Pengambilan sampel probabilitas:

Pengambilan sampel probabilitas juga dikenal sebagai sampling sampel acak ’atau‘ sampling
kesempatan'. Di bawah desain pengambilan sampel ini, setiap item dari alam semesta memiliki
peluang inklusi yang sama di contoh. Jadi, bisa dikatakan, metode lotre adalah di mana unit individu
diambil dari keseluruhan Kelompok tidak sengaja tetapi dengan beberapa proses mekanis. Di sinilah
kesempatan buta sendiri yang menentukan apakah satu item atau yang lain dipilih. Hasil yang
diperoleh dari probability atau random sampling dapat dipastikan dalam hal probabilitas mis., kita
dapat mengukur kesalahan estimasi atau signifikansi hasil yang diperoleh dari sampel acak, dan fakta
ini memunculkan keunggulan sampel acak desain atas desain pengambilan sampel yang disengaja.
Pengambilan sampel acak memastikan hukum Keteraturan Statistik yang menyatakan bahwa jika
rata-rata sampel yang dipilih adalah acak, sampel akan memiliki komposisi yang sama dan
karakteristik sebagai alam semesta. Ini adalah alasan mengapa pengambilan sampel acak
dipertimbangkan sebagai teknik terbaik untuk memilih sampel yang representatif.

Pengambilan sampel acak dari populasi terbatas mengacu pada metode pemilihan sampel
yang memberikan setiap kombinasi sampel yang memungkinkan memiliki probabilitas yang sama
untuk diambil dan setiap item dalam keseluruhan populasi memiliki peluang yang sama untuk
dimasukkan dalam sampel. Ini berlaku untuk pengambilan sampel tanpa penggantian yaitu, setelah
suatu item dipilih untuk sampel, itu tidak dapat muncul dalam sampel lagi (Pengambilan sampel
dengan penggantian lebih jarang digunakan di mana prosedur elemen dipilih untuk sampel
dikembalikan ke populasi sebelum elemen berikutnya dipilih. Dalam situasi yang sama elemen bisa
muncul dua kali dalam sampel yang sama sebelum elemen kedua dipilih). Secara singkat, implikasi
dari pengambilan sampel acak (atau pengambilan sampel acak sederhana) adalah:

(A) memberikan setiap elemen dalam populasi probabilitas yang sama untuk masuk ke
sampel; dan semua pilihan tidak tergantung satu sama lain.
(B) memberikan setiap kombinasi sampel yang memungkinkan probabilitas yang sama
untuk dipilih.
sampel acak sederhana (atau hanya sampel acak) dari populasi terbatas sebagai sampel yang
dipilih sedemikian rupa sehingga masing-masing NCn sampel mungkin memiliki probabilitas yang
sama, 1 / NCn, untuk dipilih. Untuk membuatnya lebih jelas kita ambil yang terbatas populasi terdiri
dari enam elemen (katakanlah a, b, c, d, e, f) yaitu, N = 6. Misalkan kita ingin mengambil sampel
ukuran n = 3 darinya. Lalu ada 6C3 = 20 sampel berbeda yang mungkin dari ukuran yang dibutuhkan,
yang terdiri dari elemen abc, abd, abe, abf, acd, ace, acf, ade, adf, aef, bcd, sm, bcf, bde,bdf, bef,
cde, cdf, cef, dan def. Jika kita memilih salah satu dari sampel ini sedemikian rupa sehingga masing-
masing memiliki probabilitas 1/20 dipilih, hal tersebut dapat dikatakan sampel acak.

BAGAIMANA MEMILIH SAMPEL ACAK?

Berkenaan dengan pertanyaan tentang bagaimana mengambil sampel acak dalam praktik
nyata, kita dapat, secara sederhana kasus seperti yang di atas, tulis masing-masing sampel yang
mungkin pada selembar kertas, campur slip ini secara menyeluruh dalam wadah dan kemudian
menggambar sebagai lotere baik ditutup matanya atau dengan memutar drum atau oleh apa pun
perangkat serupa lainnya. Prosedur semacam itu jelas tidak praktis, jika tidak mungkin sama sekali
tidak mungkin dilakukan dalam kompleksitas masalah pengambilan sampel. Faktanya, kegunaan
praktis dari metode semacam itu sangat terbatas.
Untungnya, kita dapat mengambil sampel acak dengan cara yang relatif lebih mudah tanpa
mengambil kesulitan mendaftarkan semua sampel yang mungkin pada slip kertas seperti dijelaskan
di atas. Alih-alih ini, kita dapat menulis nama setiap elemen populasi terbatas pada selembar kertas,
masukkan potongan kertas jadi siap sebuah kotak atau tas dan campur secara menyeluruh dan
kemudian menggambar (tanpa melihat) jumlah slip yang diperlukan untuk sampel satu demi satu
tanpa penggantian.
Dengan melakukan itu kita harus memastikan bahwa dalam gambar yang berurutan masing-
masing elemen populasi yang tersisa memiliki peluang yang sama terpilih. Prosedur ini juga akan
menghasilkan probabilitas yang sama untuk setiap sampel. Kita dapat verifikasi ini dengan
mengambil contoh di atas. Karena kita memiliki populasi hingga 6 elemen dan kita inginkan untuk
memilih sampel ukuran 3, probabilitas menggambar salah satu elemen untuk sampel kami di
pertama draw adalah 3/6, probabilitas menggambar satu elemen lagi di gambar kedua adalah 2/5,
(elemen pertama digambar tidak diganti) dan kemungkinan probabilitas untuk menggambar satu
elemen lagi dalam undian ketiga adalah 1/4. Karena undian ini independen, probabilitas gabungan
dari tiga elemen yang membentuk sampel kami adalah produk dari probabilitas masing-masing dan
ini berhasil hingga 3/6 × 2/5 × 1/4 = 1/20. Ini memverifikasi perhitungan kami sebelumnya.
Bahkan metode yang relatif mudah ini untuk memperoleh sampel acak dapat
disederhanakan dalam praktik nyata dengan menggunakan tabel angka acak. Berbagai ahli statistik
seperti Tippett, Yates, Fisher telah menyiapkan tabel angka acak yang dapat digunakan untuk
memilih sampel acak. Secara umum, Tippett tabel angka acak digunakan untuk tujuan tersebut.
Tippett memberikan angka angka 400.400. Dia memilih 41600 digit dari laporan sensus dan
menggabungkannya menjadi empat untuk memberikan angka acaknya yang dapat digunakan untuk
mendapatkan sampel acak.
Kami dapat menggambarkan prosedur dengan contoh. Pertama-tama kita mereproduksi tiga
puluh set pertama Nomor Tippett
2952 6641 3992 9792 7979 5911
3170 5624 4167 9525 1545 1396
7203 5356 1300 2693 2370 7483
3408 2769 3563 6107 6913 7691
0560 5246 1112 9025 6008 8126
Misalkan kita tertarik mengambil sampel 10 unit dari populasi 5.000 unit, bantalan angka
dari 3001 hingga 8000. Kami akan memilih 10 angka tersebut 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, kami memperoleh angka-angka
berikut: 6641, 3992, 7979,5911, 3170, 5624, 4167, 7203, 5356, dan 7483.
Unit-unit yang memuat nomor seri di atas kemudian akan menjadi sampel acak yang
diperlukan. Orang mungkin mencatat bahwa mudah untuk mengambil sampel acak dari populasi
terbatas dengan bantuan tabel nomor acak hanya ketika daftar tersedia dan item mudah diberi
nomor. Tetapi dalam beberapa situasi sering kali mustahil untuk melanjutkan dengan cara yang telah
kita ceritakan di atas. Misalnya, kalau kita ingin memperkirakan tinggi pohon rata - rata di hutan,
tidak mungkin untuk menghitung jumlahnya, dan pilih nomor acak untuk memilih sampel acak.
Dalam situasi seperti itu yang harus kita lakukan adalah memilih beberapa pohon untuk sampel
sembarangan tanpa maksud atau tujuan, dan harus memperlakukan sampel sebagai sampel acak
untuk tujuan penelitian.
CONTOH ACAK DARI UNIVERSE INFINITE

Sejauh ini kita telah berbicara tentang pengambilan sampel secara acak, dengan hanya
melihat populasi yang terbatas. Tapi apa tentang pengambilan sampel acak dalam konteks populasi
tak terbatas? Konsepnya relatif sulit dijelaskan sampel acak dari populasi yang tak terbatas. Namun,
beberapa contoh akan menunjukkan dasarnya karakteristik sampel tersebut. Misalkan kita
menganggap 20 lemparan dadu yang adil sebagai sampel dari populasi hipotetis tak terbatas yang
terdiri dari hasil semua kemungkinan lemparan dadu. jika probabilitas mendapatkan angka tertentu,
katakan 1, sama untuk setiap lemparan dan 20 lemparan adalah semua independen, maka kita
katakan bahwa sampelnya acak. Demikian pula, itu akan dikatakan sebagai pengambilan sampel dari
populasi tak terbatas jika kita sampel dengan penggantian dari populasi terbatas dan sampel kita
akan dianggap sebagai sampel acak jika dalam setiap undian semua elemen populasi memiliki yang
sama probabilitas dipilih dan undian berturut-turut terjadi secara mandiri. Secara singkat, bisa
dikatakan bahwa pemilihan setiap item dalam sampel acak dari populasi tak terbatas dikendalikan
oleh probabilitas yang sama dan bahwa pilihan berturut-turut tidak tergantung satu sama lain.

DESAIN SAMPLING RANDOM KOMPLEKS

Sampling probabilitas dengan teknik pengambilan sampel terbatas, seperti yang disebutkan
di atas, dapat menghasilkan kompleks desain sampel acak. Desain seperti itu mungkin juga disebut
'desain sampel campuran' untuk banyak desain tersebut dapat mewakili kombinasi prosedur
pengambilan sampel probabilitas dan non-probabilitas memilih sampel. Beberapa desain sampel
acak kompleks yang populer adalah sebagai berikut:
(i) Pengambilan sampel sistematis: Dalam beberapa kasus, cara pengambilan sampel yang
paling praktis adalah memilih setiap item ih pada daftar. Sampling jenis ini dikenal sebagai
sampling sistematis. Unsur keacakan diperkenalkan ke dalam jenis sampling dengan
menggunakan angka acak untuk mengambil unit yang dengannya mulai. Misalnya, jika
sampel 4 persen diinginkan, item pertama akan dipilih secara acak dua puluh lima pertama
dan setelahnya setiap item ke-25 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 sistematis
bukan sampel acak dalam benar-benar memahami istilah tersebut, tetapi seringkali
dianggap masuk akal untuk memperlakukan sampel sistematis seolah-olah memang
demikian sampel acak.
(ii) Pengambilan sampel bertingkat: Jika suatu populasi dari mana sampel akan diambil
bukan merupakan kelompok homogen, teknik stratified sampling umumnya diterapkan
untuk mendapatkan perwakilan mencicipi. Di bawah stratified sampling populasi dibagi
menjadi beberapa sub-populasi yang secara individual lebih homogen daripada total
populasi (sub-populasi yang berbeda disebut ‘Strata’) dan kemudian kami memilih item dari
setiap strata untuk menjadi sampel. Karena setiap strata adalah lebih homogen dari total
populasi, kami bisa mendapatkan perkiraan yang lebih tepat untuk masing-masing populasi
strata dan dengan memperkirakan masing-masing bagian komponen dengan lebih akurat,
kami mendapatkan estimasi yang lebih baik keseluruhan. Singkatnya, pengambilan sampel
bertingkat menghasilkan informasi yang lebih andal dan terperinci.
 Tiga pertanyaan berikut ini sangat relevan dalam konteks pengambilan sampel bertingkat:
(a) Bagaimana cara membentuk strata?
(b) Bagaimana item harus dipilih dari setiap strata?
(c) Berapa banyak item yang dipilih dari setiap strata atau bagaimana mengalokasikan
ukuran sampel masing-masing lapisan?

Mengenai pertanyaan pertama, kita dapat mengatakan bahwa strata dibentuk atas dasar kesamaan
karakteristik item yang akan diletakkan di setiap strata. Ini berarti bahwa berbagai strata terbentuk
disedemikian rupa untuk memastikan unsur-unsur menjadi paling homogen dalam setiap strata dan
sebagian besar heterogen antara strata yang berbeda. Dengan demikian, strata terbentuk secara
sengaja dan biasanya berdasarkan pengalaman masa lalu dan penilaian pribadi peneliti. Orang harus
selalu ingat pertimbangan yang cermat tentang hubungan antara karakteristik populasi dan
karakteristik yang akan diperkirakan biasanya digunakan untuk menentukan strata. Kadang-kadang,
studi pilot mungkin dilakukan untuk menentukan rencana stratifikasi yang lebih tepat dan efisien.
Kita bisa melakukannya dengan mengambil sampel kecil dengan ukuran yang sama dari masing-
masing strata yang diusulkan dan kemudian memeriksa varians dalam dan di antara kemungkinan
stratifikasi, kita dapat memutuskan rencana stratifikasi yang sesuai untuk kita penyelidikan.
Sehubungan dengan pertanyaan kedua, kita dapat mengatakan bahwa metode yang biasa,
untuk pemilihan item untuk sampel dari setiap strata, terpaksa adalah sampel 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 proporsional dengan ukuran strata. Bahwa adalah,
jika Pi mewakili proporsi populasi yang termasuk dalam strata i, dan n mewakili total sampel ukuran,
jumlah elemen yang dipilih dari strata i adalah n. Pi. Untuk menggambarkannya, mari kita anggap
kita ingin sampel ukuran n = 30 diambil dari populasi ukuran N = 8000 yang dibagi menjadi tiga strata
ukuran N1 = 4000, N2 = 2400 dan N3 = 1600. Mengadopsi alokasi proporsional, kita akan dapatkan
ukuran sampel seperti di bawah untuk strata yang berbeda:

Untuk strata dengan N1 = 4000, kami memiliki P1 = 4000/8000 dan karenanya n1 = n. P1 =

30 (4000/8000) = 15 Demikian pula, untuk strata dengan N2 = 2400, kami punya n2 = n. P2 = 30
(2400/8000) = 9, dan untuk strata dengan N3 = 1600, kami punya n3 = n. P3 = 30 (1600/8000) = 6.

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 adalah dianggap paling efisien dan desain yang optimal ketika biaya
memilih item sama untuk masing-masing strata, tidak ada perbedaan dalam varian strata, dan
tujuan pengambilan sampel terjadi untuk memperkirakan nilai populasi dari beberapa karakteristik.
Tapi kalau-kalau tujuannya kebetulan membandingkan perbedaan antara strata, maka pemilihan
sampel yang sama dari setiap 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
dianggap masuk akal untuk mengambil sampel yang lebih besar dari strata yang lebih variabel dan
sampel yang lebih kecil dari strata yang kurang variabel, kita kemudian dapat menjelaskan keduanya
(perbedaan dalam strata ukuran dan perbedaan dalam variabilitas strata) dengan menggunakan
desain pengambilan sampel yang tidak proporsional dengan mensyaratkan:
 n1/N11 n2 /N22 ......... nk /Nkk
di mana 1, 2, ... dan k menunjukkan standar deviasi dari strata k, N1, N2,…, Nk menunjukkan
ukuran strata k dan n1, n2,…, nk menunjukkan ukuran sampel strata k. Ini disebut ‘optimal Alokasi
'dalam konteks pengambilan sampel yang tidak proporsional. Alokasi dalam situasi seperti ini
menghasilkan rumus berikut untuk menentukan ukuran sampel strata yang berbeda:

𝑛𝑖= 𝑛.𝑁𝑖 𝜎𝑖
untuk i = 1, 2, … dan k.
N1 𝜎1 +𝑁2 𝜎2 +⋯+𝑁𝑘 𝜎𝑘