Sifat Sampling
Ide dasar pengambilan sampel adalah dengan memilih beberapa elemen dalam suatu
populasi, kita dapat menggambar kesimpulan tentang seluruh populasi. Elemen populasi
adalah peserta atau objek individu tempat pengukuran dilakukan. Misalnya, setiap anggota
staf mempertanyakan tentang promosi yang optimal strategi adalah elemen populasi, setiap
akun iklan yang dianalisis adalah elemen akun populasi, dan setiap iklan merupakan elemen
populasi iklan. Populasi adalah totalnya kumpulan elemen yang ingin kami simpulkan.
Mengapa Sampel?
Ada beberapa alasan kuat untuk pengambilan sampel, termasuk (1) biaya lebih
rendah, (2) akurasi yang lebih tinggi hasilnya, (3) kecepatan pengumpulan data yang lebih
tinggi, dan (4) ketersediaan elemen populasi.
Biaya Rendah
Keuntungan ekonomi dari pengambilan sampel daripada sensus sangatlah besar.
Pertimbangkan biaya pengambilan sensus pada tahun 2000, karena putusan Mahkamah
Agung membutuhkan sensus daripada pengambilan sampel statistik teknik, Biro Sensus A.S.
meningkatkan perkiraan anggaran Sensus Dekenial 2000 sebesar $ 1,723 miliar, menjadi $
4,512 miliar.
Akurasi
Akurasi adalah sejauh mana bias tidak ada dari sampel. Ketika sampel diambil dengan
benar, ukuran perilaku, sikap, atau pengetahuan (variabel pengukuran) dari beberapa elemen
sampel akan kurang dari (dengan demikian, meremehkan) ukuran variabel yang sama yang
diambil dari populasi. Juga, ukuran perilaku, sikap, atau pengetahuan elemen sampel lainnya
akan lebih dari nilai populasi (dengan demikian, melebih-lebihkan mereka). Variasi dalam
nilai sampel ini saling mengimbangi, menghasilkan nilai sampel yang mendekati nilai
populasi. Agar efek pengimbangan ini terjadi, bagaimanapun, harus ada cukup elemen dalam
sampel, dan mereka harus digambar dengan cara yang menguntungkan tidak melebih-
lebihkan atau meremehkan. Sampel yang akurat (tidak bias) adalah salah satu yang
diremehkan mengimbangi overestimators. Varians sistematis telah didefinisikan sebagai
“Variasi dalam ukuran karena beberapa pengaruh yang diketahui atau tidak diketahui yang
'menyebabkan' skor condong ke satu arah lebih dari yang lain." Meningkatkan ukuran sampel
dapat mengurangi varians sistematis sebagai penyebab kesalahan.
Presisi
Kriteria kedua dari desain sampel yang baik adalah ketepatan estimasi. Deskriptor
numerik itu mendeskripsikan sampel mungkin diharapkan berbeda dari yang
mendeskripsikan populasi karena acak fluktuasi yang melekat dalam proses pengambilan
sampel. Ini disebut kesalahan pengambilan sampel (atau pengambilan sampel acak error) dan
mencerminkan pengaruh kebetulan dalam menggambar anggota sampel. Kesalahan
pengambilan sampel adalah apa tersisa setelah semua sumber varians sistematis yang
diketahui telah diperhitungkan. Secara teori, kesalahan pengambilan sampel hanya terdiri dari
fluktuasi acak, meskipun beberapa varian sistematik yang tidak diketahui dapat dimasukkan
ketika terlalu banyak atau terlalu sedikit elemen sampel memiliki karakteristik tertentu.
Presisi diukur dengan kesalahan standar estimasi, sejenis pengukuran deviasi standar;
semakin kecil kesalahan standar estimasi, semakin tinggi presisi sampel. Itu desain sampel
yang ideal menghasilkan kesalahan estimasi standar yang kecil. Namun, tidak semua jenis
sampel desain memberikan perkiraan presisi, dan sampel dengan ukuran yang sama dapat
menghasilkan jumlah yang berbeda kesalahan.
Perwakilan
Anggota sampel dipilih menggunakan probabilitas atau prosedur nonprobabilitas.
Pengambilan sampel nonprobabilitas bersifat sewenang-wenang dan subjektif; ketika kita
memilih secara subyektif, biasanya kita melakukannya jadi dengan pola atau skema dalam
pikiran (misalnya, hanya berbicara dengan orang muda atau hanya berbicara dengan wanita).
Setiap anggota populasi tidak memiliki peluang yang diketahui untuk dimasukkan.
Kunci perbedaan antara sampel nonprobabilitas dan probabilitas adalah istilah acak.
Dalam kamus, acak didefinisikan sebagai "tanpa pola" atau sebagai "serampangan." Dalam
pengambilan sampel, cara acak sesuatu yang sama sekali berbeda. Pengambilan sampel
probabilitas didasarkan pada konsep pemilihan acak — terkontrol prosedur yang memastikan
bahwa setiap elemen populasi diberi peluang seleksi bukan nol yang diketahui. Prosedur ini
tidak pernah sembarangan. Hanya sampel probabilitas yang memberikan perkiraan presisi.
Selain itu, hanya sampel probabilitas yang menawarkan peluang untuk menggeneralisasi
temuan ke populasi yang diminati dari populasi sampel. Meski eksplorasi penelitian tidak
selalu menuntut hal ini, studi eksplanatori, deskriptif, dan kausal melakukannya.
Pemilihan Elemen
Apakah elemen dipilih secara individual dan langsung dari populasi — dipandang
sebagai satu kesatuan pool — atau kontrol tambahan diberlakukan, pemilihan elemen juga
dapat mengklasifikasikan sampel. Jika setiap sampel elemen diambil secara individual dari
populasi pada umumnya, itu adalah sampel yang tidak dibatasi. Pengambilan sampel terbatas
mencakup semua bentuk pengambilan sampel lainnya.
Stratifi ed Sampling
Sebagian besar populasi dapat dipisahkan menjadi beberapa subpopulasi yang saling
eksklusif, atau strata. Itu proses di mana sampel dibatasi untuk memasukkan elemen-elemen
dari masing-masing segmen disebut stratifi ed random sampling. Setelah suatu populasi
dibagi menjadi strata yang sesuai, sampel acak sederhana dapat diambil dalam setiap strata.
Ada tiga alasan peneliti memilih sampel acak bertingkat: (1) untuk meningkatkan sampel
efisiensi statistik, (2) untuk menyediakan data yang memadai untuk menganalisis berbagai
subpopulasi atau strata, dan (3) untuk memungkinkan metode dan prosedur penelitian yang
berbeda untuk digunakan di strata yang berbeda. Stratifikasi biasanya lebih efisien secara
statistik daripada pengambilan sampel acak sederhana dan yang paling buruk adalah sama
dengan itu. Dengan stratifikasi ideal, setiap strata homogen secara internal dan heterogen
dengan strata lain. Ini mungkin terjadi dalam sampel yang mencakup anggota dari beberapa
kelompok etnis yang berbeda. Dalam hal ini, stratifikasi membuat peningkatan yang nyata
dalam efisiensi statistik.
Stratifikasi juga disebut bila metodenya berbeda pengumpulan data diterapkan di
berbagai bagian populasi, desain penelitian yang semakin meningkat umum. Ideal stratifikasi
akan didasarkan pada variabel utama yang diteliti. Pendekatan yang masuk akal adalah
mencari beberapa dasar untuk stratifikasi yang berkorelasi baik dengan variabel utama. Ini
mungkin variabel tunggal atau mungkin variabel gabungan. Biaya stratifikasi juga termasuk
keputusan. Ada sedikit yang bisa diperoleh dalam memperkirakan nilai populasi bila jumlah
strata melebihi enam. Besar kecilnya sampel strata dihitung dengan dua informasi: (1)
seberapa besar totalnya sampel harus dan (2) bagaimana sampel total harus dialokasikan di
antara strata. Dalam memutuskan bagaimana caranya mengalokasikan sampel total di antara
berbagai strata, ada pilihan yang proporsional dan tidak proporsional. Proportionate versus
Disproportionate Sampling dalam pengambilan sampel bertingkat proporsional, setiap strata
direpresentasikan dengan tepat sehingga ukuran sampel yang diambil dari stratum
proporsional bagian strata dari total populasi. Pendekatan ini lebih populer daripada stratifi
lainnya prosedur pengambilan sampel. Beberapa alasan untuk ini termasuk:
Ini memiliki efisiensi statistik yang lebih tinggi daripada sampel acak sederhana.
Ini jauh lebih mudah dilakukan daripada metode stratifikasi lainnya.
Ini memberikan sampel pembobotan sendiri; rata-rata atau proporsi populasi dapat
diperkirakan secara sederhana dengan menghitung rata-rata atau proporsi dari semua
kasus sampel, menghilangkan bobot tanggapan.
Di sisi lain, sampel bertingkat proporsional sering mendapatkan sedikit efisiensi statistik jika
ukuran strata dan variansnya serupa untuk variabel utama yang diteliti. Setiap stratifikasi
yang berangkat dari hubungan proporsional adalah stratifikasi yang tidak proporsional
contoh. Ada beberapa skema alokasi yang tidak proporsional. Sementara pengambilan sampel
yang tidak proporsional secara teoritis lebih unggul, ada beberapa pertanyaan apakah itu
benar penerapan yang luas dalam arti praktis. Jika ada perbedaan biaya sampling atau varians
antar strata besar, maka pengambilan sampel yang tidak proporsional diperlukan. Telah
dikemukakan bahwa “perbedaan beberapa kali lipat diperlukan untuk membuat pengambilan
sampel yang tidak proporsional bermanfaat." Proses menggambar sampel bertingkat adalah:
Tentukan variabel yang akan digunakan untuk stratifikasi.
Tentukan proporsi variabel stratifikasi dalam populasi.
Pilih stratifikasi yang proporsional atau tidak proporsional berdasarkan kebutuhan dan
risiko informasi proyek.
Bagilah kerangka sampling menjadi bingkai terpisah untuk setiap strata.
Acak elemen dalam kerangka sampling setiap strata.
Ikuti prosedur acak atau sistematis untuk menarik sampel dari setiap strata.
Pertimbangan Praktis
Menggunakan prosedur pengambilan sampel nonprobabilitas karena prosedur tersebut
memenuhi tujuan pengambilan sampel secara memuaskan. Meskipun sampel acak akan
memberi penampang populasi yang sebenarnya, ini mungkin tidak tujuan penelitian. Jika
tidak ada keinginan atau kebutuhan untuk menggeneralisasi parameter populasi, maka jauh
lebih sedikit kekhawatiran tentang apakah sampel mencerminkan populasi sepenuhnya.
Kemungkinan pengambilan sampel dengan jelas memerlukan lebih banyak perencanaan dan
panggilan balik berulang untuk memastikan bahwa masing-masing dipilih anggota sampel
dihubungi. Pengambilan sampel nonprobabilitas yang dikontrol dengan cermat sering kali
memberikan hasil yang dapat diterima, sehingga penyidik bahkan mungkin tidak
mempertimbangkan pengambilan sampel probabilitas.
Sementara pengambilan sampel probabilitas mungkin lebih unggul secara teori, ada
beberapa kerusakan dalam penerapannya. Bahkan Prosedur pengambilan sampel acak yang
dinyatakan dengan hati-hati dapat menjadi sasaran penerapan yang ceroboh oleh masyarakat
terlibat. Dengan demikian, pengambilan sampel probabilitas yang ideal mungkin hanya
dicapai sebagian karena elemen manusia. Ada kemungkinan juga bahwa pengambilan sampel
nonprobabilitas menjadi satu-satunya alternatif yang layak. Jumlah penduduk mungkin tidak
tersedia untuk belajar dalam kasus tertentu. Dalam survei surat, itu yang menanggapi
mungkin tidak mewakili penampang sebenarnya dari mereka yang menerima kuesioner.
Penerima dari kuesioner memutuskan sendiri apakah mereka akan berpartisipasi. Dalam
survei Internet mereka yang sukarelawan tidak selalu mewakili penampang yang sesuai —
itulah mengapa pertanyaan saringan diperlukan digunakan sebelum memasukkan peserta ke
sampel. Namun, ada beberapa dari seleksi mandiri ini hampir semua survei karena setiap
responden memilih apakah akan diwawancarai.
Metode
Kenyamanan
Sampel nonprobabilitas yang tidak dibatasi disebut sampel kenyamanan. Peneliti atau
pekerja lapangan memiliki file kebebasan untuk memilih siapa pun yang mereka temukan:
dengan demikian, nama "kenyamanan". Contohnya termasuk informal kumpulan teman dan
tetangga, orang-orang yang menanggapi undangan surat kabar agar pembaca menyatakan
pendapat mereka posisi di beberapa masalah publik, wawancara "orang-di-jalan" reporter TV,
atau penggunaan karyawan untuk mengevaluasi rasa makanan ringan baru. Meskipun sampel
praktis tidak memiliki kontrol untuk memastikan presisi, ini mungkin masih merupakan
prosedur yang berguna.
Pengambilan Sampel
Purposif Sampel nonprobabilitas yang memenuhi kriteria tertentu disebut purposive
sampling. Ada dua jenis utama — pengambilan sampel penilaian dan pengambilan sampel
kuota. Pengambilan sampel penilaian terjadi ketika seorang peneliti memilih anggota sampel
untuk menyesuaikan dengan beberapa kriteria. Contoh lain dari pengambilan sampel
penilaian terjadi ketika hasil pemilihan diperkirakan dari hanya beberapa kawasan terpilih
yang telah dipilih karena catatan prediktifnya di masa lalu pemilu.
Quota sampling adalah jenis kedua dari purposive sampling. Logika di balik
pengambilan sampel kuota adalah bahwa karakteristik relevan tertentu mendeskripsikan
dimensi populasi. Jika suatu sampel memiliki distribusi yang sama pada karakteristik ini,
maka sampel tersebut cenderung representatif dari populasi mengenai variabel lain yang tidak
dapat kami kendalikan. Di sebagian besar sampel kuota, peneliti menentukan lebih dari satu
dimensi kontrol. Masing-masing harus bertemu dua tes: harus (1) memiliki distribusi dalam
populasi yang dapat kami perkirakan dan (2) relevan dengan topik yang dipelajari. Dimensi
lain, seperti disiplin akademik siswa, suku, afiliasi agama, dan kelompok sosial afiliasi, juga
dapat dipilih. Hanya beberapa dari kontrol ini yang dapat digunakan. Sebagai ilustrasi,
misalkan kita pertimbangkan hal berikut:
Jenis Kelamin: Dua kategori — pria, wanita.
Tingkat kelas: Dua kategori — pascasarjana, sarjana.
Perguruan tinggi: Enam kategori — seni dan sains, pertanian, arsitektur, bisnis,
teknik, lainnya.
Agama: Empat kategori — Protestan, Katolik, Yahudi, lainnya. Afiliasi persaudaraan:
Dua kategori — anggota, nonanggota.
Kelas sosial-ekonomi keluarga: Tiga kategori — atas, menengah, bawah.
Dengan bentuk kontrol ini, persentase keseluruhan dari mereka yang memiliki karakteristik
masing-masing dalam sampel harus cocok dengan persentase yang memiliki karakteristik
yang sama dalam populasi. Tidak ada upaya yang dilakukan untuk menemukan kombinasi
karakteristik tertentu dalam satu orang. Pengambilan sampel kuota memiliki beberapa
kelemahan. Pertama, gagasan bahwa kuota pada beberapa variabel mengasumsikan
keterwakilan pada orang lain adalah argumen dengan analogi. Tidak ada jaminan bahwa
sampel tersebut representatif variabel yang sedang dipelajari. Seringkali, data yang digunakan
untuk memberikan kontrol mungkin sudah usang atau tidak akurat. Ada juga batasan praktis
tentang jumlah kontrol simultan yang dapat diterapkan untuk memastikan presisi. Akhirnya,
pilihan subjek diserahkan kepada pekerja lapangan untuk dibuat atas dasar penilaian.
Terlepas dari masalah dengan pengambilan sampel kuota, ini banyak digunakan oleh jajak
pendapat dan pemasaran dan peneliti bisnis. Pengambilan sampel probabilitas biasanya jauh
lebih mahal dan memakan waktu. Advokat dari pengambilan sampel kuota berpendapat
bahwa meskipun ada beberapa bahaya bias sistematis, biasanya risikonya adalah tidak terlalu
bagus. Jika validitas prediktif telah diperiksa (misalnya, dalam jajak pendapat pemilu),
pengambilan sampel kuota secara umum memuaskan.
Snowball
Desain ini telah menemukan tempat dalam beberapa tahun terakhir dalam aplikasi di
mana responden sulit untuk diidentifikasi dan paling baik berlokasi melalui jaringan rujukan.
Ini juga sesuai untuk beberapa studi kualitatif. Pada tahap awal pengambilan sampel bola
salju, individu ditemukan dan mungkin atau mungkin tidak dipilih melalui metode
probabilitas. Kelompok ini kemudian digunakan untuk merujuk peneliti kepada orang lain
yang memiliki kesamaan karakteristik dan siapa, pada gilirannya, mengidentifikasi orang
lain. Berbagai teknik tersedia untuk memilih nonprobabilitas bola salju dengan ketentuan
untuk identifikasi kesalahan dan pengujian statistik.