKS

Probabilitas sampling di bawah teknik sampling terbatas, sebagaimana dinyatakan di atas, dapat
menghasilkan desain sampling acak yang kompleks. Desain semacam itu bisa juga disebut 'rancangan
sampling campuran' untuk banyak desain seperti itu dapat mewakili kombinasi prosedur probabilitas
dan non-probabilitas sampling dalam memilih sampel. Beberapa desain random sampling kompleks
yang populer adalah sebagai berikut:

(i) Pengambilan sampel sistematis: Dalam beberapa contoh, cara pengambilan sampel yang
paling praktis adalah memilih setiap butir di daftar. Pengambilan sampel jenis ini dikenal
sebagai sampling sistematis. Unsur keacakan diperkenalkan ke dalam jenis sampling ini
dengan menggunakan angka acak untuk mengambil unit yang akan digunakan untuk
memulai. Misalnya, jika sampel 4 persen diinginkan, item pertama akan dipilih secara acak
dari dua puluh lima pertama dan selanjutnya setiap 25 item secara otomatis akan
dimasukkan dalam sampel. Dengan demikian, dalam pengambilan sampel sistematis hanya
unit pertama yang dipilih secara acak dan unit yang tersisa dari sampel dipilih pada interval
tetap. Meskipun sampel yang sistematis bukanlah sampel acak dalam arti istilah yang ketat,
tetapi sering dianggap masuk akal untuk memperlakukan sampel yang sistematis seolah-
olah sampel acak. Sampling sistematis memiliki poin plus tertentu. Ini dapat diambil sebagai
perbaikan atas sampel acak sederhana sebanyak sampel sistematis tersebar lebih merata di
seluruh populasi. Ini adalah metode pengambilan sampel yang lebih mudah dan lebih murah
dan dapat dengan mudah digunakan bahkan dalam kasus populasi besar. Tetapi ada bahaya
tertentu juga dalam menggunakan jenis sampling ini. Jika ada periodisitas tersembunyi
dalam populasi, sampling sistematis akan terbukti menjadi metode sampling yang tidak
efisien. Misalnya, setiap 25 item yang diproduksi oleh proses produksi tertentu rusak. Jika
kita mau pilih sampel 4% dari item dari proses ini secara sistematis, kita akan mendapatkan
semua item yang rusak atau semua barang bagus dalam sampel kami tergantung pada posisi
awal acak. Jika semua elemen alam semesta diperintahkan dengan cara yang mewakili
populasi total, yaitu daftar populasi dalam urutan acak, sampling sistematis dianggap setara
dengan sampling acak. Tetapi jika tidak demikian, maka hasil dari pengambilan contoh
tersebut, kadang-kadang, tidak dapat diandalkan. Dalam praktek, sampling sistematis
digunakan ketika daftar populasi tersedia dan mereka cukup panjang.

(ii) Pengambilan sampel terstratifikasi: Jika suatu populasi dari mana suatu sampel diambil tidak
merupakan kelompok yang homogen, teknik sampling bertingkat umumnya diterapkan untuk
memperoleh sampel yang representatif. Di bawah stratified sampling populasi dibagi menjadi
beberapa sub populasi yang secara individual lebih homogen daripada populasi total (sub-populasi
yang berbeda disebut 'strata') dan kemudian kami memilih item dari setiap strata untuk membentuk
sampel. Karena setiap strata lebih homogen daripada total populasi, kami dapat memperoleh
perkiraan yang lebih tepat untuk setiap strata dan dengan memperkirakan secara lebih akurat setiap
bagian komponen, kami mendapatkan perkiraan yang lebih baik dari keseluruhan. Singkatnya,
stratified sampling menghasilkan informasi yang lebih andal dan terperinci.
Tiga pertanyaan berikut sangat relevan dalam konteks pengambilan sampel bertingkat:

(a) Bagaimana cara membentuk strata?

(b) Bagaimana seharusnya item dipilih dari masing-masing strata?

(c) Berapa banyak item yang dipilih dari masing-masing strata atau bagaimana mengalokasikan ukuran
sampel dari setiap strata? Mengenai pertanyaan pertama, kita dapat mengatakan bahwa strata dibentuk
atas dasar karakteristik umum (s) dari item yang akan dimasukkan ke dalam setiap strata. Ini berarti
bahwa berbagai strata dibentuk sedemikian rupa untuk memastikan unsur-unsur yang paling homogen
dalam setiap strata dan paling heterogen antara strata yang berbeda. Dengan demikian, strata dibentuk
dan biasanya didasarkan pada pengalaman masa lalu dan penilaian pribadi dari peneliti. Orang harus
selalu ingat bahwa pertimbangan yang cermat dari hubungan antara karakteristik populasi dan
karakteristik yang diperkirakan biasanya digunakan untuk menentukan strata. Kadang-kadang, studi
percontohan dapat dilakukan untuk menentukan rencana stratifikasi yang lebih tepat dan efisien. Kita
dapat melakukannya dengan mengambil sampel kecil dengan ukuran yang sama dari masing-masing
strata yang diusulkan dan kemudian memeriksa varians di dalam dan di antara stratifikasi yang mungkin,
kita dapat memutuskan rencana stratifikasi yang sesuai untuk penyelidikan kita.

Sehubungan dengan pertanyaan kedua, kita dapat mengatakan bahwa metode biasa, untuk pemilihan
item untuk sampel dari masing-masing strata, terpaksa adalah bahwa sampling acak sederhana.
Sampling sistematis dapat digunakan jika dianggap lebih tepat dalam situasi tertentu. Mengenai
pertanyaan ketiga, kami biasanya mengikuti metode alokasi proporsional di mana ukuran sampel dari
strata yang berbeda disimpan sebanding dengan ukuran strata. Yaitu, jika Pi mewakili proporsi populasi
yang termasuk dalam strata i, dan n mewakili total ukuran sampel, jumlah elemen yang dipilih dari
strata i adalah n. Pi. Untuk mengilustrasikannya, mari kita anggap bahwa kita menginginkan sampel
berukuran n = 30 untuk ditarik dari populasi ukuran N = 8000 yang dibagi menjadi tiga strata ukuran N1
= 4000, N2 = 2400 dan N3 = 1600. Mengadopsi proporsional alokasi, kita akan mendapatkan ukuran
sampel seperti di bawah untuk strata yang berbeda

Dengan demikian, menggunakan alokasi proporsional, ukuran sampel untuk strata yang berbeda adalah
15, 9 dan 6 masing-masing yang sebanding dengan ukuran strata yaitu, 4000: 2400: 1600. Alokasi
proporsional dianggap paling efisien dan desain yang optimal ketika biaya untuk memilih suatu barang
adalah sama untuk setiap strata, tidak ada perbedaan dalam varians dalam-strata, dan tujuan sampling
terjadi untuk memperkirakan nilai populasi dari beberapa karakteristik. Tetapi jika tujuan itu terjadi
adalah untuk

bandingkan perbedaan antara strata, maka pemilihan sampel yang sama dari masing-masing strata akan
lebih efisien bahkan jika strata berbeda dalam ukuran. Dalam kasus di mana strata berbeda tidak hanya
dalam ukuran tetapi juga dalam variabilitas dan itu dianggap masuk akal untuk mengambil sampel yang
lebih besar dari strata yang lebih bervariasi dan sampel yang lebih kecil dari strata kurang variabel, kita
dapat memperhitungkan keduanya (perbedaan dalam ukuran strata dan perbedaan variabilitas strata)
dengan menggunakan desain sampling yang tidak proporsional dengan mengharuskan:

(iii) Pengambilan sampel klaster: Jika luas total minat menjadi besar, cara yang mudah untuk mengambil
sampel adalah dengan membagi daerah tersebut menjadi sejumlah area yang tidak tumpang tindih yang
lebih kecil dan kemudian secara acak memilih angka daerah-daerah yang lebih kecil (biasanya disebut
cluster), dengan sampel akhir yang terdiri dari semua (atau sampel) unit di daerah-daerah kecil atau
kelompok. Jadi dalam pengambilan sampel kelompok, total populasi dibagi menjadi beberapa subdivisi
yang relatif kecil yang merupakan kumpulan unit yang lebih kecil dan kemudian beberapa kluster ini
dipilih secara acak untuk dimasukkan dalam sampel keseluruhan. Misalkan kita ingin memperkirakan
proporsi mesin di inventaris yang rusak. Juga asumsikan bahwa ada 20.000 bagian mesin dalam
persediaan pada suatu titik waktu tertentu, disimpan dalam 400 kasus masing-masing 50. Sekarang
menggunakan pengambilan sampel klaster, kami akan mempertimbangkan 400 kasus sebagai kluster
dan secara acak memilih 'n' kasus dan memeriksa semua bagian mesin dalam setiap kasus yang dipilih
secara acak.