“SAMPLING”
OLEH :
KELOMPOK 7 :
1. AMALDA AULIA (1810533004)
2. SARI FADILLAH (2120532030)
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
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.
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.
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
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.
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.
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.
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.
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.
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.
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.
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
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
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:
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.