Nim : 20180303041
Tugas : Biostatistik
CONTOH POPULASI
Saya akan mencoba memberikan contoh populasi melalui pemikiran atau melalui sumber
penelitian Yang saya baca.
Misalnya, saya melalukan penelitian tentang rata-rata berat badan perempuan dibawah 30
tahun yang hobi makan di McD. Perempuan usia di bawah 30 tahun yang hobi makan di
McD adalah subjek penelitian saya . Maka, populasinya adalah semua perempuan di bawah
30 tahun yang suka makan di McD.
Berapa jumlahnya? Tidak ada angka yang pasti. Saya juga yakin tidak ada yang pernah
mencatatnya. Tetapi kita sebagai peneliti bisa bayangkan bahwa semua orang yang masuk
kriteria itu adalah populasi. Dalam penelitian sosial, hampir pasti mustahil peneliti
melibatkan semua populasi dalam proses penelitian.
Problem ini makin terlihat jelas jika ukuran populasinya besar. Biasanya, makin umum
kriteria, makin besar ukuran populasinya. Coba kita spesifikkan lagi kriterianya. Kita
melakukan penelitian tentang perempuan urban berusia di 20-30 tahun yang hobi makan di
McD sendirian. Sekarang kriterianya makin spesifik, maka populasinya akan lebih kecil.
Persoalan yang timbul pada populasi, umumnya adalah ukurannya yang terlalu besar. Perihal
ini, tak jarang peneliti menggeser fokus perhatiannya pada subpopulasi. Subpopulasi lebih
spesifik ketimbang populasi.
Contoh lain, adalah penelitian tentang PESERTA SENAM SEHAT di monas (monument
nasional). Populasinya adalah seluruh PESERTA SENAM SEHAT tersebut. Jumlahnya
seberapa banyak? Kita
bisa tanyakan pada pengelola SENAM SEHAT atau mungkin instrukturnya yang menghitung
total pesertanya.
Subpopulasi adalah subjek penelitian yang lebih spesifik. Misal, peserta senam SEHAT DI
MONAS tersebut yang laki-laki. Di sini kita melihat subpopulasi ditentukan berdasarkan
gender peserta SENAM SEHAT.
Bagaimana Dengan Sampel?
Contoh Sampel
Contoh populasi dan sampel Kita rujuk pada apa yang disampaikan sebelumnya bahwa
karena melibatkan seluruh populasi dalam riset hampir mustahil, maka peneliti perlu
menentukan sampelnya.
Contohnya sama, yaitu kamu penelitian tentang motivasi peserta senam sehat di monas.
Anggap sajapemimpin memeberikan daftar peserta senam yang berjumlah total 100 orang.
Kita akan melakukan survey dan wawancara mendalam untuk mengetahui motivasi mereka
ikut senam sehat dan mengapa senam itu yang dipilih.
Survey dan wawancara dengan 100 orang akan sangat memakan waktu dan biaya, belum lagi
peneliti akan kesulitan kalo ada yang menolak. Oleh karena itu, beberapa orang saja yang
diambil sebagai sampel. Sampel yang diambil harus merepresentasikan populasi terutama
dalam metode survey.
Bagaimana Supaya Sampelnya Representatif?
Supaya representatif, teknik sampling harus diterapkan secara tepat. Misal, kita
menerapkan random sampling terhadap 50 orang. Maka kita buat daftar seluruh peserta,
lalu lakukan pemilihan secara acak sampai mendapatkan 50 nama. Ke-50 nama yang
keluar itulah yang akan kita survey dan wawancara mendalam.
Data Nominal, Ordinal, Interval, dan Rasio.
Setidaknya terdapat empat jenis data penelitian yang dijadikan sebagai pengukuran dalam
statistik. Kita perlu mengetahui jenis data yang kita miliki untuk memilih metode visualisasi
yang tepat. Berikut penjelasannya:
Data Nominal
Data nominal yang juga dikenal sebagai skala nominal adalah jenis data yang digunakan
untuk melabeli variabel penelitian tanpa memberikan nilai kuantitatif apa pun. Ini adalah
bentuk skala ukuran yang paling sederhana. Berbeda dengan data ordinal, data nominal tidak
dapat diurutkan dan tidak dapat diukur. Tidak seperti data interval atau rasio, data nominal
tidak dapat dimanipulasi menggunakan operator matematika yang tersedia. Jadi, satu-satunya
ukuran tendensi sentral untuk data semacam itu adalah modenya.
Data Ordinal
Data ordinal adalah jenis statistik data kuantitatif di mana variabel ada dalam kategori terurut
yang terjadi secara alami. Dalam statistik, sekelompok bilangan ordinal menunjukkan data
ordinal dan sekelompok data ordinal direpresentasikan dengan menggunakan skala ordinal.
Adapun untuk perbedaan utama antara data nominal dan ordinal adalah data ordinal memiliki
urutan kategori sedangkan nominal tidak.
Data Interval
Data interval yang juga disebut integer dianggap sebagai tipe data yang diukur dalam skala
data, di mana setiap titik ditempatkan pada jarak yang sama satu sama lain. Data interval
selalu muncul dalam bentuk angka atau nilai numerik dimana jarak antara dua titik
distandarkan dan sama. Data interval tidak dapat dikalikan atau dibagi, namun dapat
ditambahkan atau dikurangi. Data interval diukur pada skala interval.
Data Rasio
Data rasio adalah jenis data kuantitatif dengan sifat yang sama seperti data interval, yaitu
memiliki rasio yang sama dan pasti antara setiap data dan “nol” absolut berlaku sebagai titik
asal data, atau dengan kata lain, dalam data rasio tidak ada nilai numerik yang bernilai
negatif.
Contoh Data Nominal Data nominal dapat diekspresikan dengan kata-kata atau angka. Tetapi
meskipun ada arti tabel numerik untuk data nominal, seperti yang telah disebutkan di atas
bahwa kita tidak dapat mengurutkan label secara bermakna atau melakukan operasi
aritmatika dengannya. Dalam penelitian sosial, variabel nominal sering kali mencakup jenis
kelamin, etnis, preferensi politik, atau nomor identitas siswa. Adapun untuk contoh variabel
dalam data nominal, misalnya:
Data nominal dapat diekspresikan dengan kata-kata atau angka. Tetapi meskipun ada arti
tabel numerik untuk data nominal, seperti yang telah disebutkan di atas bahwa kita tidak
dapat mengurutkan label secara bermakna atau melakukan operasi aritmatika dengannya.
Dalam penelitian sosial, variabel nominal sering kali mencakup jenis kelamin, etnis,
preferensi politik, atau nomor identitas siswa.
No Variable kategori
01 Kode Pos
02 Preferensi politik
03 Status Pekerjaan
04 Genre sastra
05 Genre film
06 Merek smarphone yang disukai