Tehnik sampling

Non Random Sampling

- Convinience Sampling adalah Merupakan teknik dalam memilih sampel, peneliti tidak
mempunyai pertimbangan lain kecuali berdasarkan kemudahan saja. Seseorang diambil
sebagai sampel karena kebetulan orang tadi ada di situ atau kebetulan dia mengenal
orang tersebut. Oleh karena itu ada beberapa penulis menggunakan istilah accidental
sampling – tidak disengaja – atau juga captive sample (man-on-the-street) Jenis sampel
ini sangat baik jika dimanfaatkan untuk penelitian penjajagan, yang kemudian diikuti
oleh penelitian lanjutan yang sampelnya diambil secara acak (random). Beberapa kasus
penelitian yang menggunakan jenis sampel ini, hasilnya ternyata kurang obyektif.

- Contoh : misalnya ada seorang peneliti ingin mengetahui tentang kebersihan wilayah
Jakarta Selatan ia menanyakan kepada orang yang ada dijalan atau orang dia jumpai
bukan orang yang mengerti tentang kebersihan wilayah Jakarta Selatan seperti petugas
kebersihan atau mendatangi kantor gubernur atau walikota Jakarta Selatan.

- Udgement Sampling adalah teknik pengambilan sampling dimana sampel yang dipilih
berdasarkann penilaian peneliti bahwa dia atau seseorang yang paling baik jika dijadikan
sampel penelitiannya.

- Contoh : misalnya dalam suatu perusahaan untuk memperoleh data tentang bagaimana
satu proses produksi direncanakan oleh suatu perusahaan, maka manajer produksi
merupakan orang yang terbaik untuk bisa memberikan informasi. Jadi, judment
sampling umumnya memilih sesuatu atau seseorang menjadi sampel karena mereka
mempunyai “information rich”.

- Quota Sampling adalah teknik pengambilan sampling dalam bentu distratifikasikan secara
proposional, namun tidak dipilih acak melainkan secara kebetulan saja.

- Contoh : Misalnya, di sebuah kantor terdapat pegawai laki-laki 60% dan perempuan 40%
. Jika seorang peneliti ingin mewawancari 30 orang pegawai dari kedua jenis kelamin
tadi maka dia harus mengambil sampel pegawai laki-laki sebanyak 18 orang sedangkan
pegawai perempuan 12 orang. Sekali lagi, teknik pengambilan ketiga puluh sampel tadi
tidak dilakukan secara acak, melainkan secara kebetulan saja.
b. Random Sampling

- Simple Random Sample adalah suatu teknik sampling yang dipilih secara acak, cara ini
dapat diambil bila analisa penelitian cenderung bersifat deskriptif atau bersifat umum.
Setiap unsur populasi harus memilik kesempatan sama untuk bisa dipilih menjadi
sampel.

- Contoh: misal ada “pembiayaan pembangunan pendidikan Dasar di Jawa Barat”,

sampelnya adalah seluruh SD dan SMP yang ada di Jawa Barat. Terhadap seluruh SD dan
SMP itu dilakukan pemilihan secara random tanpa pengelompokan terlebih dahulu,
dengan demikian peluang SD maupun SMP untuk terpilih sebagai sampel sama.

- Stratified Sample adalah suatu teknik sampling dimana populasi kita bagi kedalam sub
populasi(strata), karena mempunyai karakteristik yang heterogen dan heterogenitas
tersebut mempunyai arti yang signifikan terhadap pencapaian tujuan penelitian, maka
penelitian dapat mengambil dengan cara ini. Setiap stratum dipilih sampel melalui
proses simple random sampling.

- Contoh: misalnya ada suatu manajer yang ingin mengetahui sikap manajer terhadap
suatu kebajikan. Dia menduga bahwa manajer tingkat atas memiliki sikap yang positif
terhadap kebajikan perusahaan. Agar dapat menguji dugaan teresebut maka sampelnya
harus terdiri dari manajer tingkat atas, menengah, dan bawah. Kemudian dari masing-
masing. Strata dipilih manajer dengan teknik simple random sampling.

- Cluster Sample adalah Merupakan cara pengambilan sampel dengan cara gugus. Populasi
dibagi keadalam satuan-satuan sampling yang besar yang disebut cluster. Berbeda
dengan pembentukan strata, satuan sampling yang ada dalam tiap kluster harus relatif
heterogen. Pemilihan dilakukan beberapa tingkat: (1) Memilih kluster dengan cara
simple random sampling. (2) Memilih satuan sampling dalam kluster. Jika pemilihan
dilakukan lebih dari 2 kali disebut Multi-stage Cluster Sampling

- Contoh : Misalnya dalam penelitian yang sama seperti di atas, karena Jawa Barat sangat
luas, dipilihlah kabupaten/kota tertentu sebagai sampel klaster ke-1 secara random.
Dari tiap kabupaten terpilih dilakukan pemilihan lagi, yaitu kecamatan-kecamatan
 tertentu dengan cara random sebagai sampel klaster ke-2. Selanjutnya dari masing-
masing kecamatan dilakukan pemilihan sekolah yang juga dilakukan secara random.

- Sistematic Sample adalah teknik sampling jika peneliti dihadapkan pada ukuran populasi
yang banyak dan tidak memiliki alat pengambil data secara random, cara pengambilan
sampel sistematis dapat digunakan. Cara ini menuntut kepada peneliti untuk memilih
unsur populasi secara sistematis, yaitu unsur populasi yang bisa dijadikan sampel adalah
yang “keberapa”.

- Contoh : Misalnya setiap unsur populasi yang keenam, yang bisa dijadikan sampel. Soal
“keberapa”-nya satu unsur populasi bisa dijadikan sampel tergantung pada ukuran
populasi dan ukuran sampel. Misalnya, dalam satu populasi terdapat 5000 rumah.
Sampel yang akan diambil adalah 250 rumah dengan demikian interval di antara sampel
kesatu, kedua, dan seterusnya adalah 25.

- Area Sampling adalah teknik sampling yang dipakai ketika peneliti dihadapkan pada
situasi bahwa populasi penelitiannya tersebar di berbagai wilayah.

- Contoh : Misalnya seorang marketing manajer sebuah stasiun TV ingin mengetahui

tingkat penerimaan masyarakat Jawa Barat atas sebuah mata tayangan, teknik
pengambilan sampel dengan area sampling sangat tepat.

Nursandarmawan at 19:19

Populasi, sample, teknik pengambilan sample, dan cara menentukan jumlah sample dalam
penelitian suatu hal yang sangat penting dilakukan dan harus dipahami oleh seorang
peneliti, khususnya bagi peneliti awal atau baru pertama kali melakukan penelitian.
Selanjutnya, dalam penelitian atau riset SDM cenderung melibatkan karyawan sebagai
objek yang diteliti. Artinya, para karyawan menjadi fokus perhatian para periset SDM
dan biasanya aspek-aspek karyawan di perusahaan yang satu dapat berbeda dengan di
perusahaan lain.

Misalnya dalam hal komposisi karyawan, di mana di perusahaan-perusahaan besar jumlah

karyawan bisa mencapai ribuan bahkan lebih. Perusahaan berskala menengah jumlah
karyawan bisa mencapai ratusan orang dan sementara perusahaan kecil jumlah
karyawan berkisar antara belasan atau puluhan saja.
Perbedaan jumlah karyawan ini cukup mempengaruhi desain riset. Di perusahaan kecil,
misalnya dengan jumlah karyawan 25, pelaksanaan riset menjadi lebih simple atau
sederhana dibandingkan di perusahaan dengan ribuan karyawan. Perbedaan jumlah
karyawan yang diteliti menimbulkan istilah populasi dan sampel dalam penelitian dan
untuk menunjang keberhasilan penelitian diperlukan teknik dalam pengambilan sampel.

Sehubungan dengan populasi, sample, teknik pengambilan sample, dan cara menentukan
jumlah sample dalam penelitian, maka artikel kali ini secara rinci dan runtut akan
membahas tentang pengertian populasi dan sampel, beberapa teknik pengambilan
sample dan cara menentukan ukuran sample dalam penelitian.

A. PENGERTIAN POPULASI DAN SAMPLE

Pengertian populasi adalah wilayah generalisasi yang terdiri dari obyek atau subyek yang
memiliki kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk
dipelajari dan kemudian ditarik kesimpulannya. Sehingga populasi ini dapat berupa
makhluk hidup atau pun benda mati yang ada di alam sekitar kita yang akan kita jadikan
sebagai subyek atau obyek penelitian kita. Populasi juga bukan hanya tentang jumlah
atau kuantitas, namun tentang karakteristik atau sifat-sifat yang dimiliki oleh subyek
atau obyek penelitian.

Sample adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut
atau bagian kecil dari anggota populasi yang diambil menurut prosedur tertentu
sehingga dapat mewakili populasinya.

Dalam kehidupan sehari-hari pengertian sample dan populasi sering digunakan, misalnya
saat membuat sup dan kita sering meneliti rasa sup dengan mencicipinya sesendok kecil
sebagai sample. Demikian juga jika seseorang sedang sakit, dokter sering mengambil
sample darah orang itu untuk mengetahui kondisi darahnya secara keseluruhan.
Secara khusus dalam riset-riset SDM, populasi dan sample biasanya muncul saat penelitian
dilakukan di perusahaan dengan jumlah karyawan besar, misalnya ribuan. Sedangkan
perusahaan dengan jumlah karyawan sedikit atau mungkin sekitar 50 orang, sering kali
sample tidak digunakan dan penelitian dilakukan terhadap seluruh karyawan atau
populasi.

Dalam penelitian atau riset SDM, sample karyawan sering kali diambil untuk mewakili
seluruh populasi karyawan. Jika yang ingin diteliti adalah sikap konsumen terhadap satu
produk tertentu, maka populasinya adalah seluruh konsumen produk tersebut. Jika
yang diteliti adalah laporan keuangan perusahaan “X”, maka populasinya adalah
keseluruhan laporan keuangan perusahaan “X” tersebut, Jika yang diteliti adalah
motivasi pegawai di departemen “A” maka populasinya adalah seluruh pegawai di
departemen “A”, dan seterusnya.

B. TEKNIK PENGAMBILAN SAMPLE PENELITIAN

Teknik pengambilan sample penelitian ada bermacam-macam. Sudah dijelaskan

sebelumnya bahwa sample adalah sebagian dari populasi, artinya tidak akan ada sample
jika tidak ada populasi. Jika penelitian yang dilakukan atas seluruh elemen dinamakan
sensus. Idealnya agar hasil penelitiannya lebih dapat dipercaya, seorang peneliti harus
melakukan sensus. Namun karena sesuatu hal peneliti tidak dapat meneliti keseluruhan
elemen, maka yang dilakukannya adalah meneliti sebagian dari keseluruhan elemen
atau unsur atau yang disebut dengan sample.

Berbagai alasan yang masuk akal mengapa peneliti menggunakan sample dan tidak
melakukan sensus antara lain adalah :

a) Populasi demikian banyak, jadi dalam prakteknya tidak mungkin seluruh elemen diteliti.

b) Keterbatasan waktu penelitian, biaya, dan sumber daya manusia

c) Kadang penelitian yang dilakukan terhadap sampel bisa lebih reliabel daripada terhadap

populasi – misalnya, karena elemen sedemikian banyaknya maka akan memunculkan

kelelahan fisik dan mental para pencacahnya sehingga banyak terjadi kekeliruan

d) Elemen populasi bersifat homogen, sehingga penelitian terhadap seluruh elemen dalam

populasi menjadi tidak masuk akal.

Selanjutnya, agar hasil penelitian yang dilakukan terhadap sampel masih tetap dapat
dipercaya dalam arti masih dapat mewakili karakteristik populasi, maka cara penarikan
samplenya harus dilakukan secara seksama. Cara pemilihan sample dikenal dengan
nama teknik sampling atau teknik pengambilan sample.

Secara umum ada dua jenis teknik pengambilan sample yaitu:

1. Sample acak atau random sampling / probability sampling

Sample acak atau random sampling atau probability sampling adalah cara pengambilan
sample yang memberikan kesempatan yang sama untuk diambil kepada setiap elemen
populasi. Artinya adalah jika elemen populasinya ada 100 dan yang akan dijadikan
sample adalah 75, maka setiap elemen tersebut mempunyai kemungkinan 75/100
untuk bisa dipilih menjadi sample.

Kapankah teknik sample acak dapat dilakukan?Teknik pengambilan sample acak dilakukan,
yaitu jika peneliti ingin hasil penelitiannya dapat dijadikan ukuran untuk
mengestimasikan populasi, atau istilahnya melakukan generalisasi. Selain itu teknik
pengambilan sample acak dilakukan, yaitu jika peneliti sudah mengetahui jumlah dan
karakteristik populasi secara pasti.

Sebagai contoh adalah jika elemen populasinya ada 100 dan yang akan dijadikan sample
adalah 75, maka setiap elemen tersebut mempunyai kemungkinan 75/100 untuk bisa
 dipilih menjadi sample. Dan sample sejumlah 75 dapat sebagai representatif dan
generalisai dari populasi sebanyak 100.

2. Sample tidak acak atau nonrandom sampling/nonprobability sampling.

Sample tidak acak atau nonrandom sampling atau nonprobability sampling yaitu bahwa
setiap elemen populasi tidak mempunyai kemungkinan yang sama untuk dijadikan
sample. Lima elemen populasi dipilih sebagai sample karena letaknya dekat dengan
rumah peneliti, sedangkan yang lainnya, karena jauh, tidak dipilih; artinya
kemungkinannya 0 (nol).

Kapankah teknik sample tidak acak dapat dilakukan? Teknik pengambilan sample tidak acak
dilakukan, yaitu jika peneliti tidak mempunyai kemauan melakukan generalisasi hasil
penelitian. Selain itu teknik sample tidak acak biasanya diambil jika peneliti tidak
mempunyai data pasti tentang ukuran populasi dan informasi lengkap tentang setiap
elemen populasi.

Sebagai contohnya, jika yang diteliti populasinya adalah konsumen teh botol, kemungkinan
besar peneliti tidak mengetahui dengan pasti berapa jumlah konsumennya dan juga
karakteristik konsumen. Karena dia tidak mengetahui ukuran pupulasi yang tepat, maka
peneliti tidak dapat mengatakan bahwa 200 konsumen sebagai sample dikatakan
representatif. Artinya jika ternyata dari 200 konsumen teh botol tadi merasa kurang
puas, maka peneliti tidak bisa mengatakan bahwa sebagian besar konsumen teh botol
merasa kurang puas terhadap teh botol.

Dari dua jenis teknik pengambilan sample diatas, yaitu teknik sample acak dan teknik
sample tidak acak, teknik tersebut masih dibedakan lagi menjadi beberapa teknik yang
lebih spesifik lagi. Pada sample acak (random sampling) dikenal dengan istilah simple
random sampling, stratified random sampling, cluster sampling, systematic sampling,
dan area sampling. Pada nonprobability sampling dikenal beberapa teknik, antara lain
adalah convenience sampling, purposive sampling, quota sampling, snowball sampling.
Berikut adalah ulasan secara lengkap.
TEKNIK SAMPLE ACAK (PROBABILITY SAMPLING)

1. Simple Random Sampling atau Sampel Acak Sederhana

Teknik simple random sampling atau sample acak sederhana ini dapat dilakukan jika analisis
penelitiannya cenderung deskriptif dan bersifat umum. Perbedaan karakter yang
mungkin ada pada setiap unsur atau elemen populasi tidak merupakan hal yang
penting bagi rencana analisisnya.

Misalnya dalam populasi ada wanita dan pria, atau ada yang kaya dan yang miskin, ada
manajer dan bukan manajer, dan perbedaan-perbedaan lainnya. Selama perbedaan
gender, status kemakmuran, dan kedudukan dalam organisasi, serta perbedaan-
perbedaan lain tersebut bukan merupakan sesuatu hal yang penting dan mempunyai
pengaruh yang signifikan terhadap hasil penelitian, maka peneliti dapat mengambil
sample secara acak sederhana. Dengan demikian setiap unsur populasi harus
mempunyai kesempatan sama untuk bisa dipilih menjadi sample.

2. Stratified Random Sampling atau Sampel Acak Distratifikasikan

Teknik stratified random sampling atau sample acak distratifikasikan dilakukan jika populasi
bersifat heterogen dan bertingkat. Populasi yang dianggap heterogen menurut suatu
karakteristik tertentu terlebih dahulu dikelompokkan dalam beberapa subpopulasi
sehingga tiap subpopulasi yang ada memiliki anggota sampel yang relative homogen.
Lalu dari tiap subpopulasi ini secara acak diambil anggota samplenya.

Dasar penentuan strata dapat secara geografis dan meliputi karakteristik populasi seperti
pendapatan, pekerjaan, jenis kelamin, dan sebagainya. Selanjutnya untuk menghitung
 berapa jumlah sample yang diambil untuk masing-masing subpopulasi adalah
tergantung pada jumlah sample tiap populasi, yaitu:

a). Jika jumlah elemen tiap subpopulasi sama

Setelah jumlah sample yang akan diambil dapat ditentukan, maka misalkan dengan
menggunakan rumus slovin diatas sampel yang dibutuhkan 150, serta diketahui pula
bahwa jumlah subpopulasi adalah 5, maka tiap subpopulasi akan diambil sebanyak
150/5 = 30 sample.

b). Jika jumlah elemen tiap subpopulasi tidak sama

Jika jumlah elemen tiap subpopulasi tidak sama atau berbeda, misalkan jika ukuran populasi
sebesar 868 terbagi atas 5 sub populasi yang masing-masing ukurannya 448, 131, 81,
108 dan 100.

Untuk mengambil sample sebesar 150 tidak dapat dengan menggunakan cara a) diatas,
tetapi harus sebanding dengan jumlah subpopulasinya, sehingga perlu dicari faktor
pembanding dari tiap subpopulasi yang sering disebut sample fruction (f) dengan cara
membandingkan jumlah elemen tiap subpopulasi dengan jumlah seluruh elemen
populasi sehingga didapat masing-masing sample fraction-nya.

Misalnya, seorang peneliti ingin mengetahui sikap manajer terhadap satu kebijakan
perusahaan. Dia menduga bahwa manajer tingkat atas cenderung positif sikapnya
terhadap kebijakan perusahaan tadi. Agar dapat menguji dugaannya tersebut maka
samplenya harus terdiri atas paling tidak para manajer tingkat atas, menengah, dan
bawah. Dengan teknik pemilihan sample secara random distratifikasikan, maka dia akan
memperoleh manajer di ketiga tingkatan tersebut, yaitu stratum manajer atas, manajer
menengah dan manajer bawah. Dari setiap stratum tersebut dipilih sample secara acak.

Pada saat menentukan jumlah sample dalam setiap stratum, peneliti dapat menentukan
secara proposional dan secara tidak proposional.
Yang dimaksud dengan proposional adalah jumlah sample dalam setiap stratum sebanding
dengan jumlah unsur populasi dalam stratum tersebut. Misalnya, untuk stratum
manajer tingkat atas (I) terdapat 15 manajer, tingkat menengah ada 45 manajer (II), dan
manajer tingkat bawah (III) ada 100 manajer. Artinya jumlah seluruh manajer adalah
160. Kalau jumlah sample yang akan diambil seluruhnya 100 manajer, maka untuk
stratum I diambil (15:160)x100 = 9 manajer, stratum II = 28 manajer, dan stratum 3 = 63
manajer.

Sedangkan jumlah dalam setiap stratum tidak proposional, yaitu jika jumlah unsur atau
elemen di salah satu atau beberapa stratum sangat sedikit. Misalnya saja, kalau dalam
stratum manajer kelas atas (I) hanya ada 4 manajer, maka peneliti bisa mengambil
semua manajer dalam stratum tersebut, dan untuk manajer tingkat menengah (II)
ditambah 5, sedangkan manajer tingat bawah (III), tetap 63 orang.

3. Cluster Sampling atau Sampel Gugus

Pengambilan sample dengan cara cluster sampling atau sample gugus ini hampir sama
dengan cara stratifikasi di atas. Bedanya jika cara stratifikasi mengakibatkan adanya
subpopulasi yang unsur-unsurnya homogen, sedangkan dengan cara kluster unsur-
unsurnya heterogen. Selanjutnya dari masing-masing kluster dipilih sample secara
random sebanyak yang dibutuhkan. Pengambilan sample kluster ini kadang-kadanng
dikaitkan dengan pengambilan sample wilayah, sebab dalam pelaksanaanya sering
dikaitkan dengan letak geografis.

Teknik cluster sampling disebut juga sebagai sample gugus, karena cara pengambilan
sample berdasarkan gugus. Berbeda dengan teknik pengambilan sample acak yang
distratifikasikan, di mana setiap unsur dalam satu stratum memiliki karakteristik yang
homogen (stratum A: laki-laki semua, stratum B: perempuan semua), maka dalam
sample gugus, setiap gugus boleh mengandung unsur yang karakteristiknya berbeda-
beda atau heterogen.
Misalnya, dalam satu organisasi terdapat 100 departemen. Dalam setiap departemen
terdapat banyak pegawai dengan karakteristik berbeda pula. Beda jenis kelaminnya,
beda tingkat pendidikannya, beda tingkat pendapatnya, beda tingat manajerialnnya,
dan perbedaan-perbedaan lainnya. Jika peneliti bermaksud mengetahui tingkat
penerimaan para pegawai terhadap suatu strategi yang segera diterapkan perusahaan,
maka peneliti dapat menggunakan cluster sampling untuk mencegah terpilihnya sample
hanya dari satu atau dua departemen saja.

4. Systematic Sampling atau Sampel Sistematis

Menurut Vockel (1983), cara systematic sampling atau sample sistematis ini merupakan
teknik untuk memilih anggota sample melalui peluang dan sistem tertentu dimana
pemilihan anggota sample dimulai dengan pemilihan secara acak untuk data pertama
dan berikutnya untuk setiap interval tertentu.

Misalnya akan diambil sample sebanyak 100 dari 1000 anggota populasi, kita akan memilih
data pertama dari sample pertama secara acak antara 1 sampai 10. Jika terambil nomor
4 maka untuk data kedua akan diambil dari sample kedua yaitu nomor 14 dan
seterusnya. Agar sample yang didapat terdistribusi dengan baik maka populasi harus
juga dibuat acak, jangan diurutkan misalnya kalau kita akan memilih nama-nama orang
janganlah nama-nama itu diurutkan secara alfabetik.

Jika peneliti dihadapkan pada ukuran populasi yang banyak dan tidak memiliki alat
pengambil data secara random, cara pengambilan sample sistematis dapat digunakan.
Cara ini menuntut kepada peneliti untuk memilih unsur populasi secara sistematis, yaitu
unsur populasi yang bisa dijadikan sample adalah yang ke berapa.

Misalnya, setiap unsur populasi yang keenam, yang bisa dijadikan sample. Soal keberapa-
nya satu unsur populasi bisa dijadikan sample tergantung pada ukuran populasi dan
ukuran sample. Misalnya, dalam satu populasi terdapat 5000 rumah. Sample yang akan
diambil adalah 250 rumah dengan demikian interval di antara sample kesatu, kedua,
dan seterusnya adalah 25.
5. Area Sampling atau Sample Wilayah

Teknik area sampling atau sample wilayah ini dipakai ketika peneliti dihadapkan pada situasi
bahwa populasi penelitiannya tersebar di berbagai wilayah. Misalnya, seorang
marketing manajer sebuah stasiun TV ingin mengetahui tingkat penerimaan masyarakat
Jawa Barat atas sebuah mata tayangan, teknik pengambilan sample dengan area
sampling sangat tepat.

TEKNIK SAMPLE TIDAK ACAK

1. Convenience Sampling

Teknik sample dengan convenience sampling atau sample yang dipilih dengan
pertimbangan kemudahan ini nyaris tidak dapat diandalkan, tetapi biasanya paling
murah dan cepat dilakukan karena peneliti memiliki kebebasan untuk memilih siapa saja
yang mereka temui. Meskipun terdapat ketidak terandalan, cara ini masih bermanfaat,
misalnya pada tahap awal penelitian eksploratif saat mencari petunjuk-petunjuk
penelitian. Hasilnya dapat menunjukkan bukti-bukti yang cukup berlimpah, sehingga
prosedur pengambilan sample yang lebih canggih tidak diperlukan.

Dalam memilih sample, peneliti tidak mempunyai pertimbangan lain kecuali berdasarkan
kemudahan saja. Seseorang diambil sebagai sample karena kebetulan orang tersebut
berada di tempat atau kebetulan peneliti mengenalnya. Oleh karena itu ada beberapa
penulis menggunakan istilah accidental sampling atau tidak disengaja atau juga captive
sample (man-on-the-street). Jenis sample ini sangat baik jika dimanfaatkan untuk
penelitian penjajagan, yang kemudian diikuti oleh penelitian lanjutan yang samplenya
 diambil secara acak (random). Beberapa kasus penelitian yang menggunakan jenis
sample ini, hasilnya ternyata kurang obyektif.

2. Purposive Sampling

Teknik sample dengan purposive sampling, maka sesuai dengan namanya, sample diambil
dengan maksud atau tujuan tertentu. Seseorang atau sesuatu diambil sebagai sample
karena peneliti menganggap bahwa seseorang atau sesuatu tersebut memiliki informasi
yang diperlukan bagi penelitiannya. Dua jenis sample ini dikenal dengan nama
judgement dan quota sampling.

a. Judgment Sampling

Teknik sample dengan judgment sampling ini dapat dipakai, jika peneliti ingin mengetahui
pendapat karyawan tentang prooduk yang akan dibuat. Peneliti telah beranggapan
bahwa karyawan akan lebih banyak tahu daripada orang-orang lain, sehingga peneliti
telah melakukan pertimbangan. Cara ini lebih cocok dipakai pada saat tahap awal studi
eksploratif.

Sample dipilih berdasarkan penilaian peneliti bahwa dia adalah pihak yang paling baik untuk
dijadikan sampel penelitiannya. Misalnya untuk memperoleh data tentang bagaimana
satu proses produksi direncanakan oleh suatu perusahaan, maka manajer produksi
merupakan orang yang terbaik untuk bisa memberikan informasi. Jadi, judment
sampling umumnya memilih sesuatu atau seseorang menjadi sample karena mereka
mempunyai information rich.

Dalam program pengembangan produk (product development), biasanya yang dijadikan

sample adalah karyawannya sendiri, dengan pertimbangan bahwa kalau karyawan
sendiri tidak puas terhadap produk baru yang akan dipasarkan, maka jangan terlalu
berharap pasar akan menerima produk itu dengan baik (Cooper dan Emory, 1992).
b. Quota Sampling

Teknik quota sampling dilakukan, jika riset yang dilakukan bertujuan untuk mengkaji suatu
fenomena dari beberapa sisi. Responden yang akan dipilih adalah orang-orang yang
diperkirakan dapat menjawab semua sisi itu. Misalnya akan diteliti perihal aktivitas
mahasiswa dalam belajar di kelas, membaca buku-buku perpustakaan, turut serta
dalam riset-riset kecil, maka sasaran kuesioner diarahkan pada dosen-dosen yang aktif
mengajar, aktif diperpustakaan, dan aktif dalam riset. Jadi dosen-dosen seperti ini jika
dijadikan sampel akan dapat digunakan sebagai wakil dari populasi seluruh dosen yang
ada.

Teknik sample quota sampling ini adalah bentuk dari sample distratifikasikan secara
proposional, namun tidak dipilih secara acak melainkan secara kebetulan saja. Misalnya,
di sebuah kantor terdapat pegawai laki-laki 60% dan perempuan 40% . Jika seorang
peneliti ingin mewawancari 30 orang pegawai dari kedua jenis kelamin tadi maka dia
harus mengambil sampel pegawai laki-laki sebanyak 18 orang sedangkan pegawai
perempuan 12 orang. Sekali lagi, teknik pengambilan ketiga puluh sample tadi tidak
dilakukan secara acak, melainkan secara kebetulan.

3. Snowball Sampling atau Sampel Bola Salju

Teknik snowball sampling atau sample bola salju merupakan teknik penentuan sample yang
mula-mula jumlahnya kecil, kemudian sample ini disuruh memilih responden lain untuk
dijadikan sample lagi, begitu seterusnya sehingga jumlah sample terus menjadi banyak.
Cara ini banyak dipakai ketika peneliti tidak banyak tahu tentang populasi penelitiannya.
Peneliti hanya tahu satu atau dua orang yang berdasarkan penilaiannya bisa dijadikan
sample. Karena peneliti menginginkan lebih banyak lagi, lalu dia minta kepada sample
pertama untuk menunjukan orang lain yang kira-kira bisa dijadikan sample.

Misalnya, seorang peneliti ingin mengetahui pandangan kaum LGBT terhadap lembaga
perkawinan. Peneliti cukup mencari satu orang wanita yang termasuk dalam LGBT dan
kemudian melakukan wawancara. Setelah selesai, peneliti tadi minta kepada wanita
 tersebut untuk bisa mewawancarai teman LBGT lainnya. Setelah jumlah wanita LGBT
yang berhasil diwawancarainya dirasa cukup, peneliti bisa mengentikan pencarian
wanita LGBT lainnya. Hal ini bisa juga dilakukan pada pencandu narkotik atau kelompok-
kelompok sosial lain yang eksklusif.

C. CARA MENENTUKAN JUMLAH SAMPEL

Pembahasan sebelumnya mengenai pengertian populasi, sample dan teknik pengambilan

sample penelitian sudah cukup jelas. Selanjutnya berikut ini adalah pembahasan
tentang tata cara menentukan ukuran atau besarnya sample. Dalam sebuah penelitian
yang melibatkan ratusan atau bahkan ribuan elemen, secara praktis peneliti mustahil
untuk mengumpulkan data, menguji atau menelaah tiap elemen. Selain itu penelitian
sangat terkendala pada waktu, biaya dan sumber daya lainnya.

Besaran atau ukuran sample ini sangat tergantung dari besaran tingkat ketelitian atau
kesalahan yang diinginkan peneliti. Namun, dalam hal tingkat kesalahan, pada
penelitian sosial maksimal tingkat kesalahannya adalah 5% (0,05). Makin besar tingkat
kesalahan maka makin kecil jumlah sample. Namun yang perlu diperhatikan adalah
semakin besar jumlah sample (semakin mendekati populasi), maka semakin kecil
peluang kesalahan generalisasi dan sebaliknya, semakin kecil jumlah sample (menjauhi
jumlah populasi), maka semakin besar peluang kesalahan generalisasi.

Dalam menentukan ukuran atau besarnya sample secara umum, yaitu penelitian
korelasional jumlah sample minimal untuk memperoleh hasil yang baik adalah 30,
dalam penelitian eksperimen jumlah sample minimum 15 dari masing-masing
kelompok, dan untuk penelitian survey jumlah sample minimum adalah 100.

Sedangkan perhitungan menurut beberapa ahli dalam menentukan sample dari populasi,
terdapat beberapa formula untuk menentukan ukuran sample seperti Tabel Isaac and
 Michael, Tabel Krejcie dan Morgan, Formula Slovin, Formula Lemeshow, Cohran’s
Formula atau lainnya.

Gay dan Diehl (1992) berpendapat bahwa sample haruslah sebesar-besarnya. Pendapat Gay
dan Diehl (1992) ini mengasumsikan bahwa semakin banyak sample yang diambil maka
akan semakin representatif dan hasilnya dapat digeneralisir. Namun ukuran sample
yang diterima akan sangat bergantung pada jenis penelitiannya.

1. Jika penelitiannya bersifat deskriptf, sample minimumnya adalah 10% dari populasi

2. Jika penelitianya korelasional, sample minimumnya adalah 30 subjek

3. Apabila penelitian kausal perbandingan, sample sebanyak 30 subjek per group

4. Apabila penelitian eksperimental, sample minimumnya adalah 15 subjek per group

Kemudian Roscoe (1975) yang dikutip Uma Sekaran (2006) memberikan acuan umum untuk
menentukan ukuran sample :

1. Ukuran sample > 30 dan < 500 adalah tepat untuk kebanyakan penelitian

2. Jika sample dipecah ke dalam subsample (pria/wanita, junior/senior, dan sebagainya),

ukuran sample minimum 30 untuk tiap kategori adalah tepat

3. Dalam penelitian multivariate (termasuk analisis regresi berganda), ukuran sample

sebaiknya 10x lebih besar dari jumlah variabel dalam penelitian

4. Untuk penelitian eksperimental sederhana dengan kontrol eskperimen yang ketat,

penelitian yang sukses adalah mungkin dengan ukuran sample antara 10 - 20.

Selanjutnya Malhotra (1993) memberikan panduan ukuran sample yang diambil dapat
ditentukan dengan cara mengalikan jumlah variabel dengan 5, atau 5x jumlah variabel.
Dengan demikian jika jumlah variabel yang diamati berjumlah 20, maka sample
minimalnya adalah 5 x 20 = 100.
Arikunto Suharsimi (2005) memberikan pendapat sebagai berikut : “..jika peneliti memiliki
beberapa ratus subjek dalam populasi, maka mareka dapat menentukan kurang lebih 25
– 30% dari jumlah tersebut. Jika jumlah anggota subjek dalam populasi hanya meliputi
antara 100 – 150 orang, dan dalam pengumpulan datanya peneliti menggunakan
angket, maka sebaiknya subjek sejumlah itu diambil seluruhnya. Namun apabila peneliti
menggunakan teknik wawancara dan pengamatan, jumlah tersebut dapat dikurangi
menurut teknik sample dan sesuai dengan kemampuan peneliti.

Selain berdasarkan cara-cara tersebut di atas, pengambilan jumlah sample dapat dilakukan
dengan menggunakan rumus-rumus sebagai berikut :

1. RUMUS SLOVIN

Pengambilan jumlah sample menurut rumus Slovin dalam Riduwan ( 2005:65):

n = N/N(d)2 + 1

n = sample; N = populasi; d = nilai presisi 95% atau sig. = 0,05.

Jika jumlah populasi adalah 125, dan tingkat kesalahan yang dikehendaki adalah

5%, maka jumlah sample yang digunakan adalah :

N = 125 / 125 (0,05)2 + 1 = 95,23, dibulatkan 95

2. Formula Jacob Cohen

N = Ukuran sample

F^2 = Effect Size

u = Banyaknya ubahan yang terkait dalam penelitian

 L = Fungsi Power dari u, diperoleh dari tabel

Harga L tabel dengan t.s 1% power 0.95 dan u = 5 adalah 19.76

maka dengan formula tsb diperoleh ukuran sample.

N = 19.76 / 0.1 + 5 + 1 = 203,6, dibulatkan 203

Pengambilan jumlah sample menurut Formula Jacob Cohen dalam Suharsimi

Arikunto ( 2010:179) :

N = L / F^2 + u + 1

Keterangan :

Power (p) = 0.95 dan Effect size (f^2) = 0.1

3. Rumus Proporsi atau Tabel Isaac dan Michael

Pengambilan jumlah sample ini ditentukan sesuai rumus berdasarkan proporsi atau
berdasarkan Tabel Isaac dan Michael. Tabel penentuan jumlah sample dari Isaac dan
Michael ini memberikan kemudahan penentuan jumlah sample berdasarkan tingkat
kesalahan 1%, 5% dan 10%. Dengan tabel tersebut, peneliti dapat secara langsung
menentukan besaran sample berdasarkan jumlah populasi dan tingkat kesalahan yang
dikehendaki seperti yang tercantum dalam tabel tersebut.

Demikianlah artikel kali ini yang membahas tentang pengertian populasi, sample,
tehnik pengambilan sample, dan cara menentukan jumlah sample dalam penelitian.
 Penulis berharap pembahasan materi dalam artikel ini bermanfaat bagi pembaca,
khususnya bagi mahasiswa tingkat akhir sebagai bekal ilmu dalam tugas penelitiannya.

Alasan Pengambilan Sampel

Dalam sebuah penelitian yang melibatkan ratusan atau ribuan elemen, secara praktis sangat
mustahil untuk mengumpulkan data, menguji atau menelaah tiap elemen. Bahkan jika
mungkin, maka hal ini akan terkendala pada waktu, biaya dan sumber daya lainnya.

Dalam kaitannya dengan statistik inferensi / induktif / probabilitas, data sampel dianalisis
dan hasilnya dimanfaatkan (generalisasi) untuk populasi.

Ukuran Sampel

Besaran atau ukuran sampel sangat tergantung dari besaran tingkat ketelitian atau
kesalahan yang diinginkan peneliti. Namun, dalam hal tingkat kesalahan, acuan umum
penelitian sosial memiliki maksimal tingkat kesalahan sebesar 5% (0,05).

Makin besar tingkat kesalahan maka makin kecil ukuran sampel. Namun yang perlu
diperhatikan adalah semakin besar sampel (semakin mendekati populasi) maka semakin
kecil peluang kesalahan generalisasi dan sebaliknya, semakin kecil jumlah sampel
(menjauhi jumlah populasi) maka semakin besar peluang kesalahan generalisasi.

Beberapa formula untuk menentukan ukuran sampel seperti Tabel Isaac and Michael, Tabel
Krejcie dan Morgan, Formula Slovin, Formula Lemeshow, Cohran’s Formula atau lainnya
tersedia untuk menentukan besaran sampel yang dapat digunakan dalam penelitiang
DAFTAR PUSTAKA

Arikunto. 2005. Manajemen Penelitian. Jakarta: Rineka Cipta.

Arikunto.2006. Prosedur Penelitian Su

hilang atau Missing Data atau Missing value dapat diartikan sebagai data atau informasi
yang “hilang” atau tidak tersedia mengenai subjek penelitian pada variabel tertentu
akibat faktor non sampling error.

Faktor non sampling error yang dimaksud adalah interviewer recording error, respondent
inability error, dan respondent unwillingness error.

Interviewer recording error terjadi akibat kealpaan petugas pengumpul data

(pewawancara), misalnya ada sejumlah pertanyaan yang terlewatkan.

Respondent inability error terjadi akibat ketidakmampuan responden dalam memberikan

jawaban akurat, misalnya karena tidak memahami pertanyaan, bosan atau kelelahan
(respondent fatigue) akhirnya responden mengosongkan sejumlah pertanyaan atau
berhenti mengisi kuesioner di tengah jalan.

Unwillingness respondent error tejadi karena responden tidak berkenan memberikan

jawaban yang akurat, misalnya pertanyaan soal penghasilan, usia, berat badan,
pengalaman melakukan pelanggaran hukum, dll. Seperti halnya pada respondent
 inability error, responden bisa mengosongkan jawaban atau menghentikan proses
pengisian kuesioner.

Tipe Missing Data

Dalam prosedur statistika modern, untuk data hilang, ketidaklengkapan suatu data di
asumsikan mengikuti suatu mekanisme tertentu, Menurut Rubin(1976) tipe data hilang
terbagi kedalam tiga tipe, yaitu :

Missing at Random (MAR) jika mekanisme data hilang terdistribusi secara acak untuk
sebagian unit observasi. Dengan kata lain, Missing at Random (MAR), berarti terjadinya
missing data hanya berkaitan dengan variabel respon/pengamatan. Contohnya
seseorang yang memiliki rasa waswas yang tinggi cenderung tidak akan melaporkan
pendapatan mereka, rasa waswas akan berhubungan pada pelaporan pendapatan.
Namun, peluang penderita rasa waswas sendiri untuk melaporkan pendapatan tidak
berhubungan dengan tingkat pendapatan, maka data dapat digolongkan dengan MAR.
Jika data adalah MCAR atau MAR, dapat dikatakan missingness diabaikan.

Missing completely at random (MCAR) jika mekanisme data hilang yang terdistribusi secara
acak untuk seluruh unit observasi. Dengak kata lain, Missing Completely at Random
(MCAR) yang berarti bahwa terjadinya missing data tidak berkaitan dengan nilai semua
variabel, apakah itu variabel dengan missing values atau dengan variabel pengamatan.
Hal ini berarti missing data terjadi secara acak.

Missing Not at Random (MNAR) mekanisme data hilang yang tidak terdistribusi secara
random. Dengan kata lain, Missingness Is Non-Ignorable bahwa terjadinya missing data
pada suatu variabel berkaitan dengan variabel itu sendiri, sehingga ini tidak bisa
diprediksi dari variabel lain pada suatu dataset.

Sebagai catatan, Missing data pada dasarnya tidak bermasalah bagi keseluruhan data,
apalagi jika jumlahnya hanya sedikit, misalnya hanya 1 % dari seluruh data. Namun jika
persentase data yang hilang tersebut cukup besar, maka perlu dilakukan pengujian
 apakah data yang mengandung banyak missing tersebut masih layak diproses lebih
lanjut ataukah tidak.

Metode Penanganan Missing Data

Metode dalam menangani misssing data secara umum dapat dilakukan dengan cara berikut
ini,

Mengabaikan dan membuang missing data

Contoh metode yang sering digunakan pada kategori ini adalah metode Listwise deletion 18
dan Pairwaise deletion 12 (Gary dkk, 2000);

Estimasi parameter

Contohnya algoritma Expectation-Maximization ( EM Algorithm) yang digunakan untuk

mengestimasi parameter dari missing data (Dempster dkk, 1976);

Imputasi

Proses pengisian atau penggantian nilai-nilai yang hilang (missing values) pada sekumpulan
data (dataset ) dengan nilai-nilai yang mungkin (plausible values) berdasarkan informasi
yang didapatkan pada dataset tersebut (Myrtveit, Stensrud dan Olsson, 2001).

Terdapat berbagai teknik dan cara untuk menduga data tidak lengkap, seperti yang
dinyatakan oleh Little & Rubin (1987), penanganan data hilang dapat dilakukan
berdasarkan prosedur : amatan lengkap, imputasi, pembobotan dan model.

Prosedur berbasis unit yang lengkap (Case Completely Analysis)

Pada prosedur ini analisis hanya dilakukan terhadap unit/kasus dimana untuk seluruh
variabel nilainya tercatat atau memiliki data yang lengkap. Sedangkan sebanyak n2
cases yang terdapat missing data pada variabel-variabelnya diabaikan, atau dikeluarkan
dari analisis. Metode ini cukup memuaskan jika jumlah missing data tidak terlalu besar,
tapi prosedur ini menjadi tidak efisien jika persentase missing data (n2/n).100
meningkat atau jika missing data tersebut mengelompok . Hal tersebut akan
menyebabkan hasil yang sangat bias. (Ketika pengamatan yang hilang bukan pilihan
sepenuhnya acak data (MRAC), analisis CC dapat memberikan estimasi bias dan
kesimpulan tidak valid)

Prosedur berbasis Imputasi 4.

Imputasi merupakan suatu alternatif yang umum dan fleksibel. Dalam prosedur ini, missing
value diisi baik dengan menduga langsung atau menggunakan penduga berbasis
korelasi. Namun bagaimanapun metode ini tetap menghasilkan bias, dimana nilai yang
diimput berbeda dengan nilai sebenarnya dari missing data. Terdapat beberapa macam
pendekatan untuk imputasi ini, antara lain:

Hot deck imputation, dimana dari unit-unit yang tercatat disubstitusikan terhadap missing
data.

Cold deck imputation, dimana missing value diganti oleh suatu nilai yang konstan.

Mean imputation, yaitu dimana nilai yang hilang diganti oleh rata-rata (mean) dari
kelompok sampel unit terkait.

Regression (correlation) imputation, yaitu dimana missing value dari suatu variabel
diestimasi menggunakan nilai penduga dari regresi atau korelasi variabel tersebut pada
variabel lainnya yang diketahui.
Prosedur Weighting (Pembobotan)

Pada prosedur ini estimasi biasanya didasarkan pada design weight, yaitu proporsional
secara terbalik terhadap peluang pemilihan sampelnya.

Prosedur berbasis Model 2

Suatu prosedur yang dibentuk dengan menentukan suatu model sebagian data yang hilang
(missing data) tersebut dan selanjutnya melakukan inferensi berbasis pada likelihood
dibawah model tersebut. Parameter diestimasi dengan suatu prosedur iteratif
maximum likelihood dimulai dengan unit atau cases yang lengkap.

hilang atau Missing Data atau Missing value dapat diartikan sebagai data atau informasi
yang “hilang” atau tidak tersedia mengenai subjek penelitian pada variabel tertentu
akibat faktor non sampling error.

Faktor non sampling error yang dimaksud adalah interviewer recording error, respondent
inability error, dan respondent unwillingness error.

Interviewer recording error terjadi akibat kealpaan petugas pengumpul data

(pewawancara), misalnya ada sejumlah pertanyaan yang terlewatkan.

Respondent inability error terjadi akibat ketidakmampuan responden dalam memberikan

jawaban akurat, misalnya karena tidak memahami pertanyaan, bosan atau kelelahan
(respondent fatigue) akhirnya responden mengosongkan sejumlah pertanyaan atau
berhenti mengisi kuesioner di tengah jalan.
Unwillingness respondent error tejadi karena responden tidak berkenan memberikan
jawaban yang akurat, misalnya pertanyaan soal penghasilan, usia, berat badan,
pengalaman melakukan pelanggaran hukum, dll. Seperti halnya pada respondent
inability error, responden bisa mengosongkan jawaban atau menghentikan proses
pengisian kuesioner.

Tipe Missing Data

Dalam prosedur statistika modern, untuk data hilang, ketidaklengkapan suatu data di
asumsikan mengikuti suatu mekanisme tertentu, Menurut Rubin(1976) tipe data hilang
terbagi kedalam tiga tipe, yaitu :

Missing at Random (MAR) jika mekanisme data hilang terdistribusi secara acak untuk
sebagian unit observasi. Dengan kata lain, Missing at Random (MAR), berarti terjadinya
missing data hanya berkaitan dengan variabel respon/pengamatan. Contohnya
seseorang yang memiliki rasa waswas yang tinggi cenderung tidak akan melaporkan
pendapatan mereka, rasa waswas akan berhubungan pada pelaporan pendapatan.
Namun, peluang penderita rasa waswas sendiri untuk melaporkan pendapatan tidak
berhubungan dengan tingkat pendapatan, maka data dapat digolongkan dengan MAR.
Jika data adalah MCAR atau MAR, dapat dikatakan missingness diabaikan.

Missing completely at random (MCAR) jika mekanisme data hilang yang terdistribusi secara
acak untuk seluruh unit observasi. Dengak kata lain, Missing Completely at Random
(MCAR) yang berarti bahwa terjadinya missing data tidak berkaitan dengan nilai semua
variabel, apakah itu variabel dengan missing values atau dengan variabel pengamatan.
Hal ini berarti missing data terjadi secara acak.

Missing Not at Random (MNAR) mekanisme data hilang yang tidak terdistribusi secara
random. Dengan kata lain, Missingness Is Non-Ignorable bahwa terjadinya missing data
pada suatu variabel berkaitan dengan variabel itu sendiri, sehingga ini tidak bisa
diprediksi dari variabel lain pada suatu dataset.
Sebagai catatan, Missing data pada dasarnya tidak bermasalah bagi keseluruhan data,
apalagi jika jumlahnya hanya sedikit, misalnya hanya 1 % dari seluruh data. Namun jika
persentase data yang hilang tersebut cukup besar, maka perlu dilakukan pengujian
apakah data yang mengandung banyak missing tersebut masih layak diproses lebih
lanjut ataukah tidak.

Metode Penanganan Missing Data

Metode dalam menangani misssing data secara umum dapat dilakukan dengan cara berikut
ini,

Mengabaikan dan membuang missing data

Contoh metode yang sering digunakan pada kategori ini adalah metode Listwise deletion 18
dan Pairwaise deletion 12 (Gary dkk, 2000);

Estimasi parameter

Contohnya algoritma Expectation-Maximization ( EM Algorithm) yang digunakan untuk

mengestimasi parameter dari missing data (Dempster dkk, 1976);

Imputasi

Proses pengisian atau penggantian nilai-nilai yang hilang (missing values) pada sekumpulan
data (dataset ) dengan nilai-nilai yang mungkin (plausible values) berdasarkan informasi
yang didapatkan pada dataset tersebut (Myrtveit, Stensrud dan Olsson, 2001).

Terdapat berbagai teknik dan cara untuk menduga data tidak lengkap, seperti yang
dinyatakan oleh Little & Rubin (1987), penanganan data hilang dapat dilakukan
berdasarkan prosedur : amatan lengkap, imputasi, pembobotan dan model.

Prosedur berbasis unit yang lengkap (Case Completely Analysis)

Pada prosedur ini analisis hanya dilakukan terhadap unit/kasus dimana untuk seluruh
variabel nilainya tercatat atau memiliki data yang lengkap. Sedangkan sebanyak n2
cases yang terdapat missing data pada variabel-variabelnya diabaikan, atau dikeluarkan
dari analisis. Metode ini cukup memuaskan jika jumlah missing data tidak terlalu besar,
tapi prosedur ini menjadi tidak efisien jika persentase missing data (n2/n).100
meningkat atau jika missing data tersebut mengelompok . Hal tersebut akan
menyebabkan hasil yang sangat bias. (Ketika pengamatan yang hilang bukan pilihan
sepenuhnya acak data (MRAC), analisis CC dapat memberikan estimasi bias dan
kesimpulan tidak valid)

Prosedur berbasis Imputasi 4.

Imputasi merupakan suatu alternatif yang umum dan fleksibel. Dalam prosedur ini, missing
value diisi baik dengan menduga langsung atau menggunakan penduga berbasis
korelasi. Namun bagaimanapun metode ini tetap menghasilkan bias, dimana nilai yang
diimput berbeda dengan nilai sebenarnya dari missing data. Terdapat beberapa macam
pendekatan untuk imputasi ini, antara lain:

Hot deck imputation, dimana dari unit-unit yang tercatat disubstitusikan terhadap missing
data.

Cold deck imputation, dimana missing value diganti oleh suatu nilai yang konstan.

Mean imputation, yaitu dimana nilai yang hilang diganti oleh rata-rata (mean) dari
kelompok sampel unit terkait.

Regression (correlation) imputation, yaitu dimana missing value dari suatu variabel
diestimasi menggunakan nilai penduga dari regresi atau korelasi variabel tersebut pada
variabel lainnya yang diketahui.
Prosedur Weighting (Pembobotan)

Pada prosedur ini estimasi biasanya didasarkan pada design weight, yaitu proporsional
secara terbalik terhadap peluang pemilihan sampelnya.

Prosedur berbasis Model 2

Suatu prosedur yang dibentuk dengan menentukan suatu model sebagian data yang hilang
(missing data) tersebut dan selanjutnya melakukan inferensi berbasis pada likelihood
dibawah model tersebut. Parameter diestimasi dengan suatu prosedur iteratif
maximum likelihood dimulai dengan unit atau cases yang lengkap.

1.1 PENGERTIAN SAMPEL

Dalam ilustrasi kita sering menyebut istilah populasi dan sample. Agar diperoleh
pemahaman yang seragam, secara ringkas tentang pengertian-pengertian dasar
berikut:

Populasi : keseluruhan unit atau individu yang ingin diteliti.

Sampel : sebagian anggota dari populasi yang dipilih dengan prosedur tertentu

dan diharapkan dapat mewakili suatu populasi.

Parameter : suatu nilai yang menggambarkan karakteristik suatu populasi

Statistik : suatu nilai yang menggambarkan karakteristik suatu sample.

Survei : suatu penelitian yang dilakukan terhadap sample.

Sensus : suatu penelitian yang dilakukan pada semua individu dalam populasi.

1.2 PENGGUNAAN SAMPEL

Penggunaan sample dalam suatu penelitian berdasarkan atas pertimbangan berikut:

1. Apabila tidak mungkin mengamati semua anggota populasi.

2. Pengamatan terhadap semua anggota populasi dapat bersifat merusak.

3. Menghemat waktu, biaya dan tenaga

4. Mampu memberikan informasi yang lebih menyeluruh dan mendalam.

1.3 SAMPEL YANG BAIK

Pengambilan sample yang tepat diharapkan mampu mewakili seluruh anggota populasi dan
mampu memberikan informasi yang terkait dengan populasi yang diteliti. Informasi
yang diperoleh dapat digunakan sebagai bahan dalam pengambilan keputusan. Agar
informasi yang diperoleh dapat memenuhi tujuan maka dibutuhkan ketepatan data
yang dikumpulkan. Syarat data sample yang baik, yaitu:

1. Obyektif (sesuai dengan kenyataan yang sebenarnya)

2. Representatif (mewakili keadaan yang sebenarnya)

3. Memiliki variasi yang kecil

4. Tepat Waktu dan Relevan

Untuk mencapai tujuan tersebut diperlukan metode pengambilan sample yang tepat agar
sample yang diambil dapat diperoleh statistic yang dapat digunakan sebagai penduga
 bagi parameter populasi. Statistik yang diperoleh akan menjadi penduga yang baik jika
memenuhi syarat berikut:

1. Unbiased

Suatu penduga dikatakan unbiased apabila nilai yang diharapkan sama dengan nilai
parameter atau dilambangkan dengan .

2. Efisien

Suatu penduga dikatakan efisien apabila penduga tersebut memiliki standard error yang
terkecil dibandingkan dengan standard error penduga yang lain.

3. Konsisten

Suatu penduga dikatakan konsisten apabila peluang untuk memperoleh perbedaan antara
statistik dengan parameter mendekati nol jika jumlah sample bertambah. Artinya jika
sample diperbesar maka suatu nilai satstistik akan semakin mendekati nilai parameter
yang diestimasi.

2.1 SAMPLING

2.1.1 PENGERTIAN DASAR

Dalam Sampling ada beberapa istilah yang sering digunakan dan berkaitan dengan
estimasi, sebagai berikut:

Elemen : unit yang digunakan untuk mendapatkan informasi.

Unit Observasi : unit dimana informasi diperoleh baik secara langsung maupun

tidak langsung.

Unit Sampling : unit yang dijadikan dasar dalam penarikan sample

Daftar Unit : daftar yang digunakan sebagai dasar penarikan sample.

Kerangka Sampel : kumpulan seluruh unit dalam populasi yang dijadikan dasar dalam
penarikan sample.

2.1.2 METODE SAMPLING

Metode sampling yang sering digunakan ada dua macam, yaitu Probability Sampling dan
Non Probability Sampling.

1. Probability Sampling

Probability Sampling adalah metode pemilihan sample dari suatu populasi dengan
menggunakan kaidah-kaidah probabilita.

Contoh : SRS, Sistematik, Stratified, Cluster, PPS, Multistage, Multiphase

2. Non Probability Sampling

Non Probability Sampling adalah metode pemilihan sample dari suatu populasi tidak
menggunakan kaidah-kaidah probabilita.

Contoh : Convinience, Judgement, Quota, Snowball

Dalam membahas metode sampling termasuk didalamnya cara penarikan sample. Cara
Penarikan sample ada tiga, yaitu:

1. Simple Random Sampling (SRS)

2. Probability Proportional to Size (PPS)

3. Systematic (Sistematik)

2.1.3 KEUNTUNGAN METODE SAMPLING

Keuntungan menggunakan metode sampling, antara lain:

1. Menghemat Biaya
Menghemat Biaya karena data yang dikumpulkan hanya sebagian dari populasi. Karena
merupakan sample, maka petugas yang dibutuhkan lebih sedikit, hemat biaya
percetakan, biaya pelatihan, pencacahan, dan pengolahan.

2. Mempercepat Hasil Survei

Pada umumya data yang dibutuhkan segera, sehingga berbagai perencanaan segera dapat
dilakukan. Dengan melakukan survei sample maka pelaksanaan lapangan dan
pengolahan tentunya akan jauh lebih cepat diselesaikan.

3. Cakupan Materi Lebih Besar

Data yang diperlukan biasanya beragam dan cukup banyak, sehingga tidak mungkin
dikumpulkan melalui pencacahan lengkap. Data yang dikumpulkan melalui sensus
lengkap biasanya sangat terbatas. Variable yang dicakup sangat dibatasi pada variable
dasar saja.

4. Akurasi Lebih Tinggi

Pada sensus jumlah petugas dan responden yang besar akan mengakibatkan tingkat
kesalahan yang juga besar terutama kesalahan yang diakibatkan bukan oleh teknik
sampling yang disebut dengan Non Sampling Error. Non Sampling Error dapat
diakibatkan oleh tidak terpenuhi kualifikasi petugas yang baik, kuesioner yang kurang
baik, konsep dan definisi yang kurang tepat, jawaban responden yang salah, maupun
kesalahan dalam proses pengolahan..

2.1.4 KELEMAHAN METODE SAMPLING

Kelemahan menggunakan metode sampling, antara lain:

1. Penyajian Wilayah Kecil

Penyajian wilayah kecil seperti kecamatan dan desa dengan sample terbatas tidak dapat
dipenuhi. Pada umumnya jumlah sample yang digunakan sesuai dengan tingkat
ketelitian yang dikehendaki.

2. Penyajian Variable Proporsi Kecil

Survei sample tidak dapat menyajikan variable yang kejadiannya kecil dalam
populasi(proporsi kecil).

3. Trend Data

Apabila data diperlukan secara berkala untuk mengukur perubahan yang sangat kecil dari
satu period ke periode berikutnya, kemungkinan sample diperlukan cukup besar.

4. Tidak Tersedianya Kerangka Sampel

Tidak tersedianya kerangka sample sehingga persyaratan probabilita sampling tidak

terpenuhi. Biaya untuk pembentukan kerangka sample cukup tinggi sehingga memiliki
pengaruh besar terhadap total biaya.

2.1.5 PRINSIP KEGIATAN SURVEI

Dalam kegiatan survei perlu diperhatikan beberapa hal, sebagai berikut:

Obyek dan tujuan dari survei

Populasi dari survei

Data yang akan dikumpulkan

Tingkat ketelitian yang dikehendaki

Kerangka Sampel dan cara penarikan sample

Target populasi yang disajikan (estimasi)

Inferensial yang berupa kajian dan analisis

3.1 METODE SAMPLING

3.1.1 METODE PROBABILITY SAMPLING

Metode Probability Sampling adalah metode pemilihan sample dari suatu populasi
dengan menggunakan kaidah-kaidah probabilita. Dalam probability sampling, pemilihan
sample tidak dilakukan secara subyektif, dalam arti sample yang terpilih tidak
didasarkan pada keinginan peneliti, sehingga setiap anggota populasi memiliki
kesempatan yang sama untuk terpilih sebagai sample. Dengan demikian diharapkan
sample yang terpilih dapat digunakan untuk menduga karakteristik populasi secara
obyektif. Yang termasuk Metode Probabilita Sampling adalah sebagai berikut:

1. Simpel Random Sampling (SRS)

2. Sistematik

3. Stratified

4. Cluster

5. Probability Proportional to Size (PPS)

6. Multistage

7. Multiphase

METODE PROBABILITA SAMPLING:

1. SIMPEL RANDOM SAMPLING (SRS):

2. SISTEMATIK;

3. STRATIFIED;

4. CLUSTER;

5. PROBABILITY PROPORTIONAL TO SIZE (PPS);

6. MULTISTAGE;

7. MULTIPHASE SAMPLING;
Konsep Dasar

§ Multiphase sampling adalah pengambilan sampel berdasarkan informasi yang diperoleh

pada fase pertama yang digunakan sebagai informasi tambahan untuk memperoleh
estimasi yang akurat pada fase berikutnya

§ Multiphase sampling yang biasa digunakan adalah double sampling (two phase
sampling)

Double sampling mencakup pemilihan sampel sebesar n tidak secara langsung dari populasi
berukuran N, tetapi melalui pemilihan sampel sebelumnya sebesar n’.

N n’ n

Informasi yang diperoleh dari n’

digunakan untuk meningkatkan

keakuratan estimasi sampel akhir.

§ Perbedaan multiphase dan multistage

o Pada multiphase, tiap unit sampel yang diambil pada fase yang berbeda adalah sama,
hanya karakteristik yang diukur berbeda

o Pada multistage, tiap unit sampel yang diambil pada tiap stage berbeda.

§ Double sampling biasanya digunakan bersama-sama dengan stratified sampling dan

ratio estimate.
Rumus Estimasi

§ Stratified double sampling

N n’ n

Fase I :Dari populasi sebesar N diambil sampel sebesar n’. berdasarkan informasi yang
diperoleh dari pengambilan sampel ini , dibuat stratifikasi untuk n’ dimana

Fase II : Dari setiap nh’diambil sampel masing-masing sebesaar nh dimana

ú Estimasi rata-rata dari total populasi

dimana

ú Estimasi total populasi

dimana

ú Estimasi varians estimasi rata-rata total

dimana

bila sampel < 5% maka g ~1

ú Estimasi Varian total:

ú standar error:
keterangan

B : total blok sensus

b : blok sensus terpilih

§ Double sampling dalam ratio estimate

N n’ n

Fase I : Dari populasi sebesar N diambil sampel sebesar n’. Dari n’ dikumpulkan informasi
mengenai variabel tambahan untuk memperbaiki estimasi, misal x.

Fase II : Dari n’ diambil sampel sebesar n. dari n juga dikumpulkan informasi mengenai x.

ú Estimasi rata-rata populasi

dimana diperoleh dari fase II

diperoleh dari fase I

ú Estimasi total populasi

ú Estimasi varians estimasi rata-rata

ú Estimasi varians total

ú Standar error

dimana

3.1.2 METODE NON PROBABILITY SAMPLING

Metode Non Probability Sampling adalah metode pemilihan sample dari suatu populasi
tidak menggunakan kaidah-kaidah probabilita. Metode Non Probability Sampling
digunakan apabila metode Probability Sampling tidak dapat digunakan terutama dalam
kaitannya dengan pengurangan biaya, waktu, tenaga dan permasalahan yang timbul
dalam pembuatan kerangka sample. Yang termasuk metode probabilita Sampling
adalah sebagai berikut:

1. Convinience Sampling

2. Judgement Sampling

3. Quota Sampling

4. Snowball Sampling

METODE PROBABILITA SAMPLING:

1. CONVINIENCE SAMPLING; zikronah

Konsep Dasar

§ Sampel diambil berdasarkan pada ketersediaan elemen dan kemudahan untuk

mendapatkannya

§ Sampel terpilih karena berada pada waktu dan tempat yang tepat

§ Cara ini biasanya dipakai pada tahap awal penelitian

§ Kelebihan :

ú Murah dan cepat (hemat biaya dan waktu)

ú Cocok untuk pilot study

§ Kekurangan :

ú Hasilnya tidak dapat diandalkan

ú Tidak dapat digiunakan bila populasi tidak dapat didefinisikan

Contoh Aplikasi

Penelitian tentang persepsi konsumen terhadap pelayanan. Penelitian dilaksanakan selama

satu minggu. Sampel yang diambil adalah sebesar 100 orang. Konsumen yang akan
terpilih sebagai sampel adalah 100 orang pertama yang ditemui di toko tersebut selama
kurun waktu penelitian.

2. JUDGEMENT SAMPLING;zikronah

Konsep Dasar

§ Judgment sampling merupakan pengambilan sampel berdasarkan kriteria yang telah

ditentukan

§ Kriteria pengambilan sampel ada dua yaitu,

1. Expert sampling

Pemilihan sampel yang representatif didasarkan atas pendapat ahli sehingga siapa dan
jumlah sampel yang diambil tergantung pada pendapat ahli yang bersangkutan.
2. Purposive sampling

Pemilihan sampel berdasarkan pada penelitian pribadi peneliti yang menyatakan bahwa
sampel yang dipilih benar-benar representaif. Peneliti harus memiliki pengetahuan yang
memadai.

§ Kelebihan :

ú Bila probability sampling tidak dapat digunakan sama sekali

ú Bila sampel sangat kecil (<20)

ú Bila pengetahuan peneliti tentang topik yang dihadapi sangat memadai

§ Kekurangan :

ú Perlu kejelian peneliti dalam mendefinisikan populasi dan membuat pertimbangannya.

Contah Aplikasi

Penelitian tentang ‘sikap dan perilaku konsumen terhadap rokok Djarum’ Judgment yang
diambil adalah sebagai berikut:

a. Para perokok di Jakarta Utara yang pernah mencoba rokok Djarum. Batasan ini diambil
karena

pertama dipilih Jakarta Utara karena mungkin dari letak geografisnyanya para responden
mudah diakses,

Kedua dipilih para perokok untuk menghindari adanya bias dari hasil penelitian karena
adanya sikap yang bertolak belakang antara perokok dan bukan perokok.

Ketiga dipilih yang pernah mencoba rokok Djarum.

b. Pria/wanita yang berusia 15 tahun ke atas dan perokok. Hal ini didasarkan pada faktor
kejiwaan yang menyatakan bahwa orang-orang pada usia 15 diharapkan sudah dapat
memutuskan dan menjawab/mengisi angket dengan benar. Tidak adanya pembedaan
antara pria dan wanita disebabkan kenyataan pada dewasa ini bahwa rokok bukan
sepenuhnya dikonsumsi oleh para pria saja.

c. Periode penyebaran dan pengumpulan angket dibatasi selama 2 minggu. Judgment ini
biasanya dipilih dalam kaitannya dengan efisiensi waktu dan biaya yang tersedia.
3. QUOTA SAMPLING; Siti Maysarokh

Konsep Dasar

§ Quota sampling dapat juga disebut sebagai judgment sampling dua tahap dimana :

Tahap I Peneliti merumuskan kategori kontrol atau quota dari populasi yang akan
diteliti

Tahap II Penentuan bagaimana sampel akan diambil, dapat secara convinience atau
judgment, tergantung situasi dan kondisi penelitian serta kemampuan peneliti

§ Perbedaan antara judgment dengan quota terletak pada adanya suatu batasan pada
quota sampling. Dalam quota sampling, sampling yang diambil telah dijatah (quotum)
dari setiap sub kelompoknya.

§ Kelebihan :

ú biaya penelitian rendah

ú keleluasaan peneliti untuk menentukan elemen-elemen untuk setiap quotanya

§ Kekurangan :

ú tingginya tingkat kesulitan dalam merumuskan hasil penelitian karena data yang
diperoleh sangat beragam

ú tidak ada prosedur baku bagi pewawancara dan teknik wawancara akan berpengaruh
pada terjadinya bias.

§ Quota sampling termasuk dalam nonprobability sampling sehingga tidak bisa untuk
mengestimasi populasi.

Contoh Aplikasi

Penelitian mengenai kebiasaan membaca koran dari orang dewasa di Jakarta yang
diperkirakan berjumlah 4 juta orang.

Kategori kontrol yang dipakai adalah :

a. jenis kelamin (laki-laki dan perempuan)

 b. usia (18-31, 31-45, 46-60,>60th)

Misal sampel yang akan diambil adalah 10.000 orang dan dari populasi diperoleh informasi
bahwa

a. Jenis kelamin : Laki-laki : 60%

Perempuan : 40%

b. Usia : 18 –30 ==> 40%

31 – 45 ==> 30%

46 – 60 ==> 23%

> 60 ==> 7%

Atas dasar informasi tersebut maka, komposisi dari 10.000 sampel harus mengandung:

ú 60% laki-laki dan 40% perempuan

ú 40% berusia 18-30 tahun , 30% berusia 31-45 tahun, 23% berusia 46-60 tahun, dan 7%
berusia >60 tahun.

4. SNOWBALL SAMPLING;Siti May

Konsep Dasar

§ Snowball sampling tidak digunakan bila populasinya sangat spesifik, dan antara
anggota populasi saling mengenal.

§ Sampel diambil secara berantai, mulai dari ukuran sampel yang kecil, makin lama
semakin menjadi besar.

§ Kelebihan : bias relatif kecil karena populasinya spesifik dan sampelnya terfokus.

§ Kekurangan: biaya dan waktu yang diperlukan untuk memperoleh informasi cukup
besar.

Contoh Aplikasi
Penelitian mengenai pendapat ahli penyakit dalam senior Indonesia terhadap pengobatan
penyakit dalam dengan menggunakan tenaga dalam. Dalam pelaksanaannya, pertama-
tama dilakukan wawancara terhadap seoran gahli penyakit dalam. Selanjutnya dari yang
bersangkutan diminta untuk menunjukan beberapa ahli lain untuk diwawancarai.
Demikian seterusnya hingga diperoleh sejumlah responden yang diperlukan.

4.1 ESTIMASI

4.1.1 ESTIMASI STATISTIK

Statistik/inferesial adalah nilai yang dihitung dari hasil survei sample mengenai karakteristik,
biasanya untuk tujuan membuat estimasi populasi. Karakteristik dapat berupa variabel
yang berhubungan dengan keadaan elemen dalam populasi seperti umur, pendidikan,
status pekerjaan dan sebagainya. Nilai yang dihitung dapat berupa angka mutlak, rata-
rata, rasio, persentase, dan sebagainya atau kajian yang lebih mendalam seperti kajian
karakteristik sub populasi, deviasi standar, dan sebagainya.

RUMUS ESTIMASI

Rumus estimasi adalah rumus yang digunakan untuk memperkirakan nilai karakterisrik
populasi yang diperoleh dari sample.

Notasi yang digunakan adalah:

Y = nilai karakteristik populasi

= rata-rata nilai karakteristik populasi

= perkiraan nilai karakteristik populasi dari sample

N = banyaknya seluruh unit sampling dalam populasi

N = banyaknya unit sampling terpilih

= perkiraan rata-rata nilai karakteristik populasi dari sample.

Dalam metode sampling berlaku kesepakatan apabila huruf besar menunjukkan nilai
populasi dan huruf kecil menunjukkan nilai sample.