Teknik sampling

Teknik sampling dapat didefinisikan sebagai teknik atau metode untuk memilih dan
mengambil unsur-unsur atau anggota-anggota dari populasi untuk digunakan sebagai
sampel secara representatif.

Dalam studi statistik, metode pengambilan sampel merujuk pada bagaimana kita memilih
anggota dari populasi yang akan di dalam penelitian. Jika sampel tidak dipilih secara acak,
mungkin akan bias dalam beberapa cara dan data mungkin tidak mewakili populasi.

Dengan kata lain, pengambilan sampel merupakan pemilihan subset (sampel statistik)
individu dari dalam populasi statistik untuk memperkirakan karakteristik seluruh populasi.
Dua keuntungan pengambilan sampel adalah biaya yang lebih rendah dan pengumpulan
data yang lebih cepat daripada mengukur seluruh populasi.

Pengertian Sampling

Teknik sampling ialah bagian dari metodologi statistika yang berhubungan dengan
prosedur sistematis dalam pengambilan sebagian anggota populasi untuk keperluan
pendugaan (estimasi).

Jika pengambilan sampel dilakukan dengan teknik yang tepat, analisis statistik dari suatu
sampel bisa digunakan untuk menggeneralisasikan keseluruhan populasi. Teknik
pengambilan sampel mencakup tahap-tahap yang berurutan, yaitu:

 Memberi batasan populasi yang hendak diamati

 Menentukan bingkai sampel, yakni kumpulan semua item atau peristiwa
yang mungkin
 Menentukan metode sampling yang tepat
 Melakukan pengambilan sampel (pengumpulan data)
 Melakukan pengecekan ulang proses sampling

Pengertian Teknik Sampling Menurut Para Ahli

Adapun definisi teknik sampling menurut para ahli, antara lain adalah sebagai berikut;

Sugiyono (2001: 56)

Teknik sampling merupakan serangkaian teknik yang biasanya dipergunakan untuk

pengambilan sampel dalam sebuah penelitian.

Margono (2004)
Teknik sampling dapat didefinisikan sebagai cara untuk menentukan sampel yang
jumlahnya sesuai dengan ukuran sampel yang akan menjadi sumber data sebenarnya,
dengan memperhatikan sifat-sifat dan penyebaran populasi agar diperoleh sampel yang
representatif.

Glossary Of Statistic Terms

Teknik pengambilan sampel adalah nama atau identifikasi lain dari proses spesifik dimana
entitas sampel telah dipilih.

Explorable

Teknik sampling statistik adalah strategi yang diterapkan oleh para peneliti selama proses
sampling statistik. Proses ini dilakukan ketika para peneliti bertujuan untuk menarik
kesimpulan untuk seluruh populasi setelah melakukan studi pada sampel yang diambil dari
populasi yang sama.

Beberapa Pengertian Dasar Sampling :

Proses pengambilan atau memilih n buah elemen/objek/unsur dari populasi yang

berukuran N. Misalnya memilih sebagian murid SD Negeri di Kota Bandung, dalam sebuah
penelitian yang bertujuan untuk mengetahui proporsi latar belakang tingkat pendidikan
orang tua dari seluruh murid SD Negeri di Kota Bandung.

Elemen :

Sesuatu yang menjadi obyek penelitian, dapat berupa orang atau benda yang dikenakan
pengukuran. Misalnya: Mahasiswa Indonesia, Dosen Universitas Padjadjaran, SMA Negeri
di Kabutaten Semarang.

Populasi (N) :

Kumpulan lengkap dari elemen-elemen yang sejenis akan tetapi dapat dibedakan
berdasarkan karekteristiknya. Misalnya Mahasiswa Indonesia dapat dibedakan
berdasarkan variabel jenis kelamin dengan karakteristik laki-laki dan perempuan, atau
variabel IPK dengan karektaristik indeks antara 0-4.

Sample (n) :

Merupakan bagian dari populasi. Elemen anggota sampel, merupakan anggota populasi
dimana sampel diambil. Jika N banyaknya elemen populasi, dan n banyaknya elemen
sampel, maka n < N.

Kerangka Sampel :
Adalah daftar yang memuat seluruh elemen/anggota populasi, sebagai dasar untuk
penarikan sampel random.

Statistik :

Adalah bilangan yang diperoleh melalui proses perhitungan terhadap sekumpulan data
yang berasal dari sampel.

Parameter :

Adalah bilangan yang diperoleh melalui proses perhitungan terhadap sekumpulan data
yang berasal dari populasi.

Satuan Sampling :

Populasi Populasi (universe) ialah jumlah keseluruhan dari unit analisis yang ciri-cirinya
akan diduga. Populasi dapat dibedakan antara populasi sampling dengan populasi sasaran.
Sebagai contoh, jika seorang peneliti mengambil rumahtangga sebagai sampel; sedangkan
yang diteliti hanya anggota rumahtangga (misalnya ayah atau suami), maka seluruh
rumahtangga dalam wilayah penelitian disebut sebagai populasi sampling; sedangkan
seluruh suami atau ayah dalam wilayah penelitian itu dinamakan populasi sasaran (target
population).

Dalam setiap penelitian, populasi yang dipilih erat kaitannya dengan masalah yang akan
diteliti. Sebagai contoh:

(1) untuk penelitian tentang tenaga kerja, mestinya populasi yang dipilih adalah penduduk
usia kerja.

(2) untuk penelitian tentang pemilihan umum, mestinya populasi yang dipilih adalah
penduduk yang memiliki hak pilih .

(3) untuk penelitian tentang fertilitas, populasi yang dipilih adalah penduduk perempuan
usia 15-49 tahun yang pernah kawin.

Unit sampling Unsur-unsur yang diambil sebagai sampel, disebut unsur sampling, dan ini
merupakan unit-unit yang akan dianalisis selanjutnya. Unsur sampling diambil dengan
menggunakan kerangka sampling (sampling frame).

Kerangka sampling Kerangka sampling merupakan daftar dari semua unsur sampling dalam
populasi sampling. Kerangka sampling dapat berupa daftar mengenai jumlah penduduk,
jumlah bangunan, dan mungkin berupa peta yang unit-unitnya tergambar secara jelas.
Tipe Sampling menurut Proses Memilihnya

Sampling dengan Pengembalian :

Satuan sampling yang terpilih, “dikembalikan” lagi ke dalam populasi (sebelum dilakukan
kembali proses pemilihan berikutnya). Sebuah satuan sampling bisa terpilih lebih dari satu
kali. Untuk populasi berukuran N=4 dan sampel berukuran n=2, maka sampel yang
mungkin terambil adalah Nn = 42 = 16 buah sampel. Teknik sampling seperti ini bisa
dikatakan tidak pernah digunakan dalam suatu penelitian, hanya untuk keperluan teoritis
yang berkatian dengan pengambilan sampel.

Sampling tanpa Pengembalian :

Satuan sampling yang telah terpilih, “tidak dikembalikan” lagi ke dalam populasi. Tidak ada
kemungkinan suatu satuan sampling terpilih lebih dari sekali. Untuk populasi berukuran
N=4 (misalnya A, B, C, D) dan sampel berukuran n=3, maka sampel yang mungkin terambil
ada 4 buah sampel yaitu ABC, ABD, ACD, dan BCD. Jumlah sampel mengikuti persamaan
sbb:

N!
n !( N −n)!

Beberapa Teknik Pengambilan Sampel:

1. Sampling Acak Sederhana

Sampel acak sederhana (simple random sampling) ialah suatu sampel yang diambil
sedemikian rupa sehingga tiap unit penelitian dari suatu populasi mempunyai kesempatan
yang sama untuk dipiih sebagai sampel. Dalam prakteknya, sampel acak sederhana dapat
dilakukan dengan (a) undian, atau (b) bilangan acak.

2. Sampling Sistematis

Apabila banyaknya satuan elementer yang akan dipilih cukup besar, maka pemilihan
sampel acak sederhana akan berat mengerjakannya. Dalam keadaan seperti ini ahli
statistik cenderung memakai metode lain. Pengambilan sampel acak sistematis (systematic
random sampling) ialah suatu metode pengambilan sampel, dimana hanya unsur pertama
saja dari sampel dipilih secara acak, sedangkan unsur-unsur selanjutnya dipilih secara
sistematis menurut pola tertentu. Sampel sistematis seringkali menghasilkan kesalahan
sampling (sampling error) yang lebih kecil, disebabkan anggota sampel menyebar secara
merata di seluruh propinsi.

Ada pendapat bahwa pengambilan sampel dengan metode ini tidak acak, karena yang
diambil secara acak unsur pertama saja, sedangkan unsur selanjutnya diurutkan
berdasarkan interval yang sudah tertentu dan tetap. Karena itu, untuk dapat
mempergunakan metode ini, harus dipenuhi beberapa syarat yakni (1) populasi harus
besar, (2) harus teredia daftar kerangka sampel, (3). populasi harus bersifat homogen.

TEKNIK PENGAMBILAN SAMPEL

Pemilihan teknik pengarnbilan sampel merupakan upaya penelitian untuk mendapat

sampel yang representatif (mewakili), yang dapat menggambarkan populasinya. Teknik
pengambilan sampel tersebut dibagi atas 2 kelompok besar, yaitu:

1) Simple Random Sampling.

Menurut Sugiyono (2001:57) teknik simple random sampling adalah teknik

pengambilan sampel dari anggota populasi yang dilakukan secara acak
tanpa memperhatikan strata yang ada dalam populasi itu.

Menurut Kerlinger (2006:188), simple random sampling adalah metode

penarikan dari sebuah populasi atau semesta dengan cara tertentu sehingga
setiap anggota populasi atau semesta tadi memiliki peluang yang sama
untuk terpilih atau terambil.

Margono (2004: 126) menyatakan bahwa simple random sampling adalah

teknik untuk mendapatkan sampel yang langsung dilakukan pada unit
sampling. Dengan demikian setiap unit sampling sebagai unsur populasi
yang terpencil memperoleh peluang yang sama untuk menjadi sampel atau
untuk mewakili populasi. Cara demikian dilakukan bila anggota populasi
dianggap homogen.

Contoh Simple Random Sampling :

 Contohnya: “Jumlah siswa disebuah kelas di SMA tertentu di Jakarta yang
akan diberikan bantuan. Simple random sampling ini bisa dilakukan melalui
undian, tabel bilangan random atau dengan acak sistematis.

Teknik ini dapat dipergunakan bilamana jumlah unit sampling di dalam suatu populasi tidak
terlalu besar. Misal, populasi terdiri dari 100 orang siswa IPA. Untuk memperoleh sampel
sebanyak 30 orang dari populasi tersebut, digunakan teknik ini, baik dengan cara undian,
ordinal, maupun tabel bilangan random. Teknik ini dapat digambarkan di bawah ini.

Dalam teknik sampling acak sederhana ini, perbedaan karakter yang mungkin ada pada
setiap unsur atau elemen populasi tidak merupakan hal yang penting bagi rencana
analisisnya. Misalnya, dalam populasi ada laki-laki dan perempuan, atau ada yang kaya dan
yang miskin, ada manajer dan bukan manajer, dan perbedaan-perbedaan lainnya.

Selama perbedaan perbedaan-perbedaan tersebut bukan merupakan sesuatu hal yang

penting dan mempunyai pengaruh yang signifikan terhadap hasil penelitian, maka peneliti
dapat mengambil sampel secara acak sederhana. Maka dengan demikian setiap unsur
populasi harus mempunyai kesempatan yang sama untuk bisa dipilih menjadi sampel.

Kapan Sebaiknya Menggunakan Simple Random Sampling?

Untuk mendapatkan hasil riset pasar yang efektif, kamu harus mendapatkan responden
yang tepat. Caranya dengan menggunakan metode sampling yang tepat. Salah satu
metode yang bisa digunakan adalah simple random sampling. Simple random sampling
merupakan salah satu metode sampling yang banyak digunakan.

Dilansir dari Scribbr, American Community Survey adalah salah satu lembaga survei yang
menggunakan simple random sampling. Pejabat dari Biro Sensus Amerika Serikat
mengikuti seleksi acak dari setiap penduduk AS selama satu tahun, menanyakan
pertanyaan rinci tentang kehidupan mereka untuk menarik kesimpulan tentang seluruh
penduduk AS.

Simple random sampling adalah subset dari populasi statistik di mana setiap anggota
subset memiliki probabilitas yang sama untuk dipilih.

Metode sampling ini menurut Investopedia dimaksudkan untuk menjadi representasi

kelompok yang tidak bias.

Metode ini adalah yang paling mudah dari semua metode pengambilan sampel
probabilitas.

Ini karena simple random sampling hanya melibatkan satu pemilihan acak dan hanya
memerlukan sedikit informasi mengenai populasi.
Berhubung menggunakan pengacakan, maka setiap penelitian yang dilakukan terhadap
sampel ini harus memiliki validitas internal dan eksternal yang tinggi.

Langkah-langkah melakukan simple random sampling :

Untuk melakukan simple random sampling dengan benar saat riset pasar, berikut adalah
langkah-langkahnya.

Tentukan populasi yang akan menjadi target riset pasarmu. Ini termasuk
menentukan demografi seperti usia, latar belakang, pekerjaan, dan sebagainya.

Hitung jumlah responden (sample) yang dibutuhkan. Interval kepercayaan yang

paling umum dan level yang digunakan masing-masing adalah 0,05 dan 0,95. Kamu bisa
menggunakan sample size calculator jika kesulitan menghitung jumlah responden yang
dibutuhkan.

Lakukan pemilihan responden secara acak. Ini bisa dilakukan dengan menyebarkan
undangan survei melalui email pelanggan yang menjadi target responden dan menunggu
hingga respon yang diterima mencapai jumlah responden yang ditargetkan.

Kumpulkan data yang didapatkan dari responden dan analisa.

Simple random sampling adalah metode yang digunakan untuk membuat kesimpulan
statistik tentang suatu populasi.

Ini membantu memastikan validitas internal yang tinggi: pengacakan adalah metode
terbaik untuk mengurangi dampak variabel perancu potensial.

Selain itu, simple random sampling memiliki validitas eksternal yang tinggi untuk mewakili
karakteristik populasi yang lebih besar.

Meski demikian, penggunaan simple random sampling bisa menjadi tantangan tersendiri.
Untuk itu, sebaiknya metode ini digunakan untuk situasi-situasi berikut.

Terdapat data yang cukup lengkap mengenai populasi.

Setiap anggota populasi dapat dihubungi dengan mudah.

Kamu memiliki waktu dan sumber daya yang cukup untuk melakukannya.

Jika kamu tidak dapat memenuhi tiga situasi di atas, sebaiknya kamu menggunakan
metode sampling lainnya yang lebih mendukung.

Keuntungan Menggunakan Simple Random Sampling :

Tujuan dari simple random sampling adalah untuk mengurangi potensi bias manusia dalam
pemilihan kasus yang akan dimasukkan dalam sampel. Simple random sampling
dimaksudkan untuk menjadi representasi kelompok yang tidak bias. Ini dianggap sebagai
cara yang adil untuk memilih sampel dari populasi yang lebih besar karena setiap anggota
populasi memiliki kesempatan yang sama untuk dipilih.

Hasilnya, sampel acak sederhana memberi kita sampel yang sangat mewakili populasi yang
diteliti, dengan asumsi bahwa ada data yang hilang terbatas.Tidak seperti metode
pengambilan sampel yang lebih rumit, simple random sampling tidak perlu membagi
populasi menjadi sub-populasi atau mengambil langkah tambahan lain sebelum memilih
anggota populasi secara acak

Kekurangan Simple Random Sampling

Kesalahan pengambilan sampel dapat terjadi dengan simple random sampling jika sampel
tidak secara akurat mencerminkan populasi yang seharusnya diwakili. Misalnya, dalam
sampel acak sederhana kami yang terdiri dari 25 karyawan, akan dimungkinkan untuk
menarik 25 pria meskipun populasi terdiri dari 125 wanita dan 125 pria.

Simple random sampling hanya dapat dilakukan jika daftar populasi tersedia dan lengkap.
Namun, mendapatkan daftar lengkap populasi bisa jadi sulit karena berbagai alasan.
Mungkin tidak ada daftar tunggal yang merinci populasi yang kamu inginkan. Akibatnya,
mungkin sulit dan memakan waktu untuk mengumpulkan banyak sub-daftar untuk
membuat daftar akhir yang sampelnya ingin kamu pilih.

Bisa juga, data mengenai populasi tersebut tidak tersedua secara publik. Sehingga, kamu
membutuhkan usaha yang lebih ekstra untuk mendapatkannya.

2) Stratified Random Sampling

Pada umumnya populasi-populasi yang dijadikan sebagai objek penelitian lebih cenderung
heterogen. Karena apabila diketahui karakter elemen populasi bersifat homogen maka
prosedur pengambilan sampel tidak perlu rumit, tidak perlu menggunakan teknik sampel
yang sulit dan ukuran sampel diambil pun cukup sedikit saja. Contohnya saat anda sedang
memasak sayur, anda cukup mengaduk sayuran dan dan mengambil satu sendok untuk
dijadikan sampel Apakah sudah cukup asin atau belum. Contoh lain dapat anda lihat pada
kasus pengambilan sampel darah.

Ilustrasi Straified Random Sampling.

Pelajar dalam suatu kota.

Dalam stratified random sampling setiap kelompok di dalam populasi yang dibentuk untuk
tujuan penelitian tersebut disebut sebagai stratum.

Pembentukan stratum.

Dari keseluruhan metode pengambilan sampel, pada umumnya prosedur yang digunakan
dalam survey adalah pengambilan sampel berstrata. Dalam pengambilan sampel berstrata,
populasi dari N unit dibagi menjadi k bagian populasi yang disebut strata, bagian populasi
ke-I mempunyai Ni unit dimana i.=1, 2 …, k

Bagian – bagian populasi tersebut tidak boleh saling tumpang tindih sehingga masing –
masing populasi terpisah, yaitu :

N1+N2+N3+ … + Nk = N

Suatu sampel diambil dari setiap strata – strata yang independen, jumlah sampel antar
strata ke –i. Menjadi ni dimana i.=1,2,…,k yaitu :

n1+n2+n3+…+nk=n

Prosedur pengambilan sampel dengan cara ini dikenal dengan pengambilan sampel
berstrata. Jika sampel diambil secara acak dari setiap strata, prosedurnya dikenal dengan
pengambilan sampel acak berstrata (Stratified Random Sampling).

Tujuan utama dalam stratifikasi adalah untuk membuat hubungan timbal balik yang lebih
baik dalam populasi sehingga dapat memberikan ukuran yang lebih tinggi untuk keputusan
relatif.

Agar dapat tercapai, hal – hal yang harus dilakukan untuk mengujinya dengan hati – hati
adalah: Bentuk strata, Jumlah strata yang akan dibuat, Alokasi jumlah sampel antar masing
– masing strata, Analisis data dari rancangan stratifikasi.

Kita harus mempertimbangkan pertama dua hal setelah menguji dua hal yang terakhir agar
berhubungan dengan tori pengambilan sampel berstrata.

Syarat Pembentukan Strata Dalam Stratified Random Sampling :

Syarat pembentukan strata dalam stratified random sampling mengikuti proses stratifikasi
suatu populasi dirangkum sebagai berikut :

Strata harus tidak saling tumpang tindih dan harus saling terpisah dalam populasi.
 Stratifiaksi populasi harus dilakukan pada strata yang bersifat homogen dalam
strata tersebut dengan karakteristik tertentu.

Pada kenyataannya di lapangan, ketika hal ini sulit untuk distratakan dengan suatu
nilai karakteristik tertentu, maka kemudahan administrasi menjadi dasar pemikiran dalam
stratifikasi.

Jika akurasi batas untuk kepastian tiap – tiap populasi diberikan, hal ini akan
menjadi lebih baik dan terpercaya untuk tiap – tiap populasi sebagai suatu strata.

Kelebihan metode stratified random sampling

Penggunaan stratifikasi memiliki banyak kegunaan. Beberapa prinsipnya adalah sebagai

berikut :

Stratifikasi memberikan kemudahan administrasi. Suatu badan oragnisasi

membentuk survey dapat berdiri dalam kantor – kantor dengan bermacam – macam
daerah administrasi dengan penjelasan kepemilikan sah dengan maksud menjadikan
organisasi lebih baik dengan hasil pekerjaan yang lebih akurat.

Stratifikasi dengan karakteristik alami membantu memperbaiki desain sampel.

Sebagai contoh , di area dan daerah survey terdapat banyak perbedaan tipe permasalahan
pengambilan sampel di daerah daratan, padang pasir, dan pegunungan yang mempunyai
perbedaan jarak tempuh sehingga hal ini akan menjadi lebih mudah jika tiap – tiap area
dipisahkan dalam suatu strata.

Stratifikasi secara praktek lebih efektif ketika terdapat nilai – nilai ekstrim dalam
populasi yang dapat dibedakan ke dalam strata dengan maksud mengurangi keragaman
dalam strata. Pemisahan dugaan menjadi strata tersendiri dapat dikombinasikan ke dalam
dugaan akurat untuk keseluruhan populasi.

Stratifikasi memberikan kemungkinan penggunaan desain sampel yang berbeda –

beda pada strata yang berbeda – beda. Pada kenyataannya di lapangan, informasi
mengenai stratifikasi tidak secara keseluruhan tersedia untuk setiap unit populasi. Dalam
kasus tersebut, keseluruhan populasi dibagi menjadi beberapa strata mengikuti infomasi
sebenarnya yang tersedia dan beberapa pengambilan sampel yang dapat dipercaya dalam
perencanaan pemilihan unit dalam strata tersebut digunakan.

Stratifikasi cukup mewakili keragaman kelompok dalam populasi yang memberikan

beberapa keterterikan atau efek yang besar.

Stratifikasi juga memilih sampel secara cross section yang lebih baik dengan
populasi dari yang tidak berstrata.
 Stratifikasi memberikan keputusan yang tepat dalam memperkirakan karakteristik
suatu populasi. Untuk dapat mencapainya, populasi yang heterogen dibagi – bagi menjadi
beberapa populasi yang masing masing dalam strata adalah homogen. Jika tiap – tiap
strata homogen, menggambarkan pengukuran dalam strata tersebut dari satu unit ke unit
yang lain, estimasi yang lebih akurat diperoleh dengan menggunakan sampel yang relatif
lebih besar.

Kelemahan metode stratified random sampling :

Kerangka sampel yang dijadikan sebagai acuan pembentukan strata atau acuan
penarikan sampel seringkali tidak memuat informasi informasi yang dapat dijadikan
sebagai dasar Pembentukan suatu strata.Sehingga apabila dipaksakan membentuk suatu
strata dengan informasi yang tidak cukup lengkap maka dapat berdampak pada tidak
sesuainya strata yang dibentuk dengan tujuan penelitian. Alih-alih membentuk suatu strata
dengan elemen yang bersifat homogen justru dapat membentuk suatu strata yang sangat
heterogen.

Seperti yang saya jelaskan sebelumnya di atas bahwa seorang peneliti membentuk
suatu kelompok berdasarkan tingkatan tingkatan tertentu dari kerangka sampel yang
tersedia. Apabila kerangka sampel tersebut belum menyediakan informasi ke dalam strata
maka peneliti harus membentuk sendiri kerangka sampel secara terpisah yang sudah terisi
tingkatan tingkatan sesuai kebutuhan penelitian.

Biaya operasional dapat membengkak apabila pembentukan strata bukan

mengikuti wilayah geografis melainkan mengikuti sifat atau karakter lain. Misalkan
tingkatan atau strata yang kita bentuk berdasarkan tingkatan pendidikan, meskipun
dianggap sebagai homogen dalam setiap strata namun populasi bisa tersebar di seluruh
wilayah atau area yang menjadi batas populasi katakanlah tersebar di dalam kota.

3) Systematic Sampling.

Systematic Sampling merupakan cara pengambilan sampel dimana sampel pertama

ditentukan secara acak, sedangkan sampel berikutnya diambil berdasarkan satu interval
tertentu. Setiap elemen populasi dipilih dengan suatu jarak interval dan dimulai secara
random dan selanjutnya dipilih sampelnya pada setiap jarak interval tertentu. Jarak
interval ditentukan angka pembagi atau dapat menggunakan dasar urutan abjad. Syarat
yang perlu diperhatikan oleh peneliti adalah adanya daftar nama semua anggota populasi.
Metode ini memilih sampel dari populasi dengan cara mengambil item-item pada populasi
secara sistematis atau dengan urutan tertentu. Misalnya, pada contoh pengambilan
sampel sebanyak 10 orang dari 100 karyawan tersebut, sampel yang diambil adalah item-
item dengan interval 10. Misalnya : 1, 11, 21, 31, 41, 51, 61, 71, 81, 91.
Keuntungan menggunakan metode Systematic Sampling :

Lebih cepat, murah dan mudah pelaksanaannya dari pada cara-cara yang lain.

Pengambilan sampel tanpa harus menggunakan kerangka sampel.

Sampel sistematis tersebar lebih merata, sehingga kemungkinan besar

menghasilkan sampel yang lebih representatif dan lebih efisien dari pada SRS.

Kelemahan menggunakan metode Systematic Sampling :

Penduga varian sulit diperoleh dari sampel sistematis tunggal.

Penyusunan yang tidak baik mungkin menghasilkan sampel yang sangat tidak
efisien.

Contoh soal :

Jika anggota populasi sebanyak 200 orang dan sampel yang dikehendaki sebanyak 20
sampel, maka setiap sampel elemen populasi akan diberikan nomor urut mulai dari 001 s/d
200, maka untuk menentukan jarak interval antara sampel satu dengan sampel berikutnya
digunakan rumus sebagai berikut:

K= N/n

Keterangan :

K : Jarak interval

N : Jumlah populasi

n : Jumlah sampel

Maka dari itu bisa kita cari jarak interval dengan rumus diatas, yaitu:

K= 200/20=10

Maka jarak interval sebesar 10, langkah selanjutnya adalah sampel secara acak, dan
katakanlah sampel yang terpilih adalah anggota populasi dengan nomor urut 002, maka
sampel berikutnya adalah kelipatan 10 yaitu anggota populasi dengan nomor urut 012, dan
begitu pula seterusnya sampai jumlah sampel yang diinginkan tercapai.

4) Cluster Sampling.

Cluster Sampling (Area Sampling) juga cluster random sampling. Teknik pengambilan
sampel ini digunakan bilamana populasi tidak terdiri dari individu-individu, melainkan
terdiri dari kelompok-kelompok individu atau cluster. Teknik sampling daerah digunakan
untuk menentukan sampel bila objek yang akan diteliti atau sumber data sangat luas.

Kelemahan teknik pengambilan sampel ini dapat dilihat dari tingkat error samplingnya. Jika
lebih banyak di bandingkan dengan pengambilan sampel berdasarkan strata karena sangat
sulit memperoleh cluster yang benar-benar sama tingkat heterogenitasnya dengan cluster
yang lain di dalam populasi.

Beberapa cluster dari populasi tersebut ini lalu dibentuk berdasarkan sifat atau
karakteristik yang homogen atau identik di antara individu-individu tertentu dalam sebuah
populasi. Dalam teknik cluster sampling, peneliti melakukan sampling acak dari beragam
cluster di suatu populasi.

Teknik cluster sampling dapat dilakukan dengan mengikuti langkah dan tips berikut ini:

Tentukan sampel: Tentukan target audiens dan ukuran sampelnya.

Ciptakan dan evaluasi sumber sampling: Ciptakan sumber sampling dengan cara
menggunakan sumber yang sudah ada atau menciptakannya sendiri sesuai dengan audiens
target Anda; Lakukan evaluasi sumber sampling berdasarkan cakupan dan pengelompokan.
Sesuaikan dengan keperluan Anda.

Tentukan kelompok: Tentukan jumlah kelompok dengan cara memasukkan anggota

yang sama secara merata ke dalam setiap kelompok. Pastikan setiap kelompok ini berbeda
dari satu sama lain.

Pilih cluster: Pilih cluster secara acak untuk sampling.

Segmentasi geografis: Segmentasi berdasarkan geografi menjadi salah satu

parameter paling umum untuk digunakan dalam cluster sampling.

Bentuk subtipe: Cluster sampling adalah teknik sampling dimana tahapan sampling
dikerucutkan pada subtipe one stage atau multi-stage yang lebih jelasnya akan dibahas di
bawah.

Cluster Sampling dapat dibagi menjadi 3 antara lain :

 One Stage.

Sebagai contohnya, katakanlah ada seorang peneliti yang ingin mengukur performa
akademis mahasiswa tingkat akhir di Provinsi Jawa Barat.

Tentu menjadi hal yang mustahil untuk melibatkan setiap mahasiswa dan mahasiswi di
seantero wilayah Provinsi Jawa Barat.
Alih-alih demikian, dengan penerapan teknik cluster sampling, peneliti dapat
mengelompokkan mahasiswa dari setiap kampus di setiap kota menjadi satu kelompok
atau yang di sini disebut sebagai cluster.

Satu lagi contoh cluster sampling adalah misalnya ketika suatu lembaga ingin melakukan
survei mengenai performa sinyal telekomunikasi di seluruh wilayah Sulawesi.

Para peneliti dapat membagi-bagi populasi keseluruhan wilayah Sulawesi ke dalam

pengelompokan berdasarkan kota-kota.

Lalu cara selanjutnya dalam cluster sampling adalah dengan menyeleksi kota-kota dengan
populasi terbanyak, lalu menyaringnya lagi dan memilih individu-individu yang
menggunakan sinyal telekomunikasi saja. Cluster sampling adalah tahapan-tahapan ini.

 Two Stage.

Two stage cluster sampling adalah sebuah sampel yang didapatkan melalui dua tahapan
sampling. Dengan Two stage cluster sampling akan memiliki hasil yang lebih baik daripada
sampel yang dicapai dari teknik cluster sampling 1 tahap. Hal ini terjadi dikarenakan
banyaknya elemen yang terjaring yang dapat dipilih, sehingga akan berpengaruh pada hasil
yang lebih baik dari sampel. Dalam two stage cluster sampling hanya memiliki beberapa
anggota saja yang dipilih dari setiap cluster dengan melalui penerapan metode sampling
lainnya yang dilakukan secara internal, dapat berupa systematic random sampling atau
simple random sampling.

Contoh two stage :

Seorang pengusaha ingin melihat data dari semua pabrik yang tersebar di berbagai wilayah
di Jawa Timur. Dengan menerapkan one stage cluster sampling maka akan memerlukan
biaya dan waktu yang cukup banyak. Sehingga dilakukan dengan menerapkan two stage
cluster sampling. Kemudia pengusaha tersebut membentuk sampel dari para pekerja yang
bekerja di pabrik yang berbeda umtuk membentuk sejumlah cluster. Lalu dibagi
berdasarkan ukuran pabrik atau status operasional dari tiap pabriknya. Dalam two stage
cluster sampling ini, teknik sampling lainnya serupa simple random sampling dipergunakan
sebelum lanjut dengan kalkulasi berikutnya.

 Multi Stage.

Multi stage cluster sampling adalah sebuah metode untuk mengambil sampel dengan cara
dua tahap atau lebih. Pada metode ini terdapat peluasan dalam penarikan sampelnya,
yaitu tidak langsung dilakukan penarikan sampel pada elemen, tetapi melalui cluster
terlebih dahulu. Multi stage random sampling memilih unit pada tahap pertama yang
disebut dengan Unit Sampling Primer (PSU). Sedangkan sampling yang dipilih tahap kedua
disebut dengan Unit Sampling Skunder.

Proses penarikan sampel merupakan sebuah cara untuk memilih sampel yang akan
menjadi dasar perkiraan. Proses penarikan sampel terdiri dari beberapa tahapan yaitu:

Tahap pertama yaitu memilih populasi dan membagi populasi menjadi beberapa
fraksi sebagai dasar untuk penarikan sampel pada tahap pertama atau primary sampling
unit (PSU) kemudian diambil sampelnya.

Tahap kedua yaitu sampel fraksi yang dihasilkan dibagi lagi menjadi fraksi-fraksi
yang lebih kecil kemudian diambil sampelnya. Pembagian fraksi terus dilakukan sampai
pada unit sampel yang diinginkan.

Contoh Multi stage cluster sampling

Di kabupaten Bojonegoro akan diadakan penelitian pola pemanfaatan sarana pelayanan

kesehatan, maka:

Penduduk Bojonegoro : populasi studi.

Kecamatan : unit sampling primer (PSU)

Rumah tangga : unit sampel

Maka dilakukan dengan cara sebagai berikut:

Diambil satu kecamatan secara acak sebagai kecamatan sampel (tahap pertama)

Satu tempat dalam kecamatan terpilih dijadikan sampel tahap kedua

Seluruh RT dalam daerah tersebut dijadikan unit sampling dan dipilih secara acak
sesua dengan jumlah sampel yang diinginkan

Cara ini dapat digunakan jika:

Populasi di daerah tersebut cukup homogen

Jumlah populasinya sangat besar

Populasi menempati daerah yang sangat luas

Biaya untuk penelitian sangat kecil

Multi stage random sampling adalah penggunaan berbagai metode random sampling
secara bersama-sama seefisien dan seefektif mungkin yang merupakan kasus khusus dari
cluster sampling. Dalam metode ini pada tahap kedua tidak memilih semua elemen dari
cluster, tetapi dengan beberapa elemen yang dipilih secara acak. Multi stage random
sampling ini dapat menggunakan gabungan dari teknik sampling yang lain, seperti simple
random, stratified random, systematic random, dan cluster random. Pada klaster terpilih,
dipilih elemen sampel dan selanjutnya informasi hanya dikumpulkan dari elemen terpilih.
Multistage random sampling dilaksanakan dengan menggunakan dua tahap, yaitu tahap
pertama disebut primary unit dan tahap kedua adalah secondary unit.

Cara ini merupakan salah satu model pengambilan sampel secara acak yang dilakukan
dengan membagi populasi menjadi beberapa fraksi. Fraksi yang dihasilkan dibagi lagi
menjadi fraksi-fraksi yang lebih kecil sehingga sampel dapat diambil. Penarikan sampel
dengan teknik ini tidak jauh berbeda dengan penarikan sampel dengan teknik cluster
random sampling. Pada teknik multi stage random sampling penarikan sampelnya
dilakukan lebih luas, tidak langsung dengan penarikan sampel pada elemen, tetapi melalui
cluster terlebih dahulu.

Contoh Multi stage random sampling :

Contoh dari beberapa kasus misalnya pertama memilih universitas sebagai sampel,
kemudian memilih sampel mahasiswa dari setiap universitas yang terpilih; pertama
memilih sampel kantor cabang kemudian memilih sampel karyawan dari kantor cabang
yang terpilih, memilih desa sebagai sampel kemudian memilih sampel petani dari desa
yang terpilih; pertama memilih blok toko sebagai sampel kemudian memilih sampel toko
dari blok yang terpilih; pertama memilih rumah sakit sebagai sampel kemudian memilih
sampepasien dari rumah-rumah sakit yang terpilih; pertama memilih sampel tambak ikan,
kemudian memilih sampel ikan dari tambak yang terpilih; pertama memilih sampel pasar
kemudian memilih sampel pedagang dari pasar yang terpilih; pertama memilih sampel
kota besar kemudian memilih sampel restoran padang dari kota besar yang terpilih;
pertama memilih sampel RT, memilih sampel warga penduduk dari RT yang terpilih.

Dalam contoh tersebut yang menjadi kelompok ataucluster ialah universitas, kantor
cabang, desa, blok toko, rumah sakit, tambak ikan, pasar, kota besar dan RT. Adapun
elemennya ialah mahasiswa, karyawan, petani, toko, pasien, ikan, pedagang restoran
padang dan warga/ penduduk.
1. Proses Memilih Sampel Random

Kerangka Sampling :
Adalah daftar atau list yang berisi satuan-satuan sampling yang ada dalam sebuah
populasi. Dalam daftar tersebut setiap satuan sampling diberi nomor urut. Jika
menggunakan Tabel Angka Random, lakukan penomoran sesuai dengan besarnya
ukuran sampel. Misalnya jika jumlah populasi ratusan, gunakan penomoran
dengan tiga digit, bisa dimulai dari 001 dan seterusnya.

Cara Memilih Sampel :

Paling tidak ada 3 cara memilih sampel yang sering digunakan yaitu dengan cara:
(1) mengundi, (2) menggunakan Tabel Angka Random, dan (3) memakai angka
random yang ada dalam Scientific Calculator. Dari segi kepraktisan akan sangat
mudah jika digunakan kalkulator. Dalam kalkulator terdapat tombol yang
bernotasi “RAN#”. Jika tombol tersebut dipijit akan ke luar angka per seribuan.
Misalnya ketika kita akan melakukan penelitian dengan jumlah populasi 500
sekolah. Semua sekolah harus dimasukan dalam kerangka sampling yang diberi
nomor mulai dari 001, 002, …. 500. Untuk menentukan sampel ke-1 yang harus
diambil pijit timbol RAN# pada kalkulator, misalkan ke luar angka 0,246, berarti
sampel yang harus diambil pertama adalah yang bernomor urut 246, pijit lagi
tombol RAN# misalkan ke luar angka 0,135 berarti yang harus diambil sebagai
sampel yang ke-2 adalah yang bernomor urut 135.
2. Menentukan Ukuran Sampel (=n)

Pertanyaan yang sering diajukan oleh peneliti ketika akan melakukan penelitian
adalah ”berapa besar sampel yang harus diteliti dari sebuah populasi?”, agar hasil
(berupa data perkiraan) penelitian dapat mewakili atau merepresentasikan
populasi. Data perkiraan (statistik) disebut mewakili jika angkanya mendekati
parameter. Jika parameter 100, 95 disebut lebih mewakili dibandingkan dengan
90. Dalam menentukan besarnya sampel, hal-hal yang harus diperhatikan dan
dipertimbangkan adalah :

1. Parameter apa yang akan diteliti (misalnya rata-rata, proporsi)

2. Besarnya populasi (N) atau banyaknya elemen populasi yang akan diambil
sampelnya.

3. Berapa tingkat kepercayaan/keyakinan yang dipergunakan (1-) untuk

menjamin hasil penelitian agar kesalahan samplingnya tidak melebihi nilai
tertentu (B = bound of error).

4. Bagaimana tingkat variasi atau heterogenitas populasi, dimana sampel

akan diambil. Tingkat variasi atau heterogenitas populasi biasanya
dinyatakan dengan  = standard error.

Dengan demikian, untuk menentukan besarnya sampel (n) perlu diketahui

angka-angka dari:

1. N = besarnya populasi.

2.  (standard error) atau 2 (varians) yang menggambarkan

heterogenitas populasi. Jika tidak diketahui bisa diperkirakan dari;
a. range = 4  (empirical rule)

b. kondisi atau berdasarkan hasil penelitian sebelumnya

3. B = bound of error (kesalahan sampling tertinggi). Kesalahan sampling atau

sampling error = |  -|

4. Tingkat kepercayaan (1-) atau taraf nyata ()

5. D = dihitung berdasarkan B dan tingkat kepercayaan. Misalnya untuk

menghitung D yang dipakai guna menentukan jumlah sampel untuk
 memperkirakan rata-rata dengan tingkat kepercayaan 95% adalah D = B2/4
yang berasal dari D = (B/ Z/2)2

Angka 4 diperoleh dari: Z/2 = Z0,05/2 = Z0,025 = 1,96 (didapat dari Tabel Z
Distribusi Normal) dibulatkan = 2, (22 = 4)

Menentukan Ukuran/Jumlah Sampel (n) untuk Memperkirakan Rata-

Rata Populasi ()
Akan dilakukan penelitian “Rata-Rata Biaya Pendidikan Dasar per Murid per
Tahun di Provinsi Banten”. Banyaknya sekolah seluruh sekolah di provinsi
tersebut dimisalkan ada 1.000 sekolah. Perbedaan rata-rata biaya pendidikan
antara yang tertinggi dan yang terendah sebesar Rp 100.000. Bound of error atau
kesalahan sampling tertinggi yang yang dikehendaki tidak lebih dari Rp
3.000. Tingkat kepercayaan yang digunakan 95%.

Berdasarkan deskripsi kondisi di atas dapat ditentukan:

N = 1000
B = Rp 3.000
Range = Rp 100.000

4 = range (empirical rule)

 = range / 4 = 100.000 / 4 = 25.000

D = B2 / 4 (untuk menaksir rata-rata pada tingkat kepercayaan

95%)

= 3.0002 / 4
= 2.250.000

N x 2
n = (-1)
N -1)+x D + 2

1.000 x 25.0002
n=
 (1.000-1) x 2.250.000 + 25.0002

n = 217,56 = 218 (dibulatkan)

 Ukuran/Jumlah Sampel (n) untuk Memperkirakan Proporsi/Persentase
Populasi
Akan diteliti “Berapa Besar Persentase Sumber Biaya Pendidikan SD Negeri yang
Berasal dari PAD di Kabupaten Bandung”. Misalnkan seluruh SD Negeri yang ada
di Kabupaten Bandung berjumlah 2000 sekolah. Bound of error atau kesalahan
sampling tertinggi yang dikehendaki tidak lebih dari 5 persen. Tingkat
kepercayaan yang digunakan 95%.

Berdasarkan deskripsi kondisi di atas dapat ditentukan:

N = 2.000
B = 5% = 0,05
P=Q = 0,5 (perkiraan proporsi yang moderat, jika proporsi populasi tidak
diketahui)
D = B2 / 4 (untuk menaksir persentase pada tingkat
kepercayaan 95%)

= 0,052 / 4

= 0,000625

NxPxQ
n= (N-1) x D + P x Q

2.000 x 0,5 x 0,5

n=
(2.000-1) x 0,000625 + (0,5 x 0,5)

n = 333,56 = 334 (dibulatkan)

Non Probability Sampling (Non Random Sample)

Non probability sampling adalah pegambilan sampel bukan acak, dimungkinkan untuk
mengatasi kesulitan pengambilan sampel secara acak, kerangka sampling (sampling frame
tidak tersedia) dan keterbatasan biaya. Disamping itu penggunaan non probability sampling
didasarkan atas tujuan tertentu (biasanya pada penelitian kualitatif).

Purposive Sampling

Pengertian Pueposive Sampling :

Pengertian Purposive Sampling Berdasarkan Arikunto:

Menurut Arikunto (2006) pengertiannya adalah: teknik mengambil sampel dengan tidak
berdasarkan random, daerah atau strata, melainkan berdasarkan atas adanya pertimbangan
yang berfokus pada tujuan tertentu.

Pengertian Purposive Sampling Berdasarkan Notoatmodjo:

Menurut Notoatmodjo (2010) pengertiannya adalah: pengambilan sampel yang berdasarkan

atas suatu pertimbangan tertentu seperti sifat-sifat populasi ataupun ciri-ciri yang sudah
diketahui sebelumnya.

Pengertian Purposive Sampling Berdasarkan Sugiyono:

Menurut Sugiyono (2010) pengertiannya adalah: teknik untuk menentukan sampel

penelitian dengan beberapa pertimbangan tertentu yang bertujuan agar data yang diperoleh
nantinya bisa lebih representatif.

Tujuan Purposive Sampling

Berdasarkan pengertian para ahli atau pakar di atas, kita dapat mengambil poin-poin penting
perihal pengertian teknik samplingtersebut serta indikasi penggunannya. Menurut
statistikian, purposive sampling lebih tepat digunakan oleh para peneliti apabila memang
sebuah penelitian memerlukan kriteria khusus agar sampel yang diambil nantinya sesuai
dengan tujuan penelitian dapat memecahkan permasalahan penelitian serta dapat
memberikan nilai yang lebih representatif. Sehingga teknik yang diambil dapat memenuhi
tujuan sebenarnya dilakukannya penelitian.

Contoh Purposive Sampling

Contoh mudah dalam penerapan teknik ini pada penelitian menggunakan metode kohort
adalah sebagai berikut: apabila peneliti akan meneliti dengan judul “Pengaruh konsumsi
tablet besi selama hamil terhadap kadar hemoglobin pasca melahirkan.” Maka peneliti
menetapkan kriteria khusus sebagai syarat populasi (ibu hamil) yang dapat dijadikan sampel,
yaitu apabila ibu tersebut tidak mempunyai berbagai jenis penyakit anemia. Alasannya
ditetapkan kriteria tersebut adalah karena kadar hemoglobin tidak hanya disebabkan oleh
konsumsi tablet besi, melainkan oleh berbagai penyebab lainnya yang mendasar seperti
penyakit anemia megaloblastik, anemia aplastik atau berbagai jenis anemia lainnya.
Contoh diatas menunjukkan pada kita, bahwa ditetapkannya kriteria tersebut adalah agar
tidak terjadi bias hasil penelitian. Sehingga hasil penelitian dengan menggunakan teknik
purposive tersebut dapat lebih memberikan hasil yang representatif.

Rumus Purposive Sampling

Pada dasarnya, sampling jenuh kemudian simple random sampling adalah teknik sampling
yang terbaik. Namun kita tidak bisa menutup mata adanya kriteria tertentu yang dapat
memunculkan bias hasil penelitian. Oleh karena itu teknik purposive perlu dipertimbangkan
untuk dipergunakan. Berbicara perihal rumus menentukan jumlah sampel berdasarkan
purposive, akan menjadi dilematis. Sebab meskipun kita telah mengetahui daftar populasi
yang akan kita teliti, namun ada kalanya jumlahnya tidak mencukupi jika akan menerapkan
rumus simple random sampling oleh karena adanya batasan atau kriteria. Maka semua itu
dikembalikan lagi pada peneliti, lebih menekankan jumlah yang mencukupi atau ketatnya
batasan-batasan pada sampel.

Langkah-langkah Purposive Sampling

Langkah dalam menerapkan teknik ini adalah sebagai berikut:

1. Tentukan apakah tujuan penelitian mewajibkan adanya kriteria tertentu pada sampel
agar tidak terjadi bias.
2. Tentukankriteria-kriteria.
3. Tentukan populasi berdasarkan studi pendahuluan yang teliti.
4. Tentukan jumlah minimal sampel yang akan dijadikan subjek penelitian serta
memenuhi kriteria.
5. Syarat Purposive Sampling

Syarat digunakannya teknik ini antara lain:

 Kriteria atau batasan ditetapkan dengan teliti.

 Sampel yang diambil sebagai subjek penelitian adalah sampel yang memenuhi
kriteria yang telah ditetapkan.
 Kelebihan dan Kekurangan Purposive Sampling
 Kelebihan:
 Sampel terpilih adalah sampel yang sesuai dengan tujuan penelitian.
 Teknik ini merupakan cara yang mudah untuk dilaksanakan.
 Sampel terpilih biasanya adalah individu atau personal yang mudah ditemui atau
didekati oleh peneliti.

Kekurangan:

o Tidak ada jaminan bahwa jumlah sampel yang digunakan representatif dalam segi
jumlah.
o Dimana tidak sebaik sample random sampling.
 o Bukan termasuk metode random sampling.
o Tidak dapat digunakan sebagai generalisasi untuk mengambil kesimpulan statistik.

Accindental Sampling

Accidental sampling/ Convenience sampling adalah non-probabilitas sampling teknik dimana

subyek dipilih karena aksesibilitas nyaman dan kedekatan mereka kepada peneliti.Subyek
dipilih hanya karena mereka paling mudah untuk merekrut studi dan peneliti tidak
mempertimbangkan memilih mata pelajaran yang mewakili seluruh populasi.

Dalam semua bentuk penelitian, akan sangat ideal untuk menguji seluruh penduduk, tetapi
dalam banyak kasus, populasi terlalu besar sehingga mustahil untuk menyertakan setiap
individu. Ini adalah alasan mengapa para peneliti sebagian besar bergantung pada teknik
sampling seperti pengambilan sampel kenyamanan, yang paling umum dari semua teknik
sampling. Banyak peneliti lebih memilih teknik sampling karena cepat, murah, mudah dan
subyek yang tersedia.Berikut beberapa contoh Accidental sampling/ Convenience Sampling :

Seseorang diambil sebagai sampel karena kebetulan orang tadi ada di situ atau
kebetulan dia mengenal orang tersebut. Kita ingin meneliti pendapat masyarakat tentang
kenaikan harga atau keluarga berencana, maka pertanyaan yang diajukan kepada mereka
yang kebetulan yang dijumpai di pasar atau ditempat-tempat lainnya.

Sebuah wartawan surat kabar bertanya kepada pambaca lewat kolom kuesioner di
surat kabar tersebut. Tidak smua orang yang baca koran punya minat pada masalah didalam
kuesioner, atau punya waktu untuk menggunting kuesiomner dan mengirimkannya pada pos
kendati gratis. Andai saja ada 5000 orang yang mengembalikan, tetapi kendati besar
“sampel” itu tidak bisa secara akurat menggambarkan popoulasi. Mungkin saja kuesioner
tersebut lebih punya nuansa menghibur ketimbang melakukan penelitian.

Seorang peneliti ingin mengetahui partisipasi orang tua murid dalam meningkatkan
prestasi belajar anak-anaknya.

The person on the street interview’ program tv biasanya mewawancarai mereka yang
dijumpai di jalan, tetapi umumny a mereka yang kelihatan tiadak menarik, miskin,, sangat
tua dan tidak berpendidikan.

Seorang peneliti ingin mengetahui tentang kebersihan wilayah jakarta selatan ia

menanyakan kepada orang ada dijalan atau orang yangdia jumpaibukan orang yang
mengerti tantang kebersihan kota jakarta selatan seperti petugas kebersihan atau
mendatangi kantor gubernur atau walikota jakarta selatan.

Seorang peneliti ingin mengetahui partisipasi orang tua murid dalam meningkatkan
prestasi belajar anak-anaknya. Peneliti mengambil sebagai sampel tetangganya, temannya,
kerabatnya, sejawatnya, dan kenalannya yang semuanya termasuk kategori “anggota
populasi penelitian” (dalam hal ini orang tua murid).
 Reporter televisi mewawancarai warga yang kebetulan sedang lewat. Kelebihan dari
pengambilan sesaat ini adalah kepraktisan dalam pemillihan anggota sampel.

Seorang kritikus makanan, misalnya, dapat mencoba makanan pembuka atau

hidangan beberapa untuk menilai kualitas dan berbagai menu. Dan wartawan televisi sering
mencari apa yang disebut 'orang-on-the-jalan wawancara' untuk mengetahui bagaimana
orang melihat masalah.

Sekelompok mahasiswa di sekolah tinggi melakukan studi tentang sikap guru. Mereka
mewawancarai guru di sekolah, beberapa orang dalam keluarga dan beberapa orang lainnya
yang diketahui keluarga mereka.Salah satu contoh yang paling umum convenience sampling
menggunakan relawan mahasiswa sebagai subjek untuk penelitian.

Contoh lain adalah menggunakan mata pelajaran yang dipilih dari sebuah klinik,
sebuah kelas atau sebuah lembaga yang mudah diakses oleh peneliti. Contoh yang lebih
konkret adalah memilih lima orang dari kelas atau memilih lima nama pertama dari daftar
pasien. peneliti secara tidak sengaja tidak termasuk sebagian besar dari populasi. Contoh
kenyamanan adalah salah satu kumpulan mata pelajaran yang dapat dijangkau atau pilihan
diri individu bersedia untuk berpartisipasi yang dicontohkan oleh para sukarelawan Anda.

Sebuah universitas memiliki sekitar 10.000 siswa. Ini 10.000 siswa penduduk kita (N).
Masing-masing dari 10.000 siswa dikenal sebagai unit (meskipun kadang-kadang istilah lain
yang digunakan untuk menggambarkan unit, lihat Sampling: Dasar-dasar). Untuk memilih
sampel (n) dari siswa dari populasi dari 10.000 siswa, kita bisa memilih untuk menggunakan
sebuah sample yang acak. Mari kita bayangkan bahwa karena kami memiliki anggaran kecil
dan waktu yang terbatas, kita memilih ukuran sampel 100 siswa.Contoh kenyamanan
hanyalah salah satu tempat unit yang dipilih untuk dimasukkan dalam sampel yang paling
mudah untuk mengakses.

Di mana pasien yang dipilih, sebagian atau seluruhnya, pada kenyamanan peneliti.
Peneliti tidak berusaha, atau hanya usaha terbatas, untuk memastikan bahwa sampel ini
adalah representasi akurat dari beberapa kelompok yang lebih besar atau populasi. Contoh
klasik dari sebuah sample yang berdiri di sebuah pusat perbelanjaan dan memilih pembeli
saat mereka berjalan dengan mengisi survei.

Seorang ilmuwan bisa menggunakan metode ini untuk menentukan apakah sebuah
danau tercemar. Dengan asumsi bahwa air danau dengan baik campuran.

Convenience sampling umumnya mengasumsikan populasi homogen, dan bahwa

satu orang adalah cukup banyak seperti yang lain. Sementara orang ini dikenal untuk
berbeda, perbedaan dianggap probabilistik - sehingga jika 80% dari sampel lebih suka kopi
untuk teh, Anda mungkin menyimpulkan bahwa 80% dari populasi pada umumnya akan
memilih kopi. Dalam prakteknya, sampel Anda mungkin sebagian besar penduduk Paris kelas
menengah dan tes yang sama di London dengan baik dapat memberikan hasil yang berbeda.
 Quota Sampling

Biasanya teknik sampling ini digunakan data dari populasi yang berkaitan dengan demografi
(kependudukan) seperti: lokasi geografis, usia, jenis kelamin, pendidikan, pendapatan,dll.
Pada dasarnya qupta sapling sama dengan Judgment sampling dua tahap. Tahap pertama
adalah tahapan dimana peneliti merumuskan kategori kontrol atau quota dari populasi yang
akan diteliti, seperti: jenis kelamin, usia, ras yang terdefinisikan dengan baik sebagai basis
dari keputusan pemilihan sampel. Tahap kedua adalah penentuan bagaimana sampel akan
diambil, dapat secara Convenience atau judgment tergantung pada situasi dan kondisi pada
saat akan dilakukan penelitian dan apa yang akan diteliti serta kemampuan dari peneliti
sendiri.

Perbedaan antara Judgment sampling dengan Quota sampling terletak adanya suatu batasan
pada quota sampling bahwa sampel yang dipilih harus sejumlah tertentu yang dijatah
(quotum) dari setiap subgroup yang telah ditentukan daru suatu populasi. Ukuran sampel
pada Quota sampling biasanya cukup besar dengan harapan agar karakteristik sampel
(statistik) sedapat mungkin mendekati karakteristik populasinya (parameter).

Kelebihan dan Kekurangan dilakukannya Quota Sampling :

o Kelebihan Quota Sampling :

o Rendahnya biaya penelitian yang dikeluarkan.
o Ada keleluasaan peneliti untuk menentukan elemen-elemen untuk setiap quotanya.
Bahkan pada kondisi tertentu, hasil penelitian dpat menyamai hasil penelitian yang
dilakukan dengan salah satu teknik sampling yang termasuk rumpun probability
sampling.

Kekurangan Quota Sampling :

Ditinjau dari bias yang mungkin terjadi, terlihat bahwa dengan teknik sampling ini akan
diperoleh data yang sangat beragam. Kondisi ini secara langsung akan berakibat pada
tingginya tingkat kesulitan dalam merumuskan hasil penelitian. Penyebab bias yang lainnya
adalah tidak adanya suatu prosedur atau tata cara yang baku bagi pewawancara dan teknik
wawancaranya. Permasalahan bertambah lagi dengan kenyataan di lapangan bahwa
pewawancara cenderung mencari lokasi/tempat-tempat dimana sampel dapat ditemukan
dan kadang pewawancara memilih-milih responden untuk diwawancarai berdasarkan
kriteria yang tidak dapat diterima seperti penampilan (gaya berpakaian, sikap), jenis kelamin,
ras dan lain sebagainya.

Contoh Aplikasi :
Misalkan akan diteliti kebiasaan membaca koran dari orang dewasa di Jakarta yang
diperkirakan berjumlah 4 juta orang. Aplikasi Quota sampling dilaksanakan dengan
menentukan kategori-kategori kontrol sebagai berikut:

Jenis Kelamin: Pria dan Wanita

Usia: 18-30

31-45

46-60

> 60 tahun

Dalam kaitannya dengan penelitian ini, mungkin Quota sampling bukan merupakan satu-
satunya pilihan, tetapi karena dengan Quota sampling kita dapat membuat pencerminan
dari populasinya maka Quota sampling dipilih. Kembali ke contoh di atas anggaplah akan
diambil 10.000 sampel dan diketahui beberapa informasi dari populasinya (berkaitan dengan
kategori kontrol) sebagai berikut:

Jenis Kelamin : Pria 60%

Wanita 40%

Usia : 18-30 40%

31-45 30%

46-60 23%

> 60 tahun 7%

Atas dasar informasi tersebut maka komposisi dari sampel (10.000 orang), harus
mengandung 60 % pria, 40 % wanita, dan dari 10.000 sampel tersebut harus terdiri dari 40 %
orang yang berusia antara 18-30 tahun, 30 % berusia 31-45 tahun, 23 % berumur antara 46-
60 tahun, 7 % berusia > 60 tahun. Inilah yang dimaksud dengan Quota sampling dimana kita
berusaha membuat pencerminan terhadap komposisi dari populasinya dengan harapan agar
statistik yang diperoleh sedapat mungkin mendekati nilai parameternya.

Saturation Sampling ( Sampling Jenuh )

Menurut Sugiyono (2001: 61), sampling jenuh adalah teknik penentuan sampel bila semua
anggota populasi digunakan sebagai sampel. Hal ini sering dilakukan bila jumlah populasi
relatif kecil, kurang dari 30 orang. Istilah lain sampel jenuh adalah sensus, dimana semua
anggota populasi dijadikan sampel.
Sampling jenuh adalah tehnik pengambilan sampling bila semua anggota populasi digunakan
sebagai sampel, hal ini dilakukan bila jumlah populasi relatif kecil yaitu kurangdari 30 orang,
atau penelitian ingin membuat generalisasi dengan kesalahan yang sangat kecil. Sampling
dikatakan jenuh (tuntas) bila seluruh populasi dijadikan sampel(Nasution, 2003). Misalnya
akan dilakukan penelitian tentang kinerja guru di SMA XXX Jakarta. Karena jumlah guru
hanya 35, maka seluruh guru dijadikan sampel penelitian. Sedangkan dikatakan padat bila
jumlah sampel lebih dari setengah dari populasi (Nasution, 2003), misalnya 250-300 orang
dari populasi 500orang. Sampling jenuh baik digunakan jika jumlah populasinya dibawah
1000 orang, tapi apabila jumlah samplingnya lebih dari 1000 orang maka sampling jenuh
tidak praktis lagi dikarenakan biaya dan waktu yang digunakan sangat banyak.

Kelebihan dari sampling jenuh:

o Dapat diketahui gambaran sebenarnyadari suatu populasi

o Dapat diperoleh kerangka sampel (sample frame) yang berguna untuk survei
o Tidak mempunyai sampling error (kesalahan karena pengambilan sampel)

Kekurangan dari sampling jenuh:

o Biaya, waktu dan tenaga yangdibutuhkan sangat besar

o Kesalahan dari petugas (nonsampling error) sulit diperkirakan
o Jenis data yang diperoleh terbatas dan sifatnya sederhana (tidak mendalam)

Snowball Sampling

(Sugiyono, 2001: 61), Snowball sampling adalah teknik penentuan sampel yang mula-mula
jumlahnya kecil, kemudian sampel ini disuruh memilih teman-temannya untuk dijadikan
sampel begitu seterusnya, sehingga jumlah sampel semakin banyak. Ibarat bola salju yang
menggelinding semakin lama semakin besar. Pada penelitian kualitatif banyak menggunakan
purposive dan snowball sampling.

Cara pengambilan sampelnya dengan teknik ini dilakukan secara berantai, mulai dari ukuran
sampel yang kecil, makin lama menjadi semakin besar seperi halnya bola salju (Snowball)
yang menggelinding menuruni lereng gunung/bukit. Dalam pelaksanaannya, pertama-tama
dilakukan interview terhadap suatu kelompok/seorang responden yang relevan, dan untuk
menunjuk calon responden yang berikutnya yang memiliki spesifikasi/spesialisasi yang sama.
Hal tersebut ditempuh, karena biasanya responden yang merupakan anggota populasi yang
spesifik tersebut saling mengenal satu sama lain karena spesialisasi (profesi) mereka.

Kelebihan Snowball Sampling:

o Snowball sampling dapat diperkirakan tidak akan banyak menyimpang dari apa yang
sebenarnya terjadi pada populasinya.
 o Bias yang dihasilkan relatif kecil.

Kekurangan Snowball Sampling:

o Waktu lama
o Biaya besar
o Wawancara melalui telepon atau pos dapat merupakan jalan keluar

Contoh aplikasi:

Misal bila akan diteliti pendapat para ahli gizi indonesia. Maka akan di ambil sampel dengan
snowball sampling. Pertimbangan tersebut dikaikan dengan kenyataan bahwa populasi gizi
di Indonesia sangat spesifik, jumlahnya sedikit dengan lokasi tersebar dan karena profesi
yang sama maka kemungkinan besar mereka mengenal satu dengan yang lainnya.

(1) Dicari seorang ahli gizi

(2) Selanjutnya dari seorang ini diminta menunjukkan beberapa ahli gizi lainnya yang dapat
diwawancarai, demikian seterusnya sehingga diperoleh sejumlah responden yang
diperlukan.

Judgment Sampling

Pada dasarnya merupakan suatu bentuk Convinience Sampling. Sampel diambil berdasarkan
kriteria-kriteria yang telah dirumuskan terlebih dahulu oleh peneliti. Perumusan kriterianya,
subjektifitas dan pengalaman dari peneliti sangat berperan. Teknik sampling ini dapat
diterapkan dan pada umumnya lebih cocok dipakai pada tahap awal suatu studi eksploratif.
Sampel yang diambil dari anggota populasi dipilih sekehendak hati oleh peneliti menurut
pertimbamgan dan intuisinya. Bila dalam subjektifitas dan intuisi dari peneliti benar, maka
sampel yang dipilih peneliti tersebut dapat mencerminkan karakteristik populasi.

Sampel yang diambil dari anggota populasi dipilih sekehendak hati o/peneliti menurut
pertimbangan & intuisinya. Bila intuisi dari peneliti tersebut benar, maka sampel yang dipilih
oleh peneliti tersebut akan dapat mencerminkan karakteristik populasi. Ada 2 judgement
sampling yang dikenal,yaitu :

a) Expert Sampling (sampling atas dasar keahlian)

Dalam expert sampling, pemilihan sampling yang representatif didasarkan atas pendapat
ahli, sehingga siapa, dalam jumlah berapa sampel harus dipilih sangat tergantung pada
pendapat ahli yang bersangkutan.

b) Purposive sampling (sampling dengan maksud tertentu)

Dalam purposive sampling, pemilihan sampling bertitik tolak pada penilaian pribadi peneliti
menyatakan bahwa sampel yang dipilih benar-benar representatif. Peneliti harus menguasai
bidangnya dan nemiliki pengetahuan memadai tentang karakteristik anggota populasi.

Kelebihan :

Situasi agar teknik judgment sampling dapat digunakan bahkan dianjurkan, seperti:

o Pada kondisi dimana probability sampling tidak dapat digunakan sama sekali.
o Bila ukuran sampel sangat kecil (<20).
o Bila peneliti memiliki pengetahuan dan penguasaan yang memadai terhadap topik
yang dihadapi sehingga dapat dijamin bahwa sampel yang diambil benar-benar
representatif.

Kekurangan :

o Kendala yang dihadapi dalam penggunaan teknik sampling ini adalah tuntunan
adanya kejelian dari peneliti dalam mendefinisikan populasi dan membuat
pertimbangannya. Pertimbangan (judgment) harus masuk akal dan relevan dengan
maksud penelitian.

Contoh Aplikasi:

Akan diteliti sikap dan prilaku konsumen terhadap rokok “Star ABC”. Adapun judgment yang
diambil adalah sbb:

Para perokok di Jakarta Utara yang pernah mencoba rokok Star ABC. Batasan ini
diambil karena, pertama, mungkin letak geografis, perokok (respinden) mudah diakses.
Kedua, dipilihnya hanya perokok akan mengurangi bias dari hasil penelitian karena antara
perokok dan tidak biasanya menunjukkan sikap dan prilaku yang saling bertolak belakang.
Ketiga, pembatasan responden yang pernah mencoba rokok Star ABC, sudah jelas
dikarenakan bagaimana mereka akan bersikap dan berprilaku tertentu terhadap rokok
tersebut bila mereka belum pernah mencoba.

Pria/wanita yang berusia 15 tahun ke atas dan perokok. Hal ini didasarkan pada
faktor kejiwaan yang menyatakan bahwa orang pada usia 15 diharapkan sudah dapat
memutuskan dan menjawab/mengisi angket dengan benar. Tidak adanya perbedaan antara
pria dan wanita disebabkan kenyataan pada dewasa ini bahwa rokok bukan sepenuhnya
dikonsumsi oleh pria saja.

Periode penyebaran dan pengumpulan angket dibatasi selama 2 minggu. Judgment

ini dipilih berkaitan dengan efisiensi wakti dan biaya yang tersedia.

KESALAHAN PENGAMBILAN SAMPEL (Sampling Error)

Secara umum peneliti harus dapat memperoleh besarnya sampel minimum yang diperlukan
agar dapat merepresentasikan populasi secara akurat, namun disadari bahwa sampel
bukanlah populasi sehingga kemungkinan melakukan kesalahan dapat saja terjadi. Oleh
karena itu peneliti harus memandang hasil dari sampel bukanlah hasil yang pasti, tapi
sebatas estimasi. Kesalahan pengambilan sampel terjadi apabila sampel yang diproleh
tidak/kurang akurat dalam merepresentasikan populasi, masalahnya berapa besar kesalahan
sampling yang ditoleransi agar generalisasi dari suatu penelitian sampel dapat diandalkan

Sebagaimana telah diketahui bahwa besarnya sampel yang diperlukan agar dapat
merepresentasikan populasi tidak hanya tergantung pada ukuran besarnya populasi tapi juga
pada heterogenitas variansi variabel dalam populasi. Semakin besar populasi, semakin besar
sampel yang diperlukan, demikian juga semakin heterogen variabel dalam populasi semakin
besar sampel yang diperlukan dalam penelitian.

Teori pengambilan sampel (Sampling Theory) menyatakan bahwa jika banyak sampel
(dengan jumlah tertentu) diambil dari suatu populasi, maka sebagian besar Mean sampel
akan berada dekat dengan Mean populasi , dan hanya sedikit saja yang berada jauh dari
mean populasi , hal ini berarti bahwa jika sampel diambil secara tepat, maka penyimpulan
atas sampel akan mendekati (akibat sampling error) penyimpulan atas populasi.

Dari suatu populasi dapat digambarkan suatu distribusi sampel Mean (Sampling
distribution), dan menurut Teorema batas pusat (Central limit Theorem) mean-mean dari
sampel akan berdistribusi normal diseputar mean populasi serta mean dari mean semua
sampel akan sama dengan nilai mean populasi. Namun demikian kemungkinan melakukan
kekeliruan tetap saja ada, dan untuk menghitung/mengetahui kekeliruan tersebut pertama-
tama perlu dilihat dulu bagaimana variasi dalam suatu populasi, akan tetapi karena variasi
populasi secara empirik tidak diketahui, maka yang dapat digunakan adalah nilai variasi
sampel, adapun ukuran-ukuran untuk mengetahui variasi suatu data penelitian yang biasa
dipergunakan adalah Mean Deviasi (X – ), Varians (X – )2/N), dan Standar Deviasi yaitu akar
pangkat dua dari Variance ( (X – )2 / ).

Sebelum mengetahui nilai kesalahan pengambilan sampel terlebih dahulu perlu diketahui
Standard Error, dan ukuran variasi Standard Deviasimerupakan ukuran yang baik untuk
mengetahui rata-rata penyimpangan, adapun rumus perhitungan Standard Erroradalah
Standar Deviasi dibagi akar pangkat dua jumlah sampel ( SD : N (jumlah sampel) ),standar
deviasi (SD)yang digunakan dalam rumus tersebut mestinya SD populasi, tapi karena yang
diteliti adalah sampel, maka SD sampelyang dipergunakan dengan asumsi SD sampel sama
dengan SD populasi. Standar Error merupakan estimasi terbaik bagi Sampling Error; semakin
kecil Standar deviasi,dan semakin besar jumlah sampel maka semakin kecil Standard Error,
yang berarti semakin kecil Sampling error,karena Kesalahan penarikan sampel merupakan
perkalian antara Standard error dengan nilai z pada tingkat kepercayaan tertentu ( 95% =
1,96; 99% = 2,58