MAKALAH

PROBABILITY SAMPLING

disajikan untuk memenuhi tugas mata kuliah Statistika Terapan

Oleh:
Ayatullah Victoreza
Rangga Ramadhoany AL
Lia Puspita Dewi
Eka Rahayu Handayani
Dede Ridwan N.

PENGEMBANGAN KURIKULUM
SEKOLAH PASCA SARJANA
UNIVERSITAS PENDIDIKAN INDONESIA
2014
 PROBABILITY SAMPLING

A. PENDAHULUAN
Suatu penelitian pasti menggunakan populasi dan sampel. Dalam
menentukan sampel untuk penelitian, terdapat beberapa teknik yang dapat
digunakan. Teknik sampling adalah teknik pengambilan sampel. Teknik sampling
pada dasarnya dapat dikelompokkan menjadi dua yaitu probability sampling dan
nonprobability sampling.
Makalah ini akan membahas salah satu teknik sampling yakni probability
sampling. Probability sampling adalah teknik pengambilan sampel yang
memberikan peluang yang sama bagi setiap unsur (anggota) populasi untuk dipilih
menjadi anggota sampel. Ada tiga macam probability sampling yang meliputi
simple random sampling, stratified sampling, dan cluster sampling. Simple
random sampling merupakan teknik sampling yang paling dikenal. Stratified
sampling merupakan penyempurnaan dari simple random sampling. Sedangkan
cluster sampling merupakan teknik yang paling sering dipraktekkan pada survei
nasional yang luas. Pembahasan makalah ini akan mencakup langkah-langkah
teknik sampling, tipe, kelebihan serta kekurangannya.

B. SIMPLE RANDOM SAMPLING

Simple random sampling merupakan teknik probability sampling yang
sederhana. Dikatakan simple (sederhana) karena pengambilan anggota sampel dari
populasi dilakukan secara acak tanpa memperhatikan strata yang ada dalam
populasi. Teknik ini digunakan untuk anggota populasi yang dianggap homogen.

Populasi
homogen Diambil secara Samp
/ relatif el
homogen yang
random
repre
senta
tif
Gambar 1 Teknik Simple Random Sampling
 Ada lima langkah utama dalam memilih sampel menggunakan Simple
Random Sampling:
1. Menentukan populasi sasaran.
2. Mengidentifikasi kerangka sampling yang ada dari populasi sasaran
3. Menetapkan nomor unik untuk setiap elemen dalam kerangka sampling.
4. Menentukan ukuran sampel.
5. Memilih nomor yang ditargetkan pada elemen populasi.
Tiga teknik yang biasanya digunakan dalam melaksanakan Langkah ke 5,
yaitu metode lotre/undian, tabel bilangan random, dan acak nomor menggunakan
program komputer (random number generator). Dalam menggunakan metode
lotre (juga disebut sebagai "blind draw method” and the “hat model”) angka yang
mewakili setiap elemen dalam populasi target ditempatkan pada chip (misalnya,
kartu, kertas, atau benda lainnya). Chip kemudian ditempatkan dalam sebuah
wadah dan dicampur. Selanjutnya, memilih chip dari wadah sampai ukuran
sampel yang diinginkan telah diperoleh. Kekurangan dari metode ini adalah dalam
pemilihan sampel akan memakan banyak waktu, dan terbatas pada populasi kecil.
Sebuah tabel bilangan random juga dapat digunakan. Angka-angka dalam
tabel bilangan random tidak diatur dalam pola tertentu. Angka dapat dibaca
dengan cara apapun, yaitu, horizontal, vertikal, diagonal, ke depan, atau ke
belakang. Dalam menggunakan tabel nomor acak, peneliti harus memilih titik
awal dan kemudian secara sistematis melanjutkan ke bawah (atau atas) kolom
nomor dalam tabel. Jumlah digit yang digunakan harus sesuai dengan keseluruhan
jumlah populasi. Setiap elemen yang diberi nomor sesuai nomor peneliti dipilih
untuk sampel. Nomor penelitian yang tidak cocok dengan nomor yang ditetapkan
pada unsur-unsur dalam populasi maka diabaikan. Seperti dalam menggunakan
metode lotre, menggunakan tabel nomor acak adalah membosankan, proses yang
memakan waktu, dan tidak direkomendasikan untuk populasi yang besar.
Sebaliknya, perangkat lunak statistik harus digunakan untuk populasi yang besar.
Kebanyakan perangkat lunak statistik dan software spreadsheet memiliki rutinitas
untuk menghasilkan angka acak. Elemen populasi yang diberi nomor sesuai
dengan nomor yang dihasilkan oleh perangkat lunak termasuk dalam sampel. Satu
dapat memilih nomor dari tabel nomor acak untuk digunakan sebagai nomor awal
untuk proses.
Ada dua tipe simple random sampling yakni: sampling with replacement
dan sampling without replacement. Dalam sampling with replacement, setelah
elemen telah dipilih dari kerangka sampling, itu dikembalikan ke kerangka
sampling dan memenuhi syarat untuk dipilih lagi. Dalam pengambilan sampling
without replacement, setelah elemen dipilih dari kerangka sampling, tersebut akan
dihapus dari populasi dan tidak kembali ke kerangka sampling. Sampling without
replacement cenderung lebih efisien daripada sampling with replacement dalam
memproduksi sampel representatif. Itu tidak memungkinkan elemen populasi
yang sama untuk memasukan sampel lebih dari sekali. Sampling without
replacement lebih umum daripada sampling with replacement.
Simple random sampling memiliki kelebihan dan kelemahan dari prosedur
probability sampling bila dibandingkan dengan prosedur nonprobability sampling.
Khususnya, simple random sampling mempunyai kelebihan cenderung untuk
menghasilkan sampel yang representatif, dan memungkinkan penggunaan statistik
inferensial dalam menganalisis data yang dikumpulkan. Kelebihan dan
kekurangan simple random sampling jika dibandingkan dengan teknik probability
sampling yang lainnya ditunjukkan pada Tabel 1.
Tabel 1 Kelebihan dan Kekurangan Simple Random Sampling
Kelebihan Kekurangan
Informasi tambahan lanjutan pada Sebuah kerangka sampling elemen
elemen dalam populasi tidak dalam populasi target diperlukan.
diperlukan.
Mudah untuk dipahami danMemiliki kesalahan pengambilan
dikomunikasikan dengan orang lain. sampel lebih besar dan kurang presisi,
dibandingkan desain sampling lain
dengan ukuran sampel yang sama.
Prosedur statistik yang diperlukan Jika populasi secara luas tersebar, biaya
untuk menganalisis data dan kesalahan pengumpulan data mungkin lebih tinggi
menghitung lebih mudah. daripada desain sampel probabilitas
lainnya.
Cenderung menghasilkan sampel yang Jika sub kelompok populasi memiliki
mewakili/representatif. kepentingan tertentu, mereka mungkin
tidak disertakan dalam sampel
C. STRATIFIED SAMPLING
 Stratified sampling adalah teknik sampling dimana target populasi yang
heterogen dipisahkan terlebih dahulu menurut stratanya yang bersifat homogen
kemudian dari setiap strata dipilih sampel secara acak. Sampel yang dipilih dari
setiap strata digabungkan untuk menjadi sampel penelitian yang utuh.
Ada tujuh langkah utama dalam memilih sebuah sampel dengan stratified
sampling:
1. Menentukan target populasi
2. Mengidentifikasi variabel stratifikasi dan menentukan jumlah strata yang
akan digunakan. Variabel stratifikasi harus berhubungan dengan tujuan
penelitian. Kemampuan dalam menyediakan informasi tambahan sering
menentukan variabel-variabel stratifikasi yang digunakan. Lebih dari satu
variabel stratifikasi dapat digunakan. Variabel stratifikasi antara 4-6
variabel dan tidak lebih dari enam strata.
3. Mengidentifikasi kerangka sampling yang ada atau mengembangkan
kerangka sampling yang mencakup informasi mengenai variabel
stratifikasi untuk setiap elemen dalam populasi target. Jika kerangka
sampling tidak mencakup informasi tentang variabel stratifikasi,
stratifikasi tidak akan mungkin.
4. Bagilah kerangka sampling dalam strata, kategori dari variabel stratifikasi
menciptakan kerangka sampling untuk setiap strata. Perbedaan dalam
strata harus diminimalkan, dan perbedaan antar strata harus
dimaksimalkan. Strata tidak boleh tumpang tindih.
5. Menetapkan nomor unik untuk setiap elemen.
6. Tentukan ukuran sampel untuk setiap strata. Distribusi numerik dari unsur-
unsur sampel di berbagai strata menentukan jenis sampling stratified yang
diimplementasikan.
7. Memilih elemen yang ditargetkan dari masing-masing strata secara acak.
Ada dua subtipe utama dari stratified sampling yaitu proportionate
stratified sampling dan disproportionate stratified sampling.

 Proportionate stratified sampling

 Dalam tipe ini, jumlah elemen yang dialokasikan untuk berbagai strata
sebanding dengan representasi dari strata dalam total populasi. Artinya,
ukuran sampel yang diambil dari setiap strata adalah proporsional dengan
ukuran relatif dalam populasi. Elemen populasi diberi kesempatan yang sama
untuk dimasukkan dalam sampel. Pada tabel 2 disajikan contoh aplikasi
proportionate stratified sampling dalam menentukan sampel pada suatu
populasi daerah. Dalam contoh ini, unsur-unsur sampel dialokasikan di empat
kabupaten di wilayah pemasaran sehingga proporsi unsur-unsur sampel untuk
setiap kabupaten identik dengan proporsi total penduduk. di setiap kabupaten.
Fraksi pengambilan sampel di setiap kabupaten adalah sama. Masing-masing
kabupaten sama-sama terwakili dalam sampel.
Tabel 2 Proportionate Stratified Sampling
Populasi Proportionate Stratified Sample
Wilayah
Pemasaran Frekuensi Persentase Frekuensi Persentase
Kabupaten 1 18000 33% 396 33%

Kabupaten 2 600 1% 12 1%
Kabupaten 3 12000 22% 264 22%

Kabupaten 4 24000 44% 528 44%

Total 54600 100% 1200 100%

 Disproportionate stratified sampling

Prosedur pengambilan sampel yang jumlah elemen sampel dari setiap strata
tidak sebanding dengan perwakilan mereka dalam total populasi. Tujuan dari
penelitian mungkin memerlukan peneliti untuk melakukan analisis rinci dalam
strata sampel. Jika menggunakan stratifikasi proporsional, ukuran sampel dari
strata yang sangat kecil; mungkin sulit untuk memenuhi tujuan penelitian.
Salah satu pilihan adalah oversample strata kecil atau langka. Oversampling
tersebut akan membuat distribusi yang tidak proporsional dari strata dalam
sampel bila dibandingkan untuk populasi. Contoh penelitian seperti desain
mencakup studi Muslim di militer, sebuah studi dari orang-orang dengan
masalah medis yang langka, atau studi tentang orang-orang yang
menghabiskan sebagian besar masa muda mereka di asuh. Menggunakan
 contoh yang dijelaskan pada Tabel 2, jika itu yang diinginkan untuk
melakukan analisis rinci dari Kabupaten 2, salah satu mungkin oversample
dari kabupaten itu; misalnya, sampling bukan hanya 12 elemen, tetapi sampel
130 elemen. Untuk melakukan analisis rinci dalam Kabupaten 2, ukuran
sampel untuk kabupaten harus lebih besar dari 12 elemen. Distribusi yang
dihasilkan elemen dalam sampel kabupaten mungkin terlihat seperti distribusi
dapat dilihat pada Tabel 3.
Tabel 3 Disproportionate Stratified Sampling

Populatsi Disproportionate Stratified Sample

Wilayah
Pemasaran Frekuensi Persentase Frekuensi Persentase

Kabupaten 1 18000 33% 357 30%

Kabupaten 2 600 1% 130 11%

Kabupaten 3 12000 22% 238 20%

Kabupaten 4 24000 44% 475 39%

Total 54600 100% 1200 100%

Tujuan dari penelitian mungkin memerlukan peneliti untuk
membandingkan strata satu sama lain. Jika hal ini terjadi, jumlah yang cukup dari
elemen harus dipilih untuk setiap kategori. Seorang peneliti mungkin
berkeinginan memaksimalkan ukuran sampel dari setiap strata. Untuk studi
tersebut, alokasi yang sama (juga disebut sebagai "alokasi seimbang" dan "sampel
faktorial") mungkin tepat. Seorang peneliti berusaha untuk memilih jumlah
elemen yang sama dari masing-masing strata seperti bisa dilihat pada Tabel 4.
Tabel 4 Disproportionate Stratified Sampling dengan Alokasi Seimbang

Disproportionate Stratified Sample

Wilayah
Populasi Using Equal Allocation
Pemasaran
Frekuensi Persentase Frekuensi Persentase
Kabupaten 1 18000 33% 300 25%
Kabupaten 2 600 1% 300 25%
Kabupaten 3 12000 22% 300 25%
Kabupaten 4 24000 44% 300 25%
Total 54600 100% 1200 100%
 Stratified sampling memiliki kelebihan dan kekurangan dalam
menentukan sampel penelitian. Tabel 5 memuat penjelasan tentang kelebihan dan
kekurangan stratified sampling.
Tabel 5 Kelebihan dan Kekurangan Stratified Sampling
Kelebihan Kekurangan
Memiliki kemampuan yang lebih dalam Membutuhkan informasi yang
membedakan dan menganalisis data mendetail dari populasi agar bisa dibuat
yang berstrata strata
Memiliki taraf kesalahan (error) yang Informasi dari variable stratifikasi
lebih kecil dalam menentukan sampel dibutuhkan untuk setiap elemen pada
pada suatu ukuran sampel populasi. Jika informasi tidak tersedia,
hal ini bisa menimbulkan kesalahan.
Sampel yang dihasilkan lebih Lebih mahal, membutuhkan waktu
representatif karena mewakili elemen yang lebih lama
pada setiap strata
Memperbolehkan metode penelitian Analisis data lebih komples dibanding
yang berbeda simple random sampling

D. CLUSTER SAMPLING
Seringkali tidak mungkin atau tidak praktis untuk membuat kerangka
sampling dari target populasi secara luas tersebar secara geografis, karena
membuat biaya pengumpulan data yang relatif tinggi. Situasi seperti ini ideal
untuk cluster sampling. Cluster sampling adalah prosedur probability sampling
dimana elemen populasi dipilih secara acak dalam kelompok yang terjadi secara
alami (cluster). Dalam konteks cluster sampling, sebuah "cluster" adalah agregat
atau kelompok utuh dari elemen populasi. Cluster sampling melibatkan pemilihan
elemen populasi tidak secara individu, tetapi dalam agregat/kelompok. Unit
sampel atau kelompok bisa saja unit geografis atau fisik (misalnya, negara,
kabupaten, saluran sensus, blok, atau bangunan); berdasarkan organisasi, seperti
sekolah, tingkat kelas, atau kelas; berdasarkan telepon, misalnya kode area atau
pertukaran nomor telepon.
Heterogenitas cluster merupakan pusat desain sampel kluster yang baik.
Idealnya, perbedaan yang ada di dalam cluster akan tinggi, dan perbedaan antar
cluster akan rendah. Cluster harus seperti satu sama lain.
Ada enam langkah utama dalam memilih sampel dengan menggunakan
cluster sampling yaitu:
 1. Tentukan populasi sasaran.
2. Tentukan ukuran sampel yang diinginkan.
3. Mengidentifikasi kerangka sampling yang ada atau mengembangkan
kerangka sampling baru dari suatu cluster pada target populasi.
4. Mengevaluasi cakupan kerangka sampling. Idealnya, cluster akan
heterogen sebagai populasi, saling eksklusif, dan lengkap.
5. Tentukan jumlah cluster yang akan dipilih. Hal ini dapat dilakukan dengan
membagi ukuran sampel dengan perkiraan rata-rata jumlah populasi.
6. Memilih cluster yang ditargetkan secara acak

Subtipe Berdasarkan Jumlah Tahapan

Seringkali cluster sampling dilakukan di lebih dari satu tahap “stage”.
Stage adalah sebuah langkah dalam proses pengambilan sampel dimana sampel
diambil. Mengingat jumlah tahap dalam desain, ada tiga subtipe utama dari
cluster sampling: single-stage cluster sampling, two-stage cluster sampling, dan
multistage cluster sampling.

Gambar 2 Single-Stage Cluster Sampling dan Two-Stage Cluster

Sampling
 Single-stage cluster sampling
Dalam desain sampel kluster satu-tahap, pengambilan sampel dilakukan hanya
sekali. Sebagai contoh satu tahap cluster sampling, katakanlah seseorang
tertarik mempelajari orang-orang tunawisma yang tinggal di tempat
penampungan. Jika ada lima tempat penampungan di kota, seorang peneliti
 secara acak akan memilih salah satu tempat penampungan dan kemudian
termasuk dalam penelitian ini semua orang tunawisma yang tinggal di
penampungan yang dipilih. Seorang peneliti pasar mungkin memilih untuk
menggunakan satu tahap desain sampel klaster. Katakanlah seorang peneliti
tertarik dalam tes pemasaran produk. Peneliti secara acak dapat memilih kode
pos; mengirimkan sampel produk bersama-sama dengan kuesioner evaluasi
kembali mail ke setiap alamat dalam cluster yang dipilih.
 Two stage cluster sampling
Desain sampel kluster dua tahap mencakup semua langkah-langkah dalam
desain sampel cluster satu tahap dengan satu pengecualian, langkah terakhir.
Langkah kedua menggunakan sampel acak (baik simple random sampling atau
stratified sampling) diambil dari unsur-unsur di setiap cluster yang dipilih.
Sampling melampaui tahap pertama kadang-kadang disebut sebagai
subsampling. Umumnya, kecuali kelompok homogen, desain sampel klaster
dua-tahap lebih baik dari desain sampel klaster satu tahap. Menggunakan
contoh studi orang tunawisma yang dijelaskan di atas, bukan memilih semua
orang yang tinggal di tempat penampungan yang dipilih tetapi peneliti secara
acak akan memilih subset dari penduduk penampungan.
 Multistage cluster sampling
Survei wilayah geografis yang luas membutuhkan desain sampel yang agak
lebih rumit daripada yang dijelaskan sampai saat ini. Biasanya, desain sampel
multistage cluster harus digunakan. Multistage cluster sampling melibatkan
pengulangan dua langkah dasar: daftar dan sampling. Biasanya, pada setiap
tahap, cluster bisa semakin kecil dalam ukuran. Prosedur Sampling (simple
random sampling, stratified sampling) pada setiap tahap mungkin berbeda.
Jumlah tahapan yang digunakan sering ditentukan oleh ketersediaan sampling
frame pada tahapan yang berbeda.
Teknik cluster sampling juga memiliki kelebihan dan kekurangan. Tabel 6
menyajikan kelebihan dan kekurangan cluster sampling dibanding simple random
sampling.
Tabel 6 Kelebihan dan Kekurangan Cluster Sampling dibanding
Simple Random Sampling.
Kelebihan Kekurangan
 Jika cluster didefinisikan secara Sampel cluster mungkin tidak
geografis, cluster sampling mewakili populasi sebagai sampel acak
membutuhkan sedikit waktu, sederhana dengan ukuran sampel yang
uang, dan tenaga kerja. sama
Sampling Cluster memungkinkan Varian sampel cluster cenderung jauh
pengambilan sampel berikutnya lebih tinggi daripada varians sampel acak
karena cluster sampel adalah sederhana.
agregat dari elemen
Dapat memperkirakan Sampling cluster memperkenalkan
karakteristik dari kelompok kompleksitas dalam menganalisis data
dan populasi dan menginterpretasikan hasil analisis.
Sampling Cluster tidak Sampling Cluster menghasilkan
memerlukan kerangka sampling kesalahan pengambilan sampel yang
dari semua elemen dalam populasi lebih besar untuk sampel dengan ukuran
target. yang sebanding dari sampel probabilitas
lainnya.

Cluster sampling mirip dengan stratified sampling karena keduanya

melibatkan peringkat dari populasi ke dalam kategori dan kemudian sampel dalam
kategori. Kedua prosedur pengambilan sampel memungkinkan analisis strata atau
cluster di samping analisis dari total sampel. Namun, ada perbedaan penting.
Beberapa perbedaan tersebut meliputi:
1. Dalam stratified sampling, setelah kategori (strata) diciptakan, sampel acak
diambil dari setiap kategori (strata). Di sisi lain, dalam cluster sampling,
elemen tidak dipilih dari setiap cluster. Dalam single stage cluster sampling,
setelah kategori (cluster) diciptakan, sampel cluster diambil. Semua elemen
dalam cluster yang dipilih dimasukkan dalam sampel. Dalam two-stage
cluster sampling dan multi-stage cluster sampling, sampel klaster diambil
acak dan kemudian elemen secara acak dipilih dari kelompok yang dipilih.
2. Dalam stratified sampling, untuk meminimalkan kesalahan sampling, ,
perbedaan di dalam strata harus diminimalkan, dan stratum harus
sehomogen mungkin. Dalam cluster sampling, untuk meminimalkan
kesalahan sampling, perbedaan dalam cluster harus konsisten dengan
dalam populasi, dan cluster harus sama heterogen sebagaimana populasi.
Situasi yang ideal untuk pengambilan sampel stratified adalah memiliki
 homogenitas dalam setiap stratum dan strata merupakan sarana untuk
berbeda satu sama lain. Situasi yang ideal untuk cluster sampling adalah
memiliki keheterogenan dalam cluster dan setiap cluster berarti tidak
berbeda satu sama lain.
3. Dalam stratified sampling, untuk meminimalkan kesalahan sampling,
perbedaan antar strata harus dimaksimalkan. Dalam cluster sampling,
untuk meminimalkan kesalahan sampling, perbedaan antar cluster harus
diminimalkan.
4. Dalam stratified sampling, kategori yang dikonsep oleh peneliti. Dalam
cluster sampling, kategori yang terjadi secara alami.
5. Dalam stratified sampling, kerangka sampling diperlukan untuk seluruh
populasi sasaran. Dalam single-stage cluster sampling, kerangka sampling
diperlukan hanya untuk cluster. Dalam two-stage cluster sampling dan
multistage cluster sampling, di samping kerangka sampling cluster dalam
tahap pertama dari proses, kerangka sampling diperlukan hanya untuk
elemen masing-masing cluster yang dipilih.
6. Tujuan utama stratified sampling adalah untuk meningkatkan presisi dan
keterwakilan. Tujuan utama dari cluster sampling adalah untuk
mengurangi biaya dan meningkatkan efisiensi operasional.
7. Dibandingkan dengan simple random sampling, stratified sampling
memiliki presisi tinggi dan cluster sampling memiliki presisi yang lebih
rendah. Peningkatan presisi oleh stratifikasi tidak banyak. Namun,
pengelompokan dapat menyebabkan penurunan yang signifikan dalam
presisi.
8. Variabel yang digunakan untuk stratifikasi harus berhubungan dengan
variabel yang diteliti. Variabel yang digunakan untuk clustering tidak
boleh berhubungan dengan variabel yang diteliti.
9. Variabel stratifikasi umum digunakan adalah umur, jenis kelamin, dan
pendapatan.
10. Variabel klasifikasi umum digunakan dalam cluster sampling adalah
daerah geografi, sekolah, dan tingkat kelas.

E. PENUTUP
Probability sampling adalah teknik pengambilan sampel yang memberikan
peluang yang sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi
anggota sampel. Ada tiga macam probability sampling yang meliputi simple
random sampling, stratified sampling, dan cluster sampling. Masing-masing
teknik sampling memiliki kelebihan dan kekurangan. Penggunaan teknik
sampling yang tepat perlu memperhatikan tujuan dan kebutuhannya.