METODE PENELITIAN

“SAMPLING”

OLEH :

KELOMPOK 7 :
1. AMALDA AULIA (1810533004)
2. SARI FADILLAH (2120532030)

PROGRAM MAGISTER AKUNTANSI

FAKULTAS EKONOMI
UNIVERSITAS ANDALAS
2021
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Allah SWT, yang atas rahmat-Nya sehingga
kami dapat menyelesaikan penyusunan makalah materi Sampling. Dalam penulisan makalah
ini kami merasa masih banyak kekurangan baik pada teknis penulisan maupun materi,
mengingat akan kemampuan yang kami miliki. Untuk itu, kritik dan saran dari semua pihak
sangat kami harapkan demi penyempurnaan pembuatan makalah ini.

Dalam penulisan makalah ini penulis menyampaikan ucapan terima kasih yang sebesar-
besarnya kepada pihak-pihak yang membantu dalam menyelesaikan makalah ini,khususnya
kepada Dosen Bapak Dr.Aries Tanno, SE, M.Si, Ak, CA. yang telah memberikan arahan dan
bimbingan kepada kami,sehingga kami dapat menyelesaikan makalah ini

Padang, 13 Oktober 2021

 BAB II
SAMPLING

2.1 Populasi, Elemen, Sampel, Unit Pengambilan Sampel dan Subjek

1. Populasi
Populasi mengacu pada seluruh kelompok orang, peristiwa, atau hal-hal yang menarik
yang ingin peneliti selidiki. Populasi adalah sekolompok orang, kejadian atau hal-hal
menarik dimana peneliti ingin membuat opini (berdasarkan statistik sampel).
Misalnya, jika CEO sebuah perusahaan komputer ingin mengetahui jenis strategi
iklan yang dipakai oleh perusahaan-perusahaan komputer di Silicon Valley, maka
semua perusahaan komputer yang berada di sana akan menjadi populasi.
2. Elemen
Sebuah elemen adalah anggota tunggal dari populasi. Jika 1.000 pekerja kerah biru di
organisasi tertentu menjadi populasi studi bagi seorang peneliti, setiap pekerja kerah
biru dari populasi tersebut adalah sebuah elemen.
3. Sampel
Sampel adalah bagian dari populasi. Sampel terdiri dari sejumlah anggota yang dipilih
dari populasi . Dengan kata lain, beberapa, tetapi tidak semua, elemen populasi akan
menjadi sampel. Jika 200 anggota diambil dari populasi 1.000 pekerja kerah biru, 200
anggota ini menjadi sampel untuk penelitian. Dari studi terhadap 200 anggota ini,
peneliti akan menarik kesimpulan mengenai seluruh populasi 1.000 pekerja kerah
biru..Dengan demikian, sampel adalah subkelompok atau sebagian dari populasi.
 Dengan mempelajari sampel, peneliti akan mampu menarik kesimpulan yang dapat
digeneralisasikan untuk populasi yang diinginkan.

4. Unit Pengambilan Sample

Unit Pengambilan Sample (unit sampling) adalah elemen atau rangkaian elemen yang
tersedia untuk memilih pada beberapa tahap proses pengambilan sampel. Contoh dari
unit pengambilan sampel dalam sampel adalah keluarga dalam rumah tangga,individu
dalam keluarga
5. Subjek
Subjek adalah anggota tunggal dari sampel, sama seperti elemen adalah anggota
tunggal dari populasi. Jika 200 anggota dari total populasi 1.000 pekerja kerah biru
membentuk sampel untuk penelitian, maka setiap pekerja kerah biru dalam sampel
adalah subjek.
2.2 Parameter

Karakteristik dari populasi seperti µ (mean populasi), σ (standar deviasi populasi), σ 2

(varians populasi) dikaitkan dengan parameternya. Tedensi sentral, disperse, dan statistic
yang lain dalam sampel ketertarikan diperlukan sebagai perkiraan dari tendensi sentral,
disperse, dan parameter yang lain dalam populasi. Dengan demikian, kesimpulan yang
diambil tentang sampel dalamstudi digeneralisasikan terhadap populasi. Dengan kata lain,
statistic sampel-X (mean sampel), S2 (standar deviasi), dan S (variasi dalam
sampel)digunakan sebagai perkiraan parameter populasi µ, σ, dan σ2. Figure 11.1
menunjukkan hubungan antara sampel dan populasi.

2.3 Alasan Pengambilan Sampel

 Alasan untuk menggunakan sampel, dibandingkan mengumpulkan data dari seluruh
populasi sangat jelas. Dalam investigasi penelitian yang melibatkan beberapa ratus bahkan
ribuan elemen, hampir tidak mungkin mengumpulkan data, menguji, atau memeriksa setiap
elemen. Bahkan jikapun mungkin, itu akan menjadi penghalang dari segi waktu, biaya, dan
sumber daya manusia lainnya. Studi terhadap sampel dibandingkan seluruh populasi juga
terkadang cenderung menghasilkan hasil yang lebih andal. Ini sebagian besar karena
kelelahan berkurang dan kesalahan yang lebih sedikit akan menghasilkan pengumpulan data
terutama ketika banyak elemen terlibat.

Dalam beberapa kasus, juga tidak mungkin menggunakan seluruh populasi untuk menguji
sesuatu. misalnya, kasus bohlam. Dalam menguji nyala bohlam, jika kita menyalakan setiap
bohlam yang diproduksi, maka tidak akan ada yang tersisa untuk dijual. Ini dikenal sebagai
pengambilan sampel destruktif.

2.4 Normalitas Distribusi

Atribut atau karakteristik populasi umumnya berdistribusi normal. Misalnya, ketika

atribut seperti tinggi dan berat diteliti, kebanyakan orang akan berada di sekitar rata-rata,
hanya menyisakan sejumlah kecil di titik ekstrem yang sangat tinggi atau sangat pendek,
sangat berat atau sangat ringan, dan seterusnya, seperti ditunjukkan pada Gambar 11.2.

Jika kita ingin memperkirakan karakteristik populasi dari karakteristik yang diwakili
dalam sampel dengan akurasi yang masuk akal, sampel harus dipilih jika distribusi
karakteristik dari ketertarikan (hal yang diminati) mengikuti pola distribusi normal yang
sama dalam sampel seperti halnya dalam populasi. Dari teorema limit tengah, kita tahu
bahwa distribusi pengambilan sampling dari rata-rata (mean) sampel terdistribusi secara
normal. Ketika ukuran sampel n meningkat, rata-rata sampel acak yang diambil dari
pendekatan populasi apapun yang secara praktis merupakan distribusi normal dengan μ
(mean/rata-rata) dan σ (standar deviasi). Singkatnya, terlepas dari apakah atribut populasi
terdistribusi normal atau tidak, jika kita mengambil banyak sampel secara memadai dan
memilih nya dengan teliti, kita akan memiliki distribusi sampling dari rata-rata yang memiliki
normalitas. Inilah alasan mengapa dua persoalan penting dalam pengambilan sampel adalah
ukuran sampel (n) dan desain pengambilan sampel.

Ketika sifat-sifat populasi tidak terlalu terwakili atau kurang terwakili dalam sampel, kita
memiliki sampel representatif. Jika sebuah sampel terdiri dari elemen dalam populasi yang
memiliki nilai yang sangat tinggi pada variabel yang kita pelajari, mean / rata-rata sampel X
akan jauh lebih tinggi dari populasi µ. Sebaliknya, jika subjek sampel terdiri dari elemen-
elemen dalam populasi dengan nilai yang sangat rendah pada variabel ketertarikan, mean
sampel x akan jauh lebih rendah dari rata-rata populasi sebenarnya µ. Jika desain sampel dan
ukuran sampel tepat, rata-rata sampel x akan berada dalam kisaran yang hamper sama dengan
rata-rata populasi sebenarnya µ. Dengan demikian, melalui desain pengambilan sampel yang
tepat, kita dapat memastikan bahwa subjek sampel tidak dipilih dari tiitk ekstrem, tetapi
benar-benar merupakan wakil dari populasi. Semakin sampel mewakili populasi, temuan dari
penelitian semakin dapat digeneralisasikan.

2.5 Proses Pengambilan Sampel

Pengambilan sampling merupakan proses memilih sejumlah elemen yang tepat dari
populasi, sehingga studi terhadap sampling dan pemahaman tentang sifat dan karakteristiknya
akan membuat kita menggeneralisasikan sifat atau elemen tersebut pada elemen populasi.
Langkah-langka utama dalam pengambilan sampel adalah :

1. Mendefenisikan Populasi
Populasi target harus didefenisikan terkait dengan elemen,batas geografis, dan waktu.
Sebagai contoh, untuk seorang banker yang tertarik untuk menjaga kebiasaan
karyawan kerah biru dalam industri pertambangan di Amerika Serikat, target populasi
mungkin adalah semua kerah biru dalam industry tersebut diseluruh negara.
2. Menentukan Kerangka Sampel
Kerangka pengambilan sampel merupakan representasi (fisik) dari semua elemen
populasi dimana sampel tersebut diambil.
3. Menentukan Desain Pengambilan Sampel
 Jenis-jenis desain pengambilan sampel dengan memperhatikan poin-poin sebagai
berikut :
a. Apakaah populasi target yang sesuai dengan focus penelitian?
b. Apakah sebenarnya parameter yang kita inginkan dalam investigasi?
c. Apakah jenis kerangka pengambilan sampel yang tersedia?
d. Berapa biaya terkait desain penelitian sampel?
e. Berapa lama waktu yang tersedia untuk mengumpulkan data dari sampel?
4. Menentukan Ukuran Sampel
Kita dapat mengetahui factor-faktor yang memepengaruhi keputusan pada ukuran
sampel sebagai berikut :
a. Tujuan penelitian
b. Tingkat ketepatan yang diinginkan
c. Jumlah variablilitas dalam populasi itu sendiri
d. Kendala waktu dan biaya
2.6 Sampling Probalibilitas

Pengambilan sampling probalibilitas merupakan elemen dalam populasi beberapa sudah

diketahui, peluang bukan nol / probabilitas untuk dipilih sebagai objek sampel. Ketika Ketika
elemen dalam populasi memiliki peluang bukan nol (nonzero chance) yang diketahui untuk
dipilih sebagai subjek dalam sampel, kita menggunakan desain pengambilan sampel
probabilitas. Sampling probabilitas dapat bersifat tidak terbatas (sampling acak sederhana)
atau terbatas (sampling probabilitas kompleks).

1. Pengambilan Sampel Acak Sederhana atau Tidak Terbatas

Dalam desain sampling probabilitas tak terbatas, lebih dikenal sebagai sampling acak
sederhana, setiap elemen dalam populasi memiliki peluang yang sama dan diketahui
untuk terpilih sebagai subjek. Katakanlah ada 1.000 elemen dalam populasi, dan kita
membutuhkan sampel 100. Misalkan kita memasukkan potongan kertas ke dalam topi,
masing-masing bertuliskan nama salah satu elemen, dan mengambil 100 potongan dari
topi tersebut dengan mata tertutup. Kita tahu bahwa potongan pertama yang diambil akan
memiliki peluang 1/1.000 untuk terambil, yang berikutnya memiliki peluang 1/999 untuk
terpilih, dan seterusnya. Dengan kata lain, kita tahu bahwa probabilitas salah satu dari
masing-masing potongan untuk terpilih adalah 1 dalam jumlah populasi, dan kita juga
tahu bahwa setiap elemen dalam topi memiliki probabilitas yang sama atau sama untuk
terpilih menjadi subjek.

2. Pengambilan Sampel Probabilitas Terbatas atau Kompleks

Sebagai alternatif dari desain pengambilan sampling acak sederhana, beberapa desain
pengambilan sampling probabilitas kompleks (probabilitas terbatas) dapat digunakan.
Prosedur sampling probabilitas ini menawarkan alternatif yang layak, dan terkadang lebih
efisien daripada desain tak terbatas. Efisiensi meningkat sehingga lebih banyak informasi
yang dapat diperoleh untuk ukuran sampel tertentu dengan menggunakan beberapa
prosedur pengambilan sampel probabilitas yang kompleks dibandingkan desain
pengambilan sampel acak sederhana.

3. Pengambilan Sampel Sistematis

Desain sampling sistematis melibatkan menggambar setiap nth elemen dalam

populasi dimulai dengan elemen yang dipilih secara acak antara 1 dan n. Prosedurnya
dicontohkan sebagai berikut :

Jika kita menginginkan sampel 35 rumah tangga dari total populasi 260 rumah di
suatu wilayah tertentu, maka kita dapat mengambil sampel dari tiap rumah ketujuh mulai
dari nomor acak dari 1 hingga 7. Katakanlah bahwa nomor acak adalah 7, maka rumah
bernomor 7, 14, 21, 28, dan seterusnya, akan dijadikan sampel sampai terpilih 35 rumah.

4. Pengambilan Sampel Acak Berstratifikasi

Pengambilan sampel acak berstrata, seperti namanya, melibatkan proses stratifikasi

atau pemisahan, diikuti dengan pemilihan subjek secara acak dari setiap strata. Populasi
pertama-tama dibagi menjadi kelompok-kelompok yang saling lepas (mutually exclusive)
yang relevan, tepat, dan pentingdalam konteks penelitian.

Misalnya, jika presiden perusahaan prihatin tentang rendahnya tingkat motivasi atau
tingginya angka absensi di antara karyawan, masuk akal untuk mengelompokkan populasi
anggota organisasi menurut tingkat pekerjaan mereka. Ketika data dikumpulkan dan
analisis dilakukan, kita mungkin menemukan bahwa hal tersebut bertentangan dengan
harapan, manajer tingkat menengahlah yang tidak termotivasi. Informasi ini akan
membantu presiden untuk fokus pada tindakan di tingkat yang benar dan merancang
metode yang lebih baik untuk memotivasi kelompok ini. Menelusuri perbedaan parameter
subkelompok dalam suatu populasi tidak akan mungkin terjadi tanpa prosedur
pengambilan sampel acak bertingkat/ berstarata. Jika sampling acak sederhana atau
prosedur sampling sistematis digunakan dalam kasus seperti ini, maka motivasi tinggi di
beberapa tingkat pekerjaan dan motivasi rendah di tingkat lain akan saling
menghilangkan, sehingga menutupi masalah nyata yang ada di tingkat atau tingkatan
tertentu.

Pengambilan Sampel Acak Berstratifikasi Proporsional dan Tidak Proporsional.

Setelah Setelah populasi distratifikasi dalam beberapa cara yang berarti, sampel anggota
dari setiap strata dapat diambil dengan menggunakan sampling acak sederhana atau
prosedur sampling sistematis. Subyek yang diambil dari setiap strata dapat menjadi
proporsional atau disproporsional dengan jumlah elemen dalam strata tersebut.

5. Pengambilan Sampel Klaster

Sampel klister adalah sampel yang dikumpulkan dalam kelompok atau kumpulan
elemen yang secara ideal merupakan agregat alami dari elemen dalam populasi. Dalam
pengambilan sampel klister ini populasi target dipilih terelbih dahulu dibagi menjadi
kalster-klaster. Maka sampel acak klister diambil dan untuk tiap klister yang terpilih, baik
semua elemen atau sampel elemen, termasuk dalam sampel tersebut. Sample klister
membrikan lebih banyak heterogenitas didalam kelompok dan lebih banyak homogenitas
diantara kelompok-kelompok dari apa yang kita temukan dalam pengambilan sampling
acak berstrata, dimana terdapat homogenitas didalam tiap kelompok dan heterogenitas
antarkelompok.

Jenis khusus dari pengambilan sampel kalster adalah pengambilan sampel area.
Pengambilan sampel area lebih mudah dibandingkan kebanyakan sampel probabilitas
lainnya, dan hal ini tidak tergantung pada kerangka pengambilan sampel. Karena itulah
pengambilan sampel klister tidak lazin digunakan dalam penelitian organisasi.

Pengambilan Sampel Klaster juga dapat dilakukan dengan beberapa tahap yang
dikenal sebagai Pengambilan Sampel Klaster Multitahap Misalnya, jika kita melakukan
survei nasional terhadap rata-rata deposito bank per bulan, pengambilan sampel klaster
pertama-tama akan memilih lokasi geografis perkotaan, semi-perkotaan, dan pedesaan
untuk penelitian. Pada tahap selanjutnya akan dipilih daerah-daerah tertentu di masing-
masing lokasi tersebut. Pada tahap ketiga, bank-bank di masing-masing wilayah akan
dipilih. Dengan kata lain, pengambilan sampel klaster multitahap melibatkan
 kemungkinan sampling dari unit sampling utama; dari masing-masing unit utama ini,
sampel probabilitas dari unit sampling pengambilan sampel primer dan dari tiap unit
primer tersebut, sampel pengambilan probabilitas dari unit sekunder dilakukan.
pengambilan sampel probabilitas tingkat ketiga dilakukan dari masing-masing unit
sekunder ini, dan seterusnya, sampai kita mencapai tahap akhir penguraian untuk unit
sampel, ketika kita akan mengambil sampel setiap anggota dalam unit tersebut.

6. Pengambilan Sampel Ganda

Desain pengambilan sampel di mana awalnya sampel digunakan dalam penelitian

untuk mengumpulkan beberapa informasi awal yang menarik, dan kemudian subsampel
dari sampel utama ini digunakan untuk memeriksa masalah secara lebih rinci, disebut
pengambilan sampel ganda. (double sampling) Misalnya, wawancara terstruktur mungkin
menunjukkan bahwa subkelompok responden memiliki lebih banyak wawasan tentang
masalah organisasi. Responden ini mungkin akan diwawancarai lagi dan mengajukan
pertanyaan tambahan. Penelitian ini akan mengadopsi prosedur pengambilan sampel
ganda.

2.7 Sampling Non Probabilitas

Dalam desain pengambilan sampel nonprobabilitas, elemen-elemen dalam populasi

tidak memiliki probabilitas yang melekat pada pemilihan mereka sebagai subjek sampel.
Ini berarti bahwa temuan dari studi sampel tidak dapat digeneralisasikan secara
meyakinkan kepada populasi. Seperti yang dinyatakan sebelumnya, bagaimanapun,
peneliti kadang-kadang mungkin kurang peduli tentang generalisasi daripada memperoleh
beberapa informasi awal dengan cara yang cepat dan murah. Mereka kemudian akan
menggunakan pengambilan sampel nonprobabilitas. Terkadang pengambilan sampel
nonprobabilitas bisa menjadi satu-satunya cara untuk mendapatkan data, seperti yang
akan dibahas nanti.

1. Pengambilan Sampel Berdasarkan Kemudahan

Convenience sampling (pengambilan sampel berdasarkan kemudahan )mengacu pada

pengumpulan informasi dari anggota populasi yang tersedia untuk menyediakannya.
Orang akan berharap bahwa kontes "Pepsi Challenge" diselenggarakan berdasarkan
sampel yang mudah digunakan. Kontes semacam itu, dengan tujuan untuk menentukan
apakah orang lebih menyukai satu produk dar ipada produk lainnya, mungkin diadakan di
pusat perbelanjaan(mal) yang dikunjungi banyak pembeli. Mereka yang cenderung
mengikuti tes dapat membentuk sampel untuk mempelajari berapa banyak orang yang
lebih memilih Pepsi daripada Coke atau produk X dari pada produk Y. Sampel seperti itu
adalah sampel praktis atau sampel berdasarkan kemudahan.

2. Pengambilan Sampel Bertujuan

Pengambilan sampel di sini terbatas pada tipe orang tertentu yang dapat memberikan
informasi yang diinginkan, baik karena mereka satu-satunya yang memilikinya, atau
sesuai dengan beberapa kriteria yang ditetapkan oleh peneliti. Jenis desain pengambilan
sampel ini disebut purposive sampling atau pengambilan sampel bertujuan.

3. Pengambilan Sampel Keputusan

Pengambilan sampel penilaian melibatkan pilihan subjek yang ditempatkan paling

menguntungkan atau dalam posisi terbaik untuk memberikan informasi yang diperlukan.
Misalnya, jika seorang peneliti ingin mengetahui apa yang diperlukan manajer wanita
untuk mencapai puncak, satu-satunya orang yang dapat memberikan informasi langsung
adalah wanita yang telah naik ke posisi direktur utama, direktur, dan ekssekutif puncak
yang penting dalam organisasi kerja. Mereka secara wajar diharapkan memiliki
pengetahuan ahli berdasarkan pengalaman dan prosesnya sendiri, dan mungkin dapat
memberikan data atau informasi yang baik kepada peneliti. Dengan demikian, desain
pengambilan sampel penilaian digunakan ketika sejumlah atau kategori orang memiliki
informasi yang dicari. Jadi desain pengambilan sampel keputusan digunakan jika jumlah
dan kategori orang tertentu memiliki informasi yang dicari terbatas.

4. Pengambilan Sampel Kuota

Pengambilan sampel kuota, jenis kedua pengambilan sampel purposive, memastikan

bahwa kelompok tertentu terwakili secara memadai dalam penelitian melalui penetapan
kuota. Umumnya, kuota yang ditetapkan untuk setiap subkelompok didasarkan pada
jumlah total setiap kelompok dalam populasi. Namun, karena ini adalah rencana
pengambilan sampel nonprobabilitas, 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
diambil dari kelompok yang berbeda, tetapi berdasarkan kemudahan.

2.8 Sampling dalam Penelitian Lintas Budaya

Saat terlibat dalam penelitian lintas budaya, tepat di sini untuk menunjukkan bahwa,
seperti dalam pengembangan instrumen dan pengumpulan data, seseorang harus peka
terhadap masalah pemilihan sampel yang cocok di berbagai negara saat melakukan
penelitian lintas budaya. Sifat dan jenis organisasi yang dipelajari, apakah subjek berasal
dari daerah pedesaan atau perkotaan, dan jenis desain pengambilan sampel yang
digunakan, semuanya harus serupa di negara yang berbeda untuk memungkinkan
perbandingan yang benar.

2.9 Ketepatan dan Keyakinan Dalam Menentukan Ukuran Sampel

1. Ketepatan

Ketepatan mengacu pada seberapa dekat perkiraan kit dengan karakteristik populasi
sebenarnya. Biasanya, kita akan memperkirakan parameter populasi untuk berada dalam
kiasaran berdasarkan estimasi sampel. Sebagai contoh, mari kita katakan bahwa dari studi
terhadap sampel acak dari 50 dari total 300 karyawan di sebuah bengkel, kami
menemukan bahwa tingkat produksi harian rata-rata per orang adalah 50 buah produk
tertentu (X = 50). Kita mungkin (dengan melakukan perhitungan tertentu, seperti yang
akan kita lihat nanti) menjadi dapat mengatakan bahwa benar rata-rata produksi harian
produk (µ) akan terletak di antara 40 dan 60 untuk populasi karyawan di bengkel.
Dengan mengatakan ini, kita menawarkan perkiraan interval, di mana kita mengharapkan
produksi rata-rata populasi sebenarnya menjadi (µ=50±10). Semakin kecil interval ini,
semakin besar ketepatan. Misalnya, jika kita dapat memperkirakan bahwa rata-rata
populasi akan turun antara 45 dan 55 buah produksi (µ=50±5) dari pada antara 40 dan 60
(µ=50±10), maka kita akan memiliki ketepatan yang tinggi. Artinya, sekarang kita akan
memperkirakan mean untuk berada dalam rentang yang lebih kecil, yang pada gilirannya
berarti bahwa kita memperkirakan dengan ketepatan atau presisi yang lebih tinggi.

Presisi adalah fungsi dari kisaran variabilitas dalam distribusi sampling rata-rata
sampel. Artinya, jika kita mengambil sejumlah sampel yang berbeda dari suatu populasi,
dan mengambil rata-rata dari masing-masing sampel, kita biasanya akan menemukan
bahwa mereka semua berbeda, terdistribusi normal, dan memiliki dispersi yang terkait
 dengannya. Semakin kecil dispersi atau variabilitas ini, semakin besar kemungkinan rata-
rata sampel akan lebih dekat dengan rata-rata populasi. Kita tidak perlu mengambil
beberapa sampel yang berbeda untuk memperkirakan variabilitas ini. Bahkan jika kita
hanya mengambil satu sampel dari 30 subjek dari populasi, kita masih dapat
memperkirakan variabilitas distribusi sampel rata-rata sampel. Variabilitas ini disebut
standar error (Sx). Standar error dapat diukur dengan rumu

Sx=S

√n
Dimana S adalah standar deviasi sampel, n adalah ukuran sampel, dan Sx menujukkan
standar atau tingkat ketepatan yang diberikan oleh sampel .

2. Keyakinan

Meskipun presisi / ketepatan menunjukkan seberapa dekat kita memperkirakan

parameter populasi berdasarkan statistik sampel, keyakinan menunjukkan bagaimana kita
yakin akan benar-benar sesuai dengan populasi. Dalam contoh tingkat produksi
sebelumnya, kita tahu bahwa kita lebih tepat ketika kita memperkirakan produksi rata-rata
yang sebenarnya (µ) jatuh di suatu tempat antara 45 dan 55 buah, daripada di suatu
tempat antara 40 dan 60. Namun, kita mungkin lebih percaya pada estimasi yang terakir
dibandingkan sebelumnya. Bagaimana pun, siapa pun dapat mengatakan dengan
kepastian atau keyakinan 100% bahwa produksi rata-rata (µ) akanberada di antara nol dan
tak terbatas. Hal yang sama berlaku, semakin kecil kisarannya, semakin rendah
keyakinan. Dengan kata lain, ada kesimabungan antara presisi dan keyakinan untuk setiap
ukuran sampel yang diberikan apapun.

Intinya, kepercayaan mencerminkan tingkat kepastian yang dengannya kita dapat

menyatakan bahwa perkiraan parameter populasi kita, berdasarkan statistik sampel kita,
akan sesuai. Tingkat kepercayaan dapat berkisar dari 0 hingga 100%. Keyakinan 95%
adalah tingkat yang diterima secara umum dan dapat diterima sebagian besar penelitian
bisnis, paling sering dinyatakan dengan menunjukkan tingkat signifikansi sebagai P ≤05.
Dengan kata lain, kami mengatakan bahwa setidaknya 95 kali dari 100, perkiraan kami
akan mencerminkan karakteristik populasi yang sebenarnya

2.10 Keseimbangan Antara Keyakinan dan Ketepatan

 Penting bagi peneliti untuk mempertimbangkan setidaknya empat aspek saat membuat
keputusan tentang ukuran sampel yang diperlukan untuk melakukan penelitian:

a. Seberapa presisi yang benar-benar dibutuhkan dalam memperkirakan

karakteristik populasi yang diminat yaitu, apa batas kesalahan yang diizinkan?
b. Seberapa besar rasa percaya diri yang benar-benar dibutuhkan yaitu, seberapa
besar peluang dapatkah kita mengambil kesalahan dalam memperkirakan
parameter populasi?
c. Sejauh mana variabilitas dalam populasi pada karakteristik yang diselidiki?
d. Apa itu biaya manfaat analisis peningkatan ukuran sampel?
2.11 Data Sampel dan Pengujian Hipotesis

Mengacu pada contoh sebelumnya dari pembelian nilai dolar rata-rata pelanggan di
department store, alih-alih mencoba memperkirakan nilai pembelian rata-rata pelanggan
toko dengan tingkat akurasi tertentu, mari kita katakan bahwa kita sekarang ingin
menentukan apakah atau tidak pelanggan menghabiskan jumlah rata-rata yang sama
dalam pembelian di Department Store A seperti di Department Store B. seperti yang
dibahas pada bab-bab sebelumnya kita tahu bahwa pertama-tama kita akan menetapkan
hipotesis nol, yang akan menyatakan bahwa tidak akan ada perbedaan dalam nilai dolar
yang dikeluarkan oleh pelanggan yang berbelanja. di dua toko yang berbeda. Ini akan
dinyatakan sebagai:

Ho: μA - μB = 0

Hipotesis alternatif perbedaan akan dinyatakan secara tidak langsung (karena kita
tidak tahu apakah pelanggan membeli lebih banyak di Toko A atau Toko B) dengan:

HA: μA - μB ≠ 0

Jika kita mengambil sampel 20 pelanggan dari masing-masing dua toko dan
menemukan bahwa nilai rata-rata pembelian dolar pelanggan di Toko A adalah 105
dengan standar deviasi 10, dan angka yang sama untuk Toko B masing-masing adalah
100 dan 15, secara berturut -turut kita melihat bahwa:

XA – XB = 105 – 100 = 5

2.12 Menentukan Ukuran Sampel

 Dari beberapa penjelasan diatas dapat disadari fakta bahwa ukuran sampel diatur oleh
tingkat presisi dan kepercayaan yang diinginkan. Prosedurnya dapat diilustrasikan dari
contoh berikut. Misalkan seorang manajer ingin menjadi 95% yakin bahwa penarikan
bulanan yang diharapkan di bank akan berada dalam interval kepercayaan± $500.
Katakanlah bahwa studi sampel klien menunjukkan bahwa penarikan rata-rata yang
dilakukan oleh mereka memiliki standar deviasi $3.500. Ukuran sampel yang akan
dibutuhkan dalam penelitian ini memakai rumus sebagai berikut:
μ-=x±KS–x
Karena tingkat kepercayaan yang dibutuhkan di sini adalah 95%, yang berlaku K
nilainya adalah 1,96 (T meja). Perkiraan interval dari± $500 harus mencakup dispersi
(1,96 × kesalahan standar). Diuraikan seperti berikut:
500 = 1,96 × S x
S x -= 500/1.96 = 255.10
Maka,

Ukuran sampel yang dibutuhkan di atas adalah 188. Katakanlah bank ini memiliki
total klien hanya 185. Ini berarti kita tidak dapat mengambil sampel 188 klien. Dalam
kasus ini, kita dapat menerapkan rumus koreksi dan melihat ukuran sampel apa yang
diperlukan untuk memiliki tingkat presisi dan keyakinan yang sama mengingat fakta
bahwa kita hanya memiliki total 185 klien. Rumus koreksinya adalah sebagai berikut:

Di mana n adalah jumlah elemen dalam populasi, n adalah ukuran sampel

diperkirakan, S - x adalah kesalahan standar estimasi rata-rata, dan S adalah simpangan
baku rata-rata sampel. Menerapkan rumus korelasi, hal ini ditemukan bahwa,
 Ukuran sampel yang sudah dikoreksi menjadi 94 dari total 185 klien. Untuk
memahami dampak presisi dan/atau kepercayaan pada ukuran sampel, dapat dilakukan
dengan cara mengubah tingkat kepercayaan yang diperlukan dalam latihan penarikan
bank yang membutuhkan ukuran sampel 188 untuk tingkat kepercayaan 95%. Katakanlah
manajer bank sekarang ingin 99% yakin bahwa yang diharapkan bulanan penarikan akan
berada dalam sekarang dibutuhkan?
interval ±$500. Ukuran sampel akan dihasilkan sebagai berikut:
S x- sekarang akan 500 = 194.099
2.576 = 3500
194.099 n
n = 325

Sampel sekarang harus ditingkatkan 1,73 kali (dari 188 menjadi 325) untuk
meningkatkan tingkat kepercayaan dari 95% menjadi 99%! Coba hitung ukuran sampel
jika presisi harus dipersempit dari $500 menjadi $300 untuk tingkat kepercayaan 95% dan
99%! Jawaban Anda harus menunjukkan ukuran sampel yang dibutuhkan masing-masing
523 dan 902. Hasil ini secara dramatis menyoroti biaya peningkatan presisi, kepercayaan
diri, atau keduanya. Oleh karena itu, merupakan ide yang baik untuk memikirkan
seberapa banyak presisi dan kepercayaan yang benar-benar dibutuhkan seseorang,
sebelum menentukan ukuran sampel untuk proyek penelitian. Sejauh ini kita telah
membahas ukuran sampel dalam konteks presisi dan kepercayaan terhadap satu variabel
saja. Namun, dalam penelitian, kerangka teoretis memiliki beberapa variabel yang
menarik, dan muncul pertanyaan bagaimana seseorang harus menghasilkan ukuran
sampel ketika semua faktor diperhitungkan. Krejcie dan Morgan (1970) sangat
menyederhanakan keputusan ukuran dengan menyediakan tabel yang memastikan model
keputusan yang baik. Tabel 11.3 memberikan pedoman ilmiah umum untuk keputusan
ukuran sampel. Siswa yang tertarik disarankan untuk membaca Krejcie dan Morgan
(1970) serta Cohen (1969) untuk keputusan ukuran sampel.

2.13 Pentingnya Desain Sampling dan Ukuran Sampel

 Sekarang mungkin untuk melihat bagaimana desain sampling dan 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 digeneralisasikan ke populasi. Demikian juga,
kecuali ukuran sampel memadai untuk tingkat presisi dan kepercayaan yang diinginkan,
tidak ada desain pengambilan sampel, betapapun canggihnya, yang dapat berguna bagi
peneliti dalam memenuhi tujuan penelitian. Oleh karena itu, keputusan pengambilan
sampel harus mempertimbangkan desain pengambilan sampel dan ukuran sampel.
Namun, ukuran sampel yang terlalu besar (katakanlah, lebih dari 500) juga dapat menjadi
masalah karena kita cenderung melakukan kesalahan Tipe II. Artinya, kami akan
menerima temuan penelitian kami, padahal sebenarnya kami harus menolaknya. Dengan
kata lain, dengan ukuran sampel yang terlalu besar, bahkan hubungan yang lemah
(katakanlah korelasi 0,10 antara dua variabel) mungkin mencapai tingkat signifikan, dan
kita akan cenderung untuk percaya bahwa hubungan signifikan yang ditemukan dalam
sampel ini memang benar dari populasi, padahal kenyataannya tidak. Jadi, ukuran sampel
yang tidak terlalu besar atau terlalu kecil membantu proyek penelitian.
Hal lain yang perlu dipertimbangkan, bahkan dengan ukuran sampel yang sesuai,
adalah apakah signifikansi statistik 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 utilitas praktis? Roscoe
(1975) mengusulkan aturan praktis berikut untuk menentukan ukuran sampel: 1.Ukuran
sampel yang lebih besar dari 30 dan kurang dari 500 sesuai untuk sebagian besar
penelitian. 2. Dimana sampel harus dipecah menjadi sub sampel; (pria/wanita, junior/
senior, dll.), jumlah sampel minimal 30 untuk setiap kategori diperlukan. 3. Dalam
penelitian multivariat (termasuk analisis regresi berganda), ukuran sampel harus beberapa
kali (sebaiknya 10 kali atau lebih) lebih besar dari jumlah variabel dalam penelitian. 4.
Untuk penelitian eksperimental sederhana dengan kontrol eksperimental yang ketat
(pasangan yang cocok, dll.), penelitian yang berhasil dimungkinkan dengan sampel
sekecil 10 hingga 20.
2.14 Efisiensi dalam Sampling
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 desain pengambilan sampel acak berlapis yang tidak
proporsional telah terbukti lebih efisien daripada desain pengambilan sampel proporsional
dalam banyak kasus. Pengambilan sampel klaster kurang efisien daripada pengambilan
sampel acak sederhana karena umumnya ada lebih banyak homogenitas di antara subjek-
subjek dalam klaster 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 sebelumnya.
Sering ada trade-off antara efisiensi waktu dan biaya (seperti yang dicapai dalam desain
pengambilan sampel nonprobabilitas) dan efisiensi presisi (seperti yang dicapai dalam
banyak rencana pengambilan sampel probabilitas). Pilihan rencana pengambilan sampel
dengan demikian tergantung pada tujuan penelitian, serta pada tingkat dan sifat efisiensi
yang diinginkan.
2.15 Sampling sebagai terkait Studi Kualitatif
Dalam studi kualitatif, hanya sampel kecil individu, kelompok, atau peristiwa yang
selalu dipilih, mengingat sifat studi yang mendalam. Jelas, tidak mungkin melakukan
pemeriksaan intensif terhadap semua faktor—pusat dan periferal— dengan sampel,
katakanlah, 300. Itu akan memerlukan biaya dan pengeluaran energi yang besar. Untuk
alasan di atas, studi kualitatif menggunakan sampel kecil, yang berarti bahwa generalisasi
temuan sangat terbatas. Prosedur analitik data akan sebagian besar dari jenis
nonparametrik (dijelaskan dalam Bab 12), dan seperti dicatat, validitas eksternal akan
rendah. Dalam studi kualitatif, dimungkinkan untuk menggunakan salah satu desain
pengambilan sampel yang dibahas dalam bab ini, tetapi jika tujuan studi hanya untuk
mengeksplorasi dan mencoba memahami fenomena, sampel praktis hampir selalu
digunakan.
Tinjauan Keputusan Ukuran Sampel
Kita dapat meringkas faktor-faktor yang mempengaruhi keputusan tentang ukuran sampel
sebagai,
(1) tingkat presisi yang diinginkan (interval kepercayaan);
(2) risiko yang dapat diterima dalam memprediksi tingkat presisi tersebut (tingkat
kepercayaan);
(3) besarnya variabilitas dalam populasi itu sendiri;
(4) kendala biaya dan waktu; dan, dalam beberapa kasus,
 (5) ukuran populasi itu sendiri. Sebagai aturan praktis, ukuran sampel antara 30 dan 500
bisa efektif tergantung pada jenis desain pengambilan sampel yang digunakan dan
pertanyaan penelitian yang diselidiki. Studi kualitatif biasanya menggunakan ukuran
sampel yang kecil karena sifatnya yang intensif. Ketika studi kualitatif dilakukan untuk
tujuan eksplorasi, desain sampling akan menjadi convenience sampling.

2.16 Relevansi Manajeri

Kesadaran akan desain pengambilan sampel dan ukuran sampel membantu manajer
untuk memahami mengapa metode pengambilan sampel tertentu digunakan oleh peneliti.
Ini juga memfasilitasi pemahaman tentang implikasi biaya dari desain yang berbeda, dan
trade-off antara presisi dan kepercayaan terhadap biaya. Hal ini memungkinkan manajer
untuk memahami risiko yang mereka ambil dalam menerapkan perubahan berdasarkan
hasil studi penelitian. Saat membaca 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