METODE PENELITIAN CHAPTER 13 SAMPLING

Desain dan survei eksperimental berguna dan kuat dalam menemukan jawaban untuk pertanyaan penelitian
melalui pengumpulan data dan analisis selanjutnya, tetapi mereka dapat melakukan lebih banyak kerugian
daripada kebaikan jika populasi tidak ditargetkan dengan benar. Artinya, jika data tidak dikumpulkan dari
orang, peristiwa, atau benda yang dapat memberikan jawaban yang benar untuk menyelesaikan masalah,
penelitian akan sia-sia. Proses pemilihan individu, objek, atau peristiwa yang tepat sebagai perwakilan untuk
seluruh populasi dikenal sebagai sampel, yang akan kita periksa secara terperinci dalam bab ini (lihat bagian
yang diarsir pada Gambar 13.1).

Alasan menggunakan sampel, daripada mengumpulkan data dari seluruh populasi, sudah jelas. Dalam
penyelidikan penelitian yang melibatkan beberapa ratus bahkan ribuan elemen, praktis tidak mungkin untuk
mengumpulkan data dari, atau menguji, atau memeriksa, setiap elemen. Bahkan jika itu mungkin, itu akan
menjadi penghalang dalam hal waktu, biaya, dan sumber daya manusia lainnya. Studi sampel daripada
seluruh populasi juga terkadang menghasilkan hasil yang lebih andal. Ini sebagian besar karena kelelahan
berkurang dan karena itu kesalahan lebih sedikit menghasilkan pengumpulan data, terutama ketika sejumlah
besar elemen terlibat. Dalam beberapa kasus, itu akan terjadi juga mustahil menggunakan seluruh populasi
untuk mendapatkan pengetahuan tentang, atau menguji, sesuatu. Misalnya, perhatikan bohlam lampu
listrik. Dalam menguji kehidupan bola lampu, jika kita membakar setiap bola lampu yang diproduksi, tidak
akan ada lagi yang tersisa untuk dijual! Ini dikenal sebagai sampling destruktif.

POPULATION, ELEMENT, SAMPLE, SAMPLING, UNIT, DAN OBJECT

POPULATION

Populasi mengacu pada seluruh kelompok orang, peristiwa, atau hal-hal menarik yang ingin diselidiki oleh
peneliti. Ini adalah kelompok orang, peristiwa, atau hal-hal menarik yang peneliti ingin buat kesimpulan
(berdasarkan statistik sampel). Misalnya, jika CEO sebuah perusahaan komputer ingin mengetahui jenis
strategi periklanan yang diadopsi oleh perusahaan komputer di Silicon Valley, maka semua perusahaan
komputer yang berada di sana akan menjadi populasi. Jika seorang konsultan organisasi tertarik mempelajari
efek dari minggu kerja empat hari pada pekerja kerah putih di sebuah perusahaan telepon di Irlandia, maka
semua pekerja kerah putih di perusahaan itu akan menjadi populasi. Jika regulator ingin tahu bagaimana
pasien di panti jompo yang dikelola oleh perusahaan di Prancis dirawat, maka semua pasien di semua panti
jompo yang dikelola oleh mereka akan membentuk populasi. Namun, jika regulator hanya tertarik pada satu
panti jompo tertentu yang dijalankan oleh perusahaan itu, maka hanya pasien di panti jompo tertentu yang
akan membentuk populasi.

ELEMENT

Unsur adalah satu anggota populasi. Jika 1000 pekerja kerah biru dalam suatu organisasi tertentu menjadi
populasi yang menarik bagi seorang peneliti, setiap pekerja kerah biru di dalamnya adalah sebuah elemen.
Jika 500 potong mesin harus disetujui setelah memeriksa beberapa, akan ada 500 elemen dalam populasi ini.
Kebetulan, sensus adalah hitungan semua elemen dalam populasi manusia.

SAMPLE

Sampel adalah bagian dari populasi. Itu terdiri dari beberapa anggota yang dipilih darinya. Dengan kata lain,
beberapa, tetapi tidak semua, elemen populasi membentuk sampel. Jika 200 anggota diambil dari populasi
1000 pekerja kerah biru, 200 anggota ini merupakan sampel untuk penelitian ini. Artinya, dari penelitian
terhadap 200 anggota ini, peneliti akan menarik kesimpulan tentang seluruh populasi 1000 pekerja kerah
biru. Demikian juga, jika ada 145 pasien di rumah sakit dan 40 di antaranya harus disurvei oleh administrator
rumah sakit untuk menilai tingkat kepuasan mereka dengan perawatan yang diterima, maka 40 anggota ini
akan menjadi sampel.

Sampel dengan demikian merupakan subkelompok atau subset dari populasi. Dengan mempelajari sampel,
peneliti harus dapat menarik kesimpulan yang dapat digeneralisasi untuk populasi yang diminati.

SAMPLING UNIT

Unit pengambilan sampel adalah elemen atau rangkaian elemen yang tersedia untuk dipilih dalam beberapa
tahap proses pengambilan sampel. Contoh unit pengambilan sampel dalam sampel multistage adalah blok
kota, rumah tangga, dan individu dalam rumah tangga.

SUBJECT

Subjek adalah anggota tunggal sampel, sama seperti elemen adalah anggota populasi tunggal. Jika 200
anggota dari total populasi 1000 pekerja kerah biru membentuk sampel untuk penelitian ini, maka setiap
pekerja kerah biru dalam sampel adalah subjek. Sebagai contoh lain, jika sampel 50 mesin dari total 500
mesin akan diperiksa, maka setiap satu dari 50 mesin adalah subjek, sama seperti setiap mesin dalam
populasi total 500 mesin adalah elemen.

SAMPLE DATA AND POPULATION VALUES

Ketika kami mengambil sampel, unit sampling (karyawan, konsumen, dan sejenisnya) memberi kami
tanggapan. Sebagai contoh, seorang konsumen yang menjawab pertanyaan survei dapat memberikan
jawaban "3". Ketika kami memeriksa respons yang kami dapatkan untuk seluruh sampel kami, kami
menggunakan statistik. Dalam Bab 14 kami akan menjelaskan bahwa ada berbagai macam statistik yang
dapat kita gunakan, seperti rata-rata, median, atau mode. Alasan kami sampel, bagaimanapun, adalah bahwa
kami tertarik pada karakteristik populasi yang kami sampel. Jika kami mempelajari seluruh populasi dan
menghitung rata-rata atau standar deviasi, maka kami tidak menyebutnya sebagai statistik. Sebagai gantinya,
kami menyebutnya parameter populasi.

Hubungan antara sample dan population

PARAMETERS

Karakteristik populasi seperti μ (mean populasi), σ (standar deviasi populasi), dan σ2 (varians populasi)
disebut sebagai parameternya. Kecenderungan sentral, dispersi, dan statistik lain dalam sampel yang
menarik untuk diperlakukan sebagai perkiraan kecenderungan sentral, dispersi, dan parameter lain dari
populasi. Dengan demikian, semua kesimpulan yang diambil tentang sampel yang diteliti digeneralisasi ke
populasi. Dengan kata lain, statistik sampel - X (mean sampel), S (standar deviasi), dan S2 (variasi dalam
sampel) - digunakan sebagai perkiraan parameter populasi μ, σ, dan σ2. Gambar 13.2 menunjukkan
hubungan antara sampel dan populasi.

REPRESENTATIVE OF SAMPLES
Kebutuhan untuk memilih sampel yang tepat untuk penyelidikan penelitian tidak dapat terlalu ditekankan.
Kita tahu bahwa sampel jarang akan menjadi replika yang tepat dari populasi dari mana ia diambil. Sebagai
contoh, sangat sedikit rata-rata sampel (X) yang cenderung sama dengan rata-rata populasi (μ). Deviasi
standar sampel (S) juga tidak sama dengan deviasi standar populasi (σ). Namun, jika kami memilih sampel
dengan cara ilmiah, kami dapat yakin bahwa statistik sampel (mis., X, S, atau S2) cukup dekat dengan
parameter populasi (mis., Μ, σ, atau σ2). Untuk membuatnya berbeda, adalah mungkin untuk memilih
sampel sedemikian rupa sehingga mewakili populasi. Namun, selalu ada sedikit kemungkinan, bahwa nilai
sampel mungkin berada di luar parameter populasi.

NORMALITY OF DISTRIBUTIONS

Atribut atau karakteristik populasi umumnya berdistribusi normal. Misalnya, ketika atribut seperti tinggi dan
berat dipertimbangkan, kebanyakan orang akan berkerumun di sekitar rata-rata, hanya menyisakan sejumlah
kecil pada ekstrem yang sangat tinggi atau sangat pendek, sangat berat atau sangat ringan, dan seterusnya,
seperti ditunjukkan pada Gambar 13.3. Jika kita memperkirakan karakteristik populasi dari yang diwakili
dalam sampel dengan akurasi yang masuk akal, sampel harus dipilih sehingga distribusi karakteristik yang
menarik mengikuti pola distribusi normal yang sama dalam sampel seperti halnya dalam populasi. Dari
teorema limit pusat, kita tahu bahwa distribusi sampling dari rata-rata sampel terdistribusi secara normal.
Ketika ukuran sampel n meningkat, rata-rata sampel acak yang diambil dari hampir semua populasi
mendekati distribusi normal dengan mean μ dan standar deviasi σ. Singkatnya, terlepas dari apakah atribut
populasi terdistribusi secara normal atau tidak, jika kita mengambil sampel dalam jumlah yang cukup besar
dan memilihnya dengan hati-hati, kita akan memiliki distribusi sampling dari sarana yang memiliki normalitas.
Ini adalah alasan mengapa dua masalah penting dalam pengambilan sampel adalah ukuran sampel (n) dan
desain pengambilan sampel, seperti yang akan dibahas nanti.

Distribusi normal dalam populasi:

Ketika sifat-sifat populasi tidak terwakili atau kurang terwakili dalam sampel, kami memiliki sampel yang
representatif. Ketika sampel terdiri dari unsur-unsur dalam populasi yang memiliki nilai yang sangat tinggi
pada variabel yang kita pelajari, mean sampel X akan jauh lebih tinggi daripada rata-rata populasi μ.
Sebaliknya, jika subjek sampel terdiri dari unsur-unsur dalam populasi dengan nilai yang sangat rendah pada
variabel yang diminati, mean sampel akan jauh lebih rendah daripada rata-rata populasi sebenarnya μ.
Namun, jika desain pengambilan sampel dan ukuran sampel kami benar, rata-rata sampel X akan berada
dalam kisaran yang dekat dengan rata-rata populasi sebenarnya μ. Dengan demikian, melalui desain
pengambilan sampel yang tepat, kita dapat memastikan bahwa subjek sampel tidak dipilih dari ekstrem,
tetapi benar-benar mewakili sifat-sifat populasi. Semakin representatif populasi sampel, semakin
digeneralisasikan temuan penelitian. Ingatlah bahwa generalisasi adalah salah satu ciri khas penelitian ilmiah,
seperti yang kita lihat pada Bab 2.

Sementara, mengingat keprihatinan kami tentang kemampuan generalisasi, kami mungkin khususnya
memilih sampel yang representatif untuk sebagian besar penelitian, beberapa kasus mungkin tidak
menyerukan hal seperti itu untuk generalisasi. Sebagai contoh, pada tahap eksplorasi penemuan fakta, kita
mungkin hanya tertarik “menangani” situasi, dan karenanya membatasi wawancara hanya untuk orang-
orang yang paling nyaman. Hal yang sama berlaku ketika waktu adalah esensi, dan urgensi dalam
mendapatkan informasi mengesampingkan tingkat akurasi yang tinggi dalam hal prioritas. Misalnya, sebuah
agensi film mungkin ingin mengetahui dengan cepat dampaknya terhadap pemirsa sebuah film yang baru
dirilis pada malam sebelumnya.

Pewawancara mungkin mempertanyakan 20 orang pertama yang meninggalkan teater setelah menonton
film dan mendapatkan reaksi mereka. Atas dasar jawaban mereka, dia dapat membentuk opini tentang
kemungkinan keberhasilan film. Sebagai contoh lain, seorang manajer restoran mungkin ingin menemukan
reaksi pelanggan terhadap barang baru yang ditambahkan ke menu untuk menentukan apakah barang
tersebut sudah populer dan layak ditambahkan. Untuk tujuan ini, 15 orang pertama yang memilih item
khusus mungkin diwawancarai, dan reaksi mereka diperoleh. Dalam kasus seperti itu, memiliki informasi
instan mungkin lebih menguntungkan daripada mendapatkan fakta yang paling representatif. Namun, harus
dicatat bahwa hasil dari sampel yang sesuai tidak dapat diandalkan dan tidak pernah dapat digeneralisasi ke
populasi.

THE SAMPLING PROCESS

Pengambilan sampel adalah proses memilih sejumlah elemen yang tepat dari populasi, sehingga studi sampel
dan pemahaman tentang sifat atau karakteristiknya memungkinkan kita untuk menggeneralisasi properti
atau karakteristik tersebut ke elemen populasi. Langkah-langkah utama dalam pengambilan sampel meliputi:

1. Tentukan populasi.
2. Tentukan kerangka sampel.
3. Tentukan desain pengambilan sampel.
4. Tentukan ukuran sampel yang sesuai.
5. Jalankan proses pengambilan sampel.

Defining the population (Tentukan Populasi)

Pengambilan sampel dimulai dengan mendefinisikan populasi target secara tepat. Populasi target harus
didefinisikan dalam hal elemen, batas geografis, dan waktu. Misalnya, untuk seorang bankir yang tertarik
pada kebiasaan menabung pekerja kerah biru di industri pertambangan di Amerika Serikat, populasi target
mungkin semua pekerja kerah biru di industri itu di seluruh negara. Untuk agensi periklanan yang tertarik
pada kebiasaan membaca lansia, populasi target mungkin adalah populasi Jerman berusia 50 tahun ke atas.
Contoh-contoh ini menggambarkan bahwa tujuan penelitian dan ruang lingkup penelitian memainkan peran
penting dalam menentukan populasi target.

Determining the sample frame (Tentukan kerangka sampel)

Kerangka sampling adalah representasi (fisik) dari semua elemen dalam populasi dari mana sampel diambil.
Daftar gaji suatu organisasi akan berfungsi sebagai kerangka sampling jika anggotanya ingin dipelajari.
Demikian juga, pendaftaran universitas yang berisi daftar semua siswa, fakultas, administrator, dan staf
pendukung di universitas selama tahun akademik atau semester tertentu dapat berfungsi sebagai kerangka
pengambilan sampel untuk studi populasi universitas. Daftar siswa kelas bisa menjadi kerangka pengambilan
sampel untuk studi siswa di kelas. Direktori telepon juga sering digunakan sebagai kerangka pengambilan
sampel untuk beberapa jenis studi, meskipun memiliki bias yang melekat karena beberapa nomor tidak
terdaftar dan beberapa lainnya mungkin sudah usang.

Meskipun kerangka pengambilan sampel bermanfaat dalam memberikan daftar setiap elemen dalam
populasi, itu mungkin tidak selalu merupakan dokumen terkini dan terkini. Misalnya, nama-nama anggota
yang baru saja meninggalkan organisasi atau keluar dari universitas, serta anggota yang baru saja bergabung
dengan organisasi atau universitas mungkin tidak muncul dalam daftar gaji organisasi atau daftar universitas
pada hari tertentu. Telepon yang baru saja diinstal atau terputus tidak akan, juga dimasukkan dalam direktori
telepon saat ini. Oleh karena itu, meskipun kerangka sampling mungkin tersedia dalam banyak kasus, itu
mungkin tidak selalu sepenuhnya benar atau lengkap. Ketika kerangka pengambilan sampel tidak sama persis
dengan kesalahan cakupan populasi terjadi. Dalam beberapa kasus, peneliti mungkin mengenali masalah ini
dan tidak terlalu khawatir tentang hal itu, karena perbedaan antara populasi target dan kerangka sampel
cukup kecil untuk diabaikan. Namun, dalam banyak kasus, peneliti harus mengatasi kesalahan ini dengan
mendefinisikan kembali populasi target dalam kerangka sampling, menyaring responden sehubungan
dengan karakteristik penting untuk memastikan bahwa mereka memenuhi kriteria populasi target, atau
menyesuaikan yang dikumpulkan. data dengan skema pembobotan untuk mengimbangi kesalahan cakupan.

Determining the sampling design (Tentukan desain pengambilan sampel)

Ada dua jenis utama dari desain pengambilan sampel: sampling probabilitas dan nonprobability. Dalam
probability sampling, unsur-unsur dalam populasi memiliki beberapa peluang yang diketahui, bukan nol, atau
probabilitas untuk dipilih sebagai subjek sampel. Dalam nonprobability sampling, elemen-elemen tersebut
tidak memiliki peluang yang diketahui atau ditentukan sebelumnya untuk dipilih sebagai subjek. Desain
sampel probabilitas digunakan ketika keterwakilan sampel penting untuk kepentingan generalisasi yang lebih
luas. Ketika waktu atau faktor-faktor lain, alih-alih bersifat generalisasi, menjadi kritis, pengambilan sampel
nonprobabilitas umumnya digunakan. Masing-masing dari dua desain utama ini memiliki strategi
pengambilan sampel yang berbeda. Tergantung pada tingkat generalisasi yang diinginkan, tuntutan waktu
dan sumber daya lainnya, dan tujuan penelitian, berbagai jenis probabilitas dan desain pengambilan sampel
nonprobability dipilih.

Pilihan prosedur pengambilan sampel adalah yang sangat penting. Oleh karena itu, bab ini akan membahas
berbagai jenis desain pengambilan sampel, mengingat hal-hal berikut dalam penentuan pilihan:

 Apa target populasi fokus yang relevan dengan penelitian ini?

 Apa sebenarnya parameter yang ingin kami selidiki?
 Kerangka sampling seperti apa yang tersedia?
 Biaya apa yang melekat pada desain pengambilan sampel?
 Berapa banyak waktu yang tersedia untuk mengumpulkan data dari sampel?

Determine the appropriate sample size (Tentukan ukuran sampel yang sesuai)

Apakah ukuran sampel 40 cukup besar? Atau apakah Anda memerlukan ukuran sampel 75, 180, 384, atau
500? Apakah sampel besar lebih baik daripada sampel kecil; Yaitu, apakah lebih representatif? Keputusan
tentang seberapa besar ukuran sampel seharusnya bisa sangat sulit. Kami dapat merangkum faktor-faktor
yang mempengaruhi keputusan tentang ukuran sampel sebagai:

1. Tujuan penelitian.
2. Tingkat presisi yang diinginkan (interval kepercayaan).
3. Risiko yang dapat diterima dalam memprediksi tingkat presisi (tingkat kepercayaan).
4. Jumlah variabilitas dalam populasi itu sendiri.
5. Kendala biaya dan waktu.
6. Dalam beberapa kasus, ukuran populasi itu sendiri.

Jadi, seberapa besar sampel Anda seharusnya merupakan fungsi dari enam faktor ini. Kami akan berbicara
lebih banyak tentang ukuran sampel nanti dalam bab ini, setelah kami membahas desain pengambilan
sampel.

Execute the sampling process (Jalankan proses pengambilan sampel)

Dua contoh berikut menggambarkan bagaimana, pada tahap akhir dari proses pengambilan sampel,
keputusan sehubungan dengan populasi target, kerangka pengambilan sampel, teknik sampel, dan ukuran
sampel harus diimplementasikan.

PROBABILITY SAMPLING

Ketika elemen-elemen dalam populasi memiliki peluang yang diketahui dan bukan nol untuk dipilih sebagai
subjek dalam sampel, kami menggunakan desain sampling probabilitas. Sampling probabilitas dapat berupa
tidak dibatasi (pengambilan sampel acak sederhana) atau dibatasi (sampel probabilitas kompleks) di alam.

Unrestricted or simple random sampling

Ketika elemen-elemen dalam populasi memiliki peluang yang diketahui dan bukan nol untuk dipilih sebagai
subjek dalam sampel, kami menggunakan desain sampling probabilitas. Sampling probabilitas dapat berupa
tidak dibatasi (pengambilan sampel acak sederhana) atau dibatasi (sampel probabilitas kompleks) di alam
bagian pertama yang digambar akan memiliki peluang 1/1000 untuk ditarik, yang berikutnya peluang 1/999
untuk ditarik, dan sebagainya . Dengan kata lain, kita tahu bahwa probabilitas salah satu dari mereka yang
dipilih adalah 1 dalam jumlah populasi, dan kita juga tahu bahwa setiap elemen tunggal dalam topi memiliki
probabilitas yang sama atau sama untuk dipilih. Kita tentu tahu bahwa komputer dapat menghasilkan angka
acak dan seseorang tidak harus melalui proses yang membosankan untuk mengeluarkan nama dari topi.

Ketika kita dengan demikian menarik unsur-unsur dari populasi, kemungkinan besar bahwa pola distribusi
dari karakteristik yang kita tertarik untuk menyelidiki dalam populasi juga didistribusikan dalam subyek yang
kita gambar untuk sampel kita. Desain pengambilan sampel ini, dikenal sebagai pengambilan sampel acak
sederhana, memiliki bias paling sedikit dan menawarkan generalisasi yang paling besar. Namun, proses
pengambilan sampel ini bisa menjadi rumit dan mahal; selain itu, daftar populasi yang sepenuhnya diperbarui
mungkin tidak selalu tersedia. Untuk alasan ini dan lainnya, desain sampling probabilitas lain sering dipilih
sebagai gantinya.

Restricted or complex probability sampling

Sebagai alternatif dari desain sampel acak sederhana, beberapa desain sampel probabilitas kompleks
(probabilitas terbatas) dapat digunakan. Prosedur pengambilan sampel probabilitas ini menawarkan
alternatif yang layak, dan terkadang lebih efisien, dari desain tidak terbatas yang baru saja kita diskusikan.
Efisiensi ditingkatkan karena lebih banyak informasi dapat diperoleh untuk ukuran sampel tertentu
menggunakan beberapa prosedur pengambilan sampel probabilitas kompleks daripada desain sampel acak
sederhana. Lima contoh pengambilan sampel probabilitas kompleks paling kompleks yang sistematis,
pengambilan sampel acak bertingkat, pengambilan sampel kluster, pengambilan sampel area, dan
pengambilan sampel ganda - sekarang akan dibahas.

A. Systematic Sampling
Desain pengambilan sampel sistematis melibatkan menggambar setiap elemen ke-n dalam populasi dimulai
dengan elemen yang dipilih secara acak antara 1 dan n. Prosedur ini dicontohkan di bawah ini:

Jika kami ingin sampel 35 rumah tangga dari total populasi 260 rumah di wilayah tertentu, maka kami dapat
mencicipi setiap rumah ketujuh mulai dari angka acak dari 1 hingga 7. Mari kita katakan bahwa angka acak
adalah 7, kemudian nomor rumah 7, 14, 21, 28, dan seterusnya, akan disampel hingga 35 rumah terpilih. Satu
masalah yang harus diingat dalam desain sampling sistematis adalah kemungkinan bias sistematis merangkak
ke dalam sampel. Dalam contoh di atas, misalnya, mari kita katakan bahwa setiap rumah ketujuh kebetulan
adalah rumah sudut. Jika fokus studi penelitian yang dilakukan oleh industri konstruksi adalah untuk
mengendalikan "polusi suara" yang dialami oleh penduduk melalui penggunaan bahan penyaringan yang
tepat, maka penghuni rumah sudut mungkin tidak akan terpapar kebisingan sebanyak rumah yang ada di
antara. Oleh karena itu, informasi tentang tingkat kebisingan yang dikumpulkan dari penghuni rumah sudut
bias data peneliti. Kemungkinan menarik kesimpulan yang salah dari data tersebut sangat tinggi. Mengingat
ruang lingkup untuk bias sistematis seperti itu, peneliti harus mempertimbangkan rencana dengan hati-hati
dan memastikan bahwa desain sampling sistematis sesuai untuk penelitian ini, sebelum memutuskannya.
Untuk survei pasar, survei sikap konsumen, dan sejenisnya, desain pengambilan sampel sistematis sering
digunakan, dan buku telepon sering berfungsi sebagai kerangka pengambilan sampel untuk desain
pengambilan sampel ini.

B. Stratified Random Sampling

Sementara pengambilan sampel membantu memperkirakan parameter populasi, mungkin ada subkelompok
elemen yang dapat diidentifikasi dalam populasi yang mungkin diharapkan memiliki parameter berbeda pada
variabel yang diminati oleh peneliti. Misalnya, kepada direktur manajemen sumber daya manusia yang
tertarik untuk menilai tingkat pelatihan yang dirasakan oleh karyawan dalam sistem, seluruh organisasi akan
membentuk populasi untuk dipelajari. Tetapi tingkat, kualitas, dan intensitas pelatihan yang diinginkan oleh
manajer tingkat menengah, manajer tingkat bawah, pengawas lini pertama, analis komputer, pekerja klerikal,
dan sebagainya akan berbeda untuk setiap kelompok. Pengetahuan tentang jenis-jenis perbedaan dalam
kebutuhan yang ada untuk kelompok yang berbeda akan membantu direktur mengembangkan program
pelatihan yang berguna dan bermakna untuk setiap kelompok dalam organisasi. Oleh karena itu, data harus
dikumpulkan dengan cara yang akan membantu penilaian kebutuhan di setiap tingkat subkelompok dalam
populasi. Unit analisis kemudian akan berada di tingkat kelompok dan proses pengambilan sampel acak
bertingkat akan berguna.

Stratified random sampling, seperti namanya, melibatkan proses stratifikasi atau segregasi, diikuti oleh
pemilihan acak subjek dari setiap strata. Populasi pertama kali dibagi menjadi kelompok-kelompok yang
saling eksklusif yang relevan, tepat, dan bermakna dalam konteks penelitian. Misalnya, jika presiden
perusahaan khawatir dengan tingkat motivasi yang rendah atau tingkat absensi yang tinggi di antara
karyawan, masuk akal untuk membuat stratifikasi populasi anggota organisasi sesuai dengan tingkat
pekerjaan mereka. Ketika data dikumpulkan dan analisis dilakukan, kita mungkin menemukan bahwa,
bertentangan dengan harapan, itu adalah manajer tingkat menengah yang tidak termotivasi. Informasi ini
akan membantu presiden untuk fokus pada tindakan di tingkat yang tepat dan menemukan metode yang
lebih baik untuk memotivasi kelompok ini. Melacak perbedaan dalam parameter subkelompok dalam suatu
populasi tidak akan mungkin terjadi tanpa prosedur stratified random sampling. Jika sampel acak sederhana
atau prosedur pengambilan sampel sistematis digunakan dalam kasus seperti ini, maka motivasi tinggi di
beberapa tingkat pekerjaan dan motivasi rendah di tingkat lain akan saling membatalkan, sehingga menutupi
masalah nyata yang ada pada saat tertentu level atau level.

Stratifikasi juga membantu ketika pertanyaan penelitian seperti yang akan dijawab:

1. Apakah masinis lebih rentan terhadap kecelakaan daripada pekerja administrasi?

2. Apakah orang Hispanik lebih loyal kepada organisasi daripada penduduk asli Amerika?

Stratifikasi pelanggan berdasarkan tahapan kehidupan, tingkat pendapatan, dan sejenisnya untuk
mempelajari pola pembelian dan stratifikasi perusahaan berdasarkan ukuran, industri, laba, dan sebagainya
untuk mempelajari reaksi pasar saham adalah contoh umum dari penggunaan stratifikasi sebagai desain
pengambilan sampel. teknik. Stratifikasi adalah desain sampel penelitian yang efisien; yaitu, ia menyediakan
lebih banyak informasi dengan ukuran sampel yang diberikan. Stratifikasi harus mengikuti garis yang sesuai
dengan pertanyaan penelitian. Jika kita mempelajari preferensi konsumen untuk suatu produk, stratifikasi
populasi dapat berdasarkan wilayah geografis, segmen pasar, usia konsumen, jenis kelamin konsumen, atau
berbagai kombinasi dari ini. Jika suatu organisasi merenungkan pemotongan anggaran, efek dari
pemotongan ini pada sikap karyawan dapat dipelajari dengan stratifikasi berdasarkan departemen, fungsi,
atau wilayah. Stratifikasi memastikan homogenitas dalam setiap stratum (yaitu, sangat sedikit perbedaan
atau dispersi pada variabel yang diminati dalam setiap stratum), tetapi heterogenitas (variabilitas) antar
strata. Dengan kata lain, akan ada lebih banyak perbedaan antara kelompok daripada perbedaan dalam
kelompok.

Proportionate and disproportionate stratified random sampling

Setelah populasi dikelompokkan menjadi beberapa cara yang bermakna, sampel anggota dari setiap strata
dapat diambil dengan menggunakan sampel acak sederhana atau prosedur pengambilan sampel sistematis.
Subjek yang diambil dari setiap strata dapat berupa proporsional atau tidak proporsional dengan jumlah
elemen dalam strata. Sebagai contoh, jika suatu organisasi mempekerjakan 10 manajer puncak, 30 manajer
menengah, 50 manajer tingkat bawah, 100 supervisor, 500 pegawai, dan 20 sekretaris, dan sampel bertingkat
sekitar 140 orang diperlukan untuk beberapa survei tertentu, peneliti dapat memutuskan untuk termasuk
dalam sampel 20% anggota dari setiap strata. Artinya, anggota yang diwakili dalam sampel dari setiap strata
akan proporsional dengan jumlah total elemen dalam strata masing-masing. Ini berarti bahwa dua dari atas,
enam dari tengah, dan sepuluh dari tingkat manajemen yang lebih rendah akan dimasukkan dalam sampel.
Selain itu, 20 pengawas, 100 panitera, dan empat sekretaris akan diwakili dalam sampel, seperti yang
ditunjukkan pada kolom ketiga Tabel 13.1. Jenis pengambilan sampel ini disebut proporsional bertingkat
desain pengambilan sampel acak.

C. Cluster Sampling

Sampel cluster adalah sampel yang dikumpulkan dalam kelompok atau potongan elemen yang, idealnya,
adalah agregat alami elemen dalam populasi. Dalam cluster sampling, populasi target pertama-tama dibagi
menjadi beberapa kelompok. Kemudian, sampel acak cluster diambil dan untuk setiap cluster yang dipilih
baik semua elemen atau sampel elemen dimasukkan dalam sampel. Sampel cluster menawarkan lebih
banyak heterogenitas dalam kelompok dan lebih banyak homogenitas di antara kelompok - kebalikan dari
apa yang kami temukan dalam stratified random sampling, di mana ada homogenitas dalam setiap kelompok
dan heterogenitas di seluruh kelompok.

Jenis spesifik dari cluster sampling adalah pengambilan sampel area. Dalam hal ini, cluster terdiri dari area
geografis seperti kabupaten, blok kota, atau batas-batas tertentu dalam suatu wilayah. Jika Anda ingin
mensurvei penghuni kota, Anda akan mendapatkan peta kota, ambil sampel blok kota dan pilih responden
di setiap blok kota. Mencicipi kebutuhan konsumen sebelum membuka toko swalayan 24 jam di bagian kota
tertentu akan melibatkan pengambilan sampel area. Rencana lokasi untuk toko ritel, iklan yang difokuskan
khusus pada populasi lokal, dan program TV dan radio yang dipancarkan di area tertentu semuanya dapat
menggunakan desain pengambilan sampel area untuk mengumpulkan informasi tentang minat, sikap,
kecenderungan, dan perilaku masyarakat setempat.

Pengambilan sampel area lebih murah daripada kebanyakan desain pengambilan sampel probabilitas
lainnya, dan tidak tergantung pada kerangka sampling. Peta kota yang menunjukkan blok-blok kota adalah
informasi yang memadai untuk memungkinkan seorang peneliti mengambil sampel blok-blok itu dan
mendapatkan data dari penduduk di dalamnya. Memang, motivasi utama untuk cluster sampling adalah
pengurangan biaya. Biaya satuan pengambilan sampel kluster jauh lebih rendah daripada biaya desain
pengambilan sampel probabilitas lain dari pengambilan sampel acak sederhana atau bertingkat atau
pengambilan sampel sistematis. Namun, pengambilan sampel kluster memperlihatkan bias yang lebih besar
dan merupakan yang paling tidak dapat digeneralisasikan dari semua rancangan pengambilan sampel
probabilitas, karena sebagian besar kluster yang terjadi secara alami dalam konteks organisasi tidak
mengandung unsur heterogen. Dengan kata lain, kondisi heterogenitas intracluster dan homogenitas
intercluster sering tidak terpenuhi.

Pengambilan sampel klaster satu-tahap dan multistage

Sejauh ini kami telah membahas pengambilan sampel klaster satu-tahap, yang melibatkan pembagian
populasi ke dalam kluster-kluster yang nyaman, secara acak memilih jumlah klaster yang diperlukan sebagai
subjek sampel, dan menyelidiki semua elemen di masing-masing secara acak. cluster yang dipilih. Cluster
sampling juga dapat dilakukan dalam beberapa tahap dan kemudian dikenal sebagai multistage cluster
sampling. Sebagai contoh, jika kita melakukan survei nasional rata-rata simpanan bank bulanan, cluster
sampling pertama-tama akan digunakan untuk memilih lokasi geografis perkotaan, semi perkotaan, dan
pedesaan untuk studi. Pada tahap selanjutnya, area tertentu di masing-masing lokasi akan dipilih. Pada tahap
ketiga, bank-bank di setiap area akan dipilih. Dengan kata lain, pengambilan sampel multistage cluster
melibatkan pengambilan sampel probabilitas unit pengambilan sampel primer; dari masing-masing unit
primer ini, sampel probabilitas unit pengambilan sampel sekunder kemudian diambil; tingkat ketiga dari
sampling probabilitas dilakukan dari masing-masing unit sekunder ini, dan seterusnya, sampai kita telah
mencapai tahap akhir penguraian untuk unit sampel, ketika kita mengambil sampel setiap anggota di unit
tersebut.

D. Double Sampling

Rencana ini terpaksa ketika informasi lebih lanjut diperlukan dari subset kelompok dari mana beberapa
informasi telah dikumpulkan untuk studi yang sama. Desain pengambilan sampel dimana awalnya sampel
digunakan dalam penelitian untuk mengumpulkan beberapa informasi awal yang menarik, dan kemudian
subsampel dari sampel primer ini digunakan untuk memeriksa masalah ini secara lebih rinci, disebut sampling
ganda. Misalnya, wawancara terstruktur mungkin menunjukkan bahwa subkelompok responden memiliki
wawasan lebih dalam tentang masalah organisasi. Responden ini mungkin diwawancarai lagi dan
mengajukan pertanyaan tambahan. Penelitian ini mengadopsi prosedur pengambilan sampel ganda.

REVIEW OF PROBABILITY SAMPLING DESIGNS

Ada dua rencana pengambilan sampel probabilitas dasar: pengambilan sampel acak yang tidak dibatasi atau
sederhana, dan rencana pengambilan sampel probabilitas terbatas atau kompleks. Dalam desain sampling
acak sederhana, setiap elemen dalam populasi memiliki peluang yang diketahui dan setara untuk dipilih
sebagai subjek. Rencana probabilitas yang kompleks terdiri dari lima desain pengambilan sampel yang
berbeda. Dari lima ini, desain cluster sampling mungkin yang paling murah dan paling tidak dapat diandalkan,
tetapi digunakan ketika tidak ada daftar elemen populasi yang tersedia. Desain stratified random sampling
mungkin yang paling efisien, dalam arti bahwa untuk jumlah subjek sampel yang sama, ia menawarkan
informasi yang tepat dan terperinci. Desain pengambilan sampel sistematis memiliki potensi bias sistematis
yang mungkin terjadi. Pengambilan sampel area adalah bentuk populer dari cluster sampling, dan
pengambilan sampel ganda dilakukan ketika informasi selain yang sudah diperoleh dengan menggunakan
sampel primer harus dikumpulkan menggunakan subkelompok sampel.

NONPROBABIILITY SAMPLING

Dalam desain sampel nonprobability, elemen-elemen dalam populasi tidak memiliki probabilitas yang
melekat pada mereka dipilih sebagai subjek sampel. Ini berarti bahwa temuan-temuan dari studi sampel tidak
dapat secara umum disamaratakan kepada populasi. Namun, seperti yang dinyatakan sebelumnya, para
peneliti kadang-kadang kurang peduli tentang kemampuan generalisasi daripada mendapatkan beberapa
informasi awal dengan cara cepat dan murah. Mereka mungkin kemudian menggunakan sampling
nonprobability. Terkadang sampling nonprobability adalah satu-satunya cara untuk mendapatkan data,
seperti yang akan dibahas nanti.

Beberapa rencana pengambilan sampel yang tidak dapat diprediksi lebih dapat diandalkan daripada yang lain
dan dapat menawarkan beberapa petunjuk penting untuk informasi yang berpotensi bermanfaat terkait
dengan populasi. Disain nonprobability sampling, yang masuk ke dalam kategori luas dari convenience
sampling dan purposive sampling, dibahas selanjutnya.

Convenience Sampling

Sesuai dengan namanya, convenience sampling mengacu pada pengumpulan informasi dari anggota populasi
yang siap untuk menyediakannya. Orang akan berharap bahwa kontes "Tantangan Pepsi" telah
diselenggarakan berdasarkan kenyamanan sampel. Kontes semacam itu, dengan tujuan menentukan apakah
orang lebih suka satu produk dengan yang lain, mungkin diadakan di pusat perbelanjaan yang dikunjungi oleh
banyak pembeli. Mereka yang cenderung mengikuti tes dapat membentuk sampel untuk studi tentang
berapa banyak orang lebih suka Pepsi daripada Coke atau produk X daripada produk Y. Sampel semacam itu
adalah sampel yang mudah.

Pertimbangkan contoh lain. Sampel kenyamanan lima petugas yang menghadiri demonstrasi showcase
pesaing di pekan raya daerah malam sebelumnya menawarkan wakil presiden informasi perusahaan tentang
produk "baru" dari pesaing dan strategi penetapan harga mereka, yang membantu VP merumuskan
beberapa ide tentang langkah selanjutnya yang harus diambil oleh perusahaan.

Convenience sampling paling sering digunakan selama fase eksplorasi suatu proyek penelitian dan mungkin
merupakan cara terbaik untuk mendapatkan beberapa informasi dasar dengan cepat dan efisien.

Purposive sampling

Alih-alih mendapatkan informasi dari mereka yang paling mudah atau mudah didapat, kadang-kadang
mungkin perlu untuk mendapatkan informasi dari kelompok sasaran tertentu. Pengambilan sampel di sini
terbatas pada tipe orang tertentu yang dapat memberikan informasi yang diinginkan, baik karena mereka
satu-satunya yang memilikinya, atau mereka sesuai dengan beberapa kriteria yang ditetapkan oleh peneliti.
Jenis desain pengambilan sampel ini disebut purposive sampling, dan dua tipe utama dari purposive sampling
- judgment sampling dan quota sampling - sekarang akan dijelaskan.

Judgement Sampling

Sampling penilaian melibatkan pilihan subjek yang paling menguntungkan ditempatkan atau dalam posisi
terbaik untuk memberikan informasi yang diperlukan. Misalnya, jika seorang peneliti ingin mengetahui apa
yang diperlukan oleh manajer perempuan untuk mencapai puncak, satu-satunya orang yang dapat
memberikan informasi langsung adalah perempuan yang telah naik ke posisi presiden, wakil presiden, dan
pimpinan penting eksekutif level dalam organisasi kerja.

Mereka secara wajar diharapkan memiliki pengetahuan ahli karena telah melalui pengalaman dan proses itu
sendiri, dan mungkin dapat memberikan data atau informasi yang baik kepada peneliti. Dengan demikian,
desain sampling penilaian digunakan ketika sejumlah atau kategori orang memiliki informasi yang dicari.
Dalam kasus seperti itu, semua jenis pengambilan sampel probabilitas lintas bagian seluruh populasi adalah
tanpa tujuan dan tidak berguna.

Sampling penilaian dapat membatasi generalisasi temuan, karena fakta bahwa kami menggunakan sampel
para ahli yang tersedia untuk kami. Namun, itu adalah satu-satunya metode pengambilan sampel yang layak
untuk mendapatkan jenis informasi yang diperlukan dari kantong orang yang sangat spesifik yang memiliki
fakta yang diperlukan dan dapat memberikan informasi yang dicari. Dalam pengaturan organisasi, dan
khususnya untuk riset pasar, pemimpin opini yang sangat berpengetahuan dimasukkan dalam sampel.
Pendapat, pandangan, dan pengetahuan yang tercerahkan merupakan sumber data yang kaya.

Sampling penilaian menghendaki upaya khusus untuk menemukan dan mendapatkan akses ke individu yang
memang memiliki informasi yang diperlukan. Seperti yang telah dinyatakan, desain pengambilan sampel ini
mungkin satu-satunya yang berguna untuk menjawab beberapa jenis pertanyaan penelitian.
Quota Sampling

Pengambilan sampel kuota, jenis pengambilan sampel purposive kedua, memastikan bahwa kelompok-
kelompok tertentu terwakili secara memadai dalam penelitian melalui penugasan kuota. Secara umum,
kuota yang ditetapkan untuk setiap subkelompok didasarkan pada jumlah total masing-masing kelompok
dalam populasi. Namun, karena ini adalah rencana pengambilan sampel yang tidak dapat diprediksi, hasilnya
tidak dapat digeneralisasikan untuk populasi. Pengambilan sampel kuota dapat dianggap sebagai bentuk
pengambilan sampel bertingkat yang proporsional, di mana proporsi orang yang telah ditentukan diambil
sampelnya dari kelompok yang berbeda, tetapi berdasarkan kenyamanan. Sebagai contoh, dapat diduga
bahwa sikap kerja pekerja kerah biru dalam suatu organisasi sangat berbeda dari pekerja kerah putih. Jika
ada 60% pekerja kerah biru dan 40% pekerja kerah putih di organisasi ini, dan jika total 30 orang akan
diwawancarai untuk menemukan jawaban atas pertanyaan penelitian, maka kuota 18 pekerja kerah biru dan
12 pekerja kerah putih akan membentuk sampel, karena angka-angka ini mewakili 60% dan 40% dari ukuran
sampel. 18 pekerja kerah biru pertama yang tersedia dan 12 pekerja kerah putih akan disampel menurut
kuota ini. Tidak perlu dikatakan, sampel mungkin tidak sepenuhnya mewakili populasi; karenanya
generalisasi temuan akan dibatasi. Namun, kemudahan yang ditawarkannya dalam hal upaya, biaya, dan
waktu menjadikan pengambilan sampel kuota menarik untuk beberapa upaya penelitian. Pengambilan
sampel kuota juga menjadi keharusan ketika sebagian populasi tidak terwakili dalam organisasi - misalnya,
kelompok minoritas, mandor, dan sebagainya. Dengan kata lain, pengambilan sampel kuota memastikan
bahwa semua subkelompok dalam populasi terwakili secara memadai dalam sampel. Sampel kuota pada
dasarnya adalah sampel bertingkat dari mana subyek dipilih secara acak.

Di tempat kerja (dan masyarakat) yang menjadi semakin heterogen karena perubahan demografi, kuota
sampling dapat diharapkan untuk lebih sering digunakan di masa depan. Misalnya, pengambilan sampel
kuota dapat digunakan untuk mendapatkan beberapa gagasan tentang kecenderungan pembelian berbagai
kelompok etnis, untuk merasakan bagaimana karyawan dari berbagai kebangsaan memandang budaya
organisasi, dan sebagainya.

Meskipun pengambilan sampel kuota tidak dapat digeneralisasikan seperti pengambilan sampel acak
bertingkat, ia memang menawarkan beberapa informasi, berdasarkan investigasi lebih lanjut, jika perlu,
dapat dilanjutkan. Artinya, adalah mungkin bahwa penelitian tahap pertama akan menggunakan desain
nonprobability dari quota sampling, dan begitu beberapa informasi yang berguna telah diperoleh, desain
probabilitas akan mengikuti. Kebalikannya juga sepenuhnya mungkin. Desain sampling probabilitas mungkin
menunjukkan area baru untuk penelitian, dan desain sampling nonprobability mungkin digunakan untuk
mengeksplorasi kelayakannya.

REVIEW OF NONPROBABILITY SAMPLING DESIGNS

Ada dua jenis utama desain pengambilan sampel yang tidak dapat diprediksi: convenience sampling dan
purposive sampling. Convenience sampling adalah yang paling tidak dapat diandalkan dari semua desain
pengambilan sampel dalam hal kemampuan generalisasi, tetapi kadang-kadang itu mungkin satu-satunya
alternatif ketika informasi yang cepat dan tepat waktu dibutuhkan, atau untuk tujuan penelitian eksplorasi.
Rencana pengambilan sampel Purposive terbagi dalam dua kategori: penilaian dan desain kuota sampling.
Pengambilan sampel penilaian, meskipun terbatas dalam sifat dapat digeneralisasikan, kadang-kadang bisa
menjadi pilihan desain pengambilan sampel terbaik, terutama ketika ada populasi terbatas yang dapat
menyediakan informasi yang dibutuhkan.

Pengambilan sampel kuota sering digunakan pada pertimbangan biaya dan waktu dan kebutuhan untuk
mewakili elemen minoritas dalam populasi secara memadai. Meskipun generalisasi dari semua desain
pengambilan sampel nonprobability sangat terbatas, mereka memiliki keunggulan tertentu dan kadang-
kadang satu-satunya alternatif yang layak untuk peneliti.