RINGKASAN TEORI PROBABILITAS

Statistika (statistics) adalah Ilmu yang mempelajari cara mengumpulkan, menata,

menyajikan, menganalisis, dan menginterpretasikan data untuk membantu pengambilan
keputusan yang efektif.
Statistik (statistic) adalah hasil pengolahan dan analisis dari data (kumpulan data, bilangan
maupun non-bilangan) yang disusun dalam tabel dan atau diagram yang melukiskan atau
menggambarkan suatu persoalan.

PERANAN STATISTIKA
Peran ilmu statistika dalam kehidupan manusia diantaranya adalah untuk menyediakan
teknik/tata cara tentang:
• Pencatatan data secara eksak.
• Membantu agar bekerja dengan tata-pikir definitif dan sistematis.
• Menyajikan data agar ringkas dan mudah difahami.
• Memudahkan analisis data kuantitatif yang kompleks dan rumit.
• Penarikan kesimpulan atas data dari hasil penelitian.
• Meramalkan kecenderungan peristiwa yang akan terjadi

BIDANG STATISTIKA
Pembidangan statistika dapat ditinjau dari segi pengolahan data, parameter yang digunakan,
serta bidang penerapannya

1.Segi pengolahan data

a) Statistika deskriptif;
• Bidang ilmu yang mempelajari tata cara penyusunan dan penyajian data agar
mudah dibaca dan difahami.
• Disajikan dalam bentuk distribusi frekuensi, tabel, grafik, ukuran pemusatan,
angka indeks, time series, korelasi, regresi dan semacamnya.
b) Statistika Indutktif;
• Bidang ilmu yang mempelajari tata cara penarikan kesimpulan keseluruhan
(populasi) berdasarkan sebagian data (sampel)
• Disebut pula sebagai Statistika Inferensi
• Bertujuan untuk mendapat kesimpulan umum dari hasil penelitian.
• Dalam bentuk teknik probabilitas, distribusi teoritis, sampling dan distribusi
sampling, pendugaan populasi, uji hipotesis, analisis korelasi dan uji signifikansi,
analisis regresi peramalan dan semacamnya.

2. Segi bentuk parameternya

a) Statistika Parametrik
• statistika yang dipergunakan untuk data yang berskala interval dan rasio, sebaran
data harus sama dan berdistribusi normal.
• Statistika yang parameter dari populasinya mengikuti suatu distribusi tertentu,
seperti distribusi normal dan memilki varians yang homogen

b) Statistika Non-Parametrik
• statistika yang dipergunakan apabila kita mengabaikan sebaran normal, statistika
untuk data kualitatif dan statistika yang bebas sebaran.
• Statistik yang parameter dari populasinya tidak mengikuti distribusi tertentu seperti
distribusi normal dan varians tidak perlu homogen

3. Segi bidang penerapan

Dibedakan penerapannya seperti: statistik sosial, statistik pendidikan, statistik ekonomi,
statistik perusahaan, statistik pertanian, statistik kesehatan, dan sebagainya.

Perbedaan populasi dan sampel

1. Sampel
Merupakan sebagian obyek yang diteliti atau sekumpulan data yang diambil atau diseleksi
dari suatu populasi.

2. Populasi
Sekumpulan data yang mengidentifikasi suatu fenomena atau seluruh obyek yang akan
diteliti.

Beberapa cara memilih sampel dari populasi;

1. Sampel Acak (Random Sample); sampel yang dipilih berdasarkan peluang tertentu.
2. Sampling; proses dari penyeleksian suatu jumlah elemen populasi menjadi anggota sampel
3. Sensus; cara pengumpulan data dimana seluruh elemen populasi diteliti satu per satu.

Ukuran Populasi dan Sampel

Banyaknya anggota yang ada dalam sebuah populasi biasa disebut Ukuran Populasi dan
dilambangkan dengan N. Sementara Ukuran Sampel adalah banyaknya anggota yang ada
dalam sebuah sampel, dan dilambangkan dengan n.

Parameter
Sebuah konstanta atau bilangan yang diperoleh dari populasi atas dasar perhitungan
matematis tertentu. atau data yang diperoleh dari hasil sensus.
Misalnya: m (mean); d (standard deviasi).
. DATA
DEFINISI DATA
• Statistika dapat digunakan apabila telah tersedia data sebagai bahan dasar perhitungan dan
analisisnya. Data dalam konteks statistika adalah data kuantitatif.
• Data kuantitatif adalah data yang berbentuk angka. Sementara data kualitatif adalah data
yang berbentuk uraian deskriptif, tidak dapat diolah secara statistik sebelum dikonversikan
menjadi data kuantitatif berdasarkan skala tertentu dengan asumsi tertentu pula.
• Data adalah himpunan angka hasil pengamatan dan pengukuran sistematis pada sejumlah
peristiwa/satuan analisis yang didapatkan secara langsung ataupun tidak langsung. Data
adalah sesuatu yang diketahui meskipun belum tentu benar.
• Data merupakan kumpulan angka, fakta, fenomena atau keadaan atau lainnya yang
merupakan hasil pengamatan, pengukuran, atau pencacahan dan sebagainya terhadap
variabel dari suatu obyek kajian, yang berfungsi dapat membedakan objek yang satu
dengan lainnya pada variabel yang sama.
• DATA yang telah diolah disebut INFORMASI, rangkaian informasi jika dikombinasikan
akan menghasilkan PENGETAHUAN, dan atas dasar pengetahuan seseorang dapat
melakukan PENGAMBILAN KEPUTUSAN.
• Dengan demikian penggunaan data yang benar dan valid merupan dasar dari pengambilan
keputusan yan tepat.
JENIS DATA

a) Data Kualitatif adalah data yang tidak dinyatakan dalam bentuk angka
• Contoh; jenis kelamin, jenis buah-buahan, tipe kendaraan, jenis pendidikan tinggi,
dan lain-lain
• Atau dapat juga berupa uraian deskriptif seperti contohnya; jumlah penjualan
meningkat, harga barang sangat mahal, dan lain sebagainya

b) Data Kuantitatif adalah data yang dinyatakan dalam bentuk angka. Data kuantitatif
dibagi menjadi data diskrit dan kontinu.

1. Data Diskrit,
• Merupakan data hasil pencacahan
• Data yang satuannya selalu bulat dalam bilangan asli, tidak berbentuk pecahan
• Contoh, angka yang menunjukkan banyaknya mahasiswa yang menjadi
anggota HMTI, banyaknya apel di keranjang, jumlah UMKM di Kecamatan
Sukapada, dan lain sebagainya.

2. Data Kontinu
• Merupakan data hasil pengukuran
• Data yang satuannya dapat berupa bilangan bulat dan atau pecahan
• Contoh, angka yang menunjukkan jarak antara Surabaya-Bandung, berat
badan balita di Desa Sukamaju, luas lahan kampus Universitas Widyatama,
dan lain-lain.

2. Berdasarkan Sumber

a) Data internal, adalah data yang menggambarkan keadaan di dalam satu unit organisasi,
contohnya, data tenaga kerja, data keuangan di suatu perusahaan, dan lain sebagainya.

b) Data eksternal, adalah data yang menggambarkan keadaan di luar suatu unit organisasi,
contohnya, data penjualan pesaing, data pendapatan per kapita negara, dan lain
sebagainya.

3. Berdasarkan Cara Memperoleh Data

a) Data primer, adalah data yang diperoleh dan atau diukur langsung dari obyeknya,
misalnya rata-rata kenaikan harga saham di BEI, waktu pengiriman barang dari pabrik
ke distributor, dan lain-lain.

b) Data sekunder, adalah data yang diperoleh dari pihak lain dalam bentuk yang sudah
jadi (data statistic) dan sudah dipublikasikan, contohnya seperti data sensus ekonomi
BPS, data laporan keuangan perusahaan yang dipublikasikan di surat kabar, lokasi agen
distributor yang ditunjukan pada google map, dan lain sebagainya.
4. Berdasarkan Waktu Memperoleh Data

a) Data Berkala (Time-Series), adalah data yang dikumpulkan dari waktu ke waktu untuk
menggambarkan sesuatu kegiatan dari waktu ke waktu. Misalnya perkembangan
penjualan 5 tahun terakhir.

b) Data Cross-Section, adalah data yang dikumpulkan pada suatu waktu tertentu untuk
menggambarkan keadaan pada waktu yang bersangkutan. Misalnya jumlah penjualan
menurut jenis produk yang dihasilkan perusahaan pada tahun 2019.
PENGUKURAN
Pengukuran adalah suatu proses kuantifikasi dengan memasang skala ukur dari suatu
variabel penelitian pada satuan pengamatan sebagai cara peneliti mendapatkan angka yang
merupakan variasi nilai pada variabel tersebut.
Apa yang diukur?

Satuan Pengamatan/Analisis (unit of observation), yaitu suatu obyek pengamatan dalam

penelitian yang dijadikan dasar analisis dan penarikan kesimpulan. Dalam penelitian
kuantitatif selalu menyangkut sejumlah satuan pengamatan yang relatif besar agar
perhitungan statistik memiliki signifikansinya.
Satuan pengamatan menurut tingkatannya dibedakan atas:
• Peristiwa atau kejadian
• Individu
• Kelompok
• Organisasi masyarakat, dan sebagainya

KARAKTERISTIK DAN VARIABEL

• Karakteristik adalah ciri-ciri yang dimiliki satuan pengamatan tertentu yang dapat
memberikan informasi identitasnya dalam kaitan atau bandingan dengan satuan
pengamatan yang lain ataupun obyek yang lain. Setiap satuan pengamatan pada umumnya
memiliki sejumlah karakteristik. Satu karakteristik merupakan satu dimensi dari satuan
pengamatan. Satu dimensi dapat terdiri dari sejumlah variabel.
Perhatikan Contoh berikut:
Satuan Analisis: Individu Mahasiswa
Karakteristik:
01. Usia
02. Jenis Kelamin
03. IPK
04. Tahun Masuk
05. Pendidikan terakhir

• Variabel adalah variasi nilai pada satu ciri atau aspek dari suatu karakteristik pada satuan
pengamatan berdasarkan skala ukur tertentu (apakah skala nominal, ordinal, interval, atau
rasio) yang dapat menjadi unsur pembeda dengan satuan pengamatan lain. Karakteristik atau
sifat dari obyek kajian yang relevan dengan permasalahan penelitian. Bisa memberikan
sekurang-kurangnya dua klasifikasi yang berbeda, atau bisa memberikan sekurang-kurangnya
dua hasil pengukuran atau perhitungan yang berbeda.
• Jenis Variabel:

a) Variabel kualitatif, adalah variable yang bentuknya klasifikasi

 Jenis variebel kualitatif berdasar pemeringkatan;
- Dengan Peringkat (ranking); tingkat kecerdasan; sangat cerdas, cerdas,
biasa, kurang
- Tanpa Peringkat: jenis kelamin laki-laki, perempuan; etnik sunda, jawa,
batak
 Jenis variebel kualitatif berdasar jumlah variasinya;
- Variabel kualitatif yang variasi atau kalsifikasinya hanya dua disebut variabel
dikotomus
- Variabel yang variasinya atau klasifikasinya lebih dari dua disebut variabel
Polikotomus

b) Variabel Kuantitatif, adalah variabel yang bentuknya numerik (bilangan). Variabel

kuantitatif terdiri dari:
 Variabel Kontinu, variabel yang dapat dinyatakan dalam bentuk pecahan,
misalnya, rentabilitas perusahaan 55% atau 55/100, perputaran aktiva 6,3.
 Variabel Diskrit, variabel yang tidak dinyatakan dalam bentuk pecahan,
misalnya banyaknya anak: 1, 2, 3

SKALA PENGUKURAN VARIABEL

• Skala Nominal, mempunyai sifat membedakan
Misal: angka 1 menyatakan mobil merk Toyota, angka 2 menyatakan mobil merk Hyundai,
angka 3 menyatakan mobil merk Honda, angka 4 menyatakan mobil merk Nissan

• Skala Ordinal, mempunyai sifat membedakan dan mengurutkan (memberikan peringkat)

Misal: angka 5 menyatakan sangat baik, angka 4 menyatakan baik, angka 3 menyatakan
cukup baik, angka 2 menyatakan kurang baik, angka 1 menyatakan sangat kurang

• Skala Interval, mempunyai sifat membedakan, mengurutkan, menunjukan jarak antar nilai
yang bernilai tetap, dan mempunyai nilai nol yang tidak mutlak
Misal: suhu ruangan 28oC sementara suhu di luar rumah 0oC, siang ini waktu menunjukkan
pukul 13.00 sementara tengah malam menunjukkan pukul 00.00

• Skala Rasio, mempunyai sifat membedakan, mengurutkan, menunjukkan jarak antar nilai
yang bernilai tetap, dan mempunyai nilai nol yang mutlak
Misal: jumlah peserta yang hadir 32 orang, berat badan bayi lahir normal 3,2 kg, jumlah
uang di tabungan Rp. 261.175
2. PENYAJIAN DATA
Data yang telah dikumpulkan baik dari populasi maupun sampel untuk keperluan laporan dan
atau analisis selanjutnya perlu diatur, disusun, disajikan dalam bentuk yang jelas dan baik.
Data statistik diantaranya dapat disajikan dalam bentuk:
- Tabel Distribusi Frekuensi
- Pie Chart
- Dot Plot
- Histogram
- Diagram Batang–Daun (stem -leaf)
- Diagram Kotak–Titik (box plot)
- dan lain-lain
Skala penggambaran harus diperhatikan dalam penyajian data dalam bentuk grafik. Penyajian
data dalam bentuk grafik dapat dilakukan secara manual maupun menggunakan software
software statistik seperti Microsoft Excel, SPSS, SAS, S-Plus, Minitab dan lainnya.

A. Tabel Distribusi Frekuensi.

Pada pembahasan ini akan dibahas terlebih dahulu mengenai penyajian data dengan
menggunakan tabel. Tabel adalah kumpulan data yang disusun berdasarkan baris dan
kolom. Baris dan kolom ini berfungsi untuk menunjukkan data terkait keduanya. Dimana
titik temu antara baris dan kolom adalah data yang dimaksud.
Tabel Distribusi Frekuensi adalah pengelompokan data ke dalam beberapa kelas atau
kategori yang menunjukkan banyaknya data dalam setiap kategori, dan setiap data tidak
dapat dimasukkan ke dalam dua atau lebih kategori (tidak saling tumpang tindih)

Cara Menyusun
1. Tentukan nilai terendah/terkecil dari data yang dipunyai
2. Tentukan nilai tertinggi /terbesar dari data yang dipunyai
3. Hitung nilai Range (R) R = nilai tertinggi – nilai terendah
4. Tentukan perkiraan jumlah kelas (N), dengan menggunakan rumus H.A. Strurges.
N = 1 + 3,322 log n
5. Tentukan perkiraan panjang kelas (C), dihitung dari C = Range / perkiraan jumlah kelas
6. Tentukan nilai batas bawah dan batas atas dari kelas ke-1 dan kelas yang lain. Kelas ke-
1 harus memuat nilai terendah dan kelas terakhir harus memuat nilai tertinggi.
7. Tentukan frekuensi data yang ada di suatu interval kelas, dengan cara memasukkan
data yang ada ke dalam interval kelas yang bersesuaian
8. Tentukan nilai tengah masing-masing kelas interval. Nilai tengah = (batas atas + batas
bawah) / 2

Contoh 1.1
Nilai ujian statistik untuk 40 orang mahasiswa

 Tentukan rentang R = 99 – 35 = 64
 Tentukan banyak kelas N = 1 + 3,3 log 40 = 6,287 sehingga banyak kelas sama
dengan 6 atau 7 kelas
  Tentukan panjang kelas interval c = R/N = 64 / 7 = 9.14 sehingga panjang kelas
interval sama dengan 9 atau 10
 Pilih ujung bawah kelas interval pertama. Jika c yang dipilih adalah 10, maka dari
data tersebut, untuk kelas pertama adalah 31-40, kemudian 41-50 dan seterusnya

Memperkirakan nilai rata-rata menggunakan distribusi frekuensi

Maka untuk kasus pada Contoh 1.1, perkiraan nilai rata-rata diselesaikan seperti cara
berikut;

Rata-rata nilai ujian statistik = 74,00

B. Pie Chart
Cara lain untuk menyajikan data adalah dengan diagram lingkaran atau pie chart. Diagram
lingkaran digunakan untuk membandingkan data dari berbagai kelompok. Pie chart
merupakan grafik yang berbentuk lingkaran, dimana setiap potongannya mewakili proporsi
atau presentase suatu komponen dari sebuah kelompok data. Pemakaian pie chart hanya
cocok ketika menyatakan data dalam bentuk proporsi dari satu kelompok data.
Contoh pie chart;
C. Dot Plot
Cara menggambarkan data dalam bentuk titik, dengan memperhatikan frekuensi dari data
yang bersangkutan. Titik ditumpuk di atas nilai data yang digambarkan.
Contoh dot plot;

D. Histogram
Histogram adalah gambar berdasarkan distribusi frekuensi. Setiap frekuensi dipresentasikan
oleh suatu segi empat (rectangle). Daerah setiap rectangle sebanding dengan frekuensinya.
Contoh histogram;

E. Diagram Batang–Daun (stem -leaf)

Stem atau batang, mirip dengan grup data pada histogram, sedangkan leaf atau daun, mirip
dengan frekuensi. Stem adalah digit pertama yang terpenting yang ada dalam bilangan yang
membentuk harga data, sedangkan digit di belakangnya akan merupakan leaf. Melalui
stem-leaf kita masih dapat mengethaui (melihat) data mentahnya.
F. Diagram Kotak–Titik (box plot)
Box plot digunakan untuk menyelidiki distribusi tanpa menggunakan grup data seperti pada
histogram dan diagram batang daun. Box plot terdiri dari; datamin, q1, q2(median), q3, dan
datamax yang disusun secara terurut dengan membentuk kotak

PENDAHULUAN
Dalam suatu penelitian survei, tidak perlu untuk meneliti semua individu dalam suatu
populasi, sebab di samping memakan biaya yang banyak, juga membutuhkan waktu yang
lama. Dengan meneliti sebagian dari populasi, diharapkan hasil yang diperoleh akan dapat
menggambarkan sifat populasi yang bersangkutan. Untuk dapat mencapai tujuan ini, maka
cara-cara pengambilan sebuah sampel harus memenuhi syarat-syarat tertentu. Sebuah sampel
harus dipilih sedemikian rupa sehingga setiap satuan unsur mempunyai kesempatan dan
peluang yang sama untuk dipilih, dan besarnya peluang tersebut tidak boleh sama dengan nol.
Di samping itu, pengambilan sampel secara acak (random) harus menggunakan teknik yang
tepat sesuai dengan ciri-ciri populasi dan tujuan penelitian. Suatu teknik pengambilan sampel
yang ideal mempunyai sifat-sifat:
1. Dapat menghasilkan gambaran yang dapat dipercaya dari seluruh populasi yang
diteliti,
2. Dapat menentukan presisi (presicion) dari hasil penelitian dengan menentukan
simpangan baku (standard deviation) dari taksiran yang diperoleh,
3. Sederhana, sehingga mudah dilaksanakan,
4. Dapat memberikan keterangan sebanyak mungkin, dengan biaya yang serendah-
rendahnya.
Dalam menentukan teknik pengambilan sampel yang akan diterapkan dalam suatu penelitian,
seorang peneliti harus memperhatikan hubungan antara biaya, tenaga, dan waktu di satu
pihak, serta tingkat presisi di pihak lain. Jika jumlah biaya, tenaga, dan waktu sudah dibatasi
sejak semula, seorang peneliti harus berusaha mendapatkan teknik pengambilan sampel yang
menghasilkan presisi tertinggi. Perlu disadari bahwa tingkat presisi yang tinggi tidak
mungkin dapat dicapai dengan biaya, tenaga, dan waktu yang terbatas. Di samping itu, perlu
diperhatikan pula masalah efisiensi dalam memilih teknik pengambilan sampel. Metode A
dikatakan lebih efisien daripada metode B, jika untuk sejumlah biaya, tenaga, dan waktu yang
sama, metode A dapat memberikan tingkat presisi yang lebih tinggi; atau untuk tingkat
presisi yang sama diperlukan biaya, tenaga, dan waktu yang lebih rendah. Sering timbul
pertanyaan, berapa besarnya sampel (sample size) yang harus diambil untuk mendapatkan
data yang representatif. Ada empat faktor yang harus dipertimbangkan dalam menentukan
besarnya sampel dari suatu penelitian, yaitu:
1. Derajat keseragaman (degree of homogenity) dari populasi. Makin seragam populasi,
makin kecil sampel yang bisa diambil. Jika populasi seragam penuh (completely
homogenous), maka satu satuan elemen saja sudah cukup representatif untuk diteliti.
Sebaliknya, apabila populasi itu secara sempurna tidak seragam (completely
heterogeneous), maka hanya pencatatan lengkap yang dapat memberikan gambaran
secara representatif.
2. Presisi yang dikehendaki dari penelitian. Makin tinggi tingkat presisi yang
dikehendaki, makin besar jumlah sampel yang harus diambil. Jadi, sampel yang besar
cenderung memberikan penduga yang lebih mendekati nilai sesungguhnya (true-
value). Pada sensus lengkap, tingkat presisi ini menjadi mutlak, karena nilai taksiran
statistik sama dengan nilai parameter. Dengan perkataan lain, antara besarnya sampel
yang diambil dengan besarnya kesalahan (error) terdapat hubungan yang negatif.
3. Rencana analisis. Adakalanya besarnya sampel sudah mencukupi sesuai dengan
tingkat presisi yang dikehendaki, akan tetapi jika dikaitkan dengan kebutuhan analisis,
jumlah sampel tersebut kurang mencukupi. Sebagai contoh, jika seorang peneliti ingin
menghubungkan tingkat pendidikan responden dengan pemakaian aplikasi sosial
media. Jika tingkat pendidikan responden dikelompokkan menjadi (a1) tidak sekolah,
(a2) belum tamat SD, (a3) tamat SD, (a4) belum tamat SLTP, (a5) tamat SLTP, (a6)
belum tamat SLTA, (a7) tamat SLTA, (a8) pernah kuliah, (a9) tamat D-1, (a10) tamat
D-2, (a11) tamat D-3, (a12) tamat S-1, (a13) tamat S-2, (a14) tamat S-3; sedangkan
jenis aplikasi sosial media dibagi ke dalam (b1) facebook, (b2) whatsapp, (b3)
instagram, (b4) line; maka dengan sampel 100 responden mungkin tidak cukup, sebab
akan terdapat sel-sel dalam matrik yang isinya kurang dari 5 atau bahkan kosong.
4. Tenaga, waktu, dan biaya. Jika diinginkan tingkat presisi yang tinggi, maka jumlah
sampel harus besar. Tetapi jika dana, waktu, dan tenaga yang tersedia sangat terbatas,
tidak mungkin untuk mengambil sampel yang besar; dan ini berarti tingkat presisinya
akan menurun.
Mengenai ukuran sampel minimum yang harus diambil dari suatu populasi, berikut ini
diketengahkan beberapa sumber.
 Barbara dan Fidell (1993) mengatakan jika rencana analisis yang digunakan berupa
teknik korelasi dan regresi ganda, ukuran sampel yang ideal haruslah 20 kali
banyaknya variabel bebas.
 Tetapi Comrey (1973: 76) menyatakan bahwa untuk berbagai tujuan penelitian, jika
subjeknya homogen dan banyaknya variabel yang diteliti tidak banyak, ukuran sampel
antara 100-200 sudah baik.
 Cochran (1965: 54) memberikan rumus yang digunakan untuk menentukan besarnya
sampel minimum dalam suatu penelitian survei sebagai berikut.
Keterangan:
N = ukuran populasi
n = ukuran sampel minimum yang diambil
t = absis pada kurva normal untuk d yang ditentukan
i = tingkat presisi yang dikehendaki
i = proporsi dalam populasi
Q = (1 – P) SAMPLING
2. SATUAN SAMPLING
Sebelum memahas tentang beberapa teknik pengambilan sampel, terlebih dahulu perlu
dipahami beberapa konsep sebagai berikut.
1. Populasi dan Sampel
Populasi (universe) ialah jumlah keseluruhan dari unit analisis yang ciri- cirinya akan diduga.
Populasi dapat dibedakan antara populasi sampling dengan populasi sasaran. Sebagai contoh,
jika seorang peneliti mengambil rumah tangga sebagai sampel; sedangkan yang diteliti hanya
anggota rumah tangga (misalnya ayah atau suami), maka seluruh rumah tangga dalam
wilayah penelitian disebut sebagai populasi sampling; sedangkan seluruh suami atau ayah
dalam wilayah penelitian itu dinamakan populasi sasaran (target population). Dalam setiap
penelitian, populasi yang dipilih erat kaitannya dengan masalah yang akan diteliti. Sebagai
contoh, (1) untuk penelitian tentang tenaga kerja, mestinya populasi yang dipilih adalah
penduduk usia kerja, (2) untuk penelitian tentang pemilihan umum, mestinya populasi yang
dipilih adalah penduduk yang memiliki hak pilih, (3) untuk penelitian tentang sebaran wabah
Covid-19, populasi yang dipilih adalah seluruh penduduk Indonesia.
2. Unit sampling
Unsur-unsur yang diambil sebagai sampel, disebut unsur sampling, dan ini merupakan unit-
unit yang akan dianalisis selanjutnya. Unsur sampling diambil dengan menggunakan
kerangka sampling (sampling frame).
3. Kerangka sampling
Kerangka sampling merupakan daftar dari semua unsur sampling dalam populasi sampling.
Kerangka sampling dapat berupa daftar mengenai jumlah penduduk, jumlah bangunan, dan
mungkin berupa peta yang unit-unitnya tergambar secara jelas. Sebuah kerangka sampling
yang baik harus memenuhi syarat-syarat
a) meliputi seluruh unsur sampel,
b) tidak ada unsur sampel yang dihitung dua kali,
c) up to date,
d) batas-batasnya jelas, misalnya batas wilayah, rumahtangga; dan
e) dapat dilacak di lapangan.
3.TENIK PENGAMBILAN SAMPEL
Sebelum pembicaraan lebih lanjut, perlu dijelaskan bahwa pada dasarnya ada dua macam
metode pengambilan sampel, yaitu (1) pengambilan sampel secara acak (random sampling)
atau probability sampling, dan (2) pengambilan sampel yang bersifat tidak acak
(nonprobability sampling), dimana sampel dipilih berdasarkan pertimbangan-pertimbangan
tertentu.
1. Sampling Acak Sederhana
Sampel acak sederhana (simple random sampling) ialah suatu sampel yang diambil
sedemikian rupa sehingga tiap unit penelitian dari suatu populasi mempunyai kesempatan
yang sama untuk dipiih sebagai sampel. Dalam prakteknya, sampel acak sederhana dapat
dilakukan dengan (a) undian, atau (b) bilangan acak.
2. Sampling Sistematis
Apabila banyaknya satuan elementer yang akan dipilih cukup besar, maka pemilihan sampel
acak sederhana akan berat mengerjakannya. Dalam keadaan seperti ini ahli statistik
cenderung memakai metode lain. Pengambilan sampel acak sistematis (systematic random
sampling) ialah suatu metode pengambilan sampel, dimana hanya unsur pertama saja dari
sampel dipilih secara acak, sedangkan unsur-unsur selanjutnya dipilih secara sistematis
menurut pola tertentu. Sampel sistematis seringkali menghasilkan kesalahan sampling
(sampling error) yang lebih kecil, disebabkan anggota sampel menyebar secara merata di
seluruh propinsi. Ada pendapat bahwa pengambilan sampel dengan metode ini tidak acak,
karena yang diambil secara acak unsur pertama saja, sedangkan unsur selanjutnya diurutkan
berdasarkan interval yang sudah tertentu dan tetap. Karena itu, untuk dapat mempergunakan
metode ini, harus dipenuhi beberapa syarat yakni (1) populasi harus besar, (2) harus teredia
daftar kerangka sampel, (3). populasi harus bersifat homogen.
3. Sampling Acak Berlapis
Dalam praktek sering dijumpai populasi yang tidak homogen. Makin heterogen suatu
populasi, makin besar pula perbedaan sifat antara lapisan- lapisan tersebut. Presisi dan hasil
yang dapat dicapai dengan penggunaan suatu metode pengambilan sampel, antara lain
dipengaruhi oleh derajat keseragaman dari populasi yang bersangkutan. Untuk dapat
menggambarkan secara tepat mengenai sifat-sifat populasi yang heterogen, maka populasi
yang bersangkutan dibagi ke dalam lapisan- lapisan (stratum) yang seragam dan dari setiap
lapisan diambil sampel secara acak. Dalam sampel berlapis, peluang untuk terpilih satu strata
dengan yang lain mungkin sama, mungkin pula berbeda. Ada dua syarat yang harus terpenuhi
untuk dapat mempergunakan metode pengambilan sampel acak berlapis, yaitu (a) ada kriteria
jelas yang akan dipergunakan sebagai dasar untuk menstratifikasi populasi, dan (b) diketahui
dengan tepat jumlah satuan-satuan elementer dari tiap lapisan dalam populasi itu. Besarnya
sampel yang diambil dari tiap-tiap strata dapat berimbang dan dapat pula tidak berimbang.
Dalam pengambilan sampel yang berimbang, unsur-unsur satuan yang diambil dari setiap
strata berbanding lurus dengan jumlah satuan-satuan elementer dalam strata yang
bersangkutan. Kalau peneliti akan mempergunakan metode tidak berimbang, maka ia dapat
menentukan sendiri jumlah unsur-unsur sampel yang akan diambilnya.
4. Samping Gugus (Cluster) Sederhana
Jika seorang peneliti ingin meneliti besarnya pendapatan per bulan dari tiap-tiap keluarga di
suatu kecamatan, sedangkan data mengenai jumlah keluarga di kecamatan tersebut tidak
tersedia, maka kecamatan tersebut dibagi menjadi desa-desa. Desa-desa itu dijadikan gugus
atau unsur sampling. Semua desa yang ada diberi nomor dan dipilih secara acak sebuah desa
atau lebih sebagai sampel. Karena unsur penelitian adalah keluarga atau rumah tangga, maka
semua rumah tangga yang ada dalam desa tersebut yang diteliti.
5. Sampling Wilayah
Adakalanya peneliti dihadapkan pada wilayah penelitian dengan berbagai ciri khusus pada
beberapa bagian wilayah tersebut. Dalam keadaan seperti itu, sampling wilayah (area)
mungkin akan lebih tepat digunakan. Sebagai contoh, Mubyarto (1993) membedakan empat
macam pola usahatani di Kalimantan Tengah yaitu (a) pola usahatani perladangan berpindah,
yang terdapat di kecamatan-kecamatn Gunung Purei, Tanah Siang, dan Balai Riam, (b) pola
usahatani perikanan, khususnya darat yang dijumpai di hampir semua desa di tepian sungai,
(c) pola usahatani tanaman pangan pasang surut, yang terdapat di kecamatan Kahayan Kuala,
dan Kahayan Hilir, serta (d) pola usahatani perkebunan yang terdapat di kecamatan Kumai.
Masyarakat dari keempat wilayah dengan pola usahatani yang berbeda itu akan memiliki ciri
ciri khusus yang menarik untuk diungkap. Jika penarikan sampel dalam suatu penelitian tidak
dilakukan dengan prinsip probabilitas, hasil penelitiannya tidak seharusnya digeneralisasikan
ke populasi yang lebih luas. Porpusive sampling dan i samping, merupakan dua contoh teknik
pengambilan sampel yang tidak menggunakan prinsip probability sampling.