Nama : Rani Mustika Sari _ 12030119410010

Kelas Corporate _ Maksi

BAB 13
Sampling

Population à mengacu kepada keseluruhan kelompok orang, kejadian, atau minat yang ingin
peneliti investigasi.
Element à merupakan satu anggota populasi.
Contoh: bila 1000 pekerja dalam perusahaan menjadi populasi studi bagi seorang peneliti,
setiap pekerja dalam populasi tersebut adalah elemen.
Sample à merupakan sebagian/sub kelompok dari populasi yang dipilih oleh peneliti. Sampel
ini diharapkan dapat mewaliki populasi untuk dapat digeneralisasiskan.
Sampling Unit à unsur atau seperangkat elemen yang tersedia untuk diseleksi dalam
beberapa tahapan sampling.
Contoh: unit sampling dalam multistage block city, rumah tangga atau individu dalam rumah
tangga.
Subject à suatu anggota dari sampel.
Contoh: bila 200 anggota dari total 1000 populasi bekerja membentuk sampel penelitian, maka
setiap pekerja dalam sampel adalah subjek.
Parameters : karakteristik dari populasi, terdiri dari :
μ : rata-rata populasi
σ : standar deviasi populasi
σ2 : varian populasi
Sample data and population values
Alasan Sampling à untuk memudahkan peneliti daripada harus mengumpulkan data dari
seluruh populasi. Dalam investigasi penelitian yang melibatkan beberapa ratus dan bahkan
ribuan elemen, secara praktis mustahil untuk dapat dikumpulkan, diuji dan ditelaah dari setiap
elemen tersebut.
Representasi Sampel à Memilih sampel harus mewakili populasi yang ada, logis dan ilmiah.
Normalitas Distribusi à Atribut atau karakteristik populasi umumnya berdistribusi normal.
Bila kita akan menaksir karakteristik populasi dari sampel yang mewakili akurasi yang masuk
akal, sampel harus dipilih sedemikian sehingga distribusi karakteristik yang diteliti mengikuti
pola distribusi normal yang sama dalam sampel seperti dalam populasi.

Proses Sampling
Sampling adalah proses pemilihan jumlah yang memadai dengan elemen yang tepat dari
populasi, sehingga penelitian sampel dan pemahaman tentang sifat atau karakteristik
memungkinkan bagi kita untuk menggeneralisasi sifat atau karakteristik elemen populasi.
Langkah-langkah utamanya yaitu :
1. Mendefinisikan populasi : elemen, batasan geografis, dan waktu
2. Menentukan kerangka sampel : semua elemen dalam populasi tersebut diambil
3. Menentukan desain sampel : cara probabilitas dan non-probabilitas
4. Menentukan ukuran sampel : tujuan penelitian, interval kepercayaan, level keberanian,
jumlah variasi, masalah biaya dan waktu
5. Melaksanakan proses sampel : target populasi

Probability Sampling
Unrestricted atau Simple Random Sampling à setiap elemen dalam populasi telah dikenal
dan berkedudukan sama, mempunyai kesempatan untuk terpilih sebagai subjek
 Nama : Rani Mustika Sari _ 12030119410010
Kelas Corporate _ Maksi

Restricted atau Complex Probability Sampling terdiri dari :

a. Systematic Sampling : desain sampling sistematis melibatkan penggambaran setiap elemen
n dalam populasi dimulai dengan elemen yang dipilih secara acak antara 1 dan n.
b. Stratified Random Sampling : melibatkan proses stratifikasi atau segregasi, diikuti oleh
pilihan acak subjek dari setiap strata
c. Proportionate and Disproportionate Stratified Random Sampling. Proportionate
merupakan pengambilan sampel dengan proporsi yang sama dalam setiap cluster.
Sedangkan disproportionate merupakan kebalikanya.
d. Cluster Sampling :sampel yang berkumpul dalam kelompok-kelompok atau potongan
elemen agregat alami elemen dalam populasi. Target pertama populasi dibagi menjadi
beberapa cluster. Kemudian sampel acak dari cluster diambil untuk setiap cluster yang
dipilih baik semua elemen atau sampel dari unsur-unsur yang termasuk dalam sampel Area
Sampling : cluster terdiri dari wilayah geografis seperti kabupaten, blok kota, atau batas-
batas tertentu dalam suatu daerah. Single-Stage Cluster Sampling : melibatkan pembagian
populasi ke dalam kelompok yang nyaman, secara acak memilih jumlah yang diperlukan
cluster sebagai subjek sampel, dan menyelidiki semua elemen di masing-masing cluster
yang dipilih secara acak. Multistage Cluster Sampling : melibatkan probability sampling
unit sampling primer, dari masing- masing unit utama, sampel probabilitas unit sampel
sekunder kemudian ditarik, tingkat ketiga probability sampling dilakukan dari masing-
masing unit sekunder, dan seterusnya, sampai kita telah mencapai tahap akhir dari
pemecahan untuk unit sampel, ketika kita mengambil sampel setiap anggota di unit-unit.
Nonprobability Sampling
1. Convenience Sampling : mengacu pada pengumpulan informasi dari anggota populasi
yang mudah tersedia.
2. Purposive Sampling : orang-orang yang dapat memberikan informasi yang diinginkan
terbatas, baik karena mereka adalah satu-satunya orang yang memiliki informasi tersebut,
atau mereka sesuai dengan beberapa kriteria yang ditetapkan oleh peneliti.
a. Judgement Sampling : melibatkan penempatan pilihan subjek yang paling
menguntungkan atau dalam posisi terbaik untuk memberikan informasi yang
diperlukan.
b. Quota Sampling : menjamin kelompok tertentu terwakili secara memadai dalam
penelitian tersebut melalui penugasan kuota.
Intermezzo: Contoh kapan desain pengambilan sampel tertentu akan sesuai
Faktor Yang Mempengaruhi Pengambilan Desain Sampling :
1. Tingkat pengetahuan sebelumnya dalam bidang penelitian yang dilakukan.
2. Tujuan utama penelitian
3. Pertimbangan biaya
Isu Presisi dan Keyakinan dalam Menentukan Ukuran Sampel
• Sampel yang dapat diandalkan dan valid, memiliki kemampuan untuk mengeneralisasikan
temuan dari sample untuk populasi yang diteliti.
• Statistik sampel harus menjadi taksiran yang dapat diandalkan dan mencerminkan
parameter populasi sedekat mungkin dalam margin kesalahan yang tipis.
1. Ketelitian
Þ Mengacu pada seberapa dekat taksiran dengan karakteristik populasi sebenarnya.
Þ Ketelitian merupakan fungsi dari kisaran variabilitas dalam distribusi pengambilan
sampel dari rata-rata sampel.
 Nama : Rani Mustika Sari _ 12030119410010
Kelas Corporate _ Maksi

Þ Semakin kecil variabilitas, semakin besar probabilitas bahwa rata-rata sampel akan
lebih dekatdengan rata-rata populasi.
2. Keyakinan
Menunjukkan seberapa yakin bahwa taksiran peneliti akan benar-benar berlaku bagi
populasi.Semakin sempit kisaran, semakin rendah keyakinan. Sehingga ada trade off
antara ketelitian dan keyakinan dalam penentuan sampel. Tingkat keyakinan dapat
membentang dari 0 sampai 100%.Data Sampel, Presisi, dan Keyakinan Dalam Estimasi
Ketelitian dan keyakinan merupakan isu penting, karena menggunakan data sampel untuk
menarik kesimpulan tentang populasi, peneliti diharapkba “mengenai sasaran” dan
mengetahui tingkat kemngkinan kesalahan. Peneliti biasanya melakukan penaksiran
interval untuk memastikan penaksiran yang relatif akurat terhadap parameter populasi.
3. Trade-Off Antara Presisi dan Keyakinan
Terdapat trade-off antara ketelitian dan keyakinan untuk ukuran sampel apapun. Jika
ukuran sampel tidak dapat ditingkatkan, tingkat ketelitian dapat ditingkatkan, namun
tingkat keyakian harus dikurangi. Penting bagi peneliti memahami 4 aspek, yaitu:
a. Besarnya ketelitian yang dibutuhkan,
b. Besarnya keyakinan yang diperlukan,
c. Tingkat variabilitas karakteristik populasi yang diteliti,
d. Analisis biaya manfaat terkait ukuran sampel.
Sampel Data dan Pengujian Hipotesis
Data sampel dapat digunakan bukan hanya dalam taksiran nilai populasinya, namun juga
menguji hipotesis tentang nilai populasi, korelasi populasi, dan lainnya. Dengan data sampel,
dimungkinkan peneliti dapat mengetahui apakah hipotesis 0 atau alternatifnya yang diterima
atau ditolak.
Ukuran Sampel
Menentukan Ukuran Sampel
Peneliti butuh pemikiran terkait seberapa besar ketelitian dan keyakinan yang benar-benar
diperlukan, sebelum menentukan ukuran sampel. Karena, jika ingin ketelitian dan keyakinan
yang tinggi, maka sampel akan semakin tinggi dan kemungkinan peningkatan biaya yang
dibutuhkan.
Pentingnya Desain Sampling dan Ukuran Sampel
Pengambilan sampel dan ukuran sampel adalah penting untuk dapat digeneralisasikan.
Pengambilan sampel yang tepat harus dilakukan dan menyesuaikan dengan model penelitian.
Pengambilan sampel yang memadai akan mempengaruhi tingkat ketelitian dan keyakinan
Roscoe (1975) mengusulkan terkait ukuran sample:
1. Ukuran sampel >30 dan <500 adalah tepat untuk kebanyakan penelitian
2. Dimana adanya pemecahan sampel, ukuran sample minimal 30 untuk setiap kategori
3. Dalam penelitian multivariant, sampel sebaiknya beberapa kali lebih besar dari jumlah
variabel dalam studi
4. Untuk penelitian exsperimental dengan control eksperimen yang ketat, lebih baik
menggunakan ukuran sample kecil 10-20.
Efisiensi Dalam Sampling
Efisiensi pengambilan sampel tercapai ketika tingkat kesalahan standar “standar error” dapat
dikurangi dengan ukuran sampel tertentu “n”. Efisiensi pengambilan sampel tergantung dari
tujuan penelitian, serta tingkat dan efisiensi yang diharapkan. Desain pengambilan sampel akan
memberikan tingkat efisiensi yang berbeda
Pengambilan Sampel Terkait Penelitian Kualitatif
 Nama : Rani Mustika Sari _ 12030119410010
Kelas Corporate _ Maksi

Sampel kualitatif dimulai dengan mendefinisikan dengan tepat populasinya. Umumnya

menggunakan “nonprobability sample” dikarenakan tujuanya tidak untuk menarik inferensi
statistik. Teknik “purposive sampling” dengan teori sampling diperkenalkan (Glaster dan
Stranuss 1967) dalam “Grounded Theory”. Sulit untuk mempredikasi kapan penyerapan teori
dapat tercapai, kita harus memastikan bahwa sampel yang diambil dapat mewakili informasi
sehingga tidak dimungkinkan adanya informasi baru dan juga tergantung pada heterogenitas
populasi.

BAB 14
Analisis Data Kuantitatif

Sebelum mulai menganalisis data, terdapat beberapa langkah awal yang perlu diselesaikan. Ini
membantu memastikan bahwa data itu akurat, lengkap, dan cocok untuk analisis lebih lanjut.
Menyiapkan Data untuk Analisis.
Langkah2nya yiatu :
1. Pengodean dan entri data à melibatkan pemberian nomor ke tanggapan peserta sehingga
mereka dapat dimasukkan ke dalam basis data. Mempunyai dua aktivitas utama yaitu
memberi tanggapan coding kemudian melakukan entri data tanggapan dapat ke dalam
basis data.
2. Penyuntingan data à berkaitan dengan pendeteksian dan koreksi data dan kelalaian yang
tidak logis, tidak konsisten, atau ilegal dalam informasi yang kemudian dapat
dikembalikan kepada peserta penelitian.
3. Transformasi data à adalah suatu variasi pengkodean data, merupakan proses mengubah
representasi numerik asli dari nilai kuantitatif ke nilai lain. Data biasanya diubah untuk
menghindari masalah pada tahap selanjutnya dari proses analisis data. contoh, transformasi
logaritmik oleh para ekonom sehingga datanya lebih merata.
Mengenal lebih dalam pada Data
Dengan cara memperoleh ringkasan visual atau dengan memeriksa kecenderungan sentral dan
dispersi suatu variabel. Atau juga bisa mengenal data kita dengan memeriksa hubungan antara
dua variabel. data adalah langkah pertama yang diperlukan dalam semua analisis data.
Berdasarkan perasaan awal ini, analisis terperinci lebih lanjut dapat dilakukan untuk menguji
kebaikan data. Statistik deskriptif dalam satu variabel berupa :
• Frekuensi à merujuk pada berapa kali berbagai subkategori dari suatu fenomena tertentu
terjadi, dari mana persentase dan persentase kumulatif dari kejadiannya dapat dengan
mudah dihitung.
• Ukuran kecenderungan sentral à terdiri dari mean, median, dan mode. Ukuran dispersi
meliputi kisaran, deviasi standar, varians (di mana ukuran kecenderungan pusat adalah
rata-rata), dan rentang interkuartil (di mana ukuran kecenderungan pusat adalah median).
• Dispersi à age, varian, standart deviation, interquatile range
Hubungan antar variable
Mengetahui bagaimana satu variabel terkait dengan yang lain, ifat, arah, dan signifikansi
hubungan bivariat dari variabel yang digunakan dalam penelitian
Korelasi à Matriks korelasi Pearson menunjukkan arah, kekuatan, dan signifikansi hubungan
bivariat di antara semua variabel yang diukur pada interval atau tingkat rasio. Korelasi
diperoleh dengan menilai variasi dalam satu variabel karena variabel lain juga bervariasi.

BAB 15
 Nama : Rani Mustika Sari _ 12030119410010
Kelas Corporate _ Maksi

Analisis Data Kuantitatif : Test Hipotesis

langkah-langkah yang harus diikuti dalam pengembangan dan pengujian hipotesis adalah:
1. Nyatakan hipotesis nol dan alternatif.
2. Tentukan tingkat signifikansi yang diinginkan (p 0,05, atau lebih, atau kurang).
3. Pilih tes statistik yang sesuai tergantung pada jenis skala yang telah digunakan (nominal,
ordinal, interval, atau rasio).
4. Lihat apakah hasil keluaran dari analisis komputer menunjukkan bahwa tingkat
signifikansi terpenuhi.
Pertama bab ini x`memperhatikan kesalahan tipe I, kesalahan tipe II, dan kekuatan statistik.
Kemudian, kita akan membahas berbagai uji statistik univariat dan bivariat yang dapat
digunakan untuk menguji hipotesis. Akhirnya, kita akan kembali ke kasus Excelsior
Enterprises dan menguji hipotesis yang dikembangkan pada bab sebelumnya.

TIPE I KESALAHAN, TIPE KESALAHAN II, DAN KEKUATAN STATISTIK

Metode deduksi hipotetis membutuhkan hipotesis yang dapat dipalsukan, hipotesis nol
dianggap benar sampai bukti statistik, dalam bentuk uji hipotesis, menunjukkan sebaliknya.
Ada dua jenis kesalahan, :
• Kesalahan tipe I di sebut sebagai alpha (α) à dalah kemungkinan menolak hipotesis
nol ketika itu benar.
• Kesalahan tipe II, juga disebut sebagai beta (β) à probabilitas gagal untuk menolak
hipotesis nol mengingat bahwa hipotesis alternatif sebenarnya benar.
Kekuatan statistik tergantung pada:
1. Alpha (α) à semakin rendah daya; semakin tinggi alfa, semakin tinggi kekuatannya.
2. Ukuran efek à adalah ukuran perbedaan atau kekuatan suatu hubungan dalam
populasi: perbedaan besar (atau hubungan yang kuat) dalam populasi lebih mungkin
ditemukan daripada perbedaan kecil (kesamaan)., hubungan).
3. Ukuran sampel à peningkatan ukuran sampel menyebabkan perkiraan parameter yang
lebih akurat.

MEMILIH TEKNIK STATISTIK YANG TEPAT

Langkah selanjutnya adalah memutuskan metode yang tepat untuk menguji hipotesis. Pilihan
teknik statistik yang sesuai sangat tergantung pada jumlah variabel (independen dan dependen)
yang dperiksa dan skala pengukuran (metrik atau nonmetrik) variabel penelitian. Aspek lain
yang berperan adalah apakah asumsi tes parametrik terpenuhi dalam ukuran sampel. Univariate
statistical techniques digunakan ketika peneliti ingin menguji hubungan dua variabel.
Menguji hipotesis tentang mean tunggal à Uji t satu sampel digunakan untuk menguji
hipotesis bahwa rata-rata populasi dari mana sampel diambil sama dengan standar
perbandingan. Setelah menghitung statistik-t, kemudian dibandingkan dengan nilai-t dengan
tabel standar nilai-t dengan n 1 derajat kebebasan. Hal ini untuk menentukan apakah statistik-
t mencapai ambang signifikansi statistik. Ketika t-statistik lebih besar dari nilai tabel yang
sesuai, hipotesis nol (tidak ada perbedaan signifikan) ditolak.
Menguji hipotesis dua mean yang terkait àUji-t (sampel berpasangan) untuk memeriksa
perbedaan pada kelompok yang sama sebelum dan setelah kejadian.
• Tes Wilcoxon signed-rank adalah tes nonparametrik untuk menguji perbedaan yang
signifikan antara dua sampel terkait atau pengukuran berulang pada sampel tunggal. Ini
digunakan sebagai alternatif untuk uji-t sampel berpasangan ketika populasi tidak dapat
diasumsikan berdistribusi normal.
 Nama : Rani Mustika Sari _ 12030119410010
Kelas Corporate _ Maksi

• Tes McNemar adalah metode nonparametrik yang digunakan pada data nominal. Ini
menilai signifikansi perbedaan antara dua sampel dependen ketika variabel bunga
adalah dikotomis. Ini digunakan terutama di sebelum− setelah penelitian untuk menguji
efek eksperimental.
Menguji hipotesis dua mean yang tidak terkait à untuk mengetahui apakah dua kelompok
berbeda satu sama lain pada variabel tertentu yang diukur dengan interval atau rasio-skala.
Menguji hipotesis tentang beberapa mean à yaitu uji -t dan dengan analisis varians
(ANOVA) membantu untuk menguji perbedaan rata-rata yang signifikan antara lebih dari dua
kelompok pada suatu interval atau variabel variabel dependen skala.
Analisis regresi à regresi sederhana digunakan dalam situasi di mana satu variabel
independen dihipotesiskan untuk mempengaruhi satu variabel dependen. Analisis regresi
berganda menggunakan lebih dari satu variabel independen untuk menjelaskan perbedaan
dalam variabel dependen. Analisis regresi berganda adalah teknik multivariat yang sangat
sering digunakan dalam penelitian bisnis.
• Koefisien regresi terstandarisasi à adalah perkiraan yang dihasilkan dari analisis
regresi berganda yang dilakukan pada variabel yang telah distandarisasi (proses dimana
variabel diubah menjadi variabel dengan rata-rata 0 dan standar deviasi 1) . Hal ini
biasanya dilakukan untuk memungkinkan peneliti membandingkan efek relatif dari
variabel independen pada variabel dependen, ketika variabel independen diukur dalam
unit pengukuran yang berbeda.
• Regresi dengan variabel dummy àVariabel dummy adalah variabel yang memiliki
dua atau lebih level berbeda, yang diberi kode 0 atau 1. Variabel dummy
memungkinkan kita untuk menggunakan variabel nominal atau ordinal sebagai variabel
independen untuk menjelaskan, memahami, atau memprediksi variabel dependen.
• Multikolinearitas à adalah fenomena statistik yang sering dijumpai di mana dua atau
lebih variabel independen dalam model regresi berganda sangat berkorelasi. Membuat
estimasi koefisien regresi menjadi tidak mungkin. Berikut metode untuk
menguranginya:
a. Kurangi set variabel independen ke set yang tidak collinear (tetapi perhatikan
bahwa ini dapat menyebabkan bias variabel yang dihilangkan, yang juga
merupakan masalah serius).
b. Gunakan cara yang lebih canggih untuk menganalisis data, seperti regresi ridge.
c. Buat variabel baru yang merupakan gabungan dari variabel yang mempunyai
korelasi paling tinggi.
Tes dan analisis multivariat lainnya
Lima teknik multivariat lainnya adalah :
• Analisis diskriminan à membantu mengidentifikasi variabel independen yang
mendiskriminasi variabel dependen skala kepentingan - misalnya, mereka yang tinggi
pada variabel dari mereka yang rendah.
• Regresi logistic à digunakan ketika variabel dependen hanya memiliki dua kelompok,
karena tidak menghadapi asumsi ketat yang dihadapi analisis diskriminan.
• Conjoint analysis à mengharuskan peserta untuk melakukan serangkaian trade-off
• Two-way ANOVA à dapat digunaan untuk menguji pengaruh dua variabel bebas
nonmetrik terhadap satu variabel dependen metrik.
• MANOVA à menguji perbedaan antara kelompok-kelompok di beberapa variabel
dependen secara bersamaan, dengan menggunakan jumlah kuadrat dan matriks lintas-
produk .
• Korelasi kanonik à meneliti hubungan antara dua atau lebih variabel dependen dan
beberapa variabel independen; misalnya, korelasi antara serangkaian perilaku pekerjaan
 Nama : Rani Mustika Sari _ 12030119410010
Kelas Corporate _ Maksi

DATA WAREHOUSING, DATA MINING, AND OPERATIONS RESEARCH

Adalah aspek dari sistem informasi. Sebagian besar perusahaan sekarang menyadari manfaat
dari menciptakan data warehouse yang berfungsi sebagai pusat penyimpanan semua data yang
dikumpulkan dari sumber yang berbeda, termasuk yang berkaitan dengan keuangan,
manufaktur, penjualan perusahaan, dan sejenisnya. Banyak perusahaan menggunakan data
mining sebagai alat strategis untuk mencapai tingkat baru intelijen bisnis. Menggunakan
algoritma untuk menganalisis data dengan cara yang berarti.
Operations research (OR) or management science (MS) adalah alat canggih lain yang
digunakan untuk menyederhanakan dan dengan demikian mengklarifikasi beberapa jenis
masalah kompleks yang memungkinkan mereka untuk dikuantifikasi. Atau menggunakan
matematika dan statistik untuk mengidentifikasi, menganalisis, dan pada akhirnya
menyelesaikan masalah rumit dengan kompleksitas besar yang dihadapi oleh manajer.

BEBERAPA PAKET PERANGKAT LUNAK BERMANFAAT UNTUK ANALISA DATA

Beberapa perangkatlunak adalah sbb berikut:
● LISREL: dari Scientific Software International;
● MATLAB®: dari MathWorks, Inc.;
● Mplus: dikembangkan oleh Linda dan Bengt Muthén;
● Qualtrics: perusahaan perangkat lunak penelitian swasta;
● SAS / STAT: dari SAS Institute;
● SPSS: dari SPSS Inc .;
● SPSS AMOS: dari SPSS Inc .;
● Stata: dari Stata Corporation.