Halaman 1

Populasi
Populasi mengacu pada seluruh kelompok orang, peristiwa, atau hal-hal yang menjadi perhatian peneliti ingin
menyelidiki. Ini adalah sekelompok orang, peristiwa, atau hal-hal yang menarik yang diinginkan peneliti untuk
membuat kesimpulan (berdasarkan statistik sampel). Misalnya, jika CEO sebuah perusahaan komputer ingin
tahu jenis strategi periklanan yang diadopsi oleh perusahaan komputer di Lembah Silikon, kemudian semua
perusahaan komputerterletak di sana akan ada populasi. Jika seorang konsultan organisasi tertarik untuk
mempelajari efeknya dari empat hari kerja seminggu pada pekerja kerah putih di sebuah perusahaan telepon di
Irlandia, maka semua pekerja kulit putih pekerja kerah di perusahaan itu akan menjadi populasi. Jika regulator
ingin tahu bagaimana pasien dipanti jompo yang dijalankan oleh sebuah perusahaan di Prancis dirawat, lalu
semua pasien di semua panti jompo dijalankan oleh mereka akan membentuk populasi. Namun, jika regulator
hanya tertarik pada satu keperawatan tertentu rumah dijalankan oleh perusahaan itu, maka hanya pasien di
panti jompo tertentu yang akan membentuk populasi.

Elemen
Sebuah elemen adalah anggota tunggal dari populasi. Jika 1000 pekerja kerah biru di organisasi tertentu
kebetulan menjadi populasi yang menarik bagi seorang peneliti, setiap pekerja kerah biru di dalamnya adalah
elemen. Jika 500 buah mesin harus disetujui setelah memeriksa beberapa, akan ada 500 elemen dalam hal ini
populasi. Kebetulan, sensus adalah penghitungan semua elemen dalam populasi manusia.

Sampel
Sampel adalah bagian dari populasi. Ini terdiri dari beberapa anggota yang dipilih darinya. Dengan kata lain,
beberapa, tetapi tidak semua, elemen populasi membentuk sampel. Jika diambil 200 anggota dari suatu
populasi 1000 pekerja kerah biru, 200 anggota ini merupakan sampel untuk penelitian ini. Artinya, dari sebuah
studi tentang 200 anggota ini, peneliti akan menarik kesimpulan tentang seluruh populasi 1000 kerah biru
pekerja. Demikian juga jika ada 145 pasien rawat inap di rumah sakit dan 40 di antaranya akan disurvei oleh
administrator rumah sakit untuk menilai tingkat kepuasan mereka terhadap pengobatan yang diterima, maka
anggota akan menjadi sampel. Dengan demikian, sampel adalah subkelompok atau himpunan bagian dari
populasi. Dengan mempelajari sampel, peneliti harus dapat menarik kesimpulan yang dapat digeneralisasikan
untuk populasi
minat.
Unit pengambilan sampel
Unit sampling adalah elemen atau kumpulan elemen yang tersedia untuk dipilih dalam beberapa tahap proses
pengambilan sampel. Contoh unit sampling dalam sampel multistage adalah blok kota, rumah tangga, dan
individu di dalam rumah tangga.
Subjek
Subjek adalah anggota tunggal dari sampel, sama seperti elemen adalah anggota tunggal dari populasi. Jika
200 anggota dari total populasi 1000 pekerja kerah biru membentuk sampel untuk penelitian, kemudian
masing-masing pekerja kerah biru dalam sampel adalah subjek. Sebagai contoh lain, jika sampel 50 mesin dari
total dari 500 mesin harus diperiksa, maka setiap satu dari 50 mesin adalah subjek, sama seperti setiap mesin
mesin dalam total populasi 500 mesin adalah elemen.

Halaman 2
CONTOH DATA DAN NILAI POPULASI
Saat kami mengambil sampel, unit pengambilan sampel (karyawan, konsumen, dan sejenisnya) memberi kami
tanggapan. Untuk
Misalnya, seorang konsumen yang menanggapi pertanyaan survei dapat memberikan respons "3". Ketika kita
memeriksa
tanggapan yang kami dapatkan untuk seluruh sampel kami, kami menggunakan statistik. Dalam Bab 14 kami
akan menjelaskan bahwa
ada berbagai macam statistik yang dapat kita gunakan, seperti mean, median, atau modus. Alasannya
kami sampel, bagaimanapun, adalah bahwa kami tertarik pada karakteristik populasi yang kami sampel. Jika
kami mempelajari seluruh populasi dan menghitung mean atau standar deviasi, maka kami tidak merujuk ke
ini sebagai statistik. Sebagai gantinya, kami menyebutnya parameter populasi
Parameter
Karakteristik populasi seperti (rata-rata populasi), (standar populasi
deviasi), dan 2 (varians populasi) disebut sebagai parameternya. Kecenderungan sentral,
dispersi, dan statistik lain dalam sampel yang menarik untuk penelitian diperlakukan sebagai perkiraan dari
tendensi sentral, dispersi, dan parameter populasi lainnya. Dengan demikian, semua kesimpulan
ditarik tentang sampel yang diteliti digeneralisasikan untuk populasi. Dengan kata lain, sampel
statistik – X (rata-rata sampel), S (deviasi standar), dan S2 (variasi dalam sampel) – digunakan
sebagai estimasi parameter populasi , , dan 2. Gambar 13.2 menunjukkan hubungan antara
sampel dan populasi.
Keterwakilan Sampel
Kebutuhan untuk memilih sampel yang tepat untuk penyelidikan penelitian tidak dapat terlalu ditekankan. Kita
tahu
bahwa sampel jarang akan menjadi replika yang tepat dari populasi dari mana sampel itu diambil. Misalnya,
sangat
beberapa rata-rata sampel (X) cenderung sama persis dengan rata-rata populasi (μ). Standar juga tidak
simpangan sampel (S) cenderung sama dengan simpangan baku populasi (σ). Namun,
jika kita memilih sampel dengan cara ilmiah, kita dapat cukup yakin bahwa statistik sampel (misalnya, X, S,
atau S2) cukup dekat dengan parameter populasi (yaitu, , , atau 2). Dengan kata lain, adalah mungkin untuk
memilih sampel sedemikian rupa sehingga mewakili populasi. Selalu ada sedikit
probabilitas, bagaimanapun, bahwa nilai sampel mungkin berada di luar parameter populasi.
Normalitas Distribusi
Atribut atau karakteristik populasi umumnya berdistribusi normal. Misalnya, ketika
atribut seperti tinggi dan berat badan dipertimbangkan, kebanyakan orang akan berkerumun di sekitar rata-rata,
hanya menyisakan sejumlah kecil di bagian ekstrem yang sangat tinggi atau sangat pendek, sangat berat atau
sangat ringan,
dan seterusnya, seperti yang ditunjukkan pada Gambar 13.3. Jika kita ingin memperkirakan karakteristik
populasi dari
diwakili dalam sampel dengan akurasi yang dapat diterima, sampel harus dipilih sedemikian rupa sehingga
distribusinya
karakteristik yang menarik mengikuti pola distribusi normal yang sama dalam sampel seperti halnya
dalam populasi. Dari teorema limit pusat, kita tahu bahwa distribusi sampling dari sampel
rata-rata terdistribusi normal. Dengan bertambahnya ukuran sampel n, rata-rata sampel acak yang diambil
dari hampir semua populasi mendekati distribusi normal dengan mean dan standar deviasi . Di dalam
jumlah, terlepas dari apakah atribut populasi terdistribusi normal atau tidak, jika kita mengambil
jumlah sampel yang cukup besar dan memilihnya dengan hati-hati, kita akan memiliki distribusi
sarana yang memiliki normalitas. Inilah alasan mengapa dua masalah penting dalam pengambilan sampel
adalah ukuran sampel
(n) dan desain pengambilan sampel, seperti yang akan dibahas nanti.

halaman 3
Ketika sifat-sifat populasi tidak terlalu terwakili atau kurang terwakili dalam sampel, kita
memiliki sampel yang representatif. Ketika sampel terdiri dari elemen-elemen dalam populasi yang memiliki
nilai tinggi pada variabel yang kita pelajari, rata-rata sampel X akan jauh lebih tinggi daripada populasi
berarti . Sebaliknya, jika subjek sampel terdiri dari unsur-unsur dalam populasi dengan yang sangat rendah
nilai pada variabel yang diinginkan, mean sampel akan jauh lebih rendah daripada mean populasi sebenarnya .
Namun, jika desain pengambilan sampel dan ukuran sampel kami benar, rata-rata sampel X akan berada dalam
jarak dekat
dari rata-rata populasi sebenarnya . Dengan demikian, melalui desain pengambilan sampel yang tepat, kami
dapat memastikan bahwa sampel
subjek tidak dipilih dari ekstrem, tetapi benar-benar mewakili sifat-sifat
populasi. Semakin mewakili populasi sampel, semakin dapat digeneralisasikan
temuan penelitian. Ingatlah bahwa generalisasi adalah salah satu keunggulan penelitian ilmiah, seperti yang
kita
lihat di Bab 2.
PROSES SAMPLING
Sampling adalah proses memilih sejumlah elemen yang tepat dalam jumlah yang cukup dari populasi, sehingga
studi sampel dan pemahaman tentang sifat atau karakteristiknya memungkinkan kita untuk
menggeneralisasi sifat atau karakteristik tersebut ke elemen populasi. Langkah-langkah utama dalam
pengambilan sampel
termasuk:
1. Tentukan populasi.
2. Tentukan kerangka sampel.
3. Menentukan desain sampling.
4. Tentukan ukuran sampel yang sesuai.
5. Jalankan proses sampling.
Mendefinisikan populasi
Pengambilan sampel dimulai dengan menentukan populasi sasaran secara tepat. Populasi target harus
didefinisikan dalam
unsur, batas geografis, dan waktu. Misalnya, untuk bankir yang tertarik menabung
kebiasaan pekerja kerah biru di industri pertambangan di Amerika Serikat, populasi target mungkin
semua pekerja kerah biru di industri itu di seluruh negeri. Untuk biro iklan yang tertarik dengan
kebiasaan membaca orang tua, populasi target mungkin adalah penduduk Jerman berusia 50 tahun ke atas.
Contoh-contoh ini menggambarkan bahwa tujuan penelitian dan ruang lingkup penelitian memainkan peran
penting dalam
menentukan populasi sasaran.
Menentukan kerangka sampel
Kerangka sampling adalah representasi (fisik) dari semua elemen dalam populasi dari mana
sampel ditarik. Penggajian suatu organisasi akan berfungsi sebagai kerangka sampling jika para anggotanya
ingin
dipelajari. Demikian juga dengan daftar universitas yang berisi daftar semua mahasiswa, dosen, administrator,
dan
staf pendukung di universitas selama tahun akademik atau semester tertentu dapat berfungsi sebagai sampel
kerangka untuk studi populasi universitas. Sebuah daftar siswa kelas bisa menjadi kerangka sampling untuk
studi siswa di kelas. Direktori telepon juga sering digunakan sebagai kerangka sampling untuk
beberapa jenis penelitian, meskipun memiliki bias yang melekat karena beberapa nomor tidak terdaftar dan

halaman 4
tertentu lainnya mungkin telah menjadi usang. Meskipun kerangka sampling berguna dalam memberikan
daftar
setiap elemen dalam populasi, mungkin tidak selalu berupa dokumen terkini dan terkini. Misalnya,
nama anggota yang baru saja keluar dari organisasi atau keluar dari universitas, serta
anggota yang baru saja bergabung dengan organisasi atau universitas mungkin tidak muncul di
penggajian organisasi atau universitas mendaftar pada hari tertentu. Yang paling baru diinstal atau
telepon yang terputus tidak akan, juga, dimasukkan dalam direktori telepon saat ini. Oleh karena itu, meskipun
kerangka sampling mungkin tersedia dalam banyak kasus, mungkin tidak selalu sepenuhnya benar atau
lengkap.
Ketika kerangka sampling tidak sama persis, kesalahan cakupan populasi terjadi. Dalam beberapa kasus,
peneliti mungkin mengenali masalah ini dan tidak terlalu mengkhawatirkannya, karena perbedaannya
antara populasi target dan kerangka sampling cukup kecil untuk diabaikan. Namun, dalam kebanyakan kasus,
peneliti harus mengatasi kesalahan ini dengan mendefinisikan ulang populasi target dalam hal:
kerangka sampling, menyaring responden sehubungan dengan karakteristik penting untuk memastikan bahwa
mereka
memenuhi kriteria untuk populasi sasaran, atau menyesuaikan data yang dikumpulkan dengan skema
pembobotan untuk
mengimbangi kesalahan cakupan.
Menentukan desain sampling
Ada dua jenis utama dari desain sampling: probabilitas dan nonprobabilitas sampling. Dalam kemungkinan
sampling, elemen-elemen dalam populasi memiliki beberapa peluang atau probabilitas yang diketahui, bukan
nol
dipilih sebagai subjek sampel. Dalam pengambilan sampel nonprobabilitas, elemen-elemen tersebut tidak
memiliki nilai or yang diketahui
kesempatan yang telah ditentukan untuk dipilih sebagai subjek. Desain sampling probabilitas digunakan ketika
keterwakilan sampel adalah penting untuk kepentingan generalisasi yang lebih luas. Kapan waktu atau
faktor lain, daripada generalisasi, menjadi kritis, sampling nonprobabilitas umumnya digunakan. Setiap
dari dua desain utama ini memiliki strategi pengambilan sampel yang berbeda. Tergantung pada tingkat
generalisasi
diinginkan, tuntutan waktu dan sumber daya lainnya, dan tujuan penelitian, berbagai jenis
desain sampling probabilitas dan nonprobabilitas dipilih.
Menentukan ukuran sampel
Apakah ukuran sampel 40 cukup besar? Atau apakah Anda memerlukan ukuran sampel 75, 180, 384, atau
500? Apakah sampel besar?
lebih baik dari sampel kecil; yaitu, apakah lebih representatif? Keputusan tentang seberapa besar sampel
ukuran harus bisa menjadi salah satu yang sangat sulit. Kami dapat meringkas faktor-faktor yang
mempengaruhi keputusan tentang sampel
ukuran sebagai:
1. Tujuan penelitian.
2. Tingkat presisi yang diinginkan (interval kepercayaan).
3. Risiko yang dapat diterima dalam memprediksi tingkat presisi tersebut (tingkat kepercayaan).
4. Besarnya variabilitas dalam populasi itu sendiri.
5. Kendala biaya dan waktu.
6. Dalam beberapa kasus, ukuran populasi itu sendiri
Jadi, seberapa besar sampel Anda seharusnya merupakan fungsi dari enam faktor ini. Kami akan memiliki
lebih banyak hal untuk dikatakan tentang
ukuran sampel nanti dalam bab ini, setelah kita membahas desain sampling.

halaman 5
Menjalankan proses pengambilan sampel
Dua contoh berikut mengilustrasikan bagaimana, pada tahap akhir proses pengambilan sampel, keputusan
dengan:
sehubungan dengan populasi sasaran, kerangka pengambilan sampel, teknik sampel, dan ukuran sampel harus:
diimplementasikan.
PENGAMBILAN PROBABILITAS
Ketika elemen dalam populasi memiliki peluang yang diketahui, bukan nol untuk dipilih sebagai subjek dalam
sampel, kami menggunakan desain sampling probabilitas. Sampling probabilitas dapat berupa tidak terbatas
(sederhana)
random sampling) atau terbatas (complex probability sampling) di alam.
Pengambilan sampel acak tidak terbatas atau sederhana
Dalam desain sampling probabilitas tak terbatas, lebih dikenal sebagai sampling acak sederhana, setiap
elemen dalam populasi memiliki peluang yang diketahui dan sama untuk dipilih sebagai subjek. Mari kita
katakan di sana
adalah 1000 elemen dalam populasi, dan kita membutuhkan sampel 100. Misalkan kita menjatuhkan potongan
kertas dalam topi, masing-masing bertuliskan nama salah satu elemen, dan gambar 100 elemen dari topi
dengan
mata kami tertutup. Kita tahu bahwa bagian pertama yang ditarik akan memiliki peluang 1/1000 untuk ditarik,
selanjutnya
satu kesempatan 1/999 untuk ditarik, dan seterusnya. Dengan kata lain, kita tahu bahwa probabilitas salah satu
dari mereka yang dipilih adalah 1 dalam jumlah populasi, dan kita juga tahu bahwa setiap elemen tunggal
dalam
topi memiliki probabilitas yang sama atau sama untuk dipilih. Kita tentu tahu bahwa komputer dapat
menghasilkan
nomor acak dan seseorang tidak harus melalui proses yang membosankan untuk mengeluarkan nama dari a
topi!
Pengambilan sampel probabilitas terbatas atau kompleks
Sebagai alternatif dari desain sampling acak sederhana, beberapa sampling probabilitas kompleks (terbatas)
probabilitas) desain dapat digunakan. Prosedur pengambilan sampel probabilitas ini menawarkan peluang yang
layak, dan terkadang
lebih efisien, alternatif dari desain tak terbatas yang baru saja kita bahas. Efisiensi ditingkatkan dalam hal itu
lagi
informasi dapat diperoleh untuk ukuran sampel yang diberikan menggunakan beberapa sampling probabilitas
kompleks
prosedur daripada desain sampling acak sederhana. Lima kemungkinan kompleks yang paling umum
desain pengambilan sampel – pengambilan sampel sistematis, pengambilan sampel acak bertingkat,
pengambilan sampel klaster, pengambilan sampel area, dan
pengambilan sampel ganda – sekarang akan dibahas.
Pengambilan sampel sistematis
Desain sampling sistematis melibatkan menggambar setiap elemen ke-n dalam populasi dimulai dengan
elemen yang dipilih secara acak antara 1 dan n. Prosedurnya dicontohkan di bawah ini.
Pengambilan sampel acak bertingkat
Sementara pengambilan sampel membantu untuk memperkirakan parameter populasi, mungkin ada
subkelompok yang dapat diidentifikasi dari:
elemen dalam populasi yang mungkin diharapkan memiliki parameter yang berbeda pada variabel
menarik bagi peneliti. Misalnya, kepada direktur manajemen sumber daya manusia yang tertarik pada
menilai sejauh mana pelatihan yang karyawan dalam sistem merasa mereka butuhkan, seluruh organisasi
akan membentuk populasi untuk diteliti. Tetapi tingkat, kualitas, dan intensitas pelatihan yang diinginkan oleh
tingkat menengahmanajer, manajer tingkat bawah, supervisor lini pertama, analis komputer, pekerja
administrasi, dan sebagainya akan menjadi berbeda untuk setiap kelompok. Pengetahuan tentang jenis
perbedaan kebutuhan yang ada untuk yang berbeda kelompok akan membantu direktur untuk mengembangkan
program pelatihan yang berguna dan bermakna untuk setiap kelompok di organisasi. Oleh karena itu, data
harus dikumpulkan dengan cara yang akan membantu penilaian kebutuhan pada setiap tingkat subkelompok
dalam populasi. Unit analisis kemudian akan berada di tingkat kelompok dan proses sampling acak bertingkat
akan berguna.

Pengambilan sampel acak bertingkat yang proporsional dan tidak proporsional

Setelah populasi distratifikasi dengan cara tertentu, sampel anggota dari setiap strata
dapat diambil baik menggunakan sampling acak sederhana atau prosedur sampling sistematis.
Keputusan pengambilan sampel yang tidak proporsional dibuat baik ketika beberapa strata atau strata terlalu
kecil atau terlalu
besar, atau ketika ada lebih banyak variabilitas yang dicurigai dalam strata tertentu. Sebagai contoh,
tingkat pendidikan di antara pengawas, yang dapat dianggap mempengaruhi persepsi, dapat berkisar dari:
sekolah dasar hingga magister. Di sini, lebih banyak orang akan dijadikan sampel di tingkat pengawasan.
Pengambilan sampel yang tidak proporsional juga terkadang dilakukan ketika lebih mudah, lebih sederhana,
dan lebih murah untuk dikumpulkan
data dari satu atau lebih strata daripada dari yang lain. Singkatnya, pengambilan sampel acak bertingkat
melibatkan:
membuat stratifikasi unsur-unsur di sepanjang tingkat yang bermakna dan mengambil sampel yang
proporsional atau tidak proporsional
dari strata. Desain sampling ini lebih efisien daripada desain sampling acak sederhana karena,
untuk ukuran sampel yang sama, setiap segmen penting dari populasi terwakili dengan lebih baik, dan lebih
banyak lagi
informasi berharga dan berbeda diperoleh sehubungan dengan masing-masing kelompok.
Pengambilan sampel klaster
Sampel klaster adalah sampel yang dikumpulkan dalam kelompok atau potongan elemen yang idealnya adalah
agregat alami
dari unsur-unsur dalam populasi. Dalam cluster sampling, populasi target terlebih dahulu dibagi menjadi
beberapa cluster. Kemudian,
sampel acak dari cluster diambil dan untuk setiap cluster yang dipilih baik semua elemen atau sampel dari
elemen yang termasuk dalam sampel. Sampel cluster menawarkan lebih banyak heterogenitas dalam kelompok
dan banyak lagi
homogenitas antar kelompok – kebalikan dari apa yang kita temukan dalam pengambilan sampel acak
bertingkat, di mana ada
homogenitas dalam setiap kelompok dan heterogenitas antar kelompok. Jenis pengambilan sampel cluster
tertentu adalah
pengambilan sampel daerah. Dalam hal ini, cluster terdiri dari wilayah geografis seperti kabupaten, blok kota,
atau tertentu
batas-batas dalam suatu wilayah. Jika Anda ingin mensurvei penduduk suatu kota, Anda akan mendapatkan
peta kota, ambil
sampel blok kota dan pilih responden dalam setiap blok kota. Mencontoh kebutuhan konsumen
sebelum membuka toko serba ada 24 jam di bagian kota tertentu akan melibatkan pengambilan sampel area.
Rencana lokasi untuk toko ritel, iklan yang berfokus secara khusus pada populasi lokal, serta TV dan radio
program yang dipancarkan di area tertentu semuanya dapat menggunakan desain pengambilan sampel area
untuk mengumpulkan informasi tentang
minat, sikap, kecenderungan, dan perilaku masyarakat setempat.
Pengambilan sampel klaster tahap tunggal dan multitahap Sejauh ini kita telah membahas pengambilan
sampel klaster satu tahap,
yang melibatkan pembagian populasi menjadi kelompok-kelompok yang nyaman, secara acak memilih yang
diperlukan
jumlah cluster sebagai subjek sampel, dan menyelidiki semua elemen di masing-masing yang dipilih secara
acak
cluster. Pengambilan sampel cluster juga dapat dilakukan dalam beberapa tahap yang kemudian dikenal
dengan istilah multistage cluster
contoh. Misalnya, jika kita akan melakukan survei nasional terhadap rata-rata simpanan bank bulanan, cluster
sampling pertama akan digunakan untuk memilih lokasi geografis perkotaan, semi-perkotaan, dan pedesaan
untuk studi.
Pada tahap selanjutnya akan dipilih daerah-daerah tertentu di masing-masing lokasi tersebut. Pada tahap
ketiga, bank
dalam setiap area akan dipilih. Dengan kata lain, pengambilan sampel cluster multistage melibatkan
probabilitas
pengambilan sampel dari unit pengambilan sampel utama; dari masing-masing unit utama ini, sampel
probabilitas dari

halaman 7
unit sampling sekunder kemudian ditarik; pengambilan sampel probabilitas tingkat ketiga dilakukan dari
masing-masing ini
unit sekunder, dan seterusnya, sampai kita mencapai tahap akhir penguraian untuk unit sampel, ketika
kami mengambil sampel setiap anggota di unit tersebut.
Pengambilan sampel ganda
Rencana ini digunakan ketika informasi lebih lanjut diperlukan dari subset kelompok dari mana beberapa
informasi telah dikumpulkan untuk penelitian yang sama. Sebuah desain sampling di mana awalnya sampel
adalah
digunakan dalam penelitian untuk mengumpulkan beberapa informasi awal yang menarik, dan kemudian
subsampel dari primer ini
sampel yang digunakan untuk meneliti suatu hal secara lebih rinci, disebut sampling ganda. Misalnya,
terstruktur
wawancara mungkin menunjukkan bahwa subkelompok responden memiliki lebih banyak wawasan tentang
masalah
organisasi. Responden ini mungkin akan diwawancarai lagi dan diberi pertanyaan tambahan. Ini
penelitian mengadopsi prosedur pengambilan sampel ganda.
Tinjauan desain pengambilan sampel probabilitas
Ada dua rencana pengambilan sampel probabilitas dasar: pengambilan sampel acak tidak terbatas atau
sederhana, dan
rencana sampling probabilitas terbatas atau kompleks. Dalam rancangan sampling acak sederhana, setiap
elemen dalam
populasi memiliki peluang yang diketahui dan sama untuk dipilih sebagai subjek. Rencana probabilitas
kompleks
terdiri dari lima desain sampling yang berbeda. Dari kelimanya, desain sampling cluster mungkin yang paling
sedikit
mahal serta paling tidak dapat diandalkan, tetapi digunakan ketika tidak ada daftar elemen populasi yang
tersedia.
Desain sampling acak bertingkat mungkin yang paling efisien, dalam arti bahwa untuk hal yang sama
jumlah subjek sampel, ia menawarkan informasi yang tepat dan rinci. Desain sampling sistematis memiliki
bahaya bawaan dari kemungkinan bias sistematis. Pengambilan sampel area adalah bentuk pengambilan
sampel klaster yang populer, dan
pengambilan sampel ganda dilakukan ketika informasi selain yang sudah diperoleh dengan menggunakan
primer
sampel harus dikumpulkan menggunakan subkelompok sampel.
SAMPLING NONPROBABILITAS
Dalam desain pengambilan sampel nonprobabilitas, elemen-elemen dalam populasi tidak memiliki probabilitas
yang melekat
untuk dipilih sebagai subjek sampel. Ini berarti bahwa temuan dari studi sampel tidak dapat
digeneralisasikan ke populasi dengan percaya diri. Seperti yang dinyatakan sebelumnya, bagaimanapun,
peneliti mungkin, kadang-kadang,
kurang peduli tentang generalisasi daripada memperoleh beberapa informasi awal dengan cepat dan
cara yang murah. Mereka kemudian mungkin menggunakan pengambilan sampel nonprobabilitas. Terkadang
pengambilan sampel nonprobabilitas
adalah satu-satunya cara untuk mendapatkan data, seperti yang akan dibahas nanti. Beberapa rencana
pengambilan sampel nonprobabilitas lebih
dapat diandalkan daripada yang lain dan dapat menawarkan beberapa petunjuk penting untuk informasi yang
berpotensi berguna dengan
memperhatikan populasi. Desain pengambilan sampel nonprobabilitas, yang sesuai dengan kategori luas
convenience sampling dan purposive sampling, dibahas selanjutnya.
Pengambilan sampel yang nyaman
Sesuai namanya, convenience sampling mengacu pada pengumpulan informasi dari anggota
populasi yang tersedia untuk menyediakannya. Orang akan mengharapkan kontes "Pepsi Challenge"
telah diberikan atas dasar convenience sampling. Kontes semacam itu, dengan tujuan
menentukan apakah orang lebih menyukai satu produk daripada yang lain, mungkin diadakan di pusat
perbelanjaan yang dikunjungi oleh

halaman 8
banyak pembeli. Mereka yang cenderung mengikuti tes dapat membentuk sampel untuk studi tentang berapa
banyak orang
lebih suka Pepsi daripada Coke atau produk X daripada produk Y. Sampel seperti itu adalah sampel
kenyamanan.
Pengambilan sampel secara purposif
Alih-alih memperoleh informasi dari mereka yang paling siap atau mudah tersedia, itu mungkin
terkadang menjadi perlu untuk mendapatkan informasi dari kelompok sasaran tertentu. Pengambilan sampel di
sini adalah
terbatas pada tipe orang tertentu yang dapat memberikan informasi yang diinginkan, baik karena mereka
hanya mereka yang memilikinya, atau mereka sesuai dengan beberapa kriteria yang ditetapkan oleh
peneliti. Jenis desain pengambilan sampel ini
disebut purposive sampling, dan dua jenis utama purposive sampling – pengambilan sampel penilaian dan
pengambilan sampel kuota – sekarang akan dijelaskan.
Pengambilan sampel keputusan
Pengambilan sampel penilaian melibatkan pilihan subjek yang ditempatkan paling menguntungkan atau yang
terbaik
posisi untuk memberikan informasi yang dibutuhkan. Misalnya, jika seorang peneliti ingin mengetahui apa
yang diperlukan
bagi manajer wanita untuk mencapai puncak, satu-satunya orang yang dapat memberikan informasi langsung
adalah
wanita yang telah naik ke posisi presiden, wakil presiden, dan eksekutif tingkat atas yang penting
dalam organisasi kerja. Mereka dapat secara wajar diharapkan memiliki pengetahuan ahli berdasarkan
memiliki
melalui pengalaman dan proses itu sendiri, dan mungkin dapat memberikan data yang baik
atau informasi kepada peneliti. Dengan demikian, desain pengambilan sampel penilaian digunakan ketika
jumlah atau
kategori orang memiliki informasi yang dicari. Dalam kasus seperti itu, semua jenis pengambilan sampel
probabilitas
lintas bagian dari seluruh populasi tidak memiliki tujuan dan tidak berguna.
Pengambilan sampel kuota
Pengambilan sampel kuota, jenis pengambilan sampel bertujuan kedua, memastikan bahwa kelompok-
kelompok tertentu cukup
diwakili dalam penelitian melalui penetapan kuota. Umumnya, kuota tetap untuk setiap subkelompok
didasarkan pada jumlah total setiap kelompok dalam populasi. Namun, karena ini adalah nonprobabilitas
rencana pengambilan sampel, hasilnya tidak dapat digeneralisasikan ke populasi. Pengambilan sampel kuota
dapat dianggap sebagai
bentuk pengambilan sampel bertingkat proporsional, di mana proporsi orang yang telah ditentukan sebelumnya
dijadikan sampel
dari kelompok yang berbeda, tetapi atas dasar kenyamanan.
Tinjauan desain pengambilan sampel nonprobabilitas
Ada dua jenis utama desain sampling nonprobabilitas: convenience sampling dan purposive
contoh. Convenience sampling adalah yang paling tidak dapat diandalkan dari semua desain sampling dalam
hal generalisasi,
tetapi terkadang itu mungkin satu-satunya alternatif yang layak ketika informasi yang cepat dan tepat waktu
diperlukan, atau untuk
tujuan penelitian eksplorasi. Rencana pengambilan sampel purposive terbagi dalam dua kategori: penilaian dan
kuota
desain sampel. Pengambilan sampel penilaian, meskipun terbatas dalam generalisasi, kadang-kadang mungkin
yang terbaik
pilihan desain pengambilan sampel, terutama ketika ada populasi terbatas yang dapat memberikan informasi
diperlukan. Pengambilan sampel kuota sering digunakan dengan pertimbangan biaya dan waktu serta
kebutuhan yang memadai
mewakili elemen minoritas dalam populasi. Meskipun generalisasi dari semua nonprobabilitas
desain pengambilan sampel sangat terbatas, mereka memiliki keunggulan tertentu dan terkadang satu-satunya
yang layak
alternatif bagi peneliti.
INTERMEZZO: CONTOH KAPAN DESAIN SAMPLING TERTENTU TEPAT

halaman 9
Contoh acak sederhana
Desain pengambilan sampel ini paling baik ketika generalisasi temuan ke seluruh populasi adalah yang utama
tujuan studi. Perhatikan dua contoh berikut.
Perlu dicatat bahwa dalam beberapa kasus, di mana biaya merupakan pertimbangan utama (yaitu, sumber daya
terbatas),
dan jumlah elemen dalam populasi sangat besar dan/atau tersebar secara geografis, sederhana
desain sampling acak mungkin bukan yang paling diinginkan, karena bisa menjadi sangat mahal. Dengan
demikian,
baik kekritisan generalisasi dan pertimbangan biaya ikut bermain dalam pilihan ini
desain sampel.
Pengambilan sampel acak bertingkat
Desain pengambilan sampel ini, yang paling efisien, adalah pilihan yang baik ketika informasi yang berbeda
tersedia
diperlukan mengenai berbagai strata dalam populasi, yang diketahui berbeda dalam parameternya. Lihat
contoh di halaman berikut.
Pengambilan sampel sistematis
Jika kerangka pengambilan sampel besar, dan daftar elemen tersedia dengan mudah di satu tempat (seperti
pada gambar).
direktori telepon, penggajian perusahaan, daftar kamar dagang, dll.), kemudian pengambilan sampel sistematis
prosedur akan menawarkan keuntungan kemudahan dan kecepatan dalam mengembangkan sampel, seperti
yang diilustrasikan oleh:
contoh berikut.
Pengambilan sampel klaster
Desain sampling ini paling berguna ketika kelompok heterogen akan dipelajari pada satu waktu. Dua
contoh yang ditawarkan di bawah ini.
Pengambilan sampel area
Pengambilan sampel area paling cocok ketika tujuan penelitian terbatas pada lokalitas atau area tertentu,
seperti:
per contoh di bawah ini.
Pengambilan sampel ganda
Desain ini memberikan informasi tambahan dengan pengeluaran tambahan minimal. Lihat contoh di bawah ini.
Pengambilan sampel yang nyaman
Desain nonprobabilitas ini, yang tidak dapat digeneralisasikan sama sekali, kadang-kadang digunakan untuk
mendapatkan beberapa "cepat"
informasi untuk mendapatkan "rasa" untuk fenomena atau variabel yang menarik. Lihat contoh di bawah ini.
Pengambilan sampel penilaian: satu jenis pengambilan sampel bertujuan
Desain pengambilan sampel penilaian digunakan di mana kumpulan "input informasi khusus" pada topik
area yang diteliti sangat penting, dan penggunaan desain pengambilan sampel lainnya tidak akan menawarkan
peluang untuk
informasi khusus, seperti contoh berikut.
Pengambilan sampel kuota: jenis pengambilan sampel bertujuan kedua

halaman 10
Rancangan pengambilan sampel ini memungkinkan untuk dimasukkannya semua kelompok dalam sistem yang
diteliti. Dengan demikian, kelompok yang
kecil jumlahnya tidak diabaikan, seperti contoh di bawah ini.
MASALAH PRESISI DAN PERCAYA DIRI DALAM MENENTUKAN UKURAN SAMPEL
Setelah membahas berbagai desain sampling probabilitas dan nonprobabilitas, sekarang kita perlu fokus
perhatian pada aspek kedua dari masalah desain pengambilan sampel - ukuran sampel. Misalkan kita memilih
30
orang dari populasi 3000 melalui prosedur simple random sampling. Akankah kita bisa
menggeneralisasi temuan kami ke populasi dengan percaya diri, karena kami telah memilih desain probabilitas
yang
memiliki generalisasi yang paling? Berapa ukuran sampel yang dibutuhkan untuk membuat cukup tepat?
generalisasi dengan percaya diri? Apa yang dimaksud dengan presisi dan keyakinan? Isu-isu ini akan
dipertimbangkan sekarang. Sampel yang andal dan valid harus memungkinkan kita untuk menggeneralisasi
temuan dari sampel
kepada populasi yang sedang diselidiki. Dengan kata lain, statistik sampel harus merupakan perkiraan yang
andal
dan mencerminkan parameter populasi sedekat mungkin dalam margin kesalahan yang sempit. Tidak ada
sampel
statistik (X, misalnya) akan sama persis dengan parameter populasi ( ), tidak peduli seberapa
canggih desain sampling probabilitas. Ingatlah bahwa alasan utama untuk desain probabilitas
adalah untuk meningkatkan probabilitas bahwa statistik sampel akan sedekat mungkin dengan populasi
parameter. Meskipun estimasi titik X mungkin tidak secara akurat mencerminkan rata-rata populasi, , suatu
interval
perkiraan dapat dibuat di mana akan terletak, dengan probabilitas terlampir - yaitu, pada keyakinan tertentu
tingkat. Masalah interval kepercayaan dan tingkat kepercayaan dibahas dalam diskusi berikut:
pada presisi dan kepercayaan diri.
presisi
Presisi mengacu pada seberapa dekat perkiraan kami dengan karakteristik populasi sebenarnya. Biasanya, kami
memperkirakan
parameter populasi berada dalam kisaran, berdasarkan estimasi sampel. Sebagai contoh, mari kita katakan
bahwa dari studi sampel acak sederhana 50 dari total 300 karyawan di sebuah bengkel, kami menemukan
bahwa
tingkat produksi rata-rata harian per orang adalah 50 buah produk tertentu ( ) X 50 . Kita mungkin kemudian
(dengan melakukan perhitungan tertentu, seperti yang akan kita lihat nanti) dapat dikatakan bahwa produksi
harian rata-rata yang sebenarnya
produk (μ) terletak di antara 40 dan 60 untuk populasi karyawan di bengkel. Di dalam
mengatakan ini, kami menawarkan perkiraan interval, di mana kami mengharapkan populasi sebenarnya
berarti produksi
menjadi ( ) 50 10 . Semakin sempit interval ini, semakin besar presisi. Misalnya, jika kita dapat
memperkirakan
bahwa rata-rata populasi akan turun di mana saja antara 45 dan 55 buah produksi ( ) 50 5 daripada
40 dan 60 ( ) 50 10 , maka kita lebih presisi. Artinya, kami sekarang memperkirakan rata-rata terletak di dalam
rentang yang lebih sempit, yang pada gilirannya berarti bahwa kami memperkirakan dengan ketepatan atau
presisi yang lebih besar.
Kepercayaan diri
Sedangkan presisi menunjukkan seberapa dekat kita memperkirakan parameter populasi berdasarkan sampel
statistik, kepercayaan menunjukkan seberapa yakin kita bahwa perkiraan kita akan benar-benar berlaku untuk
populasi.
Dalam contoh tingkat produksi sebelumnya, kita tahu bahwa kita lebih tepat ketika kita memperkirakan yang
sebenarnya
produksi rata-rata (μ) turun di suatu tempat antara 45 dan 55 buah daripada di suatu tempat antara 40 dan 60.
Namun, kita mungkin lebih percaya pada estimasi yang terakhir daripada yang pertama. Lagipula, siapa pun
bisa
katakan dengan kepastian atau keyakinan 100% bahwa produksi rata-rata (μ) akan jatuh di mana saja antara
nol dan
ketakterbatasan! Hal-hal lain dianggap sama, semakin sempit jangkauannya, semakin rendah
kepercayaannya. Dengan kata lain, ada
adalah trade-off antara presisi dan keyakinan untuk setiap ukuran sampel yang diberikan, seperti yang akan
kita lihat nanti dalam hal ini
Bab. Intinya, kepercayaan mencerminkan tingkat kepastian yang dengannya kita dapat menyatakan bahwa
perkiraan kita

halaman 11
parameter populasi, berdasarkan statistik sampel kami, akan berlaku. Tingkat kepercayaan bisa
berkisar dari 0 sampai 100%. Keyakinan 95% adalah tingkat yang diterima secara konvensional untuk
sebagian besar penelitian bisnis,
paling sering dinyatakan dengan menyatakan tingkat signifikansi sebagai p 0,05. Dengan kata lain, kita
mengatakan bahwa di
setidaknya 95 kali dari 100 perkiraan kami akan mencerminkan karakteristik populasi yang sebenarnya.
Contoh Data, Presisi, dan Keyakinan dalam Estimasi
Ketepatan dan kepercayaan adalah masalah penting dalam pengambilan sampel karena ketika kami
menggunakan data sampel untuk menggambar
kesimpulan tentang populasi, kami berharap untuk menjadi cukup "tepat sasaran," dan memiliki beberapa
gagasan tentang sejauh mana
kemungkinan kesalahan. Karena estimasi titik tidak memberikan ukuran kesalahan yang mungkin, kami
melakukan interval
estimasi untuk memastikan estimasi yang relatif akurat dari parameter populasi. Statistik yang memiliki
distribusi yang sama dengan distribusi sampling mean yang digunakan dalam prosedur ini, biasanya az atau at
statistik.
CONTOH DATA DAN PENGUJIAN HIPOTESIS
Sejauh ini kita telah membahas data sampel sebagai alat untuk memperkirakan parameter populasi, tetapi
sampel
data juga dapat digunakan untuk menguji hipotesis tentang nilai populasi daripada hanya untuk memperkirakan
nilai-nilai populasi. Prosedur untuk pengujian ini menggabungkan informasi yang sama seperti dalam interval
estimasi, tetapi tujuan di balik kedua metode tersebut agak berbeda. Mengacu pada sebelumnya
contoh pembelian nilai dolar rata-rata pelanggan di department store, alih-alih mencoba
memperkirakan nilai pembelian rata-rata pelanggan toko dengan tingkat akurasi tertentu, katakanlah
bahwa kita sekarang ingin menentukan apakah pelanggan menghabiskan jumlah rata-rata yang sama dalam
pembelian
di Department Store A seperti di Department Store B. Dari Bab 5, kita tahu bahwa pertama-tama kita harus
mengatur
hipotesis nol, yang akan menyatakan bahwa tidak ada perbedaan dalam nilai dolar yang dikeluarkan oleh
pelanggan
berbelanja di dua toko yang berbeda. Ini dinyatakan sebagai:
UKURAN SAMPEL
Baik desain pengambilan sampel maupun ukuran sampel penting untuk menetapkan keterwakilan sampel
untuk generalisasi. Jika desain pengambilan sampel yang tepat tidak digunakan, ukuran sampel yang besar
tidak akan dengan sendirinya
memungkinkan temuan untuk digeneralisasikan ke populasi. Demikian juga, kecuali ukuran sampel memadai
untuk
tingkat presisi dan kepercayaan yang diinginkan, tidak ada desain pengambilan sampel, betapapun canggihnya,
yang akan berguna
kepada peneliti untuk mencapai tujuan penelitian. Oleh karena itu, keputusan pengambilan sampel harus
mempertimbangkan keduanya
desain sampel dan ukuran sampel.
Menentukan Ukuran Sampel
Sekarang kita menyadari fakta bahwa ukuran sampel diatur oleh tingkat presisi dan
keyakinan yang diinginkan, bagaimana kita menentukan ukuran sampel yang diperlukan untuk penelitian
kita? Prosedurnya bisa
diilustrasikan melalui contoh.
Ukuran sampel dan kesalahan Tipe II
Ukuran sampel yang terlalu besar, (katakanlah, lebih dari 500) dapat menjadi masalah karena kita akan rentan
terhadap
melakukan kesalahan Tipe II. Artinya, kami akan menerima temuan penelitian kami, padahal sebenarnya kami
harus
menolak mereka. Dengan kata lain, dengan ukuran sampel yang terlalu besar, bahkan hubungan yang lemah
(katakanlah korelasi
0,10 antara dua variabel) mungkin mencapai tingkat signifikansi, dan kami cenderung percaya bahwa

halaman 12
hubungan signifikan yang ditemukan dalam sampel ini memang benar untuk populasi, padahal kenyataannya
mereka mungkin tidak. Dengan demikian, ukuran sampel yang tidak terlalu besar atau terlalu kecil membantu
proyek penelitian
Signifikansi statistik dan praktis
Hal lain yang perlu dipertimbangkan, bahkan dengan ukuran sampel yang sesuai, adalah apakah signifikansi
statistik adalah
lebih relevan daripada signifikansi praktis. Misalnya, korelasi 0,25 mungkin signifikan secara statistik,
tetapi karena ini hanya menjelaskan sekitar 6% dari varians (0,252), seberapa berartinya dalam hal
kepraktisan?
kegunaan?
Aturan praktis
Roscoe (1975) mengusulkan aturan praktis berikut untuk menentukan ukuran sampel: 1. Ukuran sampel lebih
besar
dari 30 dan kurang dari 500 sesuai untuk sebagian besar penelitian. 2. Dimana sampel akan dipecah menjadi
subsampel (laki-laki/perempuan, junior/senior, dll.), ukuran sampel minimal 30 untuk setiap kategori adalah
diperlukan. 3. Dalam penelitian multivariat (termasuk analisis regresi berganda), ukuran sampel harus:
beberapa kali (sebaiknya sepuluh kali atau lebih) sebanyak jumlah variabel dalam penelitian. 4. Untuk
sederhana
penelitian eksperimental dengan kontrol eksperimental yang ketat (pasangan yang cocok, dll.), Penelitian yang
berhasil adalah
mungkin dengan sampel sekecil 10 sampai 20 dalam ukuran.
Efisiensi Dalam Pengambilan Sampel
Efisiensi dalam pengambilan sampel dicapai ketika, untuk tingkat presisi tertentu (kesalahan standar), ukuran
sampel
dapat dikurangi, atau untuk ukuran sampel tertentu ( n ), tingkat presisi dapat ditingkatkan. Beberapa
desain sampling probabilitas lebih efisien daripada yang lain. Prosedur pengambilan sampel acak sederhana
tidak
selalu merupakan rencana yang paling efisien untuk diadopsi; beberapa desain sampling probabilitas lainnya
seringkali lebih efisien.
Rencana pengambilan sampel acak bertingkat sering kali merupakan yang paling efisien, dan acak bertingkat
yang tidak proporsional
desain sampling telah terbukti lebih efisien daripada desain sampling proporsional dalam banyak kasus.
Pengambilan sampel klaster kurang efisien daripada pengambilan sampel acak sederhana karena umumnya
lebih banyak
homogenitas di antara subjek-subjek dalam cluster daripada yang ditemukan dalam elemen-elemen dalam
populasi.
Pengambilan sampel klaster multitahap lebih efisien daripada pengambilan sampel klaster satu tahap ketika
ada lebih banyak
heterogenitas yang ditemukan pada tahap awal. Seringkali ada trade-off antara efisiensi waktu dan biaya
(sebagai
dicapai dalam desain pengambilan sampel nonprobabilitas) dan efisiensi presisi (seperti yang dicapai dalam
banyak probabilitas
rencana pengambilan sampel). Pilihan rencana pengambilan sampel dengan demikian tergantung pada tujuan
penelitian, serta:
pada tingkat dan sifat efisiensi yang diinginkan.
SAMPLING SEBAGAI TERKAIT STUDI KUALITATIF
Pengambilan sampel untuk penelitian kualitatif sama pentingnya dengan pengambilan sampel untuk penelitian
kuantitatif. Kualitatif
pengambilan sampel dimulai dengan menentukan populasi sasaran secara tepat. Sebagai teknik pengambilan
sampel, kualitatif
penelitian umumnya menggunakan nonprobability sampling karena tidak bertujuan untuk menarik kesimpulan
statistik. Bertujuan
pengambilan sampel adalah salah satu teknik yang sering digunakan dalam penyelidikan kualitatif: subjek
dipilih berdasarkan
dasar keahlian dalam subjek yang sedang diselidiki. Adalah penting bahwa mata pelajaran dipilih dalam
sedemikian rupa sehingga mencerminkan keragaman populasi. Salah satu bentuk purposive sampling adalah
teoritis
sampling, diperkenalkan oleh Glaser dan Strauss (1967) dalam karya mereka tentang grounded theory. Istilah
membumi
Teori mengungkapkan gagasan bahwa teori akan muncul dari data melalui proses berulang yang melibatkan
sampling berulang, pengumpulan data, dan analisis data sampai “kejenuhan teoritis” tercapai.

halaman 13
IMPLIKASI MANAJERIAL
Kesadaran desain pengambilan sampel dan ukuran sampel membantu manajer untuk memahami mengapa
metode tertentu
sampling yang digunakan oleh peneliti. Ini juga memfasilitasi pemahaman tentang implikasi biaya dari
berbagai
desain, dan trade-off antara presisi dan kepercayaan vis-à-vis biaya. Hal ini memungkinkan manajer untuk
memahami risiko yang mereka ambil dalam menerapkan perubahan berdasarkan hasil studi penelitian. Ketika
membaca laporan penelitian atau artikel jurnal, pengetahuan ini juga membantu manajer untuk menilai
generalisasi temuan dan menganalisis implikasi dari mencoba rekomendasi yang dibuat
di dalamnya dalam sistem mereka sendiri.