322 >bagian III Sumber dan Pengumpulan Data

>Menutupnaiklanjutan
dan komentar) akan diperiksa silang selama analisis. Kuesioner butir 6 gunakan CompleteCare lagi. Terakhir, item terakhir akan menunjukkan

menggunakan bahasa yang sama dengan pertanyaan investigasi sejauh mana perubahan diperlukan di CompleteCare dengan

terakhir pada (a). Kuesioner item 7 adalah perpanjangan dari item 6 mengungkapkan niat pembelian kembali yang terkait dengan pengalaman

tetapi mencoba untuk mengamankan kesan niat perilaku untuk produk dan layanan.

>Pameran 13-13 Pertanyaan Pengukuran untuk Studi MindWriter

Penulis Pikiran komputer pribadi menawarkan kemudahan penggunaan dan pemeliharaan. Saat Anda membutuhkan layanan,
kami ingin Anda mengandalkanPerawatan Lengkap, dimanapun Anda berada. Itu sebabnya kami
meminta Anda meluangkan waktu untuk memberi tahu kami seberapa baik kami telah melayani Anda.

Jawablah pertanyaan pertama dengan menggunakan skala berikut: PikiranPenulis

bertemu Beberapa bertemu Beberapa bertemu Paling bertemu Semua Melebihi

Harapan Harapan Harapan Harapan Harapan
1 2 3 4 5

1 2 3 4 5
1. Bantuan telepon untuk masalah Anda:

Sebuah. Daya tanggap

b. Kompetensi teknis
2. Efektivitas jasa kurir:

Sebuah. Pengaturan

b. Kecepatan pengambilan

c. Kecepatan pengiriman

3. Kecepatan proses perbaikan secara keseluruhan

4. Penyelesaian masalah yang mendorong layanan/perbaikan

5. Kondisi MindWriter Anda pada saat kedatangan

6. Kesan keseluruhan dari efektivitas CompleteCare

Seberapa besar kemungkinan Anda akan . . .

Sangat Agak tidak juga Agak Sangat

Tidak sepertinya Tidak sepertinya Tidak sepertinya Mungkin Mungkin

atau mungkin

7. Gunakan CompleteCare di lain kesempatan

8. Beli kembali MindWriter lain berdasarkan:

Sebuah. Pengalaman servis/perbaikan

b. Kinerja Produk

Silakan bagikan komentar atau saran tambahan apa pun

Bagaimana kami dapat menghubungi Anda untuk menindaklanjuti setiap masalah yang Anda alami?

Nama keluarga Nama depan Surel

Kota Negara Kode Pos Telepon

Kode Layanan

Terima kasih atas partisipasinya.

KIRIMKAN
 >bab 13 Kuesioner dan Instrumen 323

Kesimpulan
Peran kesimpulan adalah untuk meninggalkan kesan peserta bahwa keterlibatannya telah berharga. Peneliti
selanjutnya mungkin membutuhkan individu ini untuk berpartisipasi dalam studi baru. Jika setiap pewawancara
atau instrumen mengungkapkan penghargaan atas partisipasinya, kerjasama dalam studi selanjutnya akan lebih
mungkin. Sebuah kesimpulan sampel ditunjukkan pada Tampilan 13-13.

Mengatasi Masalah Instrumen

Tidak ada pengganti untuk pemahaman menyeluruh tentang kata-kata pertanyaan, isi pertanyaan, dan masalah
urutan pertanyaan. Namun, peneliti dapat melakukan beberapa hal untuk membantu meningkatkan hasil survei, di
antaranya:

• Membangun hubungan dengan peserta.

• Mendesain ulang proses tanya jawab.
• Jelajahi strategi respons alternatif.
• Gunakan metode selain survei untuk mengamankan data.

• Prates semua elemen survei. (Lihat Lampiran 13b yang tersedia dari teks Pusat Pembelajaran Online.)

Bangun Hubungan dengan Peserta

Sebagian besar informasi dapat diamankan dengan pertanyaan langsung yang tidak disamarkan jika hubungan telah
dikembangkan. Hubungan baik sangat berguna dalam membangun minat peserta dalam proyek, dan semakin banyak
minat yang dimiliki peserta, semakin banyak kerjasama yang akan mereka berikan. Seseorang juga dapat mengatasi
keengganan peserta dengan memberikan beberapa kompensasi materi untuk kerjasama. Pendekatan ini sangat berhasil
dalam survei surat dan semakin banyak digunakan dalam survei Web.
Jaminan kerahasiaan juga dapat meningkatkan motivasi peserta. Salah satu pendekatannya adalah
memberikan jaminan tersendiri, baik dengan kata-kata pertanyaan maupun dengan komentar dan tindakan
pewawancara, bahwa semua jenis perilaku, sikap, dan posisi pada subjek yang kontroversial atau sensitif
dapat diterima dan normal. Di mana Anda dapat mengatakan dengan jujur, menjamin bahwa jawaban
peserta hanya akan digunakan dalam jumlah statistik gabungan (data agregat), tidak dicocokkan dengan
peserta individu. Jika peserta yakin bahwa jawaban mereka berkontribusi pada beberapa tujuan penting,
mereka cenderung berterus terang, bahkan tentang topik yang tabu. Jika organisasi peneliti menggunakan
Institutional ReviewBoard untuk meninjau survei sebelum digunakan, dewan mungkin memerlukan
instruksi yang menunjukkan bahwa respons apa pun—pada kenyataannya, partisipasi—adalah sukarela.

Mendesain Ulang Proses Bertanya

Anda dapat mendesain ulang proses tanya jawab untuk meningkatkan kualitas jawaban dengan
memodifikasi proses administrasi dan strategi respons. Sebagian besar survei online, meskipun
sebenarnya tidak anonim karena setiap responden terhubung ke alamat IP, nomor sel, atau email,
membuat persepsi menjadi lebih anonim. Untuk survei kertas, kami mungkin menunjukkan bahwa
kerahasiaan sangat diperlukan untuk administrasi survei dengan menggunakan administrasi
kelompok kuesioner, disertai dengan prosedur pengumpulan kotak suara. Bahkan dalam wawancara
tatap muka, peserta dapat mengisi bagian kuesioner yang berisi informasi sensitif dan kemudian
menyegel seluruh instrumen dalam amplop. Meskipun hal ini tidak menjamin kerahasiaan, hal ini
memang menyarankannya. Selain itu, untuk survei online,
Kami juga dapat mengembangkan urutan pertanyaan yang sesuai yang secara bertahap akan mengarahkan peserta dari topik
"aman" ke topik yang lebih sensitif. Seperti yang telah dicatat dalam diskusi kami tentang pertanyaan terselubung, pertanyaan tidak
langsung (menggunakan teknik proyektif) adalah pendekatan yang banyak digunakan untuk mengamankan pendapat tentang topik
sensitif. Para peserta ditanya bagaimana perasaan “orang lain” atau “orang yang Anda kenal” tentang suatu topik. Diasumsikan para
peserta akan menjawab sesuai dengan sikap dan pengalaman mereka sendiri, tetapi hasil ini hampir tidak pasti. Pertanyaan tidak
langsung dapat memberikan ukuran yang baik dari pendapat mayoritas tentang suatu topik tetapi gagal untuk mencerminkan
pandangan salah satu peserta atau segmen minoritas.
324 >bagian III Sumber dan Pengumpulan Data

Dengan topik tertentu, dimungkinkan untuk mengamankan jawaban dengan menggunakan kode proxy. Ketika kami mencari kelompok

pendapatan keluarga, dalam survei intersep kami dapat memberikan kartu kepada peserta dengan tanda kurung pendapatan seperti ini:

A. Di bawah $25.000 per tahun.

B. $25.000 sampai $49.999 per tahun.

C. $50.000 sampai $74.999 per tahun.

D. $75.000 dan lebih per tahun.

Peserta kemudian diminta untuk melaporkan braket yang sesuai sebagai A, B, C, atau D. Untuk beberapa alasan, peserta
lebih bersedia memberikan ukuran proksi yang jelas daripada mengungkapkan nilai dolar yang sebenarnya.

Jelajahi Strategi Respons Alternatif

Saat menyusun pertanyaan awal, cobalah mengembangkan versi positif, negatif, dan netral dari setiap jenis
pertanyaan. Latihan ini mendramatisir masalah bias, membantu Anda memilih kata-kata pertanyaan yang
meminimalkan masalah tersebut. Terkadang gunakan versi pertanyaan yang ekstrem daripada yang
diharapkan.
Minimalkan nonrespons untuk pertanyaan tertentu dengan mengenali sensitivitas topik tertentu. Dalam instrumen
yang dikelola sendiri, misalnya, mengajukan pertanyaan pilihan ganda tentang pendapatan atau usia, di mana pendapatan
dan usia ditawarkan dalam rentang, biasanya lebih berhasil daripada menggunakan pertanyaan respons bebas (seperti
"Berapa usia Anda, mohon untuk?______").

Nilai Pretesting
Langkah terakhir untuk meningkatkan hasil survei adalah pra-pengujian, penilaian pertanyaan dan
instrumen sebelum memulai studi (lihat Tampilan 13-1, 13-2, dan 13-10). Ada banyak alasan untuk menguji
pertanyaan individu, kuesioner, dan jadwal wawancara: (1) menemukan cara untuk meningkatkan minat
peserta, (2) meningkatkan kemungkinan bahwa peserta akan tetap terlibat hingga selesainya survei, (3)
menemukan isi pertanyaan, kata-kata, dan masalah pengurutan, (4) menemukan kelompok pertanyaan
sasaran di mana pelatihan peneliti diperlukan, dan (5) mencari cara untuk meningkatkan kualitas
keseluruhan data survei.

Sebagian besar dari apa yang kita ketahui tentang pretesting adalah preskriptif. Menurut penulis kontemporer, tidak ada prinsip umum pra-
pengujian yang baik, tidak ada sistematisasi praktik, tidak ada konsensus tentang harapan, dan kami jarang meninggalkan catatan satu sama
lain. Bagaimana pretest dilakukan, apa yang peneliti pelajari darinya, bagaimana mereka mendesain ulang kuesioner mereka berdasarkan hal
itu—hal-hal ini hanya dilaporkan secara samar dalam laporan penelitian, jika ada.19

Namun demikian, pretesting tidak hanya merupakan praktik yang mapan untuk menemukan kesalahan tetapi juga
berguna untuk melatih tim peneliti. Ironisnya, para profesional yang telah berpartisipasi dalam sejumlah studi lebih
mungkin untuk melakukan prates instrumen daripada peneliti pemula yang terburu-buru untuk menyelesaikan sebuah
proyek. Merevisi pertanyaan !ve atau lebih kali bukanlah hal yang aneh. Namun peneliti yang tidak berpengalaman sering
meremehkan kebutuhan untuk mengikuti proses desain-tes-revisi. Kami mencurahkan Lampiran 13b untuk pra-pengujian;
itu tersedia dari Pusat Pembelajaran Online teks.

>ringkasan
1 Proses desain instrumen dimulai dengan komprehensif
daftar pertanyaan investigasi yang diambil dari hierarki
pertanyaan penelitian manajemen. Desain instrumen adalah
proses tiga fase dengan banyak masalah dalam setiap fase:
(a)!mengembangkan strategi desain instrumen, (b) menyusun dan
menyempurnakan pertanyaan pengukuran, dan (c) menyusun dan
menyempurnakan instrumen.
2 Beberapa pilihan harus dibuat dalam merancang komunikasi
instrumen studi. Survei dapat berupa wawancara tatap muka,
atau bisa juga lebih bersifat pribadi, dengan menggunakan media
tidak langsung dan kuesioner yang dikelola sendiri. Proses tanya
jawab bisa tidak terstruktur, seperti dalam IDI, atau pertanyaan
bisa terstruktur dengan jelas. Tanggapan mungkin tidak
terstruktur dan terbuka atau terstruktur dengan pilihan peserta

dari daftar kemungkinan. Sejauh mana tujuan dan maksud
dari pertanyaan harus disamarkan juga harus diputuskan.
3 Instrumen memperoleh tiga kelas umum informasi.
Pertanyaan sasaran menjawab pertanyaan investigasi dan
merupakan yang paling penting. Pertanyaan klasifikasi
menyangkut karakteristik peserta dan memungkinkan jawaban
peserta dikelompokkan untuk dianalisis. Pertanyaan
administratif mengidentifikasi peserta, pewawancara, dan
lokasi dan kondisi wawancara.
4 Konstruksi pertanyaan melibatkan tiga area keputusan kritis.
Mereka adalah (a) isi pertanyaan, (b) kata-kata pertanyaan, dan
(c)! strategi respon. Isi pertanyaan harus lulus tes berikut: Haruskah
pertanyaan diajukan? Apakah itu dari ruang lingkup yang tepat?
Bisakah dan akankah peserta menjawab dengan memadai?
Kesulitan kata-kata pertanyaan melebihi sebagian besar sumber
distorsi lain dalam survei. Retensi pertanyaan harus dikonfirmasi
dengan menjawab pertanyaan-pertanyaan ini: Apakah pertanyaan
dinyatakan dalam kosakata bersama? Apakah kosa kata memiliki
makna tunggal? Apakah pertanyaan mengandung asumsi yang
menyesatkan? Apakah kalimatnya bias? Apakah itu dipersonalisasi
dengan benar? Apakah alternatif yang memadai disajikan?
Tujuan penelitian dan faktor partisipan mempengaruhi
keputusan apakah akan menggunakan pertanyaan terbuka atau
tertutup. Setiap strategi respons menghasilkan tingkat data tertentu,
dengan prosedur statistik yang tersedia untuk setiap skala
>kunciistilah
pertanyaan administrasi 302 meja boneka 300
pertanyaan bercabang 317 pertanyaan jawaban bebas 308
pertanyaan penyangga 318 jadwal wawancara 302
daftar periksa 311 pertanyaan terkemuka 304
pertanyaan klasifikasi 302 soal pilihan ganda 308
pertanyaan dikotomis 308 pra-pengujian 324
pertanyaan terselubung 299 efek keutamaan 310
pertanyaan berlaras ganda 309 pertanyaan peringkat 312
>diskusipertanyaan
Persyaratan dalam Ulasan
1 Membedakan antara:
Sebuah Pertanyaan langsung dan tidak langsung.
b Pertanyaan terbuka dan tertutup.
c Pertanyaan penelitian, investigasi, dan pengukuran.
d Strategi respon alternatif.
>bab 13 Kuesioner dan Instrumen 325
jenis yang memengaruhi strategi respons yang diinginkan.
Faktor partisipan meliputi tingkat informasi tentang topik,
sejauh mana topik telah dipikirkan, kemudahan komunikasi,
dan motivasi untuk berbagi informasi. Keputusan juga
dipengaruhi oleh persepsi pewawancara terhadap faktor
partisipan.
Baik jawaban dikotomis maupun pertanyaan pilihan ganda sama-sama
berharga, tetapi pada keseimbangan yang terakhir lebih disukai jika hanya
karena beberapa pertanyaan hanya memiliki dua kemungkinan jawaban.
Daftar periksa, peringkat, dan strategi peringkat juga umum.
5 Urutan pertanyaan dapat secara drastis mempengaruhi keinginan peserta-
ness untuk bekerja sama dan kualitas tanggapan. Umumnya,
urutan harus dimulai dengan upaya untuk membangkitkan minat
peserta untuk melanjutkan wawancara. Pertanyaan awal harus
sederhana daripada rumit, mudah daripada sulit, tidak
mengancam, dan jelas erat kaitannya dengan tujuan penelitian
yang diumumkan. Perubahan kerangka acuan harus minimal, dan
pertanyaan harus diurutkan sehingga pertanyaan awal tidak
mendistorsi jawaban untuk pertanyaan selanjutnya.
6 Sumber pertanyaan untuk pembuatan kuesioner
termasuk literatur tentang penelitian terkait dan buku sumber
skala dan kuesioner. Meminjam item memiliki risiko yang
menyertainya, seperti masalah waktu dan situasi tertentu atau
reliabilitas dan validitas. Ketidaksesuaian bahasa dan idiom juga
perlu diperhatikan.
pertanyaan peringkat 311
efek kebaruan 310
pertanyaan layar (filter pertanyaan) 316
respon terstruktur 306
pertanyaan sasaran 302
tersusun, 302
tidak terstruktur, 302
respon tidak terstruktur 306
2 Mengapa teknik survei begitu populer? Kapan tidak?
sesuai?
3 Masalah khusus apa yang dimiliki pertanyaan terbuka?
Bagaimana ini bisa diminimalkan? Dalam situasi apa
pertanyaan terbuka paling berguna?
4 Mengapa seorang peneliti ingin menyamarkan tujuan dari a
belajar?
326 >bagian III Sumber dan Pengumpulan Data

5 Salah satu alasan utama mengapa penelitian survei mungkin tidak 5. Kelas seperti apa yang diajarkan profesor?
efektif adalah bahwa instrumen survei kurang bermanfaat dari yang
6. Apakah kursus ini diperlukan?
seharusnya. Apa yang akan Anda katakan adalah empat kemungkinan
7. Apakah Anda akan mengambil kursus lain dari profesor ini?
kesalahan utama dari desain instrumen survei?

6 Mengapa instrumen survei perlu dilakukan pretest? Apa

11 Asumsikan American Society of Training Directors adalah
informasi yang dapat Anda amankan dari pretest seperti itu?
mempelajari keanggotaannya untuk meningkatkan manfaat
Bagaimana Anda bisa menemukan kata-kata terbaik untuk
anggota dan menarik anggota baru. Di bawah ini adalah salinan
pertanyaan dalam kuesioner?
surat lamaran dan kuesioner surat yang diterima oleh anggota
7 Salah satu masalah desain dalam pengembangan instrumen survei masyarakat. Silakan mengevaluasi kegunaan dan nada surat dan
pertanyaan menyangkut urutan pertanyaan. Saran apa yang akan pertanyaan dan format instrumen.
Anda berikan kepada peneliti yang merancang kuesioner pertama
Anggota ASTD yang terhormat:
mereka?
ASTD sedang mengevaluasi persepsi nilai keanggotaan di antara para
8 Salah satu masalah utama yang dihadapi perancang survei
anggotanya. Terlampir adalah kuesioner singkat dan amplop kembali.
instrumen menyangkut asumsi yang dibuat. Apa "asumsi
Saya harap Anda mau meluangkan waktu beberapa menit dan mengisi
masalah" utama?
kuesioner sesegera mungkin, karena semakin cepat informasi itu
Membuat Keputusan Penelitian
dikembalikan kepada saya, semakin baik.
9 Berikut adalah enam pertanyaan yang mungkin ditemukan pada pertanyaan-
Hormat kami,
tionnaire. Beri komentar pada masing-masing pertanyaan apakah itu pertanyaan yang

bagus atau tidak. Jika tidak, jelaskan mengapa. (Asumsikan bahwa tidak ada Direktur Keanggotaan
pertanyaan pendahuluan atau penyaringan yang diperlukan. Nilailah setiap Daftar pertanyaan
pertanyaan berdasarkan kemampuannya sendiri.) Petunjuk: Tolong jawab sesingkat mungkin.
Sebuah Apakah kamu membaca? Nasional geografis majalah secara teratur? 1. Dengan perusahaan apa Anda memasuki bidang pelatihan?

b Berapa persen waktu Anda yang dihabiskan untuk meminta informasi?

dari orang lain di organisasi Anda?

2. Berapa lama Anda berada di bidang pelatihan?
c Kapan Anda pertama kali mulai mengunyah permen karet?

d Berapa banyak daya beli diskresioner yang Anda miliki

3. Berapa lama Anda berada di departemen pelatihan
setiap tahun?
perusahaan tempat Anda bekerja saat ini?
e Mengapa Anda memutuskan untuk kuliah di Big State University?

f Apakah Anda pikir presiden melakukan pekerjaan dengan baik sekarang?

4. Sudah berapa lama departemen pelatihan di perusahaan
10 Dalam proyek kelas, siswa mengembangkan self- Anda berdiri?
kuesioner yang diberikan dimana mereka dapat dengan cepat mengevaluasi
5. Apakah departemen pelatihan merupakan bagian dari departemen lain? Jika
seorang profesor. Salah satu siswa mengirimkan yang berikut:
demikian, departemen apa?
instrumen. Evaluasi pertanyaan yang diajukan dan format
instrumen.
6. Untuk fungsi apa (selain pelatihan) departemen Anda?
Formulir Evaluasi Profesor
bertanggung jawab?
1. Secara keseluruhan, bagaimana Anda menilai profesor ini?

Baik Adil Miskin

7. Berapa banyak orang, termasuk Anda sendiri, yang berada di departemen
2. Apakah profesor ini?
pelatihan perusahaan Anda (pabrik atau perusahaan lokal)?
Sebuah. Memiliki pengiriman kelas yang baik?

b. Tahu subjeknya?
8. Gelar apa yang Anda pegang dan dari institusi apa?
c. Memiliki sikap positif terhadap subjek?

d. Nilai dengan adil?

Utama Minor
e. Memiliki rasa humor?
9. Mengapa Anda dipilih untuk pelatihan? Kualifikasi khusus apa
f. Gunakan audiovisual, contoh kasus, atau ruang kelas lainnya yang mendorong Anda masuk ke pelatihan?
AIDS?

g. Kembali ujian segera?

3. Apa poin terkuat profesor?

10. Pengalaman apa yang Anda anggap perlu bagi seorang individu
4. Apa titik terlemah profesor? untuk memasuki bidang pelatihan di perusahaan Anda?
 >bab 13 Kuesioner dan Instrumen 327

Sertakan persyaratan pendidikan dan pengalaman Dari Konsep ke Praktek

aktual. 14 Dengan menggunakan Peraga 13-1, 13-4, dan 13-10, kembangkan aliran-
bagan untuk studi Klinik Laser Rawat Jalan Albany dalam
sketsa pembukaan.

Dari Headline
15 Data ekonomi pemerintah mengungkapkan bahwa orang dewasa muda,
Menghidupkan Penelitian tidak setengah baya atau orang dewasa yang lebih tua, mengalami waktu yang
12 Rancang pengenalan Laser Rawat Jalan Albany paling sulit dalam perekonomian saat ini. Meskipun pasar tenaga kerja nasional
Survei klinik, dengan asumsi itu akan terus menjadi menunjukkan penurunan tingkat pengangguran, persentase orang dewasa muda,
kuesioner yang dikelola sendiri. usia 18 hingga 24 tahun, yang saat ini bekerja (54%) berada pada tingkat terendah

13 Untuk mengevaluasi apakah sikap pasien praoperasi mempengaruhi sejak pengumpulan data pemerintah dimulai pada tahun 1948. Jika Anda bekerja

pemulihan dan kepuasan pasien akhir dengan Klinik Laser untuk perusahaan nasional organisasi survei yang melakukan survei publik umum

Rawat Jalan Albany, rancang pertanyaan untuk terhadap orang dewasa muda dan orang dewasa yang lebih tua, topik dan

survei yang dikelola. (Anda mungkin ingin meninjau sketsa pertanyaan apa yang akan Anda rancang ke dalam survei Anda untuk

pembuka di bab ini dan Bab 9.) menguraikan temuan ini?

>kasus*
Rumah Sakit Anak Akron NCRCC: Teeing Up dan Arah Strategis Baru

Memanggil Kehadiran Lotere Ohio: Desain Penelitian Inovatif Mendorong

Kemenangan

Campbell-Ewald: RESPECT Mantra

Loyalitas Pebble Beach Co.

Bisakah Penelitian Menyelamatkan Palang Merah? Bukti Bukti: Memanfaatkan Kecintaan Wartawan
terhadap Statistik

Pikiran yang Ingin Tahu—

SEKARANG! Starbucks, Bank One, dan Visa Luncurkan Starbucks
Duetto Visa

Marcus Thomas LLC Menguji

Hipotesis untuk Pengembangan USTA: Ayo Keluar Berayun
Kreatif Troy-Bilt

Kumbang Volkswagen
Menguasai Kepemimpinan Guru

* Anda akan menemukan deskripsi setiap kasus di bagian Indeks Kasus dari buku teks. Periksa indeks Kasus untuk menentukan apakah suatu
kasus menyediakan data, instrumen penelitian, video, atau materi tambahan lainnya. Kasus tertulis dapat diunduh dari situs web teks
(www.mhhe.com/cooper12e). Semua materi video dan kasus video tersedia dari Pusat Pembelajaran Online. Gulungan film
ikon menunjukkan kasing video atau materi video yang relevan dengan kasing.

>lampiran pusat pembelajaran online

Anda akan menemukan lampiran berikut yang tersedia dari Pusat Pembelajaran Online (www.mhhe.com/cooper12e) untuk
melengkapi isi bab ini:
Lampiran 13b: Opsi dan Penemuan Pretesting
 >lampiran13a
Membuat Pertanyaan Pengukuran yang Efektif
Banyak masalah yang mempengaruhi apakah pertanyaan yang kita ajukan
pada kuesioner menghasilkan data pengambilan keputusan yang sangat
dibutuhkan manajer. Setiap masalah yang diringkas dalam Tampilan 13-5
dikembangkan lebih lengkap di sini.
Isi Pertanyaan
Haruskah Pertanyaan Ini Ditanyakan?
Bertujuan versus Menarik Pertanyaan yang
hanya menghasilkan “informasi menarik” tidak dapat dibenarkan baik
atas dasar ekonomi maupun penelitian. Tantang fungsi setiap
pertanyaan. Apakah itu memberikan kontribusi informasi yang
signifikan untuk menjawab pertanyaan penelitian? Akankah
kelalaiannya membatasi atau mencegah analisis menyeluruh
terhadap data lain? Bisakah kita menyimpulkan jawaban dari
pertanyaan lain? Perancang pertanyaan yang baik mengetahui nilai
belajar lebih banyak dari lebih sedikit pertanyaan.
Apakah Pertanyaan tentang Cakupan dan
Cakupan yang Tepat?
Tidak Lengkap atau Tidak Fokus Kita dapat menguji kon-
masalah tenda dengan bertanya, Akankah pertanyaan ini mengungkapkan
semua yang perlu kita ketahui? Kami terkadang meminta peserta untuk
mengungkapkan motivasi mereka untuk perilaku atau sikap tertentu
dengan bertanya, Mengapa? Pertanyaan sederhana ini tidak cukup untuk
menyelidiki jangkauan sebagian besar hubungan sebab akibat. Ketika
mempelajari perilaku penggunaan produk, misalnya, kita belajar lebih
banyak dengan mengarahkan dua atau tiga pertanyaan tentang
penggunaan produk kepada konsumen pengguna berat dan hanya satu
pertanyaan kepada pengguna ringan.
Pertanyaan juga tidak memadai jika tidak memberikan informasi yang
Anda butuhkan untuk menginterpretasikan tanggapan sepenuhnya. Jika
Anda bertanya tentang citra Klinik Albany untuk perawatan pasien yang
berkualitas, apakah kelompok pasien yang berbeda atau mereka yang ada
di sana untuk !pertama dan ketiga kalinya memiliki sikap yang berbeda?
Untuk mengevaluasi sikap relatif, apakah Anda perlu mengajukan
pertanyaan yang sama tentang perusahaan lain? Dalam survei Klinik
Albany yang asli, peserta ditanya, "Apakah Anda pernah atau sedang
dirawat karena pilek atau #u baru-baru ini?" Jika peserta menjawab ya, apa
sebenarnya yang mereka katakan kepada peneliti yang akan berguna bagi
ahli bedah mata? Bukankah mungkin ahli bedah tertarik pada obat yang
diminum untuk mengobati pilek atau dalam, katakanlah, 10 hari
sebelumnya? Pertanyaan ini
juga menunjukkan dua masalah lain dari ruang lingkup dan cakupan:
pertanyaan berlaras ganda dan pertanyaan yang tidak tepat.
Pertanyaan Berlaras Ganda Apakah pertanyaannya?
meminta begitu banyak konten sehingga harus dipecah menjadi dua atau
lebih pertanyaan? Meskipun mengurangi jumlah keseluruhan pertanyaan
dalam sebuah penelitian sangat diinginkan, jangan mencoba untuk
mengajukan pertanyaan ganda. Pertanyaan Klinik Albany tentang #u
(“Apakah Anda pernah atau sedang dirawat karena pilek atau #u baru-baru
ini?”) !berisi lebih dari dua barel. Ini menanyakan empat pertanyaan secara
keseluruhan (Pernah pilek? Pernah #u? Pernah dirawat karena pilek?
Pernah dirawat karena #u?).
Berikut adalah contoh umum lainnya yang diajukan kepada pengecer
pakaian pria: “Apakah penjualan sepatu dan laba kotor tahun ini lebih
tinggi dari tahun lalu?” Tidak bisakah penjualan menjadi lebih tinggi
dengan keuntungan yang stagnan, atau keuntungan yang lebih tinggi
dengan tingkat atau penjualan yang lebih rendah? Contoh kedua ini lebih
khas dari masalah pertanyaan berlaras ganda.
Pertanyaan berlaras ganda yang kurang jelas adalah pertanyaan yang
kami ajukan untuk mengidentifikasi preferensi stasiun TV keluarga atau
grup. Karena satu stasiun tidak mungkin, pertanyaan yang lebih baik akan
menanyakan preferensi stasiun setiap anggota keluarga secara terpisah
atau, sebagai alternatif, menyaring anggota grup yang paling sering
mengontrol pemilihan saluran pada Senin malam selama jam tayang
utama. Selain itu, sangat mungkin bahwa tidak ada satu stasiun pun yang
akan berfungsi sebagai stasiun pilihan individu ketika kami mencakup
rentang waktu yang luas (8 hingga 11 malam). Ini mengungkapkan
masalah lain, pertanyaan yang tidak tepat.
presisi Untuk menguji ketepatan suatu pertanyaan, tanyakan, Apakah
pertanyaan itu menanyakan secara tepat apa yang kita inginkan dan
perlu ketahui? Kami terkadang menanyakan penghasilan peserta
ketika kami benar-benar ingin mengetahui total penghasilan tahunan
keluarga sebelum pajak dalam satu tahun kalender terakhir. Kami
menanyakan apa yang dibeli peserta "minggu lalu" ketika kami benar-
benar ingin tahu apa yang dia beli dalam "periode 7 hari biasa selama
90 hari terakhir". Pasien Klinik Albany ditanyai riwayat pilek dan #u
selama jangka waktu "selamanya". Sulit membayangkan orang
dewasa yang tidak pernah mengalami pilek atau
# Anda dan sama sulitnya untuk berasumsi bahwa orang dewasa belum pernah dirawat
untuk salah satu atau keduanya pada suatu waktu dalam hidupnya.
Masalah presisi kedua berkaitan dengan kosakata umum antara
peneliti dan peserta. Untuk menguji pertanyaan Anda untuk masalah
ini, tanyakan, Apakah saya perlu menawarkan definisi operasional
dari konsep dan konstruksi yang digunakan dalam pertanyaan?
328

Bisakah Peserta Menjawab dengan Cukup?
Waktu untuk Berpikir Meskipun pertanyaannya mungkin membahas
topik, apakah pertanyaan itu diajukan sedemikian rupa sehingga peserta
dapat menyusun jawaban, atau apakah masuk akal untuk mengasumsikan
bahwa peserta dapat menentukan jawabannya? Ini juga merupakan
pertanyaan yang mendorong desain sampel, tetapi setelah unit sampel
yang ideal ditentukan, peneliti sering berasumsi bahwa peserta yang !t
profil sampel memiliki semua jawaban, lebih disukai di ujung lidah mereka.
Untuk membingkai tanggapan terhadap beberapa pertanyaan
membutuhkan waktu dan pemikiran; pertanyaan seperti itu sebaiknya
diserahkan kepada kuesioner yang dikelola sendiri.
Partisipasi dengan Mengorbankan Akurasi Par-
peserta biasanya ingin bekerja sama dalam wawancara; sehingga mereka
menganggap memberikan jawaban apa pun lebih membantu daripada
menyangkal pengetahuan tentang suatu topik. Keinginan mereka untuk
mengesankan pewawancara dapat mendorong mereka untuk memberikan
jawaban berdasarkan tidak ada informasi. Sebuah ilustrasi klasik dari
masalah ini terjadi dengan pertanyaan berikut:1 “Manakah dari pernyataan
berikut yang paling sesuai dengan pendapat Anda tentang Undang-
Undang Logam Logam?” Pola tanggapan menunjukkan bahwa 70 persen
dari mereka yang diwawancarai memiliki pendapat yang cukup jelas
tentang Undang-Undang Logam Logam; namun, tidak ada tindakan seperti
itu. Para peserta tampaknya berasumsi bahwa jika sebuah pertanyaan
diajukan, mereka harus memberikan jawaban. Mengingat pilihan yang
terdengar masuk akal, mereka memilih satu meskipun mereka tidak tahu
apa-apa tentang topik tersebut.
Untuk mengatasi kecenderungan ini untuk merespons dengan cara apa pun,
!filter atau pertanyaan layar digunakan untuk mengkualifikasi
pengetahuan peserta. Jika kuesioner layanan MindWriter
didistribusikan melalui surat ke semua pembeli produk MindWriter
baru-baru ini, kami mungkin bertanya, "Apakah Anda memerlukan
layanan untuk laptop Anda sejak pembeliannya?" Hanya mereka yang
mendapatkan layanan yang dapat memberikan rincian dan cakupan
jawaban yang ditunjukkan dalam daftar pertanyaan investigasi. Jika
pertanyaan seperti itu diajukan dalam wawancara telepon, kami akan
menyebut pertanyaan itu sebagailayar, karena digunakan untuk
menentukan apakah orang di ujung lain saluran telepon adalah unit
sampel yang memenuhi syarat. Pertanyaan yang sama yang diajukan
pada kuesioner yang dikelola komputer kemungkinan akan:
cabang atau melewatkan peserta untuk serangkaian pertanyaan
klasifikasi.
Mengasumsikan bahwa peserta memiliki pengetahuan atau
pemahaman sebelumnya mungkin berisiko. Risikonya adalah
mendapatkan banyak jawaban yang sebenarnya memiliki sedikit dasar.
Ilustrasi Undang-Undang Logam Logam mungkin dianggap tidak biasa,
tetapi dalam kasus lain laporan Gallup mengungkapkan bahwa 45 persen
orang yang disurvei tidak tahu apa itu "pelobi di Washington" dan 88
persen tidak dapat memberikan deskripsi yang benar tentang "pemogokan
yurisdiksi". .”2 Hal ini menunjukkan perlunya definisi operasional sebagai
bagian dari kata-kata pertanyaan.
Pengetahuan yang Diduga Perancang pertanyaan harus
mempertimbangkan tingkat informasi peserta ketika:
>bab 13 Kuesioner dan Instrumen 329
menentukan isi dan kesesuaian pertanyaan. Dalam beberapa
penelitian, tingkat keahlian partisipan bisa menjadi substansial,
dan penjelasan yang disederhanakan tidak tepat dan
menghambat partisipasi. Dalam menanyakan kepada
masyarakat tentang margin kotor di toko pakaian pria, kami
ingin memastikan bahwa peserta “umum” memahami sifat
“margin kotor”. Jika unit sampel kami adalah pedagang,
penjelasan mungkin tidak diperlukan. Tingkat pengetahuan yang
tinggi di antara unit sampel kami, bagaimanapun, mungkin tidak
menghilangkan kebutuhan akan definisi operasional. Di antara
pedagang, margin kotor per unit dalam dolar umumnya diterima
sebagai perbedaan antara biaya dan harga jual; tetapi jika
ditawarkan sebagai persentase daripada angka dolar, itu dapat
dihitung sebagai persentase dari harga jual unit atau sebagai
persentase dari biaya unit. Peserta yang menjawab dari kerangka
acuan “biaya” akan menghitung margin kotor sebesar 100
persen; peserta lain, dengan menggunakan dolar yang sama dan
kerangka acuan “harga jual”, akan menghitung margin kotor
sebesar 50 persen. Jika sebuah konstruk terlibat dan interpretasi
yang berbeda dari suatu konsep dapat dilakukan, definisi
operasional mungkin masih diperlukan.
Ingat dan Peluruhan Memori Masalah kecukupan
lem juga terjadi ketika Anda mengajukan pertanyaan yang
membebani kemampuan mengingat peserta. Orang tidak dapat
mengingat banyak hal yang telah terjadi di masa lalu mereka, kecuali
jika itu dramatis. Ibumu mungkin akan mengingat semua tentang
kedatanganmu jika kamu adalah anak pertamanya: cuaca, waktu,
bahkan apa yang dia makan sebelum kamu lahir. Jika Anda memiliki
beberapa saudara kandung, ingatannya tentang kelahiran berikutnya
mungkin kurang lengkap. Jika peristiwa yang disurvei menarik minat
peserta, mereka mungkin tidak dapat mengingatnya dengan benar
bahkan dalam waktu singkat. Pertanyaan mengingat tanpa bantuan,
“Program radio apa yang Anda dengarkan tadi malam?” mungkin
mengidentifikasi sedikitnya 10 persen dari orang-orang yang benar-
benar mendengarkan sebuah program.3
Keseimbangan (Umum versus Khusus) Menjawab
kecukupan juga tergantung pada keseimbangan yang tepat antara umum
dan khusus. Kami sering mengajukan pertanyaan dalam istilah yang terlalu
umum dan terlepas dari pengalaman peserta. Meminta konsumsi tahunan
rata-rata suatu produk dapat membuat permintaan generalisasi yang tidak
realistis pada orang-orang yang tidak berpikir seperti itu. Mengapa tidak
menanyakan seberapa sering produk tersebut digunakan minggu lalu atau
bulan lalu? Terlalu sering peserta diminta untuk mengingat pengalaman
penggunaan individu selama waktu yang lama dan rata-rata untuk kami.
Ini meminta peserta untuk melakukan pekerjaan peneliti dan mendorong
kesalahan respons yang substansial. Ini juga dapat berkontribusi pada
tingkat penolakan yang lebih tinggi dan tingkat penghentian yang lebih
tinggi.
Ada bahaya menjadi terlalu sempit dalam kerangka waktu yang
diterapkan pada pertanyaan perilaku. Kami mungkin bertanya tentang
kehadiran film selama tujuh hari terakhir, meskipun rentang waktu ini
terlalu pendek untuk dijadikan dasar perkiraan kehadiran. Mungkin lebih
baik bertanya tentang kehadiran, katakanlah, selama 30 "hari terakhir.
330 >bagian III Sumber dan Pengumpulan Data
>Pameran 13a-1 Uji Strategi Respon Alternatif
A. Apa merek es krim favorit Anda? _________________________
B. Beberapa orang memiliki merek es krim favorit, sementara yang lain tidak memiliki merek favorit. Di grup mana Anda? (silakan periksa)
Saya tidak memiliki merek es krim favorit.
Saya memiliki merek es krim favorit.
Apa favorit Anda (jika Anda punya favorit)? _________________________
>Pameran 13a-2 Hasil Uji Alternatif Strategi Respon
Tanggapan
Dinamakan merek favorit
Dinamakan sebagai rasa favorit daripada merek
Tidak memiliki merek favorit
Total
* Perbedaan signifikan pada level 0,001.
Tidak ada aturan !rm tentang masalah kota khusus-umum
ini. Mengembangkan tingkat keumuman yang tepat
tergantung pada subjek, industri, latar, dan pengalaman
perancang pertanyaan.
Objektivitas Kemampuan peserta untuk menjawab secara
memadai juga sering terdistorsi oleh pertanyaan yang isinya bias
dengan apa yang disertakan atau dihilangkan. Pertanyaan
mungkin secara eksplisit hanya menyebutkan aspek positif atau
negatif dari topik atau membuat asumsi yang tidak beralasan
tentang posisi peserta. Perhatikan Tampilan 13a-1, sebuah
eksperimen di mana dua bentuk pertanyaan diajukan. Lima
puluh tujuh mahasiswa pascasarjana bisnis yang dipilih secara
acak menjawab versi A, dan 56 menjawab versi B. Tanggapan
mereka ditunjukkan pada Tampilan 13a-2. Kemungkinan
penyebab perbedaan tingkat preferensi merek yang
diungkapkan adalah bahwa A adalah asumsi yang tidak
didukung. Ini mengasumsikan dan menyarankan bahwa setiap
orang memiliki merek es krim favorit dan akan melaporkannya.
Versi B menunjukkan peserta tidak perlu memiliki favorit.
Kekurangan dalam kedua versi adalah bahwa sekitar satu peserta
dalam !telah salah mengartikan arti dari istilah tersebut merek.
Penafsiran yang salah ini tidak dapat dikaitkan dengan pendidikan
yang rendah, kecerdasan yang rendah, kurangnya paparan topik,
atau pembacaan pertanyaan yang cepat atau malas. Subyeknya
adalah siswa yang telah mengambil setidaknya satu kursus
pemasaran di mana branding diperlakukan secara mencolok.*
Akankah Peserta Menjawab Dengan Suka Hati?
Informasi sensitif Bahkan jika peserta memiliki informasi,
mereka mungkin tidak mau memberikannya. Beberapa
*Kesulitan kebingungan kata dibahas kemudian dalam lampiran ini.
Versi A Versi B
77%* 39%*
19 18
4 43
100% 100%
tidak 5 57 tidak 5 56
topik yang dianggap terlalu sensitif untuk didiskusikan dengan orang
asing. Ini bervariasi dari orang ke orang, tetapi satu penelitian
menunjukkan topik yang paling sensitif menyangkut masalah uang
dan kehidupan keluarga.4 Lebih dari seperempat dari mereka yang
diwawancarai menyebutkan ini sebagai topik yang mereka “paling
tidak mau menjawab pertanyaan.” Peserta dengan status sosial
ekonomi rendah juga memasukkan masalah politik dalam daftar
“paling tidak mau” ini.
Peserta juga mungkin tidak mau memberikan jawaban yang benar
karena alasan ego. Banyak yang melebih-lebihkan pendapatan mereka,
jumlah mobil yang mereka miliki, status sosial mereka, dan jumlah literatur
bergengsi yang mereka baca. Mereka juga meminimalkan usia mereka dan
jumlah literatur prestise rendah yang mereka baca. Banyak peserta yang
enggan mencoba memberikan tanggapan yang memadai. Seringkali ini
terjadi ketika mereka melihat topik tersebut tidak relevan dengan minat
mereka sendiri atau persepsi mereka tentang tujuan survei. Mereka
berpartisipasi dengan setengah hati, seringkali menjawab dengan “tidak
tahu”, memberikan jawaban negatif, memberikan tanggapan stereotip,
atau menolak untuk diwawancarai.
Anda dapat mempelajari lebih lanjut tentang menyusun
pertanyaan yang berhubungan dengan informasi sensitif dengan
membaca “Mengukur Sikap pada Subjek Sensitif” di situs web teks.
Kata-kata Pertanyaan
Kosakata Bersama Karena survei adalah pertukaran ide antara
pewawancara dan partisipan, masing-masing harus memahami
apa yang dikatakan pihak lain, dan ini hanya mungkin jika
kosakata yang digunakan sama bagi kedua belah pihak.5
Dua masalah muncul. Pertama, kata-kata harus cukup sederhana untuk
memungkinkan komunikasi yang memadai dengan orang-orang dengan
pendidikan terbatas. Hal ini diatasi dengan mengurangi tingkat kesulitan
kata menjadi kata dan frase bahasa Inggris yang sederhana (lebih banyak
dibicarakan di bagian kejelasan kata).

Bahasa teknis adalah masalah kedua. Bahkan peserta
berpendidikan tinggi tidak dapat menjawab pertanyaan yang
dinyatakan dalam istilah teknis yang tidak dikenal. Bahasa teknis
juga menimbulkan kesulitan bagi pewawancara. Dalam sebuah
studi tentang bagaimana eksekutif perusahaan menangani
berbagai !masalah keuangan, pewawancara harus menguasai
istilah-istilah teknis !keuangan. Kebutuhan ini memberi peneliti
dua alternatif—mempekerjakan orang yang berpengetahuan
luas di bidang keuangan dan mengajari mereka keterampilan
wawancara atau mengajarkan konsep keuangan kepada
pewawancara berpengalaman.6 Masalah kosakata ini juga ada
dalam situasi di mana studi serupa atau identik dilakukan di
berbagai negara dan berbagai bahasa.
Sebuah hambatan besar untuk kata-kata pertanyaan yang
efektif adalah pilihan kata. Pertanyaan yang diajukan kepada
publik harus dibatasi pada 2.000 kata yang paling umum dalam
bahasa Inggris.7 Bahkan penggunaan kata-kata sederhana saja
tidak cukup. Banyak kata memiliki referensi atau makna yang
kabur yang harus dipetik dari konteksnya. Dalam studi
perbaikan, teknisi ditanya, "Berapa banyak set radio yang Anda
perbaiki bulan lalu?" Pertanyaan ini mungkin tampak tidak
ambigu, tetapi para peserta menafsirkannya dalam dua cara.
Beberapa melihatnya sebagai pertanyaan mereka sendiri; yang
lain menafsirkan "Anda" secara lebih inklusif, sebagai mengacu
pada total output toko. Ada juga kemungkinan salah
mengartikan “bulan lalu”, tergantung pada waktu interogasi.
Menggunakan "selama 30 hari terakhir" akan jauh lebih tepat
dan tidak ambigu. Khas dari banyak kata masalah adalah ini:
apapun, bisa, akan, harus, adil, dekat, sering, rata-rata, dan
reguler.
Seorang penulis merekomendasikan bahwa setelah menyatakan sebuah
pertanyaan setepat mungkin, kita harus menguji setiap kata dengan daftar
periksa ini:
• Apakah kata yang dipilih berarti apa yang kita inginkan?
• Apakah kata tersebut memiliki banyak arti? Jika demikian, apakah
konteksnya membuat makna yang dimaksud menjadi jelas?
• Apakah kata yang dipilih memiliki lebih dari satu pengucapan?
Apakah ada kata dengan pengucapan yang mirip dengan kata
yang dipilih yang mungkin membingungkan?
• Apakah kata atau frasa yang lebih sederhana disarankan atau mungkin?8
Kami menyebabkan masalah lain ketika kami menggunakan
konsep abstrak yang memiliki banyak nada atau kualifikasi
emosional.9 Tanpa referensi konkret, makna terlalu kabur untuk
kebutuhan peneliti. Contoh kata-kata tersebut adalah
bisnis, pemerintah, dan masyarakat.
Masalah kosakata bersama ditangani dengan menggunakan
berikut:
• Sederhana daripada kata-kata yang rumit.
• Kata-kata yang umum dikenal dan tidak ambigu.
• Kata-kata yang tepat.
• Pewawancara dengan pengetahuan konten.
>bab 13 Kuesioner dan Instrumen 331
Asumsi yang Tidak Didukung Asumsi yang tidak beralasan"
tions berkontribusi pada banyak masalah pertanyaan kata-kata.
Sebuah surat kabar metropolitan,harian barat tengah, melakukan
penelitian dalam upaya untuk menemukan apa yang pembaca
inginkan di bagian gaya hidup yang didesain ulang. Satu pertanyaan
penting diajukan kepada pembaca: “Siapa yang memilih pakaian
Anda? Anda atau pria dalam hidup Anda?” Di zaman wanita
berpendidikan, bekerja, dan mandiri ini, pertanyaan tersebut berhasil
menyinggung sebagian besar pembaca wanita. Tambahan,
Harian Midwest menemukan bahwa banyak dari pembaca wanitanya
lebih muda dari perkiraan semula para peneliti dan satu-satunya pria
dalam hidup mereka adalah ayah mereka, bukan pasangan atau
hubungan romantis yang disinggung oleh pertanyaan-pertanyaan
berikut. Begitu pria mencapai pertanyaan ini, mereka berasumsi
bahwa koran itu hanya tertarik untuk melayani kebutuhan pembaca
wanita. Asumsi yang tidak beralasan yang dibangun ke dalam
kuesioner menyebabkan tingkat respons yang jauh lebih kecil dari
yang diharapkan dan menyebabkan beberapa jawaban tidak dapat
diinterpretasikan.
Kerangka Referensi Masalah makna kata yang melekat
juga merupakan masalah kerangka acuan. Masing-masing
dari kita memahami konsep, kata, dan ekspresi berdasarkan
pengalaman kita sendiri. Biro Sensus AS ingin mengetahui
berapa banyak orang yang ada di pasar tenaga kerja. Untuk
mengetahui apakah seseorang dipekerjakan, ia bertanya,
"Apakah Anda melakukan pekerjaan untuk dibayar atau
untung minggu lalu?" Para peneliti secara keliru berasumsi
akan ada kerangka acuan umum antara pewawancara dan
partisipan tentang arti darikerja. Sayangnya, banyak orang
memandang diri mereka terutama atau terutama sebagai
ibu rumah tangga atau pelajar. Mereka gagal melaporkan
bahwa mereka juga bekerja di pekerjaan selama seminggu.
Perbedaan kerangka acuan ini menghasilkan perkiraan yang
terlalu rendah dari jumlah orang yang bekerja di Amerika
Serikat.
Dalam versi penelitian berikutnya, pertanyaan ini digantikan
oleh dua pertanyaan, yang pertama mencari pernyataan tentang
aktivitas utama peserta selama seminggu. Jika peserta
memberikan klasifikasi bukan pekerjaan, pertanyaan kedua
diajukan untuk menentukan apakah dia telah melakukan
pekerjaan untuk mendapatkan bayaran selain kegiatan utama
ini. Revisi ini meningkatkan perkiraan total lapangan kerja lebih
dari 1 juta orang, setengah dari mereka bekerja 35 jam atau lebih
per minggu.10
Kerangka acuan dapat dikontrol dengan dua cara. Pertama,
pewawancara mungkin berusaha mempelajari kerangka acuan
yang digunakan oleh partisipan. Ketika meminta peserta untuk
mengevaluasi alasan mereka menilai toko ritel tidak menarik,
pewawancara harus mempelajari kerangka acuan yang mereka
gunakan. Apakah toko sedang dievaluasi dalam hal fitur dan tata
letak tertentu, kegagalan manajemen untuk menanggapi
keluhan yang dibuat oleh peserta, preferensi peserta untuk toko
lain, atau kesulitan peserta baru-baru ini dalam mengembalikan
barang yang tidak diinginkan?
332 >bagian III Sumber dan Pengumpulan Data
>Pameran 13a-3 Tes Terpisah Kata-kata Pertanyaan Alternatif
Haruskah Amerika Serikat melakukan salah satu dari yang berikut ini saat ini?
A. Tingkatkan angkatan bersenjata kita lebih jauh, bahkan jika itu berarti lebih banyak pajak.
Haruskah Amerika Serikat melakukan salah satu dari yang berikut ini saat ini?
B. Tingkatkan angkatan bersenjata kita lebih jauh, bahkan jika Anda harus membayar pajak khusus.
Delapan puluh delapan persen dari mereka yang menjawab pertanyaan A berpendapat angkatan bersenjata harus ditingkatkan, sementara hanya 79 persen dari mereka
yang menjawab pertanyaan B mendukung peningkatan angkatan bersenjata.
Sumber: Hadley Cantril, ed., Mengukur Opini Publik (Princeton, NJ: Princeton University Press, 1944), hlm. 48.
Kedua, berguna untuk menentukan kerangka acuan bagi
peserta. Dalam meminta pendapat tentang desain toko baru,
pewawancara dapat menentukan bahwa pertanyaan harus
dijawab berdasarkan pendapat peserta tentang tata letak,
kejelasan dan penempatan papan nama, kemudahan
menemukan barang dagangan, atau kerangka acuan lain.
Kata-kata yang bias Bias adalah distorsi tanggapan dalam satu
arah. Hal ini dapat diakibatkan oleh banyak masalah yang telah
dibahas, tetapi pilihan kata sering kali menjadi sumber utama.
Jelas kata-kata atau frasa sepertibenar secara politik atau
fundamentalis harus digunakan dengan sangat hati-hati. Kata
sifat yang kuat bisa sangat mendistorsi. Salah satu survei opini
yang diduga terkait dengan subjek persiapan kematian
mencakup pertanyaan berikut: "Apakah menurut Anda
pemakaman yang layak dan murah itu masuk akal?" Siapa yang
bisa melawan apa pun itulayak atau bijaksana? Ada pertanyaan
tentang apakah ini survei yang sah atau kampanye penjualan
layanan pemakaman, tetapi ini menunjukkan betapa sugestifnya
sebuah kata sifat.
Perwakilan kongres diketahui menggunakan survei sebagai
sarana untuk berkomunikasi dengan konstituen mereka. Akan tetapi,
pertanyaan-pertanyaan disusun untuk menyiratkan pendirian isu
yang disukai oleh perwakilan tersebut. Bisakah Anda memberi tahu
sikap perwakilan dalam pertanyaan berikut?
Contoh: Apakah Anda ingin saya memilih yang seimbang?
anggaran jika itu berarti biaya yang lebih tinggi
untuk tunjangan Jaminan Sosial tambahan yang
telah Anda peroleh?
Kita juga bisa sangat membiaskan peserta dengan menggunakan
nama-nama bergengsi dalam sebuah pertanyaan. Dalam survei bersejarah
tentang apakah departemen perang dan angkatan laut harus digabungkan
menjadi satu departemen pertahanan, satu survei mengatakan, "Jenderal
Eisenhower mengatakan tentara dan angkatan laut harus digabungkan,"
sementara versi lain menghilangkan namanya. Mengingat !versi pertama
(termasuk nama), 49 persen peserta menyetujui untuk memiliki satu
departemen; mengingat versi kedua, hanya 29 persen yang menyukai satu
departemen.11
Bayangkan saja menggunakan Kobe Bryant atau Dirk Nowitzki
nama dalam pertanyaan survei yang diajukan kepada remaja laki-laki
yang tertarik dengan bola basket. Kekuatan kelompok referensi
aspirasional untuk mempengaruhi opini dan sikap sudah mapan
dalam periklanan; itu tidak boleh diremehkan dalam desain survei.
Kita juga dapat membiaskan respons melalui penggunaan
superlatif, ekspresi slang, dan kata-kata iseng. Ini sebaiknya
dikecualikan kecuali mereka sangat penting untuk tujuan pertanyaan.
Referensi etnis juga harus dinyatakan dengan hati-hati.
Personalisasi Seberapa personal seharusnya sebuah pertanyaan?
Haruskah kita bertanya, ”Apa yang akan Anda lakukan tentang . . . ?”
Atau haruskah kita bertanya, ”Apa yang akan dilakukan orang-orang
yang bekerja dengan Anda . . . ?” Efek personalisasi ditunjukkan dalam
contoh klasik yang dilaporkan oleh Cantril.12 Tes terpisah — di mana
sebagian sampel menerima satu pertanyaan, dengan bagian lain
menerima pertanyaan kedua — dibuat dari pertanyaan tentang sikap
tentang perluasan
Angkatan Bersenjata AS pada tahun 1940, sebagaimana dicatat dalam
Tampilan 13a-3. Contoh-contoh ini dan contoh lainnya menunjukkan
bahwa pertanyaan yang mempersonalisasikan mengubah
tanggapan, tetapi arah pengaruhnya tidak jelas. Kami tidak dapat
membedakan apakah personalisasi atau tanpa personalisasi lebih
unggul. Mungkin yang terbaik yang dapat dikatakan adalah bahwa
ketika salah satu bentuk dapat diterima, kita harus memilih yang
tampaknya menyajikan masalah secara lebih realistis. Jika ada
keraguan, maka versi survei terpisah harus digunakan (satu segmen
sampel harus mendapatkan satu versi pertanyaan, sedangkan
segmen kedua harus menerima versi pertanyaan alternatif).
Alternatif yang Memadai Apakah kita sudah cukup ex-
menekan alternatif sehubungan dengan tujuan pertanyaan? Biasanya
bijaksana untuk mengungkapkan setiap alternatif secara eksplisit
untuk menghindari bias. Ini diilustrasikan dengan baik dengan
sepasang pertanyaan yang diajukan dari sampel peserta yang cocok.13
Bentuk-bentuk pertanyaan yang digunakan dicatat dalam Peraga
13a-4.
Seringkali masalah di atas hadir secara bersamaan dalam satu
pertanyaan. Tampilan 13a-5 mengungkapkan beberapa pertanyaan yang
diambil dari survei surat yang sebenarnya. Kami telah mengidentifikasi
masalah masalah dan menyarankan satu solusi untuk perbaikan.

>Pameran 13a-4 Mengekspresikan Alternatif
Cara pertanyaan diajukan dapat memengaruhi hasil. Pertimbangkan dua pertanyaan alternatif ini yang menilai citra perusahaan di masyarakat
dalam menghadapi PHK:
A. Apakah menurut Anda sebagian besar perusahaan manufaktur yang memberhentikan pekerja selama periode senggang dapat mengatur berbagai hal untuk menghindari PHK dan
memberikan pekerjaan tetap sepanjang tahun?
B. Menurut Anda, apakah sebagian besar perusahaan manufaktur yang memberhentikan pekerja pada periode senggang dapat menghindari PHK dan memberikan pekerjaan tetap?
sepanjang tahun, atau menurut Anda PHK tidak dapat
dihindari? Hasil:
Ketika Ditanya. . .
Perusahaan bisa menghindari PHK
Tidak bisa menghindari PHK
Tidak ada opini
Sumber: Hadley Cantril, ed., Mengukur Opini Publik (Princeton, NJ: Princeton University Press, 1944), hlm. 48.
Sementara perbaikan yang disarankan mungkin bukan satu-satunya
solusi yang mungkin, itu memperbaiki masalah yang diidentifikasi.
Apa solusi lain yang dapat diterapkan untuk memperbaiki masalah
yang diidentifikasi?
Strategi Respon
Tujuan penelitian; karakteristik peserta, terutama tingkat
informasi, tingkat motivasi untuk berpartisipasi, dan
kemudahan komunikasi; sifat topik yang sedang dipelajari;
jenis skala yang dibutuhkan; dan rencana analisis Anda
menentukan strategi respons. Contoh strategi yang
dijelaskan dalam Bab 13 dan dibahas secara rinci dalam Bab
11 dan 12 ditemukan dalam Tampilan 13-6.
Tujuan Studi Jika tujuan dari
pertanyaan hanya untuk mengklasifikasikan peserta pada beberapa
sudut pandang yang dinyatakan, maka pertanyaan tertutup akan
berfungsi dengan baik. Asumsikan Anda hanya tertarik pada apakah
peserta menyetujui atau tidak menyetujui kebijakan perusahaan
tertentu. Sebuah pertanyaan tertutup akan memberikan jawaban ini.
Strategi respons ini mengabaikan seluruh cakupan pendapat peserta
dan peristiwa yang membantu membentuk sikap pada dasarnya. Jika
tujuannya adalah untuk menjelajahi wilayah yang lebih luas ini, maka
pertanyaan terbuka (strategi respons bebas) lebih disukai.
Pertanyaan terbuka cocok bila tujuannya adalah untuk
menemukan pendapat dan tingkat pengetahuan. Mereka
juga cocok ketika pewawancara mencari sumber informasi,
tanggal acara, dan saran atau ketika penyelidikan digunakan
untuk mengamankan lebih banyak informasi. Ketika topik
pertanyaan berada di luar pengalaman peserta, pertanyaan
terbuka mungkin menawarkan cara yang lebih baik untuk
mempelajari tingkat informasinya.
>bab 13 Kuesioner dan Instrumen 333
SEBUAH B
63% 35%
22 41
15 24
Pertanyaan tertutup lebih baik bila ada kerangka
acuan yang jelas, tingkat informasi peserta dapat
diprediksi, dan peneliti yakin peserta memahami
topik.
Pertanyaan terbuka juga membantu mengungkap kepastian perasaan
dan ekspresi intensitas, meskipun pertanyaan tertutup yang dirancang
dengan baik dapat melakukan hal yang sama.
Ketelitian Pemikiran Sebelumnya Jika peserta
telah mengembangkan pendapat yang jelas tentang topik tersebut,
pertanyaan tertutup berhasil dengan baik. Jika jawaban belum dipikirkan,
pertanyaan terbuka dapat memberi peserta kesempatan untuk
merenungkan jawaban, dan kemudian menguraikan dan merevisinya.
Kemampuan berkomunikasi Pertanyaan terbuka membutuhkan
pemahaman kosakata yang lebih kuat dan kemampuan yang lebih besar
untuk membingkai tanggapan daripada pertanyaan tertutup.
Motivasi Peserta Pengalaman menunjukkan bahwa pertanyaan
tertutup biasanya membutuhkan lebih sedikit motivasi dan
menjawabnya tidak terlalu mengancam peserta. Tetapi alternatif
jawaban terkadang menyarankan jawaban mana yang tepat;
untuk alasan ini, pertanyaan tertutup mungkin bias.
Sementara pertanyaan terbuka menawarkan banyak keuntungan,
pertanyaan tertutup umumnya lebih disukai dalam survei besar.
Mereka mengurangi variabilitas respons, membuat lebih sedikit
tuntutan pada keterampilan pewawancara, lebih murah untuk
dikelola, dan jauh lebih mudah untuk dikodekan dan dianalisis.
Setelah eksplorasi dan pengujian yang memadai, kita sering dapat
mengembangkan pertanyaan tertutup yang akan bekerja seefektif
pertanyaan terbuka dalam banyak situasi. Studi eksperimental
menunjukkan bahwa pertanyaan tertutup sama atau lebih unggul
dari pertanyaan terbuka di lebih banyak aplikasi daripada yang
diyakini secara umum.14
334 >bagian III Sumber dan Pengumpulan Data

Pameran 13a-5 Pertanyaan Rekonstruksi

Solusi masalah Pertanyaan Pengukuran yang Buruk Pertanyaan Pengukuran yang Ditingkatkan

Masalah: Daftar periksa tampaknya Jika tujuan Anda menginap di hotel INI Alasan manakah yang TERBAIK menjelaskan tujuan Anda
menawarkan opsi yang tidak lengkap atau termasuk kesenangan pribadi, untuk menginap di hotel kesenangan pribadi INI?
saling eksklusif. Juga, itu tidak sepenuhnya SATU tujuan khusus apa? Makan
menjawab kebutuhan konten untuk Kunjungi teman/kerabat Perbelanjaan

memahami mengapa orang memilih hotel Liburan akhir pekan Hiburan

ketika mereka bepergian untuk alasan Acara olahraga . . . apakah ini untuk. . . Acara yang berhubungan dengan olahraga?

pribadi versus alasan bisnis. Melihat-lihat Teater, musik, atau

Acara keluarga kinerja lainnya?
Larutan: Mengatur alternatif. Buat
Liburan Museum atau pameran?
himpunan bagian dalam pilihan; gunakan
Lainnya: _________ Kunjungi teman/kerabat
warna atau bayangan untuk menyorot
. . . apakah ini untuk acara khusus? YA TIDAK
himpunan bagian. Untuk kemudahan
Liburan
pengkodean, perluas alternatif sehingga
. . . adalah ini terutama untuk. . . Melihat-lihat?
peserta tidak sering memilih “Lainnya.”
Akhir pekan
melarikan diri?

Lain:_______________

Masalah: Pertanyaan berlaras ganda; tidak
ada kerangka waktu untuk perilaku tersebut;
"sering" adalah konstruksi yang tidak
terdefinisi untuk perilaku makan; tergantung
pada tujuan studi, "pesanan" bukanlah
konsep pengukuran yang kuat seperti yang
lain (misalnya, membeli, mengkonsumsi,
atau makan)
Ketika Anda makan di luar, apakah Anda sering
memesan makanan pembuka dan penutup?
YA TIDAK
Mengingat pengalaman makan pribadi Anda jauh dari
rumah dalam 30 hari terakhir, apakah Anda membeli
makanan pembuka atau makanan penutup lebih dari
separuh waktu?
Lebih dari Kurang dari
Separuh Waktu Separuh Waktu
Dibeli
makanan pembuka

makanan penutup
Larutan: Pisahkan pertanyaan; memperluas
Tidak membeli makanan pembuka atau makanan penutup.
alternatif tanggapan; mendefinisikan dengan
jelas konstruk yang ingin Anda ukur.

Masalah: Kerangka waktu yang tidak spesifik; Apakah Anda pernah menghadiri pertandingan Dalam enam bulan terakhir, apakah Anda pernah menjadi penonton

cenderung mengalami kerusakan memori; layar basket perguruan tinggi? pertandingan bola basket yang dimainkan oleh tim perguruan tinggi di

nonspesifik (tidak menanyakan apa yang benar- YA TIDAK kampus perguruan tinggi?

benar perlu Anda ketahui untuk memenuhi syarat YA TIDAK

peserta).

Larutan: Ganti "pernah" dengan kerangka

waktu yang lebih tepat; layar untuk perilaku
yang diinginkan.

Masalah: Pertanyaan menghadapi
kerusakan memori yang serius karena
mantel tidak dapat dibeli setiap tahun; tidak
menanyakan apakah mantel itu pembelian
pribadi atau untuk orang lain; Anda juga
tidak tahu jenis mantel yang dibeli; Anda
juga tidak tahu apakah mantel itu dibeli
dengan harga penuh atau dengan diskon.
Berapa banyak yang Anda bayar untuk
mantel terakhir yang Anda beli?
Apakah Anda membeli jas untuk penggunaan pribadi
Anda dalam 60 hari terakhir?
YA TIDAK
Memikirkan mantel gaun ini, berapa banyak yang
Anda! bayar? (ke dolar terdekat) $ _______.00 Adalah!
pembelian mantel ini dilakukan di a at
harga setelah diskon?
YA TIDAK

Larutan: Batasi jangka waktu;

menentukan jenis mantel.
>bab 13 Kuesioner dan Instrumen 335
>bab 14
Contoh

>belajartujuan
Setelah membaca bab ini, Anda harus memahami. . .

1 Dua premis yang menjadi dasar teori sampling.

2 Karakteristik akurasi dan presisi untuk mengukur validitas sampel.

3 Lima pertanyaan yang harus dijawab untuk mengembangkan rencana sampling.

4 Dua kategori teknik pengambilan sampel dan variasi teknik pengambilan sampel dalam setiap kategori.

5 Berbagai teknik pengambilan sampel dan kapan masing-masing digunakan.

“ lingkungan
Kita alam, dan
harus mendengar apa media sosial adalah
yang dikatakan dalam
tempat yang jelas untuk melakukan ini, tetapi kami juga
harus pergi dan menemukan pendapat yang
tidak dibagikan secara terbuka. Hanya dengan
begitu kita dapat memahami dikotomi antara
persona publik dan pribadi.
”
n Leet,
Menjadi direktur penjualan

uSamp
 >membawapenelitianuntukkehidupan
Peneliti terdiri dari komunitas profesional yang cukup kecil. Di dalam perusahaan tertentu, selain yang berspesialisasi
dalam penelitian, beberapa peneliti terlatih dapat ditemukan, sehingga diperlukan kolaborasi. Peneliti dari perusahaan
yang berbeda sering berbagi pengalaman mereka di konferensi profesional dalam upaya untuk memajukan industri
secara keseluruhan. Akibatnya, para peneliti sering mengetahui keberhasilan masing-masing serta kegagalan mereka.
Mereka menggunakan kesalahan satu sama lain untuk meningkatkan proyek mereka sendiri. Kami bergabung dengan
Jason dan Sara saat mereka mendiskusikan pengambilan sampel untuk proyek baru dengan Glacier Symphony.

“Peserta yang ideal adalah orang yang bijaksana, pandai berbicara,
rasional, dan yang terpenting, kooperatif. Akan tetapi, orang-orang
nyata adalah orang yang suka bertengkar, keras kepala, kurang
informasi, dan bahkan sesat. Namun demikian, merekalah yang harus
bekerja sama dengan Anda,” renung Jason saat dia dan Sara
menjelaskan detail rencana pengambilan sampel Glacier Symphony.
“SamChampion, direktur pemasaran CityBus,” kata Sara,
“tentu saja memiliki masalah pengambilan sampel. Dia
mengizinkan seorang peneliti pemula—Eric Burbidge—untuk
melakukan pengambilan sampel guna menentukan di mana
perusahaan dapat mempromosikan jadwal rute harian
barunya dengan paling efektif. Masalah besarnya adalah
anggaran yang kecil dan pengendara dari dua kota yang
berbeda, di mana dua surat kabar yang berbeda memiliki
sirkulasi yang besar—dan tarif iklan yang sama besarnya.
CityBus berharap untuk beriklan hanya dalam satu kertas.
Tapi surat kabar tidak memiliki sirkulasi !angka untuk kotak
penjual berita khusus. Champion menceritakan kisah itu pada
“Belum, penumpangnya belum naik. Cara Champion
menceritakan kisah itu, Burbidge menerobos ke depan
barisan dan mengetuk papan klipnya di pintu untuk
masuk sebelum ada penumpang yang bisa naik. Dia
mengatakan itu kepada pengemudi.
“Ngomong-ngomong, Burbidge membagikan
kuesionernya, dan para penumpang dengan rajin
mengisinya dan membawanya ke depan tempat Burbidge
duduk di depan bus. Dan kemudian mereka mulai
bermain hoki bola kertas di lorong bus.”
“Hoki bola kertas?” pertanyaan Jason.
“Ternyata mereka menggulung koran yang telah mereka baca
sambil menunggu bus menjadi bola dan memukulnya melalui kaki
penjaga gawang yang ditunjuk sendiri di setiap ujung lorong bus.
Bagaimanapun, sopirnya memberi tahu Burbidge bahwa sejak
East City Club bermain hoki malam itu, ketika dia membersihkan
bus, sebagian besar surat kabar akan menjadi
Lembaran Kota Timur. Penunggangnya jelas suka mempelajari

makan siang MRA terakhir. permainan pro malam itu terlebih dahulu, jadi penjualan kios koran

“Sepertinya Burbidge tidak cukup berpengalaman untuk cepat di terminal, tetapi hanya untuk surat kabar yang melakukan

mencoba menjawab pertanyaan CityBus tentang surat kabar pekerjaan yang lebih baik untuk meliput olahraga du jour. Tentu saja

mana yang akan digunakan untuk iklan dengan melakukan survei malam berikutnya, para pengendara akan membeli Tribun Kota Barat

pada satu bus yang beroperasi antara dua kota pada jam sibuk karena itu melakukan pekerjaan yang lebih baik untuk meliput bola basket pro.

malam hari. Burbidge naik bus di rute 99 dan memberi tahu “Burbidge kesal dan menggumamkan sesuatu tentang survei

pengemudi bahwa dia dari kantor pusat dan di sana untuk yang meminta kertas yang paling baru dibeli. Sopir mengatakan

melakukan survei resmi selama perjalanan malam.” Sara berhenti kepadanya untuk tidak berkeringat. 'Mereka membeli

sejenak untuk efek dan menurunkan suaranya untuk meniru Surat kabar sebelum hoki dan suku sebelum bola basket …
katak dasar. “Saya perlu menguji hipotesis saya bahwa pembaca tapi tentu saja di pagi hari mereka membawa kertas yang
surat kabar di rute 99 dibagi rata antara betweenLembaran Kota dijatuhkan di depan pintu mereka.'
Timur dan Tribun Kota Barat.” “Burbidge sekarang menggumamkan itu dengan memilih rute

Jason, sekarang tertarik, menyela, "Dia mengatakan itu kepada satu 99, dan memilih malam hoki, dia benar-benar mendistorsi
bus penuh penumpang?" hasilnya.
 >membawapenelitianuntukkehidupanlanjutan
“Pembalap, yang merupakan lawan dart favorit Champion, koran sama sekali. Mereka sudah menonton olahraga di bar terminal

benar-benar menikmati ketidaknyamanan Burbidge karena sambil menunggu bus. Sebagian besar tidak merasa sakit—jika Anda

dia bertingkah seperti keledai di awal. Jadi pengemudi mengerti maksud saya—dan tidak bisa membaca kertas koran kecil

memberi tahu Burbidge, 'Saya tahu dari membaca buletin karena saya tidak menyalakan lampu di atas kepala.'”

CityBus bahwa pada saat Anda mengumumkan rute dan Sara berhenti sejenak, membiarkan Jason bertanya, "Apakah ada

jadwal baru, kami akan !selesai dengan hoki dan bola basket pelajaran dari cerita ini, Sara?"

dan memasuki musim bisbol. Dan, tentu saja, sebagian besar “Yah, kami telah berbicara tentang meminta musisi mahasiswa

dari orang-orang di bus 5:15 ini adalah orang-orang Kota mendistribusikan dan mengumpulkan survei di setiap pertunjukan

Timur, sementara sebagian besar di bus 5:45 adalah orang- Jumat malam. Saya bertanya-tanya apakah Glacier Symphony memiliki

orang Kota Barat, jadi hasil Anda secara alami akan data demografis dari survei sebelumnya yang mungkin menjelaskan

terpengaruh dengan memilih 5:15 kapan saja. tahun.' beberapa peserta konser. Saya tidak suka membiaskan sampel kami

“Burbidge, sangat jengkel, bertanya kepada pengemudi, secara sistematis, seperti yang dilakukan Burbidge. Karena kami tidak

'Apakah ada hal lain yang ingin Anda bagikan dengan saya?' akan hadir untuk mengumpulkan data—seperti dia—kami mungkin

“Sopir itu jelas tidak bisa menyembunyikan senyumnya ketika tidak akan pernah tahu.”

dia berkata, 'Para pengendara di 5:45 biasanya tidak membaca

> Sifat Pengambilan Sampel

Kebanyakan orang secara intuitif memahami ide pengambilan sampel. Satu rasa dari minuman memberi tahu kita apakah itu manis
atau asam. Jika kami memilih beberapa iklan dari sebuah majalah, kami biasanya menganggap pilihan kami mencerminkan
karakteristik set lengkap. Jika beberapa anggota staf kami menyukai strategi promosi, kami menyimpulkan bahwa yang lain juga.
Contoh-contoh ini bervariasi dalam keterwakilannya, tetapi masing-masing adalah sampel.
Ide dasar dari contoh adalah bahwa dengan memilih beberapa elemen dalam suatu populasi, kita dapat
menarik kesimpulan tentang seluruh populasi. SEBUAHelemen populasi adalah peserta individu atau objek
di mana pengukuran dilakukan. Ini adalah unit studi. Meskipun suatu elemen mungkin seseorang, itu bisa
dengan mudah menjadi sesuatu yang lain. Misalnya, setiap anggota staf yang ditanyai tentang strategi
promosi yang optimal adalah elemen populasi, setiap akun iklan yang dianalisis adalah elemen populasi
akun, dan setiap iklan adalah elemen populasi iklan. SEBUAHpopulasi adalah kumpulan total elemen yang
ingin kita buat beberapa kesimpulan. Semua pekerja di !rm membentuk populasi yang diminati; semua
4.000 !les de!ne populasi yang menarik. SEBUAHsensus adalah jumlah semua elemen dalam populasi. Jika
4.000 !les de!ne populasi, sensus akan memperoleh informasi dari setiap satu dari mereka. Kami menyebut
daftar semua elemen populasi dari mana sampel akan diambil sebagaikerangka sampel.

Untuk CityBus, populasi yang menarik adalah semua pengendara rute yang terkena dampak restrukturisasi rute
yang akan datang. Dalam mempelajari kepuasan pelanggan dengan operasi layanan CompleteCare untuk
MindWriter, populasi yang menarik adalah semua individu yang telah memperbaiki laptopnya saat program
CompleteCare sedang berjalan. Elemen populasi adalah setiap individu yang berinteraksi dengan program layanan.

Mengapa Sampel?
Ada beberapa alasan kuat untuk pengambilan sampel, termasuk (1) biaya yang lebih rendah, (2) akurasi hasil yang lebih
besar, (3) kecepatan pengumpulan data yang lebih besar, dan (4) ketersediaan elemen populasi.

Biaya rendah

Keuntungan ekonomi mengambil sampel daripada sensus sangat besar. Pertimbangkan biaya untuk melakukan
sensus. Pada tahun 2000, karena putusan Mahkamah Agung membutuhkan sensus daripada sampling statistik

338
 >bab 14 Contoh 339

Dengan teknik ini, Biro Sensus AS meningkatkan perkiraan anggaran Sensus Tahunan 2000 sebesar $1,723 miliar, menjadi
$4,512 miliar.1 Apakah mengherankan jika para peneliti di semua jenis organisasi bertanya, Mengapa kita harus
menghabiskan ribuan dolar untuk mewawancarai 4.000 karyawan di perusahaan kita jika kita dapat !menemukan apa yang
perlu kita ketahui dengan hanya menanyakan beberapa ratus?

Akurasi Hasil Lebih Besar

Deming berpendapat bahwa kualitas penelitian seringkali lebih baik dengan pengambilan sampel daripada dengan sensus.
Dia menyarankan, "Pengambilan sampel memiliki kemungkinan wawancara (pengujian) yang lebih baik, penyelidikan yang
lebih menyeluruh atas informasi yang hilang, salah, atau mencurigakan, pengawasan yang lebih baik, dan pemrosesan
yang lebih baik daripada yang dimungkinkan dengan cakupan yang lengkap."2 Temuan penelitian mendukung pendapat ini.
Lebih dari 90 persen dari total kesalahan survei dalam satu penelitian berasal dari sumber nonsampling dan hanya 10
persen atau kurang dari kesalahan pengambilan sampel acak.3 Biro Sensus AS, meskipun diberi mandat untuk melakukan
sensus penduduk setiap 10 tahun, menunjukkan kepercayaannya dalam pengambilan sampel dengan mengambil survei
sampel untuk memeriksa keakuratan sensusnya. Biro Sensus AS mengetahui bahwa dalam sensus, segmen populasi sangat
diremehkan. Hanya jika populasinya kecil, dapat diakses, dan sangat bervariasi, akurasi cenderung lebih besar dengan
sensus daripada sampel.

Kecepatan Pengumpulan Data Lebih Besar

Kecepatan eksekusi sampling mengurangi waktu antara pengenalan kebutuhan informasi dan ketersediaan
informasi tersebut. Untuk setiap pelanggan yang tidak puas yang dihasilkan oleh program MindWriter
CompleteCare, beberapa calon pelanggan akan pindah dari MindWriter ke laptop pesaing. Jadi, mengatasi
masalah dalam program CompleteCare tidak hanya akan membuat pelanggan saat ini datang kembali,
tetapi juga mencegah calon pelanggan untuk beralih ke merek pesaing karena berita negatif dari mulut ke
mulut.

Ketersediaan Elemen Populasi

Beberapa situasi memerlukan pengambilan sampel. Keselamatan adalah daya tarik pemasaran yang menarik bagi sebagian besar kendaraan.

Namun kita harus memiliki bukti untuk membuat klaim seperti itu. Jadi kami melakukan uji tabrak mobil untuk menguji kekuatan bemper atau

efisiensi airbag untuk mencegah cedera. Dalam menguji bukti tersebut, kami menghancurkan mobil yang kami uji. Sensus berarti

penghancuran total semua mobil yang diproduksi. Pengambilan sampel juga merupakan satu-satunya proses yang mungkin dilakukan jika

populasi ada di!nite.

Sampel versus Sensus

Keuntungan sampling dibandingkan studi sensus kurang menarik ketika populasi kecil dan variabilitas
dalam populasi tinggi. Dua kondisi yang sesuai untuk studi sensus: sensus adalah (1)layak ketika populasi
kecil dan (2) perlu ketika unsur-unsurnya sangat berbeda satu sama lain.4 Ketika populasinya kecil dan
bervariasi, sampel apa pun yang kita ambil mungkin tidak mewakili populasi dari mana sampel itu diambil.
Nilai yang dihasilkan yang kami hitung dari sampel tidak benar sebagai perkiraan nilai populasi.
Pertimbangkan produsen komponen stereo Amerika Utara. Kurang dari 50 perusahaan merancang,
mengembangkan, dan memproduksi produk ampli!er dan pengeras suara dengan kisaran harga yang
tinggi. Ukuran populasi ini menunjukkan bahwa sensus layak dilakukan. Keragaman penawaran produk
mereka membuat sulit untuk mengambil sampel secara akurat dari grup ini. Beberapa perusahaan
mengkhususkan diri pada speaker, beberapa dalam teknologi amplifier, dan lainnya dalam transportasi
compact-disc. Memilih sensus dalam situasi ini adalah tepat.

Apa Itu Sampel yang Baik?

Tes akhir dari desain sampel adalah seberapa baik itu mewakili karakteristik populasi yang
dimaksudkan untuk diwakili. Dalam istilah pengukuran, sampel harus valid. Validitas sampel
tergantung pada dua pertimbangan: akurasi dan presisi.
340 >bagian III Sumber dan Pengumpulan Data

>jeprettembakan
Ford Reenergize dengan Mengubah Samplin

Di tengah krisis keuangan dalam industri mobil, James

Farley dari Ford memutuskan bahwa penelitiannya
tidak memasukkan unit sampel yang sangat penting:
dealer. Dengan dealer yang mengendalikan 75!persen
pengeluaran iklan untuk raksasa otomotif itu, Farley
berpikir mengecualikan mereka sebagai subjek
penelitian adalah bunuh diri. Jadi, dia merekrut 30
dealer paling berpengaruh untuk terbang ke Detroit
untuk memberikan informasi dan mengkritik proposal
kreatif biro iklan Ford, Team Detroit.
Firma riset layanan lengkap Farmington Hills
(MI) Morpace menempatkan para dealer melalui
pengalaman kelompok fokus yang intensif. Dealer
segera ditantang dengan pertanyaan. “Insentif
mana yang berhasil dan mana yang tidak?” “Apa
arti merek Ford bagi Anda?” "Apa yang salah
dengan iklan Ford?" Pada sesi-sesi berikutnya,
pembelian yang signifikan untuk kampanye iklan berikutnya. Tindakan Farley
para dealer diminta untuk mengkritik slogan-slogan iklan dan strategi
memberi suara kepada para dealernya dengan strategi pengambilan sampel
branding, merekomendasikan mereka yang paling menangkap
penelitian yang diubah.
pengalaman Ford. Para dealer meninggalkan sesi maraton 72 jam
dengan antusias tentang arah yang diambil Ford dan bersama www.ford.com; www.morphace.com; www.teamdetroit.com

Ketepatan
Akurasi adalah sejauh mana bias tidak ada dari sampel. Ketika sampel diambil dengan benar, ukuran
perilaku, sikap, atau pengetahuan (variabel pengukuran) daribeberapa elemen sampel akan menjadi
kurang dari (dengan demikian, meremehkan) ukuran variabel yang sama yang diambil dari populasi.
Juga, ukuran perilaku, sikap, atau pengetahuanlain elemen sampel akan menjadi lebih dari
nilai populasi (dengan demikian, melebih-lebihkan mereka). Variasi nilai sampel ini saling mengimbangi, sehingga
menghasilkan nilai sampel yang mendekati nilai populasi. Agar efek penyeimbang ini terjadi, bagaimanapun, harus
ada elemen yang cukup dalam sampel, dan mereka harus ditarik dengan cara yang tidak mendukung perkiraan
yang terlalu tinggi atau terlalu rendah.
Misalnya, asumsikan Anda diminta untuk menguji tingkat ingatan merek dari pendekatan kreatif “menghitung
domba” untuk perusahaan matras Serta. Secara hipotetis, Anda dapat mengukur melalui sampel atau
ll dikombinasikan dengan kejelasan pesan: “Kasur serta adalah sangat
ortable Anda akan merasakan perbedaannya begitu Anda berbaring.” Secara
keseluruhan, 52 persen peserta yang merupakan pemirsa TV memimpin
merek dan pesan dengan benar. Menggunakan sampel, 70 persen
mengingat rand dan menafsirkan pesan dengan benar. Dengan
perbandingan kedua hasil, Anda akan tahu bahwa sampel Anda bias, karena !
tidak dapat menaksir terlalu tinggi nilai populasi 52#persen. Sayangnya, di
sebagian besar penelitian, melakukan sensus tidak layak, jadi kami
memperkirakan jumlah kesalahannya.5

Sampel yang akurat (tidak bias) adalah sampel di mana penaksir yang terlalu rendah
mengimbangi penaksir yang terlalu tinggi. 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."6
Serta Menghitung Domba
 >bab 14 Contoh 341

Rumah di sudut blok, misalnya, seringkali lebih besar dan lebih berharga daripada yang ada di dalam blok. Dengan
demikian, sampel yang hanya memilih rumah sudut akan menyebabkan kita melebih-lebihkan nilai rumah di daerah
tersebut. Burbidge mengetahui bahwa dalam memilih rute bus 99 untuk sampel pembaca surat kabarnya, waktu dalam
sehari, hari dalam seminggu, dan musim dalam setahun survei secara dramatis mengurangi keakuratan dan validitas
sampelnya.
Meningkatkan ukuran sampel dapat mengurangi varians sistematis sebagai penyebab kesalahan. Namun,
bahkan ukuran besar tidak akan mengurangi kesalahan jika daftar dari mana Anda menarik peserta Anda bias.
Contoh klasik dari sampel dengan varians sistematis adalahIntisari Sastra jajak pendapat pemilihan presiden di
1936, di mana lebih dari 2 juta orang berpartisipasi. Jajak pendapat memperkirakan Alfred Landon akan
mengalahkan Franklin Roosevelt untuk kursi kepresidenan Amerika Serikat. Ingatan Anda benar; kita tidak pernah
memiliki presiden bernama Alfred Landon. Kami kemudian menemukan bahwa jajak pendapat itu mengambil
sampel dari pemilik telepon, yang berada di kelas menengah dan atas—pada saat itu, benteng Partai Republik—
sementara Roosevelt meminta kelas pekerja yang jauh lebih besar, yang anggotanya tidak mampu memilikinya.
telepon dan biasanya memilih kandidat Partai Demokrat.

presisi
Kriteria kedua dari desain sampel yang baik adalah ketepatan estimasi. Peneliti menerima bahwa tidak ada sampel
yang sepenuhnya mewakili populasinya dalam segala hal. Namun, untuk menginterpretasikan temuan penelitian,
kita memerlukan ukuran seberapa dekat sampel mewakili populasi. Deskriptor numerik yang menggambarkan
sampel mungkin diharapkan berbeda dari yang menggambarkan populasi karena "uktuasi acak yang melekat
dalam proses pengambilan sampel. Ini disebutkesalahan pengambilan sampel (atau kesalahan pengambilan
sampel acak) dan mencerminkan pengaruh kesempatan dalam menggambar anggota sampel. Kesalahan
pengambilan sampel adalah apa yang tersisa setelah semua sumber varians sistematis yang diketahui telah
diperhitungkan. Secara teori, kesalahan pengambilan sampel hanya terdiri dari "pergerakan acak saja, meskipun
beberapa varian sistematik yang tidak diketahui dapat dimasukkan ketika terlalu banyak atau terlalu sedikit elemen
sampel yang memiliki karakteristik tertentu. Katakanlah Jason mengambil sampel dari daftar abjad pemilik
MindWriter yang memiliki laptop yang saat ini diservis oleh program CompleteCare. Asumsikan 80#persen dari
mereka yang disurvei memiliki laptop yang diservis oleh Max Jensen. Juga asumsikan dari studi eksplorasi bahwa
Jensen memiliki lebih banyak surat keluhan tentang pekerjaannya daripada teknisi lain. Menyusun daftar pemilik
laptop saat ini dilayani dalam daftar abjad akan gagal untukmengacak kerangka sampel. Jika Jason menarik sampel
dari daftar itu, dia sebenarnya akan meningkatkan kesalahan pengambilan sampel.
Presisi diukur dengan kesalahan standar estimasi, sejenis pengukuran standar deviasi; semakin
kecil kesalahan standar estimasi, semakin tinggi presisi sampel. Desain sampel yang ideal
menghasilkan kesalahan estimasi standar yang kecil. Namun, tidak semua jenis desain sampel
memberikan perkiraan presisi, dan sampel dengan ukuran yang sama dapat menghasilkan jumlah
kesalahan yang berbeda.

Jenis Desain Sampel

Peneliti membuat beberapa keputusan ketika merancang sampel. Ini diwakili dalam Tampilan 14-1.
Keputusan pengambilan sampel "berasal dari dua keputusan yang dibuat dalam pembentukan
hierarki pertanyaan penelitian manajemen: sifat pertanyaan manajemen dan pertanyaan investigasi
khusus yang berkembang dari pertanyaan penelitian. Keputusan ini" dipengaruhi oleh persyaratan
proyek dan tujuannya, tingkat risiko yang dapat ditoleransi peneliti, anggaran, waktu, sumber daya
yang tersedia, dan budaya.
Dalam pembahasan berikut, kita akan menggunakan tiga contoh:

• Studi CityBus diperkenalkan dalam sketsa di awal bab ini.

• Studi kepuasan pelanggan MindWriter CompleteCare yang berkelanjutan.
• Sebuah studi tentang kelayakan memulai klub makan di dekat kampus Universitas Metro.
Para peneliti di Metro U sedang menjajaki kemungkinan untuk membuat klub makan yang fasilitasnya
akan tersedia berdasarkan keanggotaan. Untuk meluncurkan usaha ini, mereka perlu membuat
342 >bagian III Sumber dan Pengumpulan Data

>Pameran 14-1 Desain Pengambilan Sampel dalam Proses Penelitian

Manajemen-Riset
Hirarki Pertanyaan Question

Pilih Jenis Sampel Definisikan yang Relevan

Populasi
Nonprobabilitas Probabilitas

Pilih Pengambilan Sampel Identifikasi yang Ada

Teknik Bingkai Pengambilan Sampel

Evaluasi jangan Memodifikasi atau Membangun

Bingkai Pengambilan Sampel menerima Bingkai Pengambilan Sampel

Menerima

Kemungkinan Pilih
Bingkai Pengambilan Sampel

Nonprobabilitas Seri
Sampel

investasi. Penelitian akan memungkinkan mereka untuk mengurangi banyak risiko. Jadi, pertanyaan penelitiannya adalah, Apakah
klub makan keanggotaan menjadi perusahaan yang layak? Beberapa pertanyaan investigasi yang “mengalir dari pertanyaan
penelitian antara lain:

1. Siapa yang akan melindungi klub, dan atas dasar apa?

2. Berapa banyak yang akan bergabung dengan klub di bawah berbagai pengaturan keanggotaan dan biaya?

3. Berapa rata-rata pengeluaran anggota per bulan?

4. Hari apa yang paling populer?
5. Format menu dan layanan apa yang paling diinginkan?
6. Jam makan siang apa yang paling populer?
7. Mengingat tingkat harga yang diusulkan, seberapa sering per bulan setiap anggota makan siang atau makan malam?

8. Berapa persen dari populasi yang mengatakan mereka akan bergabung dengan klub, berdasarkan tarif
dan layanan yang diproyeksikan?

Kami menggunakan tiga pertanyaan investigasi terakhir sebagai contoh dan fokus secara khusus pada
pertanyaan 7#dan#8 untuk menilai risiko proyek. Pertama, kita akan membahas informasi dan contoh lain tentang
desain sampel, kembali ke Metro U di bagian berikutnya.
Dalam keputusan desain sampel, dasar representasi dan teknik pemilihan elemen, seperti yang ditunjukkan pada
Tampilan 14-2, mengklasifikasikan pendekatan yang berbeda.
 >bab 14 Contoh 343

>Pameran 14-2 Jenis Desain Pengambilan Sampel

Dasar Representasi

Pemilihan Elemen Kemungkinan Nonprobabilitas

Tidak dibatasi Acak sederhana Kenyamanan

Terbatas Acak kompleks Bertujuan

Sistematis Pertimbangan

Gugus Kuota

Terstratifikasi Semakin bertambah

Dua kali lipat

Perwakilan
Anggota sampel dipilih menggunakan prosedur probabilitas atau nonprobabilitas.
Pengambilan sampel nonprobabilitas bersifat arbitrer dan subyektif; ketika kita memilih secara subjektif, kita biasanya
melakukannya 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. Mengizinkan pewawancara selama studi
penyadapan mal untuk memilih elemen sampel "secara acak" (artinya "sesuai keinginan" atau "di mana pun mereka!
menemukannya") bukanlah pengambilan sampel acak. Meskipun kami tidak diberitahu bagaimana Burbidge memilih pengendara
bus rute 99 sebagai sampelnya, jelas bahwa dia tidak menggunakan teknik sampling probabilitas.
Sampel Internet awal memiliki semua kelemahan sampel nonprobabilitas. Orang-orang yang sering mengunjungi Internet tidak mewakili sebagian besar target pasar

atau audiens, karena jauh lebih banyak pria muda yang mengerti teknis sering mengunjungi Internet daripada kelompok demografis lainnya. Karena penggunaan Internet

meningkat dan perbedaan gender berkurang, banyak sampel seperti itu sekarang mendekati sampel non-Internet. Namun, yang semakin mengkhawatirkan adalah apa

yang disebut oleh Biro Sensus sebagai "kesenjangan digital yang besar"—penghasilan rendah dan subkelompok etnis yang kurang terwakili dalam penggunaan Internet

dibandingkan dengan populasi umum. Selain itu, banyak sampel Internet, dan masih, diambil secara substansial dari panel. Ini terdiri dari individu-individu yang telah

memilih sendiri untuk menjadi bagian dari kumpulan individu yang tertarik untuk berpartisipasi dalam penelitian online. Ada banyak diskusi di antara peneliti profesional

tentang apakah sampel Internet harus diperlakukan sebagai sampel probabilitas atau nonprobabilitas. Beberapa mengakui bahwa setiap sampel yang diambil dari panel

lebih tepat diperlakukan sebagai sampel nonprobabilitas; yang lain sangat tidak setuju, mengutip keberhasilan panel terkenal seperti panel People Meter NielsenMedia

untuk penilaian pemirsa TV dan panel BehaviorScan IRI untuk melacak barang kemasan konsumen. Saat Anda mempelajari perbedaannya di sini, Anda harus menarik

kesimpulan Anda sendiri. Beberapa mengakui bahwa setiap sampel yang diambil dari panel lebih tepat diperlakukan sebagai sampel nonprobabilitas; yang lain sangat tidak

setuju, mengutip keberhasilan panel terkenal seperti panel People Meter NielsenMedia untuk penilaian pemirsa TV dan panel BehaviorScan IRI untuk melacak barang

kemasan konsumen. Saat Anda mempelajari perbedaannya di sini, Anda harus menarik kesimpulan Anda sendiri. Beberapa mengakui bahwa setiap sampel yang diambil dari

panel lebih tepat diperlakukan sebagai sampel nonprobabilitas; yang lain sangat tidak setuju, mengutip keberhasilan panel terkenal seperti panel People Meter

NielsenMedia untuk penilaian pemirsa TV dan panel BehaviorScan IRI untuk melacak barang kemasan konsumen. Saat Anda mempelajari perbedaan di sini, Anda harus

menarik kesimpulan Anda sendiri.

Kunci untuk perbedaan antara sampel nonprobabilitas dan probabilitas adalah istilah acak. Dalam kamus, acak
diartikan sebagai “tanpa pola” atau sebagai “sembarangan”. Dalam pengambilan sampel, acak berarti sesuatu yang
lain sama sekali.Sampling probabilitas didasarkan pada konsep seleksi acak—prosedur terkontrol yang
memastikan bahwa setiap elemen populasi diberi peluang seleksi yang tidak nol yang diketahui. Prosedur ini tidak
pernah sembarangan. Hanya sampel probabilitas yang memberikan perkiraan presisi. Ketika seorang peneliti
membuat keputusan yang akan mempengaruhi pengeluaran ribuan, jika bukan jutaan dolar, perkiraan presisi
sangat penting. Juga, hanya sampel probabilitas yang menawarkan kesempatan untuk menggeneralisasi temuan
ke populasi yang diinginkan dari populasi sampel Meskipun penelitian eksplorasi tidak selalu menuntut hal ini,
studi eksplanatori, deskriptif, dan kausal melakukannya.

Pemilihan Elemen
Apakah elemen dipilih secara individual dan langsung dari populasi—dipandang sebagai kumpulan tunggal—atau kontrol
tambahan diterapkan, pemilihan elemen juga dapat mengklasifikasikan sampel. Jika setiap elemen sampel diambil secara
individual dari populasi pada umumnya, itu adalah sampel tak terbatas. Pengambilan sampel terbatas mencakup semua
bentuk pengambilan sampel lainnya.
344 >bagian III Sumber dan Pengumpulan Data

>jeprettembakan
Penelitian untuk Kebaikan: Menggunakan Amal sebagai Insentif

Jika Anda dapat memberi makan anak yang lapar atau mencegah euthanasia anjing dengan
Penelitian untuk Komposisi Sampel yang Baik
mengikuti survei, apakah Anda akan melakukannya?

Para peneliti telah menggunakan panel online untuk

mengambil sampel untuk survei Web, email, dan seluler selama
dekade terakhir. Sebagian besar panel ini dikembangkan
menggunakan tiga sumber: jaringan periklanan (penyedia sampel
beriklan melalui Web, email, dan media lain untuk menarik
individu yang bersedia berpartisipasi dalam survei), program
loyalitas (perusahaan sponsor menggunakan daftar individunya
sendiri yang adalah bagian dari upaya loyalitas dan merekrut
mereka untuk mengikuti survei) dan media sosial (penyedia
sampel menggunakan Facebook, Twitter, dan berbagai media
sosial lainnya untuk merekrut peserta). Perusahaan sampel di Donasi saja
bawah model saat ini yang menggunakan sumber-sumber ini Donasi + poin/uang tunai

sering kali memberi insentif kepada peserta mereka dengan uang, Donasi + mata uang virtual
mata uang atau poin Internet, atau hadiah. Sayangnya,
Mitra pendiri Research for Good (RFG) khawatir bahwa orang yang
peserta (yaitu, jika survei yang diselesaikan dianggarkan sebesar $8,00 per
menerima insentif pribadi untuk memberikan pendapat mereka cenderung
peserta, maka badan amal menerima $2,00).
hanya mewakili segmen tertentu dari populasi. Juga, ada kekhawatiran
RFG telah menemukan bahwa peserta yang tertarik dengan insentif amal
industri yang sedang berlangsung tentang pengembangan "responden
berbeda—baik dalam perilaku maupun sikap—daripada mereka yang tertarik
profesional"—ketika peserta sukarelawan direkrut oleh ratusan perusahaan
pada panel penelitian dengan cara lain. Para pengambil survei ini cenderung
sampel dengan tiga cara yang kira-kira sama untuk memenuhi permintaan
peserta survei yang terus meningkat. RFG juga prihatin dengan tanggung berpikiran terbuka, merupakan pendukung keuangan atau sukarelawan

jawab sosial. Jadi, ia mengembangkan model pengambilan sampel dengan untuk amal, dan tidak mungkin dimotivasi oleh uang tunai atau insentif
hadiah biasa. Tingkat respons mereka lebih tinggi, serta tingkat penyelesaian
insentif yang menggunakan sumbangan amal untuk menarik responden
mereka. Dan mereka jarang melakukan survei, mengurangi kekhawatiran
yang berbeda secara unik. NyaKatakan Begitu Untuk Kebaikan panel menarik
tentang "responden profesional". RFG sekarang menghitung ribuan anggota
90 persen orang dewasa AS dan Kanada yang mendukung setidaknya satu
berinsentif amal di panelnya. “Dengan menarik peserta baru, kami akan
badan amal. Saat bergabung dengan panel, setiap peserta memilih badan
menghasilkan kualitas data yang lebih baik sementara kami melayani
amal untuk menerima insentif survei mereka. Basis data amal RFG mencakup
kebaikan yang lebih besar,” tegas salah satu pendiri Sean Case. Akibatnya,
setiap badan amal yang terdaftar oleh pemerintah di AS dan Kanada. RFG
RFG sekarang menyusun sampelnya dengan memasukkan model insentif
mengirimkan ke badan amal tertentu $1,00 atau 25!persen dari biaya yang
amal ini.
dianggarkan untuk setiap survei yang diselesaikan untuk setiap

www.researchforgood.com; www.saysoforgood.com

> Langkah-langkah dalam Desain Pengambilan Sampel

Ada beberapa pertanyaan yang harus dijawab dalam mengamankan sampel. Masing-masing membutuhkan informasi unik.
Sementara pertanyaan yang disajikan di sini berurutan, jawaban untuk satu pertanyaan sering kali memaksa revisi ke pertanyaan
sebelumnya.

1. Berapa populasi sasarannya?

2. Apa parameter yang menarik?
3. Apa kerangka samplingnya?
4. Apa metode pengambilan sampel yang tepat?

5. Berapa ukuran sampel yang dibutuhkan?

 >bab 14 Contoh 345

Apa Target Populasinya?

Definisi populasi mungkin terlihat dari masalah manajemen atau pertanyaan penelitian, tetapi
seringkali tidak. Apakah populasi untuk studi klub makan di Universitas Metro didefinisikan sebagai
“mahasiswa full-time day di kampus utama Metro U”? Atau haruskah populasi mencakup "semua
orang yang bekerja di Metro U"? Atau haruskah warga kota yang tinggal di lingkungan itu
dimasukkan? Tanpa mengetahui target pasar yang dipilih untuk usaha baru, tidak jelas mana yang
merupakan populasi sampling yang tepat.
Mungkin juga ada kebingungan tentang apakah populasi terdiri dari individu, rumah tangga, atau keluarga,
atau kombinasi dari semuanya. Jika studi komunikasi perlu mengukur pendapatan, maka definisi elemen populasi
sebagai individu atau rumah tangga dapat membuat perbedaan yang cukup besar. Dalam studi observasi, populasi
sampel mungkin nonpersonal: pajangan di dalam toko atau ATM apa pun yang dimiliki bank atau semua properti
tempat tinggal keluarga tunggal dalam suatu komunitas. Definisi operasional yang baik sangat penting dalam
memilih populasi yang relevan.
Asumsikan Metro University Dining Club hanya untuk mahasiswa dan karyawan di kampus utama. Para
peneliti mungkin mendefinisikan populasi sebagai “semua mahasiswa dan karyawan yang saat ini terdaftar
di kampus utama Metro U.” Namun, ini tidak termasuk anggota keluarga. Mereka mungkin ingin merevisi
definisi menjadi “mahasiswa dan karyawan Metro U, kampus utama, dan keluarga mereka saat ini”.
Dalam sampel nonprobabilitas, Burbidge tampaknya telah mendefinisikan populasi relevannya sebagai pengendara
sistem CityBus. Dia menganggap dia memiliki kebutuhan yang sama untuk menentukan pembaca surat kabar dari
pengendara Bus Kota reguler dan jarang sehingga dia dapat menjangkau mereka dengan informasi tentang struktur rute
baru, peta, dan jadwal. Namun, dia dapat dengan mudah menjangkau pengendara reguler dengan mendistribusikan
informasi tentang rute baru melalui rak pajangan di bus untuk jangka waktu sebelum rute baru diterapkan. Pengendara
yang jarang, kemudian, adalah populasi sebenarnya dari minat studi pembaca surat kabarnya.

Apa Parameter yang Diinginkan?

Parameter populasi adalah deskriptor ringkasan (misalnya, proporsi kejadian, rata-rata, varians) dari variabel-variabel
yang diminati dalam populasi. Statistik sampel adalah deskriptor dari variabel-variabel relevan yang sama yang dihitung
dari data sampel. Statistik sampel digunakan sebagai penduga parameter populasi. Statistik sampel adalah dasar dari
kesimpulan kami tentang populasi. Tergantung pada bagaimana pertanyaan pengukuran diungkapkan, masing-masing
dapat mengumpulkan tingkat data yang berbeda. Setiap tingkat data yang berbeda juga menghasilkan statistik sampel
yang berbeda. Dengan demikian, memilih parameter yang menarik sebenarnya akan menentukan
jenis sampel dan ukurannya.

>Pameran 14-3 Contoh Parameter Populasi

Belajar Parameter Populasi yang Diinginkan Tingkat Data & Skala Pengukuran

Bis kota Frekuensi perjalanan dalam 7 hari Urut

(lebih dari 10 kali, 6 sampai 10 kali,
5 kali atau lebih sedikit)

Perbandingan

(Jumlah mutlak wahana)

Penulis Pikiran Kualitas layanan yang dirasakan Selang

(skala 1 sampai 5, dengan 5 menjadi
“melebihi harapan”)
Proporsi menurut jenis kelamin Laptop 9000 Nominal
pelanggan dengan masalah (persen perempuan, laki-laki)

Metro U Frekuensi makan di dalam atau di dekat kampus Perbandingan

30 hari terakhir (pengalaman makan yang sebenarnya)

Proporsi siswa/karyawan yang menyatakan Nominal

minat klub makan (tertarik, tidak tertarik)
346 >bagian III Sumber dan Pengumpulan Data

Persentase Rumah Tangga AS yang Dapat Diakses Melalui Telepon Metode Pengambilan Sampel Undangan

Jalur Darat 1 Telepon selular Hanya Ponsel

55 32

Hanya Telepon Rumah Baik Sel maupun Telepon Rumah

11 2
>fotoprofil
Sampling akses campuran berarti bahwa beberapa metode digunakan untuk mengundang peserta ke studi penelitian—telepon, email, ponsel/nirkabel,
berbasis alamat/surat, dll. Sekitar 98!persen dari kemungkinan peserta dapat dihubungi melalui telepon, sedangkan hanya 80! persen dapat dijangkau
secara online. Pengambilan sampel akses campuran mengurangi kesalahan noncoverage dan kesalahan nonresponse. Setelah peserta direkrut,
terlepas dari cara, ia dapat menyelesaikan studi dengan cara yang berbeda (misalnya, direkrut melalui telepon tetapi mengikuti survei online).
Rekrutmen sampel semakin banyak dilakukan dengan akses campuran.www.surveysampling.com

Meminta afiliasi Metro U untuk mengungkapkan frekuensi makan mereka di dalam atau di dekat kampus
(kurang dari 5 kali per minggu, lebih besar dari 5 tetapi kurang dari 10 kali per minggu, atau lebih dari 10 kali per
minggu) akan memberikan penduga data ordinal. Tentu saja, kita dapat mengajukan pertanyaan secara berbeda
dan memperoleh jumlah pengalaman makan yang mutlak dan itu akan menghasilkan data rasio. Di MindWriter,
peringkat layanan oleh CompleteCare pada skala 5 poin akan menjadi contoh penaksir data interval. Menanyakan
pengendara CityBus tentang jumlah hari perjalanan mereka selama tujuh hari terakhir akan menghasilkan data
rasio. Tampilan 14-3 menunjukkan parameter populasi yang menarik untuk tiga contoh studi kami.

Ketika variabel yang menarik dalam penelitian diukur pada skala interval atau rasio, kami
menggunakan mean sampel untuk memperkirakan mean populasi dan standar deviasi sampel untuk
memperkirakan standar deviasi populasi. Ketika variabel kepentingan diukur pada skala nominal atau
ordinal, kami menggunakan proporsi sampel kejadian untuk memperkirakan proporsi populasi danpq
untuk memperkirakan varians populasi. Ituproporsi populasi kejadian “sama dengan jumlah elemen
dalam populasi yang termasuk dalam kategori minat, dibagi dengan jumlah total elemen dalam populasi.”7
Ukuran proporsi diperlukan untuk data nominal dan juga digunakan secara luas untuk ukuran lainnya.
Ukuran proporsi yang paling sering adalah persentase. Dalam studi Metro U, contoh data nominal adalah
proporsi populasi yang menyatakan minat untuk bergabung dengan klub (misalnya, 30 persen; oleh karena
itu,p sama dengan 0,3 dan q, mereka yang tidak tertarik, sama dengan
0,7) atau proporsi siswa menikah yang melaporkan bahwa mereka sekarang makan di restoran setidaknya !5 kali dalam
sebulan. Studi CityBus berusaha untuk menentukan apakah Kota Timur atau Kota Barat memiliki penumpang terbanyak
pada rute bus 99. MindWriter mungkin ingin mengetahui apakah pria atau wanita paling banyak mengalami masalah
dengan model laptop 9000. Langkah-langkah untuk CityBus dan MindWriter ini akan menghasilkan nilai nominal data.

Mungkin juga ada subkelompok penting dalam populasi tentang siapa kita ingin
membuat perkiraan. Misalnya, kita mungkin ingin menarik kesimpulan tentang tingkat
penggunaan klub makan yang dapat diharapkan dari siswa yang menikah versus siswa
lajang, siswa yang tinggal di rumah versus siswa komuter, dan sebagainya. Pertanyaan
seperti itu memiliki dampak yang kuat pada sifat kerangka sampling yang kami terima
(kami ingin daftar diatur oleh subkelompok ini, atau di dalam daftar, setiap karakteristik
dari setiap elemen perlu dicatat), desain sampel, dan ukuran. Burbidge harus lebih tertarik
untuk menjangkau pengendara CityBus yang jarang daripada biasa dengan iklan surat
kabar yang dia rencanakan; untuk menjangkau penumpang yang sering naik CityBus dapat
menggunakan tanda di dalam bus atau membagikan jadwal kertas daripada
menggunakan iklan surat kabar yang lebih mahal.
 >bab 14 Contoh 347

Apa itu Kerangka Sampling?

Kerangka sampling erat kaitannya dengan populasi. Ini adalah daftar elemen dari mana sampel sebenarnya
diambil. Idealnya, ini adalah daftar anggota populasi yang lengkap dan benar saja. Jason harus menemukan
masalah terbatas dalam memperoleh kerangka sampel pengguna layanan CompleteCare, karena MindWriter telah
memelihara database semua panggilan yang masuk ke pusat panggilan dan semua nomor seri laptop yang diservis.
Namun, sebagai masalah praktis, kerangka pengambilan sampel sering kali berbeda dari populasi teoretis. Untuk studi
klub makan, direktori Metro U akan menjadi pilihan pertama yang logis sebagai kerangka sampling. Direktori biasanya
akurat ketika diterbitkan pada musim gugur, tetapi misalkan penelitian sedang dilakukan di musim semi. Direktori akan
berisi kesalahan dan kelalaian karena beberapa orang akan mengundurkan diri atau keluar sejak direktori diterbitkan,
sementara yang lain akan mendaftar atau dipekerjakan. Biasanya direktori universitas tidak menyebutkan keluarga
mahasiswa atau karyawan. Seberapa banyak ketidakakuratan yang dapat ditoleransi seseorang dalam memilih kerangka
sampel adalah masalah penilaian. Anda mungkin tetap menggunakan direktori, mengabaikan fakta bahwa itu bukan daftar
yang sepenuhnya akurat. Namun, jika direktori berumur satu tahun, jumlah kesalahan mungkin tidak dapat diterima. Salah
satu cara untuk membuat kerangka sampling untuk studi Metro U lebih mewakili populasi adalah dengan mengamankan
daftar tambahan siswa dan karyawan baru serta daftar penarikan dan pemberhentian dari registrar Metro U dan database
sumber daya manusia. Anda kemudian dapat menambah dan menghapus informasi dari direktori asli. Atau, jika kebijakan
privasi mereka mengizinkan, Anda dapat meminta daftar terkini dari masing-masing kantor ini dan menggunakan daftar ini
sebagai kerangka sampel Anda.
Distorsi yang lebih besar akan terjadi jika populasi kampus cabang dimasukkan dalam direktori Metro U.
Ini akan menjadi contoh bingkai yang terlalu inklusif—yaitu, bingkai yang mencakup banyak elemen selain
yang kita minati. Sebuah direktori universitas yang mencakup pensiunan fakultas dan staf adalah contoh
lain dari kerangka sampling yang terlalu inklusif.
Seringkali Anda harus menerima kerangka sampel yang mencakup orang atau kasus di luar mereka yang Anda minati.
Anda mungkin harus menggunakan direktori telepon untuk menggambar contoh nomor telepon bisnis. Untungnya, ini
mudah diselesaikan. Anda mengambil sampel dari populasi yang lebih besar dan kemudian menggunakan prosedur
penyaringan untuk menghilangkan mereka yang bukan anggota kelompok yang ingin Anda pelajari.
Survei klub makan Metro U adalah contoh contoh
Seringkali tugas ini lebih merupakan tantangan. supp
sebuah kelompok etnis, katakanlah, orang Asia yang
tinggal di Little Rock, Arkansas. Mungkin tidak ada
direktori dari populasi ini. Meskipun Anda dapat
menggunakan direktori kota umum, pengambilan sampel
dari kerangka yang terlalu inklusif ini akan mahal dan
tidak efisien, karena orang Asia hanya mewakili sebagian
kecil dari populasi Little Rock. Tugas penyaringan akan
sangat monumental. Karena kelompok etnis sering
berkumpul di lingkungan tertentu, Anda dapat
mengidentifikasi area konsentrasi ini dan kemudian
menggunakan telepon daerah terbalik atau direktori kota,
yang diatur berdasarkan alamat jalan, untuk mengambil
sampel. Burbidge memiliki masalah yang pasti, karena
tidak ada kerangka sampel pengendara CityBus.
Meskipun beberapa pengendara reguler menggunakan
tiket bulanan, pengendara yang jarang biasanya
membayar tunai untuk tarif mereka. Mungkin saja
Burbidge mengantisipasi hal ini dan mengembangkan
daftar pelanggan dari waktu ke waktu. Pengemudi bus
dapat mengumpulkan informasi kontak yang relevan
selama sebulan, tetapi biaya menghubungi pelanggan
melalui telepon atau surat akan jauh lebih mahal
daripada pendekatan intersepsi yang dilakukan sendiri
Satu dekade yang lalu, keluarga Cina dengan telepon rumah iri. Pada bulan Februari
oleh Burbidge untuk pengumpulan data. Satu kerangka
2012, pengguna telepon seluler China melebihi 1 miliar, dalam populasi 1,3 miliar.
sampel yang tersedia untuk Burbidge adalah daftar rute Selama periode pertumbuhan yang cepat, daftar telepon bisnis atau pribadi tidak
bus. Daftar ini akan memadai sebagai kerangka sampel.
348 >bagian III Sumber dan Pengumpulan Data

telah memungkinkan dia untuk menarik sampel probabilitas menggunakan teknik cluster sampling. Kami membahas teknik
pengambilan sampel yang lebih kompleks nanti dalam bab ini.
Masalah pengambilan sampel yang telah kita diskusikan sejauh ini cukup universal. Baru setelah kita mulai berbicara
tentang kerangka pengambilan sampel dan metode pengambilan sampel, penelitian internasional mulai menyimpang.
Peneliti internasional sering menghadapi lebih banyak kesulitan dalam menemukan atau membangun kerangka sampel.
Negara berbeda dalam cara masing-masing mendefinisikan populasinya; ini mempengaruhi sensus dan jumlah penduduk
yang relevan.8 Beberapa negara sengaja mengambil sampel untuk memfasilitasi analisis isu-isu kepentingan nasional
tertentu; ini berarti kita perlu berhati-hati dalam menafsirkan angka nasional agregat yang diterbitkan.9 Perbedaan dan
kesulitan ini dapat mengarahkan peneliti untuk memilih teknik nonprobabilitas atau teknik probabilitas yang berbeda dari
yang akan mereka pilih jika melakukan penelitian semacam itu di Amerika Serikat atau negara maju lainnya. Dalam sebuah
penelitian yang dilakukan di banyak negara pada saat yang sama, peneliti dapat menggunakan metodologi pengambilan
sampel yang berbeda, sehingga menghasilkan penelitian hibrida yang memerlukan perhatian untuk digabungkan.
Merupakan praktik umum untuk menimbang data sampel dalam studi lintas negara untuk mengembangkan data sampel
yang representatif.10 Pilihan metode pengambilan sampel sering ditentukan oleh budaya dan juga oleh infrastruktur
komunikasi dan teknologi. Sama seperti semua kampanye iklan tidak akan sesuai di semua bagian dunia, semua teknik
pengambilan sampel tidak akan sesuai di semua subkultur. Diskusi kami dalam teks ini lebih berfokus pada penelitian
domestik daripada penelitian internasional. Kami percaya lebih mudah untuk mempelajari prinsip-prinsip penelitian di
lingkungan yang Anda ketahui dibandingkan dengan lingkungan di mana banyak siswa hanya dapat berspekulasi. Namun
kami juga percaya bahwa kepekaan etnis dan budaya harus mempengaruhi setiap keputusan peneliti, apakah mereka
melakukan penelitian di dalam negeri atau internasional.

Apa Metode Pengambilan Sampel yang Tepat?

Peneliti menghadapi pilihan dasar: sampel probabilitas atau nonprobabilitas. Dengan sampel probabilitas, seorang
peneliti dapat membuat perkiraan keyakinan berbasis probabilitas dari berbagai parameter yang tidak dapat
dibuat dengan sampel nonprobabilitas. Memilih teknik sampling probabilitas memiliki beberapa konsekuensi.
Seorang peneliti harus mengikuti prosedur yang tepat sehingga:

• Pewawancara atau orang lain tidak dapat mengubah pilihan yang dibuat.
• Hanya elemen terpilih dari kerangka sampling asli yang disertakan.
• Pergantian dikecualikan kecuali ditentukan dengan jelas dan dikendalikan menurut aturan keputusan yang telah
ditentukan.

Terlepas dari semua kehati-hatian, sampel aktual yang dicapai tidak akan cocok dengan sempurna sampel yang awalnya diambil.
Beberapa orang akan menolak untuk berpartisipasi, dan yang lain akan sulit, jika bukan tidak mungkin, untuk !nd. Jadi, betapapun
hati-hatinya kita dalam mengganti mereka yang menolak atau tidak pernah ditemukan, kesalahan pengambilan sampel
kemungkinan akan meningkat.
Dengan catatan personel yang tersedia di universitas dan populasi yang terkonsentrasi secara geografis,
metode sampling probabilitas dimungkinkan dalam studi klub makan. Direktori universitas umumnya
tersedia, dan biaya menggunakan sampel acak sederhana tidak akan besar di sini. Kemudian, karena para
peneliti sedang memikirkan investasi besar di klub makan, mereka sangat yakin bahwa mereka memiliki
sampel yang representatif. Analisis yang sama berlaku untuk MindWriter: Kerangka sampel sudah tersedia,
membuat sampel probabilitas menjadi mungkin dan mungkin.
Meskipun teknik sampling cluster probabilitas tersedia untuknya, jelas bahwa Burbidge memilih nonprobability
sampling, secara sewenang-wenang memilih rute bus 99 sebagai sampel penilaian dan mencoba untuk mensurvei semua
orang yang naik bus selama waktu yang dia pilih untuk naik. Apa yang mendorongnya ke keputusan ini kemungkinan besar
yang membuat peneliti beralih ke pengambilan sampel nonprobabilitas dalam situasi lain: kemudahan, kecepatan, dan
biaya.

Berapa Ukuran Sampel yang Dibutuhkan?

Banyak cerita rakyat seputar pertanyaan ini. Mitos yang paling umum adalah (1) sampel harus besar atau
tidak representatif dan (2) sampel harus memiliki hubungan proporsional dengan ukuran populasi dari
mana sampel itu diambil. Dengan sampel nonprobabilitas, peneliti mengkonfirmasi mitos ini
 >bab 14 Contoh 349

menggunakan jumlah subkelompok, aturan praktis, dan pertimbangan anggaran untuk menentukan ukuran
sampel. Dalam sampling probabilitas, seberapa besar sampel seharusnya merupakan fungsi dari variasi parameter
populasi yang diteliti dan ketepatan estimasi yang dibutuhkan oleh peneliti. Beberapa prinsip yang mempengaruhi
ukuran sampel antara lain:

• Semakin besar dispersi atau varians dalam populasi, semakin besar sampel harus
memberikan presisi estimasi.
• Semakin besar presisi estimasi yang diinginkan, semakin besar sampel yang harus diambil.

• Semakin sempit atau kecil rentang kesalahan, semakin besar sampel yang harus diambil.

• Semakin tinggi tingkat kepercayaan dalam estimasi, semakin besar sampel yang harus diambil.

• Semakin besar jumlah subkelompok kepentingan dalam sampel, semakin besar ukuran sampel harus, karena
setiap subkelompok harus memenuhi persyaratan ukuran sampel minimum.

Pertimbangan biaya mempengaruhi keputusan tentang ukuran dan jenis sampel dan metode pengumpulan
data. Hampir semua studi memiliki beberapa kendala anggaran, dan ini dapat mendorong peneliti untuk
menggunakan sampel nonprobabilitas. Survei sampel probabilitas mengeluarkan biaya daftar untuk kerangka
sampel, panggilan balik biaya, dan berbagai biaya lain yang tidak diperlukan ketika sampel nonprobabilitas
digunakan. Tetapi ketika metode pengumpulan data diubah, jumlah dan jenis data yang dapat diperoleh juga
berubah. Perhatikan pengaruh anggaran $2.000 pada pertimbangan pengambilan sampel :

• Pengambilan sampel acak sederhana: $25 per wawancara; 80 wawancara selesai.

• Pengambilan sampel klaster geografis: $20 per wawancara; 100 wawancara selesai.
• Kuesioner yang dikelola sendiri: $12 per responden; 167 instrumen selesai.
• Wawancara telepon: $10 per responden; 200 wawancara selesai.11

Untuk CityBus, biaya pengambilan sampel preferensi surat kabar pengendara untuk menemukan tempat
menjalankan pengumuman konfigurasi-rute harus jauh lebih rendah daripada biaya menjalankan iklan di
harian East City dan West City. Jadi, prosedur pengambilan sampel penilaian nonprobabilitas yang
digunakan Burbidge adalah logis dari sudut pandang anggaran. Investasi yang dibutuhkan untuk membuka
klub makan di Metro U juga membenarkan pendekatan probabilitas yang lebih hati-hati yang diambil oleh
para mahasiswa. Untuk MindWriter, investasi dalam CompleteCare telah dilakukan; Jason harus sangat
yakin bahwa rekomendasinya untuk mengubah prosedur dan kebijakan CompleteCare tepat sasaran dan
didukung sepenuhnya oleh data yang dikumpulkan. Pertimbangan ini membenarkan pendekatan sampling
probabilitas MindWriter.

> Pengambilan Sampel Probabilitas

Contoh acak sederhana

Sampel acak sederhana yang tidak dibatasi adalah bentuk sampling probabilitas yang paling murni. Karena semua sampel
probabilitas harus memberikan probabilitas pemilihan bukan nol yang diketahui untuk setiap elemen populasi, maka
sampel acak sederhana dianggap sebagai kasus khusus di mana setiap elemen populasi memiliki peluang seleksi
yang diketahui dan sama.

Peluang terpilih 5 __S_a_m __p_le__s_iz_e__

Ukuran populasi

Studi klub makan Metro U memiliki populasi 20.000 orang. Jika ukuran sampel adalah 300, kemungkinan terpilihnya adalah
1,5 persen (300/20.00050,015). Pada bagian ini, kami menggunakan sampel acak sederhana untuk membangun landasan
untuk memahami prosedur pengambilan sampel dan memilih sampel probabilitas. Sampel acak sederhana mudah
diterapkan dengan panggilan otomatis (panggilan acak) dan dengan sistem respons suara terkomputerisasi. Namun,
metode ini memerlukan daftar elemen populasi, dapat memakan waktu dan mahal, dan dapat memerlukan ukuran sampel
yang lebih besar daripada metode probabilitas lainnya. Exhibit#14-4 memberikan gambaran tentang langkah-langkah yang
terlibat dalam memilih sampel acak.
350 >bagian III Sumber dan Pengumpulan Data

>Pameran 14-4 Cara Memilih Sampel Acak

Memilih contoh acak dilakukan dengan bantuan perangkat lunak komputer, tabel angka acak, atau kalkulator dengan generator angka acak. Menggambar
slip dari topi atau bola Ping-Pong dari drum berfungsi sebagai alternatifjika setiap elemen dalam kerangka sampling memiliki peluang yang sama untuk
dipilih. Mencampur slip (atau bola) dan mengembalikannya di antara setiap pilihan memastikan bahwa setiap elemen memiliki kemungkinan yang sama
untuk dipilih seperti yang lainnya.
Tabel angka acak (seperti Lampiran D, Tampilan D-10) adalah solusi praktis ketika tidak ada program perangkat lunak yang tersedia. Tabel
angka acak berisi angka yang tidak memiliki organisasi sistematis. Apakah Anda melihat baris, kolom, atau diagonal, Anda tidak akan menemukan
urutan atau urutan. Exhibit C-10 dalam Appendix C disusun menjadi 10 kolom string lima digit, tetapi ini semata-mata untuk keterbacaan.

Asumsikan peneliti menginginkan sampel 10 dari populasi 95 elemen. Bagaimana peneliti akan memulai?

1. Tetapkan setiap elemen dalam kerangka pengambilan sampel dengan nomor unik dari 01 hingga 95.

2. Identifikasi awal acak dari tabel nomor acak. Jatuhkan pensil terlebih dahulu ke meja dengan mata tertutup. Katakanlah
titik pensil mendarat di kolom kedelapan dari kiri dan 10 angka turun dari atas Tampilan C-10, menandai lima digit!
05067.

3. Tentukan bagaimana digit dalam tabel bilangan acak akan ditetapkan ke kerangka sampling untuk memilih ukuran sampel yang ditentukan
(peneliti setuju untuk membaca dua digit pertama dalam kolom ini ke bawah sampai 10 dipilih).

4. Pilih elemen sampel dari kerangka sampling (05, 27, 69, 94, 18, 61, 36, 85, 71, dan 83 menggunakan proses di atas. (Digit 94
muncul dua kali dan instance kedua dihilangkan; 00 dihilangkan karena kerangka sampling dimulai dengan 01.)

Pendekatan lain untuk memilih angka tidak terbatas: horizontal kanan ke kiri, bawah ke atas, diagonal melintasi kolom, dan seterusnya.
Pemilihan komputer dari sampel acak sederhana akan lebih efisien untuk proyek yang lebih besar.

Pengambilan Sampel Probabilitas Kompleks

Pengambilan sampel acak sederhana seringkali tidak praktis. Alasannya antara lain (1) memerlukan daftar populasi
(sampling frame) yang seringkali tidak tersedia; (2) gagal menggunakan semua informasi tentang suatu populasi,
sehingga menghasilkan desain yang mungkin boros; dan (3) mungkin mahal untuk diterapkan baik dalam waktu
maupun uang. Masalah-masalah ini telah menyebabkan pengembangan desain alternatif yang lebih unggul dari
desain acak sederhana dalam efisiensi statistik dan/atau ekonomi.
Sampel yang lebih efisien dalam pengertian statistik adalah sampel yang memberikan presisi tertentu (kesalahan standar rata-
rata atau proporsi) dengan ukuran sampel yang lebih kecil. Sampel yang secara ekonomi lebih efisien adalah sampel yang
memberikan presisi yang diinginkan dengan biaya dolar yang lebih rendah. Kami mencapai ini dengan desain yang memungkinkan
kami untuk menurunkan biaya pengumpulan data, biasanya melalui pengurangan biaya perjalanan dan waktu pewawancara.

Dalam pembahasan berikut, empat alternatif pendekatan sampling probabilitas dipertimbangkan:

(1)#sampling sistematis, (2) sampling bertingkat, (3) sampling klaster, dan (4) sampling ganda.

Pengambilan Sampel Sistematis

Sebuah bentuk serbaguna dari sampling probabilitas adalah pengambilan sampel secara sistematis. Dalam pendekatan
ini, setiap kelemen dalam populasi dijadikan sampel, dimulai dengan awal acak dari elemen dalam kisaran 1 hingga#k. Itu k
elemen ke-, atau lewati interval, ditentukan dengan membagi ukuran sampel ke dalam ukuran populasi untuk
mendapatkan pola lompatan yang diterapkan pada kerangka sampel. Ini mengasumsikan bahwa kerangka sampel adalah
daftar populasi yang akurat; jika tidak, jumlah elemen dalam kerangka sampel diganti dengan ukuran populasi.

______
k 5 Lewati interval 5 _Ukuran populasi
Ukuran sampel

Keuntungan utama dari sampling sistematis adalah kesederhanaan dan "fleksibilitasnya. Lebih mudah untuk menginstruksikan
pekerja lapangan untuk memilih unit tempat tinggal yang terdaftar di setiap kbaris lembar daftar daripada menggunakan acak
 >bab 14 Contoh 351

tabel angka. Dengan sampling sistematis, tidak perlu memberi nomor entri dalam jumlah personel yang besar sebelum
mengambil sampel. Untuk menggambar sampel sistematis, lakukan hal berikut:

• Identifikasi, daftar, dan beri nomor elemen-elemen dalam populasi.

• Identifikasi interval lewati (k).

• Identifikasi awal yang acak.

• Gambarlah sampel dengan memilih setiap kentri ke.

Faktur atau akun pelanggan dapat diambil sampelnya dengan menggunakan digit terakhir atau kombinasi digit
dari faktur atau nomor akun pelanggan. Pengambilan sampel waktu juga mudah dilakukan. Pengambilan sampel
sistematis akan menjadi teknik yang tepat untuk evaluasi program CompleteCare MindWriter.
Pengambilan sampel yang sistematis dapat menimbulkan bias yang tidak kentara. Kekhawatiran dengan pengambilan sampel
sistematis adalah mungkinperiodisitas dalam populasi yang sejajar dengan rasio sampling. Dalam pengambilan sampel penjualan
restoran makanan penutup dengan menggambar hari dalam setahun, interval lompatan 7 akan menghasilkan hasil yang bias, tidak
peduli hari mana yang memberikan awal acak. Kasus yang kurang jelas mungkin melibatkan survei di area bangunan apartemen di
mana pola tipikalnya adalah delapan apartemen per bangunan. Interval lompatan 8 dapat dengan mudah melakukan oversample
beberapa jenis apartemen dan undersample lainnya.
Kesulitan lain mungkin muncul ketika ada tren monoton dalam elemen populasi. Artinya, daftar populasi
bervariasi dari elemen terkecil hingga terbesar atau sebaliknya. Bahkan daftar kronologis mungkin memiliki
efek ini jika suatu ukuran cenderung ke satu arah dari waktu ke waktu. Apakah sampel sistematis yang
diambil dalam kondisi ini memberikan perkiraan bias dari rata-rata atau proporsi populasi tergantung pada
penarikan acak awal. Asumsikan bahwa daftar 2.000 bank komersial dibuat, disusun dari yang terbesar ke
yang terkecil, dari mana sampel 50 harus diambil untuk analisis. Interval lompatan 40#dimulai dengan awal
acak pada 16 akan mengecualikan 15 bank terbesar dan memberikan bias ukuran kecil pada !temuan.

Satu-satunya perlindungan terhadap bias halus ini adalah kewaspadaan konstan oleh peneliti. Beberapa cara untuk menghindari
bias tersebut antara lain:

• Acak populasi sebelum pengambilan sampel (misalnya, urutkan bank berdasarkan nama daripada ukuran).
• Ubah awal acak beberapa kali dalam proses pengambilan sampel.
• Replikasi pilihan sampel yang berbeda.
Meskipun sampling sistematis memiliki beberapa masalah teoritis, dari sudut pandang praktis biasanya
diperlakukan sebagai sampel acak sederhana. Ketika elemen populasi yang serupa dikelompokkan dalam kerangka
sampling, sampling sistematis secara statistik lebih efisien daripada sampel acak sederhana. Ini mungkin terjadi
jika elemen yang terdaftar diurutkan secara kronologis, berdasarkan ukuran, berdasarkan kelas, dan seterusnya.
Dalam kondisi tersebut, sampel mendekati sampel berlapis proporsional. Pengaruh pengurutan ini lebih nyata
pada hasil sampel klaster daripada sampel elemen dan mungkin memerlukan formula sampling bertingkat
proporsional.12

Pengambilan Sampel Berstratifikasi

Sebagian besar populasi dapat dipisahkan menjadi beberapa subpopulasi yang saling eksklusif, atau strata.
Proses di mana sampel dibatasi untuk memasukkan elemen dari masing-masing segmen disebut
sampling acak bertingkat. Mahasiswa dapat dibagi berdasarkan tingkat kelas, sekolah atau jurusan, jenis
kelamin, dan sebagainya. Setelah populasi dibagi ke dalam strata yang sesuai, sampel acak sederhana dapat
diambil dalam setiap strata. Hasil dari studi tersebut kemudian dapat dibobot (berdasarkan proporsi strata
terhadap populasi) dan digabungkan menjadi perkiraan populasi yang sesuai.
Ada tiga alasan peneliti memilih sampel acak berlapis: (1) untuk meningkatkan efisiensi statistik sampel, (2) untuk
menyediakan data yang memadai untuk menganalisis berbagai subpopulasi atau strata, dan (3) untuk memungkinkan
metode penelitian yang berbeda. dan prosedur yang akan digunakan dalam strata yang berbeda.13

Strati!kasi biasanya lebih efisien secara statistik daripada sampling acak sederhana dan paling buruk
sama dengan itu. Dengan stratifikasi ideal, setiap strata homogen secara internal dan heterogen dengan
strata lainnya. Ini mungkin terjadi dalam sampel yang mencakup anggota dari beberapa kelompok etnis
yang berbeda. Dalam hal ini, stratifikasi membuat peningkatan nyata dalam efisiensi statistik.
352 >bagian III Sumber dan Pengumpulan Data

>Menutupnaik
Sistem Keynote Menguji Kekuatan Pencarian

Keynote Systems dua kali setahun mengevaluasi kinerja lima mesin pencari, termasuk pemimpin pasar Google, AOL pangsa pasar, Google memiliki pengakuan yang kuat dan cenderung

Search, Yahoo! Cari, Ask.com, dan Pencarian MSN. Keynote, "pemimpin di seluruh dunia dalam layanan yang menetapkan standar dalam desain situs pencarian. Apakah mereknya begitu

meningkatkan kinerja bisnis online dan teknologi komunikasi," menggunakan panel online untuk melakukan kuat sehingga dapat memengaruhi sikap bahkan dalam menghadapi

"pengujian situs Web interaktif untuk menilai pengalaman pengguna," yang menguraikan tidak hanya bagaimana pengalaman kinerja yang saling bertentangan? Jika merek bukan merupakan

orang menggunakan mesin pencari, tetapi mengapa mereka mencari saat mereka melakukan. Keynote faktor, mesin pencari mana yang akan menghasilkan hasil yang paling

mengalokasikan peserta dan perlakuan eksperimental seperti pada Tampilan 14-5: 2.000 orang diambil secara acak memuaskan dan bermanfaat, hasil bersponsor terbaik, dan presentasi serta

dari lebih dari 160.000 anggota panel dan diundang untuk berpartisipasi melalui email. Mereka ditugaskan secara desain terbaik? Keynote ingin merancang eksperimen yang akan

acak ke dalam lima kelompok yang terdiri dari 400 orang; setiap grup diberi mesin pencari tertentu. Apakah peserta menunjukkan kekuatan merek mesin telusur. Untuk melakukan itu, mereka

memiliki pengalaman dengan mesin tertentu bukanlah kriteria untuk penugasan. Setiap grup diberi serangkaian perlu menghapus identitas merek dari hasil pencarian. Solusinya adalah

tugas pencarian, dimulai dengan tugas umum— Pikirkan tentang apa pun yang ingin Anda cari; pergi dan cari itu— merancang situs web mesin pencari yang tampak generik dan halaman

untuk tugas yang lebih spesifik—temukan perusahaan lokal, produk, gambar, dan item berita. Setiap grup yang format hasil, memasukkan hasil pencarian aktual ke dalam format
dialokasikan mesin pencari pada dasarnya melakukan serangkaian tugas yang sama. Dari aktivitas mereka, Keynote generiknya.

menghasilkan 250.000 metrik (termasuk waktu yang terlibat dalam pencarian, apakah pencarian berhasil, dll.). Ini
mencocokkan metrik ini dengan data survei yang digunakan untuk mengukur kepuasan, kesulitan yang dirasakan,
dan frustrasi tertentu. Dari data gabungan ini berkembang beberapa indeks. Setiap grup yang dialokasikan mesin
pencari pada dasarnya melakukan serangkaian tugas yang sama. Dari aktivitas mereka, Keynote menghasilkan
250.000 metrik (termasuk waktu yang terlibat dalam pencarian, apakah pencarian berhasil, dll.). Ini mencocokkan
metrik ini dengan data survei yang digunakan untuk mengukur kepuasan, kesulitan yang dirasakan, dan frustrasi
tertentu. Dari data gabungan ini berkembang beberapa indeks. Setiap grup yang dialokasikan mesin pencari pada
dasarnya melakukan serangkaian tugas yang sama. Dari aktivitas mereka, Keynote menghasilkan 250.000 metrik
(termasuk waktu yang terlibat dalam pencarian, apakah pencarian berhasil, dll.). Ini mencocokkan metrik ini dengan
data survei yang digunakan untuk mengukur kepuasan, kesulitan yang dirasakan, dan frustrasi tertentu. Dari data
gabungan ini berkembang beberapa indeks.
“Salah satu hal yang kami catat dari serangkaian tes tersebut adalah
bahwa Google berulang kali menerima sambutan hangat, bahkan dalam
kasus di mana ukuran kinerja menceritakan kisah yang berbeda,” berbagi
konsultan riset senior Lance Jones. Dengan hampir 60 persen
Untuk uji kekuatan merek (Gambar 14-6) 2.000 peserta dibagi
lagi menjadi lima kelompok dan ditugaskan satu mesin pencari.
Kali ini, bagaimanapun, setengah dari peserta ditugaskan ke grup
bermerek (tidak 5 200) dan akan melihat hasilnya dengan baris
teks "Hasil yang dibawa ke Anda oleh Yahoo/Google/Ask, dll.";
setengah lainnya (tidak 5 200) akan melihat hasil yang sama tetapi
tanpa baris notasi merek (tidak 5 200). Kelima mesin pencari diuji
menggunakan tugas yang dilakukan dalam tes standar dua kali
setahun, tetapi semua hasil yang dilihat oleh peserta sebenarnya
dihasilkan menggunakan mesin pencari yang ditetapkan,
kemudian dimasukkan ke dalam presentasi hasil umum.
“Halaman hasil dikirim langsung dan peserta tidak akan
merasakan perbedaan dalam waktu yang telah berlalu, karena
hasilnya dikirim dalam milidetik dari apa yang akan dikirimkan
oleh pencarian standar,” jelas Jones. Pengujian menghasilkan
1.600 kueri yang menghasilkan 12!metrik yang berbeda.

>Pameran 14-5 Alokasi Peserta dalam Tes Mesin Pencari

Peserta Eksperimen
(n = 2000)

Mesin Pencari Grup A Tugas Umum

(n = 400) (n = 200)

Grup B Mesin Pencari Tugas Lokal bahan makanan

(n = 400) (n = 200) (n = 200)

Tugas Produk Restoran

Grup C Mesin Pencari
(n = 200) (n = 200)
(n = 400)

Tugas Gambar Film

Grup D Mesin Pencari (n = 200) (n = 200)
(n = 400)

Tugas Item Baru Pilih Sendiri

Grup E Mesin Pencari (n = 200) (n = 200)
(n = 400)
 >bab 14 Contoh 353

>Menutupnaiklanjutan
>Pameran 14-6 Alokasi Peserta dalam Uji Kekuatan Merek

Peserta Eksperimen Grup Bermerek Tugas Umum

(n = 2000) (n = 200) (n = 200)

Tugas Lokal bahan makanan

Mesin Pencari Grup A (n = 200) (n = 200)

(n = 400)
Tugas Produk Restoran
Grup B Mesin Pencari (n = 200) (n = 200)
(n = 400)
Tugas Gambar Film
(n = 200) (n = 200)
Grup C Mesin Pencari
(n = 400)
Tugas Item Baru Pilih Sendiri
(n = 200) (n = 200)
Grup D Mesin Pencari
(n = 400)
Grup Tanpa Merek Tugas Umum
(n = 200) (n = 200)
Grup E Mesin Pencari
(n = 400)
Tugas Lokal bahan makanan

(n = 200) (n = 200)

Tugas Produk Restoran

(n = 200) (n = 200)

Tugas Gambar Film

(n = 200) (n = 200)

Tugas Item Baru Pilih Sendiri

(n = 200) (n = 200)

Apakah merek kuat? Berikut adalah beberapa sampel hasil untuk mengirimkan 800; Kepuasan hasil yang disponsori Google adalah 763!(tidak

Google; perlu diingat bahwa grup bermerek dan grup tidak bermerek) dibandingkan dengan 809 (bermerek); kepuasan desain penuh

bermerek melihat halaman hasil yang sama persis. Pada grup adalah 753 (tidak bermerek) dibandingkan dengan 806 (bermerek). Evaluasi

tidak bermerek, skor kepuasan hasil Google yang dihitung adalah desain sampel ini.

732 (pada skala 1.000 poin), sedangkan grup bermerek www.keynote.com

Ini juga berguna ketika peneliti ingin mempelajari karakteristik subkelompok populasi tertentu. Jadi, jika seseorang
ingin menarik beberapa kesimpulan tentang kegiatan di kelas yang berbeda dari sebuah badan siswa, sampling bertingkat
akan digunakan. Demikian pula, jika sebuah restoran tertarik untuk menguji perubahan menu untuk menarik pelanggan
yang lebih muda sambil mempertahankan pelanggan yang lebih tua dan setia, pengambilan sampel bertingkat
menggunakan usia dan patronase sebelumnya sebagai deskriptor akan sesuai. Stratifikasi juga diperlukan ketika metode
pengumpulan data yang berbeda diterapkan di berbagai bagian populasi, desain penelitian yang menjadi semakin umum.
Ini mungkin terjadi ketika kita mensurvei karyawan perusahaan di rumah kantor dengan satu metode tetapi harus
menggunakan pendekatan yang berbeda dengan karyawan yang tersebar di seluruh tanah air.
Jika data tersedia yang menjadi dasar keputusan stratifikasi, bagaimana kita akan melakukannya?14 Stratifikasi yang ideal
akan didasarkan pada variabel utama yang diteliti. Jika perhatian utama adalah untuk mengetahui seberapa sering per
bulan pelanggan akan menggunakan klub makan Metro U, maka orang ingin membuat stratifikasi pada jumlah
kesempatan penggunaan yang diharapkan ini. Satu-satunya kesulitan dengan ide ini adalah jika kita mengetahui informasi
ini, kita tidak perlu melakukan penelitian. Oleh karena itu, kita harus memilih variabel untuk stratifikasi yang kita yakini
akan berkorelasi dengan frekuensi penggunaan klub per bulan, seperti hari kerja atau jadwal kelas sebagai indikasi kapan
elemen sampel mungkin berada di dekat kampus pada waktu makan.
Peneliti sering memiliki beberapa variabel penting yang ingin mereka tarik kesimpulannya. Pendekatan yang masuk
akal adalah mencari beberapa dasar untuk stratifikasi yang berkorelasi baik dengan variabel-variabel utama. Ini mungkin
variabel tunggal (tingkat kelas), atau mungkin variabel majemuk (kelas menurut jenis kelamin). Bagaimanapun, kita akan
melakukan pekerjaan stratifikasi yang baik jika basis stratifikasi memaksimalkan perbedaan antara rata-rata strata dan
meminimalkan varians dalam strata untuk variabel-variabel yang menjadi perhatian utama.
354 >bagian III Sumber dan Pengumpulan Data

Semakin banyak strata yang digunakan, semakin dekat Anda untuk memaksimalkan perbedaan antar strata
(perbedaan antar strata) dan meminimalkan varians intrastratum (perbedaan dalam strata tertentu). Anda harus
mendasarkan keputusan sebagian pada jumlah kelompok subpopulasi yang ingin Anda tarik kesimpulannya secara
terpisah. Biaya stratifikasi juga masuk dalam keputusan. Semakin banyak strata yang Anda miliki, semakin tinggi
biaya proyek penelitian karena biaya yang terkait dengan pengambilan sampel yang lebih rinci. Ada sedikit yang
bisa diperoleh dalam memperkirakan nilai populasi ketika jumlah strata melebihi enam.15

Ukuran sampel strata dihitung dengan dua informasi: (1) seberapa besar sampel total yang seharusnya
dan (2) bagaimana sampel total harus dialokasikan di antara strata. Dalam memutuskan bagaimana
mengalokasikan sampel total di antara berbagai strata, ada pilihan proporsional dan tidak proporsional.

Pengambilan Sampel yang Proporsional versus Tidak Proporsional Di pengambilan sampel bertingkat proporsional,
setiap strata terwakili dengan baik sehingga ukuran sampel yang diambil dari strata sebanding
dengan bagian strata dari total populasi. Pendekatan ini lebih populer daripada prosedur sampling
bertingkat lainnya. 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 hanya dengan
menghitung rata-rata atau proporsi dari semua kasus sampel, menghilangkan pembobotan tanggapan.

Di sisi lain, sampel strata!ed proporsional sering mendapatkan sedikit efisiensi statistik jika
ukuran strata dan varians mereka serupa untuk variabel utama yang diteliti.
Setiap stratifikasi yang menyimpang dari hubungan proporsional adalah sampling bertingkat yang tidak
proporsional. Ada beberapa skema alokasi yang tidak proporsional. Salah satu jenis adalah disproporsi yang ditentukan
berdasarkan pertimbangan berdasarkan gagasan bahwa setiap strata cukup besar untuk menjamin tingkat kepercayaan
yang memadai dan perkiraan rentang kesalahan untuk strata individu. Tabel berikut menunjukkan hubungan antara
sampling bertingkat proporsional dan tidak proporsional.

Sebanding tidak proporsional

Lapisan Populasi Sampel Sampel

Pria 45% 45% 35%

Perempuan 55 55 65

Namun, seorang peneliti membuat keputusan mengenai pengambilan sampel yang tidak proporsional, dengan mempertimbangkan

bagaimana sampel akan dialokasikan di antara strata. Seorang penulis menyatakan,

Dalam strata tertentu, ambil sampel yang lebih besar jika strata lebih besar dari strata lainnya; strata lebih bervariasi secara internal; dan
pengambilan sampel lebih murah di strata.16

Jika seseorang menggunakan saran-saran ini sebagai panduan, adalah mungkin untuk mengembangkan skema stratifikasi yang
optimal. Ketika tidak ada perbedaan dalam varians intrastratum dan ketika biaya pengambilan sampel antar strata sama, desain
yang optimal adalah sampel proporsional.
Sementara pengambilan sampel yang tidak proporsional secara teoritis lebih unggul, ada beberapa pertanyaan apakah itu
memiliki penerapan yang luas dalam arti praktis. Jika perbedaan biaya pengambilan sampel atau varians antar strata besar, maka
pengambilan sampel yang tidak proporsional diinginkan. Telah disarankan bahwa "perbedaan beberapa kali lipat diperlukan untuk
membuat pengambilan sampel yang tidak proporsional bermanfaat."17

Proses pengambilan sampel bertingkat adalah:

• Tentukan variabel yang akan digunakan untuk stratifikasi.

• Tentukan proporsi variabel stratifikasi dalam populasi.
• Pilih stratifikasi proporsional atau tidak proporsional berdasarkan kebutuhan dan risiko informasi proyek.
• Bagilah kerangka pengambilan sampel menjadi kerangka terpisah untuk setiap strata.
• Acak elemen-elemen dalam kerangka sampling setiap strata.
• Ikuti prosedur acak atau sistematis untuk mengambil sampel dari setiap strata.
 >bab 14 Contoh 355

>Pameran 14-7 Perbandingan Stratifikasi dan Cluster Sampling

Pengambilan Sampel Bertingkat Pengambilan Sampel Klaster

1. Kami membagi populasi menjadi beberapa subkelompok. 1. Kami membagi populasi menjadi banyak subkelompok.

• Setiap subkelompok memiliki banyak elemen di dalamnya. • Setiap subkelompok memiliki beberapa elemen di dalamnya.

• Subkelompok dipilih menurut beberapa kriteria • Subkelompok dipilih menurut beberapa kriteria kemudahan atau
yang terkait dengan variabel yang diteliti. ketersediaan dalam pengumpulan data.

2. Kami mencoba mengamankan Homogenitas dalam subkelompok. 2. Kami mencoba mengamankan heterogenitas dalam subkelompok.

3. Kami mencoba mengamankan heterogenitas antar subkelompok. 3. Kami mencoba mengamankan Homogenitas antar subkelompok.

4. Kami memilih secara acak elemen dari dalam setiap 4. Kami secara acak memilih beberapa subgrup yang biasanya kita pelajari
subkelompok. secara mendalam.

Pengambilan Sampel Klaster

Dalam sampel acak sederhana, setiap elemen populasi dipilih secara individual. Populasi juga dapat dibagi menjadi
kelompok-kelompok elemen dengan beberapa kelompok yang dipilih secara acak untuk dipelajari. Ini adalah
pengambilan sampel klaster. Pengambilan sampel klaster berbeda dari pengambilan sampel bertingkat dalam beberapa hal, seperti yang ditunjukkan

pada Tampilan 14-7.

Dua kondisi mendorong penggunaan sampling cluster: (1) kebutuhan akan efisiensi ekonomi yang lebih besar daripada
yang dapat disediakan oleh sampling acak sederhana dan (2) seringnya tidak tersedianya kerangka sampling praktis untuk
elemen-elemen individual.
Efisiensi statistik untuk sampel cluster biasanya lebih rendah daripada sampel acak sederhana
karena cluster sering tidak memenuhi kebutuhan akan heterogenitas dan, sebaliknya, homogen.
Misalnya, keluarga di blok yang sama (cluster tipikal) adalah sering serupa dalam kelas sosial, tingkat
pendapatan, asal etnis, dan sebagainya Meskipun efisiensi statistik di sebagian besar sampel klaster
mungkin rendah, efisiensi ekonomi seringkali cukup besar untuk mengatasi kelemahan ini. relatif e

690 antar

Sebuah biaya rendah,

sering digunakan
metode,
klaster daerah
sampel mungkin

gunakan geografis
unit sampel
(misalnya, blok kota).
356 >bagian III Sumber dan Pengumpulan Data

jika biayanya hanya $5 per wawancara dalam situasi cluster dan $10 dalam kasus acak sederhana, sampel
cluster lebih menarik ($3,450 versus $4,240).

Pengambilan Sampel Area Banyak penelitian melibatkan populasi yang dapat diidentifikasi dengan beberapa wilayah geografis.
Ketika ini terjadi, dimungkinkan untuk menggunakanpengambilan sampel daerah, bentuk yang paling penting dari cluster
sampling. Metode ini mengatasi masalah biaya pengambilan sampel yang tinggi dan tidak tersedianya kerangka pengambilan
sampel yang praktis untuk elemen individu. Metode pengambilan sampel area telah diterapkan pada populasi nasional, populasi
kabupaten, dan bahkan area yang lebih kecil di mana ada batas-batas politik atau alam yang jelas.
Misalkan Anda ingin mensurvei penduduk dewasa sebuah kota. Anda jarang dapat mengamankan daftar orang-orang
seperti itu. Akan tetapi, akan mudah untuk mendapatkan peta kota terperinci yang menunjukkan blok-blok kota. Jika Anda
mengambil sampel dari blok-blok ini, Anda juga mengambil sampel penduduk kota yang sudah dewasa.

Rancangan Dalam merancang sampel cluster, termasuk sampel area, kita harus menjawab beberapa pertanyaan:

1. Seberapa homogen cluster yang dihasilkan?

2. Haruskah kita mencari klaster dengan ukuran yang sama atau tidak dengan ukuran yang sama?

3. Berapa besar cluster yang akan kita ambil?

4. Apakah kita akan menggunakan cluster single-stage atau multistage?

5. Berapa besar sampel yang dibutuhkan?

1. Ketika klaster homogen, ini berkontribusi pada efisiensi statistik yang rendah. Terkadang satu
dapat meningkatkan efisiensi ini dengan membangun cluster untuk meningkatkan varians intracluster. Dalam studi klub makan,
peneliti mungkin telah memilih kursus sebagai sebuah cluster, memilih untuk mengambil sampel semua siswa dalam kursus itu jika
itu mendaftarkan siswa dari keempat tahun kelas. Atau mungkin mereka bisa memilih kantor departemen yang memiliki fakultas,
staf, dan posisi administrasi serta pekerja mahasiswa. Dalam pengambilan sampel area untuk meningkatkan varians intracluster,
peneliti dapat menggabungkan ke dalam satu cluster yang berdampingan dengan blok yang berisi kelompok pendapatan atau kelas
sosial yang berbeda.

2. Sampel cluster dapat terdiri dari cluster dengan ukuran yang sama atau tidak sama. Teori klaster-
ing adalah bahwa rata-rata dari kelompok sampel adalah perkiraan yang tidak bias dari rata-rata populasi. Ini lebih sering terjadi
ketika cluster secara alami sama, seperti rumah tangga di blok kota. Sementara seseorang dapat menangani kelompok dengan
ukuran yang tidak sama, mungkin diinginkan untuk mengurangi atau melawan efek dari ukuran yang tidak sama. Ada beberapa
pendekatan untuk ini:

• Gabungkan cluster kecil dan pisahkan cluster besar hingga masing-masing mendekati ukuran rata-rata.

• Stratifikasi cluster berdasarkan ukuran dan pilih cluster dari setiap strata.

• Stratifikasi klaster berdasarkan ukuran dan kemudian subsampel, menggunakan fraksi pengambilan sampel yang bervariasi untuk mengamankan rasio pengambilan
sampel secara keseluruhan.18

3. Tidak ada sebuah prioritas menjawab pertanyaan ukuran cluster yang ideal. Membandingkan efisiensi perbedaan
ukuran cluster mengharuskan kami menemukan biaya yang berbeda untuk setiap ukuran dan memperkirakan varians yang berbeda
dari rata-rata cluster. Bahkan dengan klaster tahap tunggal (di mana peneliti mewawancarai atau mengamati setiap elemen dalam
klaster), tidak jelas ukuran mana (katakanlah, 5, 20, atau 50) yang lebih unggul. Beberapa telah menemukan bahwa dalam studi
menggunakan cluster area satu tahap, ukuran cluster yang optimal tidak lebih besar dari blok kota yang khas.19

4. Mengenai desain cluster satu tahap atau multitahap, untuk sebagian besar pengambilan sampel area skala besar,
kecenderungannya adalah menggunakan desain multistage. Beberapa situasi membenarkan pengambilan sampel dalam sebuah cluster, dalam
preferensi untuk pembuatan langsung cluster yang lebih kecil dan mengambil sensus cluster itu menggunakan pengambilan sampel cluster
satu tahap:20

• Cluster alami mungkin ada sebagai unit pengambilan sampel yang nyaman namun, karena alasan ekonomi, mungkin lebih besar dari
ukuran yang diinginkan.

• Kita dapat menghindari biaya pembuatan cluster yang lebih kecil di seluruh populasi dan membatasi subsampling
hanya pada cluster alami yang besar.

• Pengambilan sampel kelompok yang kompak secara alami dapat menimbulkan kesulitan praktis. Misalnya,
wawancara independen terhadap semua anggota rumah tangga mungkin tidak praktis.

5. Jawaban berapa banyak subjek yang harus diwawancarai atau diobservasi sangat tergantung pada spesifikasinya
desain cluster, dan detailnya bisa rumit. Cluster yang tidak setara dan sampel multistage adalah yang utama
 >bab 14 Contoh 357

komplikasi, dan perlakuan statistiknya berada di luar cakupan buku ini.21 Di sini kita hanya akan memperlakukan sampling satu tahap
dengan cluster berukuran sama (disebut pengambilan sampel klaster sederhana). Ini analog dengan pengambilan sampel acak
sederhana. Kita dapat menganggap suatu populasi terdiri dari 20.000 kelompok yang masing-masing terdiri dari satu siswa, atau
2.000 kelompok yang masing-masing terdiri dari 10 siswa, dan seterusnya. Dengan asumsi spesifikasi yang sama untuk presisi dan
keyakinan, kita harus mengharapkan bahwa perhitungan ukuran sampel probabilitas akan sama untuk kedua cluster.

Pengambilan Sampel Ganda

Mungkin lebih mudah atau ekonomis untuk mengumpulkan beberapa informasi dengan sampel dan kemudian
menggunakan informasi ini sebagai dasar untuk memilih subsampel untuk studi lebih lanjut. Prosedur ini disebut
pengambilan sampel ganda, pengambilan sampel berurutan, atau pengambilan sampel multifase. Biasanya
ditemukan dengan desain strati!ed dan/atau cluster. Prosedur perhitungan dijelaskan dalam teks yang lebih maju.
Pengambilan sampel ganda dapat diilustrasikan dengan contoh klub makan. Anda dapat menggunakan survei telepon atau
metode survei murah lainnya untuk mengetahui siapa saja yang tertarik untuk bergabung dengan klub tersebut dan tingkat
ketertarikan mereka. Anda kemudian dapat mengelompokkan responden yang tertarik berdasarkan tingkat minat dan subsampel di
antara mereka untuk wawancara intensif tentang pola konsumsi yang diharapkan, reaksi terhadap berbagai layanan, dan
sebagainya. Apakah lebih diinginkan untuk mengumpulkan informasi seperti itu dengan pengambilan sampel satu tahap atau dua
tahap sangat bergantung pada biaya relatif dari kedua metode tersebut.
Karena banyaknya desain pengambilan sampel yang tersedia, seringkali sulit untuk memilih pendekatan yang
memenuhi kebutuhan pertanyaan penelitian dan membantu mengendalikan biaya proyek. Untuk membantu
dengan pilihan ini, Tampilan 14-8 dapat digunakan untuk membandingkan berbagai keuntungan dan kerugian

>Pameran 14-8 Perbandingan Desain Sampling Probabilitas

Tipe Deskripsi Keuntungan Kekurangan

Acak Sederhana Setiap elemen populasi memiliki Mudah diimplementasikan dengan panggilan otomatis Membutuhkan daftar populasi
Biaya: Tinggi kesempatan yang sama (panggilan angka acak) dan dengan elemen.
Gunakan: Sedang untuk terpilih menjadi sampel. sistem respons suara terkomputerisasi. Membutuhkan lebih banyak waktu untuk diterapkan.

Sampel diambil secara acak Menggunakan ukuran sampel yang lebih besar.

tabel nomor/generator. Menghasilkan kesalahan yang lebih besar.

Sistematis Smemilih elemen populasi
Biaya: Sedang di awal dengan awal acak,
Gunakan: Sedang dan mengikuti interval
lompatan pengambilan
sampel memilih setiap k
elemen ke-.
Sederhana untuk desain. Periodisitas dalam populasi
Lebih mudah digunakan daripada simple random. dapat mengubah sampel dan
Mudah untuk menentukan distribusi sampling hasil.
rata-rata atau proporsi. Jika daftar populasi memiliki mono-
tren tonik, perkiraan bias akan
dihasilkan berdasarkan titik
awal.

Terstratifikasi Membagi populasi menjadi sub- Peneliti mengontrol ukuran sampel di Peningkatan kesalahan akan terjadi jika

Biaya: Tinggi populasi atau strata dan
Gunakan: Sedang menggunakan random sederhana
pada setiap strata. Hasil dapat
ditimbang dan digabungkan.
lapisan. subkelompok dipilih pada
Peningkatan efisiensi statistik. Menyediakan tingkat yang berbeda.
data untuk direpresentasikan dan Terutama mahal jika strata
menganalisis subkelompok. pada populasi harus
Memungkinkan penggunaan metode yang berbeda dalam strata. dibuat.

Gugus Penduduk dibagi menjadi
Biaya: Sedang subkelompok yang heterogen
Gunakan: Tinggi secara internal. Beberapa adalah
dipilih secara acak untuk
pelajaran lanjutan.
Memberikan perkiraan yang tidak bias dari populasi Efisiensi statistik sering lebih rendah
parameter tion jika dilakukan dengan benar. (lebih banyak kesalahan) karena
Secara ekonomi lebih efisien daripada sederhana subkelompok menjadi homogen
acak. daripada heterogen.
Biaya terendah per sampel, terutama dengan
cluster geografis.
Mudah dilakukan tanpa daftar populasi.

Dua kali lipat Proses termasuk mengumpulkan Dapat mengurangi biaya jika tahap pertama menghasilkan Peningkatan biaya jika tidak pandang bulu

(berurutan atau data dari sampel menggunakan data yang cukup untuk membuat stratifikasi atau digunakan secara alami.

multifase) teknik yang telah ditentukan mengelompokkan populasi.

Biaya: Sedang sebelumnya. Berdasarkan informasi

Gunakan: Sedang yang ditemukan, subsampel dipilih
untuk studi lebih lanjut.
358 >bagian III Sumber dan Pengumpulan Data

dari sampling probabilitas. Teknik pengambilan sampel nonprobabilitas dibahas di bagian berikutnya. Mereka
sering digunakan dan menawarkan peneliti keuntungan dari biaya rendah. Namun, mereka tidak didasarkan pada
kerangka teoritis dan tidak beroperasi dari teori statistik; akibatnya, mereka menghasilkan bias seleksi dan sampel
yang tidak representatif. Terlepas dari kelemahan ini, penggunaannya secara luas menuntut disebutkan di sini.

> Pengambilan Sampel Nonprobabilitas

Setiap diskusi tentang manfaat relatif dari sampling probabilitas versus nonprobabilitas jelas menunjukkan keunggulan teknis yang
pertama. Dalam sampling probabilitas, peneliti menggunakan pemilihan elemen secara acak untuk mengurangi atau menghilangkan
bias sampling. Dalam kondisi seperti itu, kita dapat memiliki keyakinan substansial bahwa sampel tersebut mewakili populasi dari
mana sampel itu diambil. Selain itu, dengan desain sampel probabilitas, kita dapat memperkirakan rentang kesalahan di mana
parameter populasi diperkirakan akan turun. Dengan demikian, kita dapat mengurangi tidak hanya kemungkinan kesalahan
pengambilan sampel tetapi juga memperkirakan kisaran kemungkinan kesalahan pengambilan sampel yang ada.

Dengan pendekatan subjektif seperti nonprobability sampling, probabilitas pemilihan elemen populasi tidak
diketahui. Ada berbagai cara untuk memilih orang atau kasus untuk dimasukkan dalam sampel. Seringkali kita
membiarkan pilihan subjek dibuat oleh pekerja lapangan di tempat kejadian. Ketika ini terjadi, ada peluang lebih
besar untuk bias memasuki prosedur pemilihan sampel dan mendistorsi hasil #penelitian. Selain itu, kami tidak
dapat memperkirakan rentang apa pun untuk mengharapkan parameter populasi. Mengingat keuntungan teknis
dari sampling probabilitas dibandingkan nonprobability sampling, mengapa ada orang yang memilih yang
terakhir? Ada beberapa alasan praktis untuk menggunakan metode yang kurang tepat.

Pertimbangan Praktis
Kami dapat menggunakan prosedur pengambilan sampel nonprobabilitas karena prosedur tersebut
memenuhi tujuan pengambilan sampel secara memuaskan. Meskipun sampel acak akan memberi
kita potongan melintang populasi yang sebenarnya, ini mungkin bukan tujuan penelitian. Jika tidak
ada keinginan atau kebutuhan untuk menggeneralisasi parameter populasi, maka kekhawatiran
tentang apakah sampel sepenuhnya mencerminkan populasi seringkali lebih sedikit. Seringkali
peneliti memiliki tujuan yang lebih terbatas. Mereka mungkin hanya mencari kisaran kondisi atau
untuk contoh variasi dramatis Hal ini terutama berlaku dalam penelitian eksplorasi di mana
seseorang mungkin hanya ingin menghubungi orang atau kasus tertentu yang jelas-jelas atipikal
Burbidge mungkin menginginkan sampel probabilitas jika keputusan yang bertumpu pada data
adalah desain aktual dari rute dan jadwal CityBus baru.
Alasan tambahan untuk memilih nonprobability atas probability sampling adalah biaya dan waktu. Pengambilan sampel
probabilitas jelas membutuhkan lebih banyak perencanaan dan panggilan balik berulang untuk memastikan bahwa setiap anggota
sampel yang dipilih dihubungi. Kegiatan ini mahal. Pengambilan sampel nonprobabilitas yang dikendalikan dengan hati-hati
seringkali tampaknya memberikan hasil yang dapat diterima, sehingga penyelidik bahkan mungkin tidak mempertimbangkan
pengambilan sampel probabilitas. Hasil Burbidge dari bus rute 99 akan menghasilkan data yang meragukan, tetapi dia tampaknya
menyadari kekeliruan banyak asumsinya begitu dia berbicara dengan pengemudi bus rute 99—sesuatu yang seharusnya dia lakukan
selama eksplorasi sebelum merancang rencana pengambilan sampel.
Sementara pengambilan sampel probabilitas mungkin lebih unggul dalam teori, ada gangguan dalam penerapannya. Bahkan
prosedur pengambilan sampel acak yang dinyatakan dengan hati-hati dapat dikenakan aplikasi yang ceroboh oleh orang-orang yang
terlibat. Dengan demikian, pengambilan sampel probabilitas yang ideal mungkin hanya dapat dicapai sebagian karena elemen
manusia.
Ada juga kemungkinan bahwa pengambilan sampel nonprobabilitas mungkin merupakan satu-satunya alternatif yang layak.
Total populasi mungkin tidak tersedia untuk studi dalam kasus-kasus tertentu. Di tempat kejadian besar, mungkin tidak mungkin
untuk mencoba membangun sampel probabilitas. Sebuah studi korespondensi masa lalu antara dua perusahaan harus
menggunakan sampel sewenang-wenang karena korespondensi penuh biasanya tidak tersedia.
Dalam arti lain, mereka yang termasuk dalam sampel dapat memilih sendiri. Dalam survei surat, mereka yang
menjawab mungkin tidak mewakili bagian sebenarnya dari mereka yang menerima kuesioner. Penerima
 >bab 14 Contoh 359

kuesioner memutuskan sendiri apakah mereka akan berpartisipasi. Dalam survei Internet, mereka yang menjadi
sukarelawan tidak selalu mewakili bagian yang sesuai—itulah sebabnya pertanyaan saringan digunakan sebelum
memasukkan peserta ke dalam sampel. Namun demikian, ada beberapa seleksi mandiri ini di hampir semua survei
karena setiap responden memilih apakah akan diwawancarai.

Metode
Kenyamanan
Sampel nonprobabilitas yang tidak dibatasi disebut sampel kenyamanan. Mereka adalah desain yang paling tidak dapat diandalkan
tetapi biasanya yang termurah dan termudah untuk dilakukan. Peneliti atau !pekerja lapangan memiliki kebebasan untuk memilih
siapa saja yang mereka !ndkan: demikianlah yang dinamakan “kenyamanan”. Contohnya termasuk kumpulan informal teman dan
tetangga, orang-orang yang menanggapi undangan surat kabar bagi pembaca untuk menyatakan posisi mereka pada beberapa
masalah publik, wawancara penyadapan “person-on-the-street” reporter TV, atau penggunaan karyawan untuk mengevaluasi selera.
dari makanan ringan baru.
Meskipun sampel kenyamanan tidak memiliki kontrol untuk memastikan presisi, itu mungkin masih merupakan prosedur yang
berguna. Seringkali Anda akan mengambil sampel seperti itu untuk menguji ide atau bahkan untuk mendapatkan ide tentang subjek
yang diminati. Pada tahap awal penelitian eksplorasi, ketika Anda mencari panduan, Anda dapat menggunakan pendekatan ini.
Hasilnya mungkin menyajikan bukti yang begitu banyak sehingga prosedur pengambilan sampel yang lebih canggih tidak
diperlukan. Dalam sebuah wawancara dengan siswa mengenai beberapa masalah yang menjadi perhatian kampus, Anda dapat
berbicara dengan 25 siswa yang dipilih secara berurutan. Anda mungkin menemukan bahwa tanggapannya sangat berat sebelah
sehingga tidak ada insentif untuk wawancara lebih lanjut.

Pengambilan Sampel Bertujuan

Sampel nonprobabilitas yang memenuhi kriteria tertentu disebut pengambilan sampel yang bertujuan. Ada dua
jenis utama—judgment sampling dan quota sampling.
Pengambilan sampel keputusan terjadi ketika seorang peneliti memilih anggota sampel untuk memenuhi
beberapa kriteria. Dalam studi masalah perburuhan, Anda mungkin ingin berbicara hanya dengan mereka yang
pernah mengalami diskriminasi di tempat kerja. Contoh lain dari pengambilan sampel penilaian terjadi ketika hasil
pemilu diprediksi hanya dari beberapa daerah terpilih yang telah dipilih karena catatan prediksinya dalam pemilu
sebelumnya. Burbidge memilih bus rute 99 karena rute saat ini antara Kota Timur dan Kota Barat membuatnya
percaya bahwa dia bisa mendapatkan representasi dari pengendara Kota Timur dan Kota Barat.
Ketika digunakan pada tahap awal studi eksplorasi, sampel penilaian adalah tepat. Ketika seseorang
ingin memilih kelompok yang bias untuk tujuan penyaringan, metode pengambilan sampel ini juga
merupakan pilihan yang baik. Perusahaan sering mencoba ide produk baru pada karyawan mereka.
Alasannya adalah bahwa orang akan mengharapkan karyawan !rm memiliki kecenderungan yang lebih baik
terhadap ide produk baru daripada publik. Jika produk tidak lolos kelompok ini, tidak memiliki prospek
untuk sukses di pasar umum.
Pengambilan sampel kuota adalah jenis kedua purposive sampling. Kami menggunakannya untuk meningkatkan
keterwakilan. Logika di balik pengambilan sampel kuota adalah bahwa karakteristik tertentu yang relevan menggambarkan
dimensi populasi. Jika sampel memiliki distribusi yang sama pada karakteristik ini, maka kemungkinan besar sampel
tersebut mewakili populasi terkait dengan variabel lain yang tidak dapat kita kendalikan. Misalkan mahasiswa Metro U
adalah 55 persen perempuan dan 45 persen laki-laki. Kuota pengambilan sampel akan membutuhkan pengambilan sampel
siswa dengan rasio 55 hingga 45 persen. Ini akan menghilangkan distorsi karena rasio gender yang tidak representatif.
Burbidge dapat meningkatkan pengambilan sampel nonprobabilitasnya dengan mempertimbangkan variasi waktu dan
hari dalam seminggu dan memilih untuk mendistribusikan survei kepada pengendara bus rute 99 pada berbagai waktu,
sehingga menciptakan sampel kuota.
Dalam sebagian besar sampel kuota, peneliti menentukan lebih dari satu dimensi kontrol. Masing-masing harus
memenuhi dua tes: harus (1) memiliki distribusi dalam populasi yang dapat kita perkirakan dan (2) berkaitan dengan topik
yang dipelajari. Kami mungkin percaya bahwa tanggapan terhadap sebuah pertanyaan harus bervariasi tergantung pada
jenis kelamin responden. Jika demikian, kita harus mencari tanggapan yang proporsional dari laki-laki dan perempuan. Kita
mungkin juga merasa bahwa mahasiswa sarjana berbeda dari mahasiswa pascasarjana, jadi ini akan menjadi dimensi.
Dimensi lain, seperti disiplin akademik siswa, suku, agama, dan kelompok sosial
360 >bagian III Sumber dan Pengumpulan Data

afiliasi, juga dapat dipilih. Hanya beberapa dari kontrol ini yang dapat digunakan. Untuk mengilustrasikannya, misalkan kita
mempertimbangkan hal berikut:

Jenis kelamin: Dua kategori—laki-laki, perempuan.

Tingkat kelas: Dua kategori—sarjana, 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, bukan anggota.
Kelas sosial ekonomi keluarga: Tiga kategori—atas, tengah, bawah.

Dalam kasus ekstrim, kita mungkin meminta pewawancara untuk menemukan seorang mahasiswa bisnis
sarjana laki-laki yang Katolik, anggota persaudaraan, dan dari rumah kelas atas. Semua kombinasi dari enam faktor
ini akan membutuhkan 288 sel tersebut untuk dipertimbangkan. Jenis kontrol ini dikenal sebagaikontrol presisi. Ini
memberikan jaminan yang lebih besar bahwa sampel akan mewakili populasi. Namun, itu mahal dan terlalu sulit
untuk dilakukan dengan lebih dari tiga variabel.
Ketika kita ingin menggunakan lebih dari tiga dimensi kontrol, kita harus bergantung pada frekuensi kontrol. Dengan
bentuk kontrol ini, persentase keseluruhan dari mereka yang memiliki setiap karakteristik dalam sampel harus sesuai
dengan persentase yang memiliki karakteristik yang sama dalam populasi. Tidak ada upaya yang dilakukan untuk !
menemukan kombinasi karakteristik khusus pada satu orang. Dalam kontrol frekuensi, kita mungkin akan menemukan
bahwa larik sampel berikut ini merupakan cerminan populasi yang memadai:

Populasi Sampel

Pria 65% 67%

Menikah 15 14

Sarjana 70 72

warga kampus 30 28

Independen 75 73

Protestan 39 42

Pengambilan sampel kuota memiliki beberapa kelemahan. Pertama, gagasan bahwa kuota pada beberapa variabel
mengasumsikan keterwakilan pada yang lain adalah argumen dengan analogi. Ini tidak memberikan jaminan bahwa sampel
mewakili variabel yang sedang dipelajari. Seringkali, data yang digunakan untuk menyediakan kontrol mungkin sudah usang atau
tidak akurat. Ada juga batasan praktis pada jumlah kontrol simultan yang dapat diterapkan untuk memastikan presisi. Akhirnya,
pilihan mata pelajaran diserahkan kepada pekerja lapangan untuk dibuat berdasarkan penilaian. Mereka mungkin hanya memilih
orang-orang yang tampak ramah, orang-orang yang nyaman bagi mereka, dan sebagainya.
Meskipun ada masalah dengan pengambilan sampel kuota, ini banyak digunakan oleh lembaga survei opini dan peneliti
pemasaran dan bisnis. Pengambilan sampel probabilitas biasanya jauh lebih mahal dan memakan waktu. Pendukung
pengambilan sampel kuota berpendapat bahwa meskipun ada beberapa bahaya bias sistematis, risikonya biasanya tidak
terlalu besar. Dimana validitas prediktif telah diperiksa (misalnya, dalam jajak pendapat pemilu), sampling kuota umumnya
memuaskan.

Semakin bertambah

Desain ini telah menemukan ceruk dalam beberapa tahun terakhir dalam aplikasi di mana responden sulit untuk mengidentifikasi
dan paling baik ditempatkan melalui jaringan rujukan. Hal ini juga sangat 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 karakteristik serupa dan yang, pada
gilirannya, mengidentifikasi orang lain. Mirip dengan pencarian terbalik untuk sumber bibliografi, "bola salju" mengumpulkan subjek
saat bergulir. Berbagai teknik tersedia untuk memilih bola salju nonprobabilitas dengan ketentuan untuk identifikasi kesalahan dan
pengujian statistik. Mari kita pertimbangkan contoh singkat.
Kelas atas pasar audio AS terdiri dari beberapa !rms kecil yang menghasilkan komponen ultramahal yang
digunakan dalam perekaman dan pemutaran pertunjukan langsung. Teknologi baru yang berisiko
 >bab 14 Contoh 361

untuk meningkatkan pemrosesan sinyal digital sedang dipertimbangkan oleh satu !rm. Melalui kontaknya dengan
sekelompok insinyur rekaman dan desainer elektronik terpilih, sampel tahap pertama dapat diidentifikasi untuk
diwawancarai. Orang yang diwawancarai selanjutnya cenderung mengungkapkan informasi penting untuk pengembangan
dan pemasaran produk.
Variasi pengambilan sampel bola salju telah digunakan untuk mempelajari budaya narkoba, aktivitas geng remaja, elit
kekuasaan, hubungan masyarakat, perdagangan orang dalam, dan aplikasi lain di mana responden berada.
sulit untuk diidentifikasi dan dihubungi.

>ringkasan
1 Sampling didasarkan pada dua premis. Salah satunya adalah ada Jenis pendekatan probabilitas yang paling sederhana adalah simple random

kesamaan yang cukup di antara elemen-elemen dalam suatu sampling. Dalam desain ini, setiap anggota populasi memiliki kesempatan

populasi sehingga beberapa elemen ini akan cukup mewakili yang sama untuk dijadikan sampel. Sebaliknya, pemilihan nonprobabilitas

karakteristik populasi total. Premis kedua adalah bahwa meskipun adalah "tidak acak." Ketika setiap elemen sampel diambil secara individual

beberapa elemen dalam sampel meremehkan nilai populasi, yang dari populasi pada umumnya, ini adalah pengambilan sampel tak terbatas.

lain melebih-lebihkan nilai ini. Hasil dari kecenderungan ini adalah Pengambilan sampel terbatas mencakup bentuk-bentuk pengambilan sampel

bahwa statistik sampel seperti rata-rata aritmatika umumnya di mana proses pemilihan mengikuti aturan yang lebih kompleks.

merupakan perkiraan yang baik dari rata-rata populasi.

5 Pengambilan sampel kompleks digunakan ketika kondisi menjadi sederhana

2 Sampel yang baik memiliki akurasi dan presisi. Sebuah
sampel akurat adalah sampel di mana ada sedikit atau tidak ada bias atau varians
sistematis. Sampel dengan presisi yang memadai adalah sampel yang memiliki
kesalahan pengambilan sampel yang berada dalam batas yang dapat diterima
untuk tujuan penelitian.
sampel acak tidak praktis atau tidak ekonomis. Empat jenis utama
pengambilan sampel acak kompleks yang dibahas dalam bab ini
adalah pengambilan sampel sistematis, bertingkat, cluster, dan
ganda. Sampling sistematis melibatkan pemilihan setiap
kth elemen dalam populasi, dimulai dengan awal acak antara elemen

3 Dalam mengembangkan sampel, lima pertanyaan prosedural perlu: dari 1 sampai k. Kesederhanaannya dalam kasus-kasus tertentu adalah

dijawab: nilai terbesarnya.

Pengambilan sampel bertingkat didasarkan pada pembagian populasi
Sebuah Apa target populasinya?
menjadi subpopulasi dan kemudian pengambilan sampel secara acak dari
b Apa parameter yang menarik? masing-masing strata ini. Metode ini biasanya menghasilkan ukuran sampel

c Apa kerangka samplingnya? total yang lebih kecil daripada desain acak sederhana. Sampel bertingkat

mungkin proporsional atau tidak proporsional.

d Bagaimana cara pengambilan sampel yang tepat?
e Berapa ukuran sampel yang dibutuhkan?
4 Berbagai teknik pengambilan sampel tersedia. Mereka mungkin
diklasifikasikan berdasarkan basis representasi dan pemilihan elemennya.
teknik-teknik.
Dalam pengambilan sampel klaster, kami membagi populasi
menjadi kelompok-kelompok yang sesuai dan kemudian secara acak
memilih kelompok untuk dipelajari. Ini biasanya kurang efisien dari
sudut pandang statistik daripada acak sederhana karena tingkat
homogenitas yang tinggi dalam cluster. Keuntungan besarnya adalah
penghematan biaya—jika populasi tersebar secara geografis—atau

Dasar Representasi tepat waktu. Bentuk clustering yang paling banyak digunakan adalah
sampling area, di mana area geografis merupakan elemen seleksi.
Pemilihan Elemen Kemungkinan Nonprobabilitas

Tidak dibatasi Acak sederhana Kenyamanan Kadang-kadang mungkin lebih mudah atau ekonomis untuk

mengumpulkan beberapa informasi dengan sampel dan kemudian

Terbatas Acak kompleks Bertujuan
menggunakannya sebagai dasar untuk memilih subsampel untuk studi
• Sistematis • Pertimbangan
lebih lanjut. Prosedur ini disebut sampling ganda.

• Gugus • Kuota Pengambilan sampel nonprobabilitas juga memiliki beberapa

keuntungan praktis yang menarik yang menjelaskan penggunaannya secara

• Berstratifikasi Semakin bertambah

luas. Seringkali sampling probabilitas tidak layak karena populasi tidak

• Ganda
tersedia. Kemudian juga, kegagalan yang sering terjadi dalam penerapan

sampling probabilitas mendiskontokan keuntungan teknisnya. Anda mungkin

Pengambilan sampel probabilitas didasarkan pada pemilihan acak juga menemukan bahwa potongan melintang yang sebenarnya sering kali
—prosedur terkontrol yang memastikan bahwa setiap elemen bukan merupakan tujuan peneliti. Di sini tujuannya mungkin penemuan
populasi diberi peluang seleksi yang diketahui bukan nol. Itu kisaran atau tingkat kondisi. Akhirnya,
362 >bagian III Sumber dan Pengumpulan Data

pengambilan sampel nonprobabilitas biasanya lebih murah untuk dilakukan
daripada pengambilan sampel probabilitas.
Convenience sample adalah bentuk nonprobability sampling yang paling
sederhana dan paling tidak dapat diandalkan. Kebajikan utama mereka adalah
biaya rendah. Salah satu sampel purposive adalah sampel penilaian, di mana
seseorang tertarik untuk mempelajari hanya jenis-jenis yang dipilih
mata pelajaran. Sampel purposive lainnya adalah sampel kuota. Subyek
dipilih agar sesuai dengan langkah-langkah kontrol tertentu yang telah
ditentukan sebelumnya yang mengamankan bagian populasi yang
representatif. Pengambilan sampel bola salju menggunakan pendekatan
rujukan untuk menjangkau responden yang sangat sulit ditemukan.

>kunciistilah
pengambilan sampel daerah 356 populasi 338 contoh 338

sensus 338 elemen populasi 338 kesalahan pengambilan sampel 341

pengambilan sampel klaster 355 parameter populasi 345 pengambilan sampel berurutan 357

sampel kenyamanan 359 proporsi populasi kejadian sampel acak sederhana 349
346
pengambilan sampel bertingkat yang tidak lewati interval 350
proporsional 354 pengambilan sampel probabilitas 343
pengambilan sampel bola salju 360

pengambilan sampel ganda 357 pengambilan sampel bertingkat proporsional 354

pengambilan sampel acak bertingkat 351

pengambilan sampel penilaian 359 pengambilan sampel kuota 359

pengambilan sampel sistematis 350

pengambilan sampel multifase 357 kerangka sampel 338

varian sistematis 340
pengambilan sampel nonprobabilitas 343 statistik sampel 345

>diskusipertanyaan
Persyaratan dalam Ulasan Membuat Keputusan Penelitian
1 Membedakan antara: 6 Tugas Anda adalah mewawancarai sampel yang representatif dari

Sebuah Statistik dan parameter.

b Kerangka sampel dan populasi.
c Pengambilan sampel terbatas dan tidak terbatas.
d Pengambilan sampel acak sederhana dan acak kompleks.
peserta untuk tempat konser besar tempat Anda bekerja. Jadwal musim
baru mencakup 200 konser langsung yang menampilkan semua jenis
musisi dan grup musik. Karena baik jumlah peserta maupun
karakteristik deskriptif mereka tidak diketahui sebelumnya, Anda
memutuskan pengambilan sampel nonprobabilitas. Berdasarkan

e Convenience dan purposive sampling. konfigurasi tempat duduk sebelumnya, Anda dapat menghitung jumlah
tiket yang akan tersedia untuk masing-masing dari 200 konser. Dengan
f Ketepatan sampel dan akurasi sampel.
demikian, secara kolektif, Anda akan mengetahui jumlah kemungkinan
g Sistematis dan varians kesalahan. peserta untuk setiap jenis musik. Dari penelitian kehadiran yang
h Variabel dan parameter atribut. dilakukan pada konser yang diadakan oleh Glacier Symphony selama

saya Sampel proporsional dan sampel tidak proporsional.

dua tahun sebelumnya, Anda dapat memperoleh data gender peserta
berdasarkan jenis musik. Bagaimana Anda akan melakukan sampel
2 Dalam kondisi seperti apa yang akan Anda rekomendasikan:
nonprobabilitas yang cukup andal?
Sebuah Sebuah sampel probabilitas? sampel nonprobabilitas?

b Sampel acak sederhana? sampel klaster? bertingkat 7 Perusahaan besar Anda akan berubah menjadi berpusat pada pelanggan
Sampel? struktur organisasi, di mana karyawan yang jarang berhubungan
c Sampel probabilitas bertingkat yang tidak proporsional? dengan pelanggan sekarang kemungkinan besar akan secara signifikan

3 Anda berencana untuk melakukan survei menggunakan sampling tak terbatas.

mempengaruhi kepuasan dan retensi pelanggan. Sebagai bagian dari

Keputusan subjektif apa yang harus Anda buat? transisi, atasan Anda menginginkan evaluasi yang akurat tentang moral
sejumlah besar teknisi komputer perusahaan. Jenis sampel apa yang
4 Jelaskan perbedaan antara sampel probabilitas dan
akan Anda ambil jika itu menjadi sampel tak terbatas?
sampel nonprobabilitas.

5 Mengapa seorang peneliti menggunakan sampel purposive kuota?

 >bab 14 Contoh 363

Menghidupkan Penelitian Dari Headline

8 Rancang sampel nonprobabilitas alternatif yang akan 11 Saat Nike memperkenalkan Foamposite glow-in-the-dark
lebih mewakili pengendara yang jarang dan potensial Sepatu kets One Galaxy, para fanatik mengantre di distributor di
untuk proyek CityBus. seluruh tanah air. Saat kerumunan menjadi gelisah, berebut posisi di

9 Bagaimana Anda menggambar sampel cluster untuk CityBus? depan antrean yang semakin panjang untuk persediaan sepatu yang

proyek? terbatas, Footlocker membatalkan beberapa acara. Nike disarankan

untuk menjual pengenalan rilis terbatasnya secara online daripada di
Dari Konsep ke Praktek
toko untuk menghindari membahayakan keselamatan pelanggannya.
10 Menggunakan Tampilan 14-8 sebagai panduan Anda, untuk setiap teknik pengambilan sampel
Kelompok sampel apa yang Anda sarankan Nike gunakan untuk
nique menjelaskan kerangka sampel untuk studi kebutuhan keterampilan
menilai saran ini?
pengusaha dalam karyawan baru menggunakan industri di mana Anda

saat ini bekerja atau ingin bekerja.

>kasus*

Rumah Sakit Anak Akron Lotere Ohio: Desain Penelitian Inovatif Mendorong
Kemenangan

Memanggil Kehadiran
Pebble Beach Co.

Campbell-Ewald Memompa Kesadaran

ke dalam American Heart Association Starbucks, Bank One, dan Visa Meluncurkan Starbucks
Kartu Duetto Visa

Campbell-Ewald: RESPECT Mantra

Loyalitas Peternakan Negara: Persimpangan Berbahaya

Bisakah Penelitian Menyelamatkan Palang Katalis untuk Perempuan dalam Jasa Keuangan
Merah?

USTA: Ayo Keluar Berayun

Aquatred Goodyear

Kumbang Volkswagen
Pikiran yang Ingin Tahu—
SEKARANG!

Marcus Thomas LLC Menguji Hipotesis

untuk Pengembangan Kreatif Troy-Bilt

* Anda akan menemukan deskripsi setiap kasus di bagian Indeks Kasus dari buku teks. Periksa Indeks Kasus untuk menentukan
apakah suatu kasus menyediakan data, instrumen penelitian, video, atau materi tambahan lainnya. Kasus tertulis dapat diunduh
dari situs web teks (www.mhhe.com/cooper12e). Semua materi video dan kasus video tersedia dari Pusat Pembelajaran Online.
Ikon rol film menunjukkan kasing video atau materi video yang relevan dengan kasing.
 >lampiran14a
Menentukan Ukuran Sampel

Konsep Dasar Pengambilan Sampel tidak tersedia atau terlalu mahal untuk diperoleh. Kami
berpura-pura kemahatahuan demi contoh.
Dalam studi Klub Makan Universitas Metro, kami mengeksplorasi pengambilan

sampel probabilitas dan berbagai konsep yang digunakan untuk merancang
proses pengambilan sampel.
Tampilan 14a-1 menunjukkan populasi studi klub makan
Metro U (tidak520.000) yang terdiri dari !ve subkelompok
berdasarkan waktu makan siang yang mereka sukai. Nilai 1
sampai 5 mewakili waktu makan siang yang disukai dari 11 pagi,
11:30#, 12# siang, 12:30, dan 1 siang. Frekuensi respons (f)
dalam distribusi penduduk, yang ditunjukkan di samping
subkelompok populasi, adalah apa yang akan ditemukan jika
sensus elemen dilakukan. Biasanya, data kependudukan adalah
Estimasi Poin
Sekarang asumsikan kita mengambil sampel 10 elemen dari
populasi ini tanpa mengetahui karakteristik populasi. Kami
menggunakan prosedur pengambilan sampel dari program
perangkat lunak statistik, generator angka acak, atau tabel acak
angka. Sampel pertama kami (tidak1 5 10) memberi kami frekuensi
yang ditunjukkan di bawah sampel tidak1 dalam Tampilan 14a-1. Kita
juga menghitung skor rata-rata, X1 5 3.0, untuk sampel ini. Ini berarti akan
menempatkan waktu makan siang yang disukai rata-rata pada pukul 12
tengah hari. Maksudnya adalahperkiraan titik dan prediktor terbaik kami

>Pameran 14a-1 Sampel Acak Waktu Makan Siang Pilihanferred

Y = Waktu f
1 11:00 saya 2.000
2 11:30 saya 4,000
Populasi 3 12:00 sore 7.000
disukai 4 12:30 sore 4,000
waktu makan siang 5 1:00 sore 3.000
N = 20.000
= 3.1 atau 12:03 sore
! =0,74 atau 22,2 menit

sampel

tidak1 tidak2 tidak3 tidak4

kamuf kamuf kamuf kamuf

1 1 1 1 1 0 1 1
2 2 2 2 2 1 2 1
3 4 3 5 3 5 3 3
4 2 4 2 4 1 4 4
5 1 5 0 5 3 5 1
tidak1 = 10 tidak2 = 10 tidak3 = 10 tidak4 = 10

X1 = 3.0 X2= 2.8 X3= 3.6 X4= 3.3

s = 1.15 s = 0,92 s = 1.07 s = 1.16

364
 >bab 14 Contoh 365

dari rata-rata populasi yang tidak diketahui, (rata-rata aritmatika dari
populasi). Asumsikan lebih lanjut bahwa kita mengembalikan sampel
pertama ke populasi dan mengambil sampel kedua, ketiga, dan
keempat dengan prosedur yang sama. Frekuensi, rata-rata, dan
simpangan baku ditunjukkan pada gambar. Seperti yang ditunjukkan
oleh data, setiap sampel memiliki beberapa kesamaan dengan
populasi, tetapi tidak ada duplikasi yang sempurna karena tidak ada
sampel yang mereplikasi populasinya dengan sempurna.
Perkiraan Interval
Kita tidak dapat menilai perkiraan mana yang merupakan rata-rata
sebenarnya (secara akurat mencerminkan rata-rata populasi). Namun, kita
dapat memperkirakan interval di mana yang sebenarnya akan jatuh
dengan menggunakan salah satu sampel. Hal ini dicapai dengan
menggunakan rumus yang menghitung kesalahan standar rata-rata.
s__ __
X 5 _s_
SAYASebuahtidakSebuah
Memperkirakan Rata-Rata Populasi
Bagaimana ini meningkatkan prediksi kami tentang dariµ X?
Kesalahan standar menciptakan rentang interval yang mengurung
estimasi titik. Dalam contoh ini,saya diperkirakan 3.0 atau
12 siang (rata-rata tidak1) 60,36. Rentang ini dapat divisualisasikan
pada sebuah kontinum (lihat diagram di bagian bawah halaman).
Kami berharap untuk !menemukan yang benar saya
antara 2.64 dan 3.36—antara 11:49 dan 12:11 (jika 2 5
11:30 dan 0,64 5 (30 menit) 5 19,2 menit, lalu
2.64#5 11:30 pagi 1 19,2 menit, atau 11:49). Karena kita
mengasumsikan kemahatahuan untuk ilustrasi ini, kita tahu
nilai rata-rata populasi adalah 3,1. Selanjutnya, karena
kesalahan standar memiliki karakteristik seperti skor standar
lainnya, kami memiliki 68 persen keyakinan dalam perkiraan
ini—yaitu, satu kesalahan standar meliputi61 Z atau 68
persen dari luas di bawah kurva normal (lihat Gambar 14a-3).

dimana Ingatlah bahwa area di bawah kurva juga mewakili perkiraan

s_x 5 kesalahan standar th_e_mean atau penyimpangan standar
tion dari semua mungkin X s
s 5 simpangan baku populasi
tidak 5 ukuran sampel
Kesalahan standar rata-rata mengukur standar deviasi
dari distribusi rata-rata sampel. Ini bervariasi secara
langsung dengan standar deviasi populasi dari mana ia
ditarik (lihat Tampilan 14a-2): Jika standar deviasi dikurangi
50 persen, kesalahan standar juga akan berkurang 50
persen. Ini juga bervariasi berbanding terbalik dengan akar
kuadrat dari ukuran sampel. Jika akar kuadrat dari ukuran
sampel digandakan, kesalahan standar dipotong
setengahnya, asalkan standar deviasi tetap konstan.
Sekarang mari kita periksa apa yang terjadi ketika kita menerapkan sam-
mohon datanya (tidak1) dari Tampilan 14a-1 ke rumus. Simpangan
keyakinan yang kita buat tentang hasil kita. Kombinasi
rentang interval dan derajat kon!densi menciptakaninterval
kepercayaan. Untuk meningkatkan kepercayaan menjadi 95
persen, kalikan kesalahan standar 0,36 dengan 6 1.96
(Z), karena 1,96 Z mencakup 95 persen luas di bawah kurva (lihat
Peraga 14a-4). Sekarang, dengan keyakinan 95 persen, interval di
mana kita akan !menemukan rata-rata sebenarnya meningkat
menjadi60,70 (dari 2,3 hingga 3,7 atau dari 11:39#am hingga
12:21 siang).
Secara umum, jika kita menghitung simpangan baku dari
distribusi rata-rata sampel pada Tampilan 14a-1, [3.0,
2.8, 3.6, 3.3], kita akan mengetahuinya menjadi 0,35.
Bandingkan ini dengan kesalahan standar dari perhitungan
awal (0,36). Hasilnya konsisten dengan definisi kedua dari
kesalahan standar: standar deviasi dari distribusi
sampel berarti (tidak1, tidak2, tidak3, dan tidak4). Sekarang mari kita kembali ke

baku sampel dari sampeltidak akan digunakan sebagai unbi- contoh klub makan dan menerapkan beberapa konsep ini untuk

penaksir standar deviasi populasi. masalah para peneliti.

Jika peneliti mewawancarai semua siswa dan karyawan dalam
s__ __s__
X5 populasi yang ditentukan, menanyakan kepada mereka, Berapa
SAYA
SebuahtidakSebuah

dimana kali dalam sebulan Anda akan makan di klub? mereka akan
s 5 simpangan baku sampel, tidak1 mendapatkan distribusi seperti yang ditunjukkan pada bagian A
dari Exhibit 14a-5. Tanggapan akan berkisar dari nol hingga
tidak
__1 510 sebanyak 30 kali makan siang per bulan dengan asaya dan s.
X1 5 3.0 Namun, mereka tidak dapat melakukan sensus, jadi saya dan s tetap tidak diketahui.

s1 5 1.15 Dengan pengambilan sampel, peneliti menemukan maksud untuk menjadi

10,0 dan standar deviasi menjadi 4,1 pengalaman makan

Substitusi ke persamaan:
(seberapa sering mereka makan di klub per bulan). Di bagian C

s__5 __s__ 1.15

_____ .3
dari Tampilan 14a-5, tiga pengamatan tentang distribusi sampel
X
SAYA iA 1Sebuah
SebuahtidakSebuah 5
0Sebuah 5 6 ini konsisten dengan ilustrasi kami sebelumnya. Pertama,

Benar berarti! 3.1

2.64 3,00 3.36

11:49 pagi X 12:11
366 >bagian III Sumber dan Pengumpulan Data

>Pameran 14a-2 Efek pada Kesalahan Standar Rata-Rata Peningkatan Presisi

Mengurangi Standar
Penyimpangan sebesar 50% Menggandakan Sampel

s 0,74 0.8
"X ! "X ! ! 0.234 "X ! ! 0.16
tidak 10 25
0.37 0.8
"X ! ! 0.117 "X ! ! 0,08
10 100
dimana
"X ! kesalahan standar rata-rata
"X ! simpangan baku sampel
n ! ukuran sampel

catatan: Peningkatan 400 persen dalam ukuran sampel (dari 25 menjadi 100) hanya akan menghasilkan peningkatan
presisi 200 persen (dari 0,16 menjadi 0,08). Peneliti sering diminta untuk meningkatkan presisi, tetapi pertanyaannya
adalah, berapa biayanya? Masing-masing elemen sampel tambahan itu menambahkan waktu dan
biaya untuk studi.

>Pameran 14a-3 Tingkat Keyakinan dan Kurva Normal

95%

68%

- 1.96!_ x - 1!_x 0 +1!_x +1.96! x_

>Pameran 14a-4 Kesalahan Standar Terkait dengan Area di bawah Kurva Normal

Kesalahan Standar (Z) Persen Luas* Perkiraan Tingkat Keyakinan

1.00 68.27 68%

1.65 90.10 90

1.96 95.00 95

3,00 99,73 99

* Termasuk kedua ekor dalam distribusi normal.

itu ditampilkan sebagai histogram; itu mewakili distribusi
frekuensi data empiris, sedangkan kurva halus bagian A
adalah distribusi teoritis. Kedua, distribusi sampel (bagian C)
serupa dalam penampilan tetapi bukan merupakan duplikasi
sempurna dari distribusi populasi (bagian A). Ketiga, mean
sampel berbeda dengan mean populasi.
Jika peneliti dapat menarik sampel berulang seperti yang kita
lakukan sebelumnya, mereka dapat memplot rata-rata setiap sampel
untuk mengamankan distribusi garis padat yang ditemukan di bagian
B. Menurut teorema limit pusat, untuk sampel yang cukup besar (
tidak 5 30), mean sampel akan didistribusikan di sekitar mean
populasi kira-kira dalam distribusi normal.
 >bab 14 Contoh 367

>Pameran 14a-5 Perbandingan Distribusi Populasi, Distribusi Sampel, dan

Distribusi Sarana Sampel Studi Metro U Dining Club

Bagian A Distribusi populasi

-! -! -! +!

x'1 x'2

Bagian B Distribusi sarana

dari sampel berulang
berukuran tetap (n = 64)

68% dari wilayah

x1 x3 x x4 x2

Bagian C Distribusi sampel

s s s s
10.0
X
catatan: Distribusi dalam angka-angka ini tidak untuk skala, tetapi fakta ini tidak penting untuk kami
pemahaman tentang hubungan dispersi digambarkan.

Sekalipun populasi tidak berdistribusi normal, berarti Jika kita memproyeksikan poin x1 dan x2 sampai dengan persebaran penduduk

distribusi sampel akan normal jika ada kumpulan sampel
yang cukup besar.
Memperkirakan Interval untuk Sampel Klub
Makan Metro U
Rata-rata sampel apa pun akan berada dalam kisaran ekstrem
distribusi yang ditunjukkan pada bagian B dari Tampilan 14a-5. Kita
juga tahu bahwa sekitar 68 persen sampel berarti dalam hal ini
distribusi akan jatuh di antara x3 dan x4 dan 95 persen akan
jatuh di antara x1 dan x2.
kontribusi (bagian A dari Exhibit 14a-5) pada poin x91 dan x92,
kita# melihat interval di mana setiap rata-rata yang diberikan secara acak
sampel 64 kemungkinan akan turun 95 persen dari waktu.
Karena kita tidak akan mengetahui rata-rata populasi untuk
mengukur galat standar, kita menyimpulkan bahwa ada juga
peluang 95 persen bahwa rata-rata populasi berada dalam dua
galat standar rata-rata sampel (10,0). Inferensi ini
memungkinkan kita untuk menemukan mean sampel, menandai
interval di sekitarnya, dan menyatakan kemungkinan yang
meyakinkan bahwa mean populasi berada dalam braket ini.
368 >bagian III Sumber dan Pengumpulan Data
Karena para peneliti sedang mempertimbangkan investasi
dalam proyek ini, mereka menginginkan jaminan bahwa rata-
rata populasi mendekati angka yang dilaporkan dalam sampel
apa pun yang mereka ambil. Untuk mengetahui seberapa dekat
mean populasi dengan mean sampel, mereka harus menghitung
kesalahan standar mean dan memperkirakan rentang interval di
mana mean populasi mungkin berada.
Mengingat ukuran sampel 64, mereka masih
membutuhkan nilai untuk kesalahan standar. Hampir tidak
akan pernah ada yang memiliki nilai standar deviasi populasi
(s), jadi kita harus menggunakan proxy !gure. Proksi terbaik
untuks adalah simpangan baku sampel (s). Berikut standar
deviasi (s 5 4.1) diperoleh dari sampel percontohan:
s__ __s__ 4.1
_____
X5 aaa 5 0,51
SAYA
SebuahtidakSebuah 5
SAYA64
Jika satu kesalahan standar rata-rata sama dengan 0,51 kunjungan, maka
1,96 kesalahan standar (95 persen) sama dengan 1,0 kunjungan. Para siswa
dapat memperkirakan dengan keyakinan 95 persen bahwa rata-rata
populasi dari kunjungan yang diharapkan adalah dalam 10,06 1,0
kunjungan, atau dari 9,0 hingga 11,0 kunjungan rata-rata per bulan. Kami
membahas tes percontohan sebagai bagian dari fase pretest di Bab 13.
Mengubah Interval Keyakinan
Perkiraan sebelumnya mungkin tidak memuaskan dalam dua cara.
Pertama, mungkin tidak mewakili tingkat kepercayaan yang diinginkan
peneliti dalam estimasi interval, dengan mempertimbangkan !risiko
keuangan mereka. Mereka mungkin menginginkan tingkat kepercayaan
yang lebih tinggi daripada tingkat 95 persen yang digunakan di sini.
Dengan mengacu pada tabel area di bawah kurva normal, mereka dapat
menemukan berbagai kombinasi probabilitas lainnya. Tampilan # 14a-6
merangkum beberapa dari yang lebih umum digunakan. Jadi, jika siswa
menginginkan keyakinan yang lebih besar dalam probabilitas memasukkan
rata-rata populasi dalam rentang interval, mereka dapat pindah ke
kesalahan standar yang lebih tinggi,
mengatakan, X 6 3sX Sekarang rata-rata populasi terletak di
antara 10,0 6 3 (0,51) atau dari 8,47 hingga 11,53. Dengan
Keyakinan 99,73#persen, kita dapat mengatakan bahwa interval ini akan
mencakup rata-rata populasi.
Kami mungkin ingin memiliki perkiraan yang akan berlaku untuk
rentang yang jauh lebih kecil, misalnya, 10,0 6 0.2. Untuk mengamankan
>Pameran 14a-6 Estimasi Terkait dengan Berbagai Tingkat Keyakinan di Metro U Dining
Studi Klub
Perkiraan Tingkat Keyakinan
68%
90%
95%
99%
rentang interval yang lebih kecil ini, kita harus (1) menerima tingkat
keyakinan yang lebih rendah dalam hasil atau (2) mengambil sampel yang
cukup besar untuk memberikan interval yang lebih kecil ini dengan tingkat
keyakinan yang diinginkan lebih tinggi.
Jika satu kesalahan standar sama dengan 0,51 kunjungan,
maka 0,2 kunjungan akan sama dengan 0,39 kesalahan standar
(0,2/0,51 5 0.39). Mengacu pada tabel area di bawah kurva
normal (Lampiran C, Peraga C-1), kami menemukan bahwa ada
peluang 30,3#persen bahwa rata-rata populasi sebenarnya
terletak di dalam60,39 kesalahan standar 10,0. Dengan sampel
64, mean sampel akan mengalami begitu banyak varian
kesalahan sehingga hanya 30 persen dari waktu yang peneliti
harapkan untuk menemukan mean populasi antara 9,8 dan 10,2.
Ini adalah tingkat kepercayaan yang rendah sehingga para
peneliti biasanya akan pindah ke alternatif kedua; mereka akan
meningkatkan ukuran sampel sampai mereka bisa mendapatkan
perkiraan interval dan tingkat kepercayaan yang diinginkan.
Menghitung Ukuran Sampel untuk
Pertanyaan yang Melibatkan Sarana
Sebelum kita menghitung ukuran sampel yang diinginkan untuk studi
klub makan Metro U, mari kita tinjau informasi yang kita perlukan:
1. The presisi diinginkan dan bagaimana mengukurnya:
Sebuah. Itutingkat kepercayaan diri kita inginkan dengan perkiraan kita.
b. Ituukuran perkiraan interval.
2. Yang diharapkan persebaran dalam populasi untuk
pertanyaan investigasi yang digunakan.
3. Apakah diperlukan penyesuaian populasi yang terbatas.
Para peneliti telah memilih dua konstruksi pertanyaan investigasi
sebagai kritis—“frekuensi patronase” dan “minat untuk bergabung”—
karena mereka percaya keduanya sangat penting untuk membuat
keputusan yang tepat tentang peluang klub makan Metro U. Yang
pertama membutuhkan estimasi titik, yang kedua membutuhkan
proporsi. Dengan cara review, keputusan yang dibutuhkan dan
keputusan yang dibuat oleh peneliti Metro U dirangkum dalam
Tampilan 14a-7.
Rentang Interval Kunjungan Makan per Bulan
antara 9,48 dan 10,52 kunjungan
antara 9,14 dan 10,86 kunjungan
antara 8,98 dan 11,02 kunjungan
antara 8,44 dan 11,56 kunjungan
 >bab 14 Contoh 369

>Pameran 14a-7 Keputusan Desain Sampling Metro U pada Konstruksi “Frekuensi Makan” dan “Bergabung”

Keputusan Metro U

“Frekuensi Makan” “Bergabung”

Masalah Pengambilan Sampel (interval, data rasio) (data nominal, ordinal)

1. Ketepatan yang diinginkan dan cara mengukurnya:

• Keyakinan yang diinginkan peneliti dalam perkiraan kepercayaan 95% (Z!1.96) kepercayaan 95% (Z!1.96)
(dipilih berdasarkan risiko)

• Ukuran estimasi interval yang akan diterima peneliti

(berdasarkan risiko) 0,5 kali makan per bulan 0,10 (10 persen)

2. Rentang yang diharapkan dalam populasi untuk pertanyaan yang

digunakan untuk mengukur presisi: 0 hingga 30 kali makan 0 sampai 100%

Ukuran Tendensi Sentral

• sampel berarti 10
• Proporsi sampel populasi dengan atribut
tertentu yang diukur 30%

Ukuran Dispersi

• Standar deviasi 4.1

• Ukuran dispersi sampel pq 0,30(0,70) 0.21

3. Apakah penyesuaian populasi terbatas harus digunakan Tidak Tidak

4. Perkiraan simpangan baku populasi:

• Kesalahan standar rata-rata 0,5/1,96! 0.255

• Kesalahan standar proporsi 0.1/1.96 ! 0,051

5. Perhitungan ukuran sampel Lihat rumus (hal. 396) Lihat rumus (hal. 396)

6. Ukuran sampel yang dihitung n !259* n ! 81

* Karena kedua pertanyaan investigasi menarik, peneliti akan menggunakan yang lebih besar dari dua ukuran sampel yang dihitung,
tidak 259 untuk penelitian.

presisi Penyebaran Penduduk

Dengan mengacu pada presisi, tingkat kepercayaan 95 persen
sering digunakan, tetapi kepercayaan lebih atau kurang mungkin
diperlukan mengingat risiko dari setiap proyek tertentu.
Demikian pula, ukuran estimasi interval untuk memprediksi
parameter populasi dari data sampel harus diputuskan. Ketika
interval yang lebih kecil dipilih, peneliti mengatakan bahwa
presisi sangat penting, terutama karena risiko bawaannya tinggi.
Misalnya, pada skala pengukuran 5 titik, sepersepuluh titik
adalah tingkat presisi yang sangat tinggi dibandingkan dengan
interval 1 titik. Mengingat bahwa seorang pelindung bisa makan
hingga 30 kali makan per bulan di klub makan (30 hari kali 1 kali
makan per hari), apa pun yang kurang dari satu kali makan per
hari akan meminta tingkat presisi yang tinggi dalam studi Metro
U. Risiko tinggi dari studi Metro U menjamin ketepatan makanan
0,5 yang dipilih.
Faktor berikutnya yang mempengaruhi ukuran sampel untuk
tingkat presisi tertentu adalah penyebaran populasi. Semakin
kecil kemungkinan dispersi, semakin kecil sampel yang
dibutuhkan untuk memberikan gambaran yang representatif
dari anggota populasi. Jika jumlah makanan populasi berkisar
antara 18 hingga 25, sampel yang lebih kecil akan memberi kita
perkiraan akurat tentang konsumsi makanan rata-rata populasi.
Namun, dengan penyebaran populasi berkisar antara 0 sampai
30 makanan yang dikonsumsi, sampel yang lebih besar
diperlukan untuk tingkat keyakinan yang sama dalam perkiraan.
Karena penyebaran populasi sebenarnya dari perkiraan
makanan per bulan yang dimakan di klub makan Metro U tidak
dapat diketahui, standar deviasi sampel digunakan sebagai
proksi ! Biasanya, ! gure ini didasarkan pada salah satu dari
berikut ini:
370 >bagian III Sumber dan Pengumpulan Data

• Penelitian sebelumnya tentang topik tersebut.
• Uji coba atau prates instrumen data di antara
sampel yang diambil dari populasi.
• Aturan praktis (seperenam dari rentang
berdasarkan enam standar deviasi dalam
kepercayaan 99,73 persen).
kasus, minat untuk bergabung dengan klub makan. Dan
alih-alih standar deviasi, dispersi diukur dalam halp 3
q (di mana q adalah proporsi populasi yang tidak memiliki
atribut tersebut), dan q 5 (1 2 hal). Ukuran dispersi statistik
sampel juga berubah dari kesalahan standar standard
dari rata-rata untuk kesalahan standar dari proporsi shal.
Kami menghitung ukuran sampel berdasarkan data ini dengan membuat

Jika kisarannya dari 0 hingga 30 kali makan, metode rule-of- mengambil dua keputusan subjektif yang sama—memutuskan
thumb menghasilkan standar deviasi 5 kali makan. Para peneliti perkiraan interval yang dapat diterima dan tingkat keyakinan.
menginginkan lebih presisi daripada yang disediakan oleh Asumsikan bahwa dari uji coba, 30 persen siswa dan karyawan
metode rule-of-thumb, jadi mereka mengambil sampel mengatakan mereka akan bergabung dengan klub makan. Kami
percontohan 25 dan !nd standar deviasi menjadi 4,1 makanan. memutuskan untuk memperkirakan proporsi sebenarnya dalam
populasi dalam 10 poin persentase dari gambar ini (p 5 0,30#6
Ukuran populasi 0.10). Asumsikan lebih lanjut bahwa kita ingin 95 persen
Faktor terakhir yang mempengaruhi ukuran sampel yakin bahwa parameter populasi berada di dalam60,10 dari
acak adalah ukuran populasi. Ketika ukuran sampel proporsi sampel. Perhitungan ukuran sampel berlangsung
melebihi 5 persen dari populasi, batas populasi seperti sebelumnya:
membatasi ukuran sampel yang dibutuhkan. Faktor 60,10 5 rentang interval yang diinginkan di mana
koreksi tersedia dalam peristiwa itu. proporsi populasi diharapkan (keputusan
Ukuran sampel dihitung untuk konstruksi pertama, subjektif)
frekuensi makan, sebagai berikut:
1.96sp 5 95 persen tingkat kepercayaan untuk memperkirakan
interval di mana diharapkan populasi
X 5 __s__
s__ tidak
Sebuah
SAYA Sebuah
proporsi (keputusan subjektif)
SAYA s__
SebuahtidakSebuah 5 _s__ sp 5 0,051 5 kesalahan standar proporsi
X
(0.10/1.96)

s__
tidak 5 _s_2_ pq 5 ukuran dispersi sampel (digunakan di sini sebagai
X
perkiraan persebaran penduduk)
tidak__(4.1)2
5 _____ tidak 5 ukuran sampel
(0.255)2
tidak 5 258.5 atau 259 aaa
sp 5 SAYA _p_q_
tidak

dimana
tidak 5 _p_q_
s__
X 5 0,255 (0,51/1,96)
s 2p

Jika peneliti bersedia menerima rentang interval yang lebih besar (61 kali tidak 5 _0_.3__3__0_.7_
(0,051)2
makan), dan dengan demikian jumlah risiko yang lebih besar, maka
mereka dapat mengurangi ukuran sampel menjadi tidak 5 65. tidak 5 81

Menghitung Ukuran Sampel untuk
Pertanyaan yang Melibatkan Proporsi
Pertanyaan kunci kedua mengenai studi klub makan adalah, berapa
persentase populasi yang mengatakan akan bergabung dengan klub
makan, berdasarkan tarif dan layanan yang diproyeksikan? Dalam
bisnis, kita sering berurusan dengan data proporsi. Contohnya adalah
jajak pendapat CNN yang memproyeksikan persentase orang yang
berharap untuk memilih atau menentang proposisi atau kandidat. Hal
ini biasanya dilaporkan dengan margin kesalahan sebesar
65 persen.
Dalam studi Metro U, pretest menjawab pertanyaan ini
menggunakan prosedur umum yang sama seperti sebelumnya.
Tetapi alih-alih rata-rata aritmatika, dengan proporsi, itu adalahp
(proporsi populasi yang memiliki atribut tertentu)1-di dalam
Ukuran sampel 81 orang didasarkan pada asumsi populasi tak
terbatas. Jika ukuran sampel kurang dari 5#persen dari populasi,
hanya sedikit yang dapat diperoleh dengan menggunakan
penyesuaian populasi !nite. Para siswa menafsirkan data yang
ditemukan dengan sampel 81 dipilih secara acak dari populasi
sebagai: Kita dapat 95 persen yakin bahwa 30 persen responden akan
mengatakan mereka akan bergabung dengan klub makan dengan
margin kesalahan610 persen.
Sebelumnya, para peneliti menggunakan uji coba untuk
menghasilkan estimasi varians untuk perhitungan. Anggap
saja ini bukan pilihan. Data proporsi memiliki ciri mengenai
varians yang tidak ditemukan pada data interval atau rasio.
Itupq rasio tidak pernah bisa melebihi 0,25. Misalnya, jika
p 5 0,5, maka q 5 0,5, dan produknya adalah 0,25. Jika baikp
atau q lebih besar dari 0,5, maka produknya lebih kecil dari
 >bab 14 Contoh 371

0,25 (0,4 3 0.6 5 0,24, dan seterusnya). Ketika kami tidak memiliki Jika kita menggunakan estimasi varians maksimum ini dalam contoh
informasi mengenai kemungkinanp nilai, kita dapat mengasumsikan klub makan, kita menemukan ukuran sampel harus 96 orang agar
bahwa p#5 0,5 dan tentukan ukuran sampelnya. memiliki sampel yang memadai untuk pertanyaan tentang
bergabung dengan klub.
tidak 5 _p_q_
s2
p Ketika ada beberapa pertanyaan investigasi yang sangat
menarik, peneliti menghitung ukuran sampel untuk setiap
_(0_.50)(0.50)
________
tidak 5 variabel tersebut—seperti yang kami lakukan dalam studi Metro
(0,51)2
U untuk “frekuensi makan” dan “bergabung”. Peneliti kemudian
tidak 5 __0_._2_5__ memilih perhitungan yang menghasilkan sampel terbesar. Ini
(0,051)2
memastikan bahwa semua data akan dikumpulkan dengan
tidak 5 96 tingkat presisi yang diperlukan.

dimana

pq 5 ukuran dispersi
tidak 5 ukuran sampel

sp 5 kesalahan standar proporsi