1.

Sifat Pengambilan Sampel

Sifat dasar dari sampel adalah bahwa dengan memilih beberapa elemen dalam
suatu populasi, kita dapat menarik kesimpulan tentang seluruh populasi. Sebuah elemen
populasi adalah peserta individu atau objek tempat pengukuran dilakukan. Ini adalah
unit studi. Meskipun sebuah elemen mungkin seseorang, ia bisa dengan mudah menjadi
sesuatu yang lain. Misalnya, setiap anggota staf ditanyai tentang strategi promosi yang
optimal adalah elemen populasi, setiap akun periklanan yang dianalisis adalah elemen
populasi akun, dan setiap iklan adalah elemen populasi iklan. Sebuah populasi adalah
kumpulan total elemen yang ingin kita buat beberapa kesimpulan. Sebuah sensus
adalah jumlah semua elemen dalam populasi. Peneliti menyebut daftar semua elemen
populasi dari mana sampel akan diambil sebagai kerangka sampel.
1.1 Mengapa Sampel?
Ada beberapa alasan kuat untuk pengambilan sampel, yaitu:
1) Biaya Rendah
Keuntungan ekonomi mengambil sampel daripada sensus sangat besar.
Pertimbangkan biaya untuk melakukan sensus.
2) Akurasi Hasil yang Lebih Besar
Deming berpendapat bahwa kualitas penelitian seringkali lebih baik dengan
pengambilan sampel daripada dengan sensus. Dia menyarankan, "Pengambilan
sampel memiliki kemungkinan wawancara (pengujian) yang lebih baik,
penyelidikan yang lebih menyeluruh atas informasi yang hilang, salah, atau
mencurigakan, pengawasan yang lebih baik, dan pemrosesan yang lebih baik
daripada yang dimungkinkan dengan cakupan yang lengkap”. Temuan penelitian
memperkuat pendapat ini. Lebih dari 90 persen dari total kesalahan survei dalam
satu studi berasal dari sumber nonsampling dan hanya 10 persen atau kurang dari
kesalahan sampling acak.
3) Kecepatan Pengumpulan Data Lebih Besar
Kecepatan eksekusi sampling mengurangi waktu antara pengenalan kebutuhan
informasi dan ketersediaan informasi tersebut.
4) Ketersediaan Elemen Populasi
Beberapa situasi memerlukan pengambilan sampel. Keselamatan adalah daya tarik
pemasaran yang menarik bagi sebagian besar kendaraan. Namun kita harus
memiliki bukti untuk membuat klaim seperti itu.
1.2 Sampel Versus Sensus
Keuntungan sampling dibandingkan studi sensus kurang menarik ketika populasi kecil
dan variabilitas dalam populasi tinggi. Dua kondisi yang sesuai untuk studi sensus,
yaitu:
(1) Sensus bisa dilakukan ketika populasi kecil dan
(2) Diperlukan ketika unsur-unsurnya sangat berbeda satu sama lain.
Ketika populasinya kecil dan bervariasi, sampel apa pun yang kita ambil mungkin tidak
mewakili populasi dari mana sampel itu diambil. Nilai yang dihasilkan yang kami
hitung dari sampel tidak benar sebagai perkiraan nilai populasi.
1.3 Apa Itu Sampel yang Baik
Tes akhir dari desain sampel adalah seberapa baik itu mewakili karakteristik populasi
yang dimaksudkan untuk diwakilinya. Dalam hal pengukuran, sampel harus valid.
Validitas sampel tergantung pada dua pertimbangan yaitu:
1) Ketepatan/Akurasi
Akurasi adalah sejauh mana bias tidak ada dari sampel. Ketika sampel diambil
dengan benar, ukuran perilaku, sikap, atau pengetahuan (variabel pengukuran)
daribeberapaelemen sampel akan kurang dari (dengan demikian, meremehkan)
ukuran variabel yang sama yang diambil dari populasi. Juga, ukuran perilaku, sikap,
atau pengetahuan lainnya elemen sampel akanlebih dari nilai-nilai populasi (dengan
demikian, melebih-lebihkan mereka). Variasi nilai sampel ini saling mengimbangi,
sehingga menghasilkan nilai sampel yang mendekati nilai populasi. Namun, agar
efek penyeimbang ini terjadi, harus ada cukup elemen dalam sampel, dan mereka
harus ditarik dengan cara yang tidak mendukung perkiraan yang terlalu tinggi atau
terlalu rendah. Meningkatkan ukuran sampel dapat mengurangi varian sistematis
sebagai penyebab kesalahan. Namun, bahkan ukuran besar tidak akan mengurangi
kesalahan jika daftar dari mana Anda menarik peserta Anda bias.
2) Presisi
Kriteria kedua dari desain sampel yang baik adalah ketepatan perkiraan. Peneliti
menerima bahwa tidak ada sampel yang sepenuhnya mewakili populasinya dalam
segala hal. Namun, untuk menginterpretasikan temuan penelitian, kita
membutuhkan ukuran seberapa dekat sampel mewakili populasi. Deskriptor
numerik yang menggambarkan sampel mungkin diharapkan berbeda dari yang
menggambarkan populasi karena fluktuasi acak yang melekat dalam proses
pengambilan sampel. Ini disebut kesalahan pengambilan sampel (atau kesalahan
 pengambilan sampel acak) dan mencerminkan pengaruh kebetulan dalam menarik
anggota sampel. Sampling error adalah apa yang tersisa setelah semua sumber
varians sistematik yang diketahui telah diperhitungkan. Secara teori, kesalahan
pengambilan sampel hanya terdiri dari fluktuasi acak, meskipun beberapa varian
sistematis yang tidak diketahui dapat dimasukkan ketika terlalu banyak atau terlalu
sedikit elemen sampel yang memiliki karakteristik tertentu.
Presisi diukur dengan kesalahan standar perkiraan, sejenis pengukuran standar
deviasi; semakin kecil kesalahan standar estimasi, semakin tinggi presisi sampel.
Desain sampel yang ideal menghasilkan kesalahan standar estimasi yang kecil.
Namun, tidak semua jenis desain sampel memberikan estimasi presisi, dan sampel
dengan ukuran yang sama dapat menghasilkan jumlah kesalahan yang berbeda.
1.4 Jenis Desain Sampel
Peneliti membuat beberapa keputusan saat merancang sampel. Keputusan pengambilan
sampel mengalir dari dua keputusan yang dibuat dalam pembentukan hierarki
pertanyaan penelitian-manajemen: sifat pertanyaan manajemen dan pertanyaan
investigasi khusus yang berkembang dari pertanyaan penelitian. Keputusan ini
dipengaruhi oleh persyaratan proyek dan tujuannya, tingkat risiko yang dapat
ditoleransi peneliti, anggaran, waktu, sumber daya yang tersedia, dan budaya.
Gambar 1.1
Desain Pengambilan Sampel dalam Proses Penelitian
Sumber: Chooper and Schindler (2013)

1) Perwakilan
Anggota sampel dipilih menggunakan prosedur probabilitas atau nonprobabilitas.
Pengambilan sampel nonprobabilitas sewenang-wenang dan subyektif, ketika kita
memilih secara subyektif, kita biasanya melakukannya dengan pola atau skema
dalam pikiran (misalnya, hanya berbicara dengan anak muda atau hanya berbicara
dengan wanita). Setiap anggota populasi tidak memiliki peluang yang diketahui
untuk dimasukkan. Kunci perbedaan antara sampel nonprobabilitas dan
probabilitas adalah istilahnya acak. Dalam kamus, acak didefinisikan sebagai
"tanpa pola" atau sebagai "serampangan". Dalam pengambilan sampel, acak
berarti sesuatu yang lain sama sekali. Sampling probabilitas didasarkan pada
konsep seleksi acak dengan prosedur terkontrol yang memastikan bahwa setiap
elemen populasi diberi peluang seleksi bukan nol yang diketahui. Prosedur ini
tidak pernah sembarangan. Hanya sampel probabilitas yang memberikan
perkiraan presisi. Ketika seorang peneliti membuat keputusan yang akan
mempengaruhi pengeluaran ribuan, jika tidak jutaan, dolar, perkiraan presisi
sangat penting. Juga, hanya sampel probabilitas yang menawarkan kesempatan
untuk menggeneralisasikan temuan ke populasi yang diminati dari populasi
 sampel. Meskipun penelitian eksplorasi tidak selalu menuntut hal ini, studi
penjelasan, deskriptif, dan kausal membutuhkannya.
2) Pemilihan Elemen
Apakah elemen dipilih secara individual dan langsung dari populasi dilihat
sebagai kumpulan tunggal atau kontrol tambahan diberlakukan, pemilihan elemen
juga dapat mengklasifikasikan sampel. Jika setiap elemen sampel diambil secara
individual dari populasi pada umumnya, itu adalah sampel yang tidak terbatas.
Pengambilan sampel terbatas mencakup semua bentuk pengambilan sampel
lainnya.

2. Langkah-Langkah dalam Desain Sampling

Ada beberapa pertanyaan yang harus dijawab dalam mengamankan sampel.
Masing-masing membutuhkan informasi unik. Meskipun pertanyaan yang disajikan di
sini berurutan, jawaban atas satu pertanyaan sering memaksa revisi dari pertanyaan
sebelumnya.

1) Apa populasi sasarannya?

Definisi populasi mungkin terlihat dari masalah manajemen atau pertanyaan
penelitian, tetapi seringkali tidak. Mungkin juga ada kebingungan tentang apakah
populasi terdiri dari individu, rumah tangga, atau keluarga, atau kombinasi dari
semuanya. Jika studi komunikasi perlu mengukur pendapatan, maka definisi
elemen populasi sebagai individu atau rumah tangga dapat membuat perbedaan
yang cukup besar. Dalam studi observasi, populasi sampel mungkin nonpersonal:
pajangan di dalam toko atau ATM apa pun yang dimiliki bank atau semua properti
tempat tinggal satu keluarga di komunitas. Definisi operasional yang baik sangat
penting dalam memilih populasi yang relevan.
2) Apa parameter yang menarik dan diinginkan?
Parameter populasi adalah deskriptor ringkasan (misalnya, proporsi kejadian, rata-
rata, varians) dari variabel-variabel yang diminati dalam populasi. Statistik sampel
adalah deskriptor dari variabel relevan yang sama yang dihitung dari data sampel.
Statistik sampel digunakan sebagai penduga parameter populasi. Statistik sampel
adalah dasar dari kesimpulan kami tentang populasi. Bergantung pada bagaimana
pertanyaan pengukuran diutarakan, masing-masing dapat mengumpulkan tingkat
 data yang berbeda. Setiap level data yang berbeda juga menghasilkan statistik
sampel yang berbeda. Dengan demikian, memilih parameter yang diminati
sebenarnya akan menentukan jenis sampel dan ukurannya. Ketika variabel yang
menarik dalam penelitian diukur pada skala interval atau rasio, kami
menggunakan mean sampel untuk memperkirakan mean populasi dan standar
deviasi sampel untuk memperkirakan standar deviasi populasi. Ketika variabel
kepentingan diukur pada skala nominal atau ordinal, kami menggunakan proporsi
sampel kejadian untuk memperkirakan proporsi populasi danpq memperkirakan
variansi populasi. Proporsi insiden populasi “sama dengan jumlah elemen dalam
populasi yang termasuk dalam kategori minat, dibagi dengan jumlah total elemen
dalam populasi”. Ukuran proporsi diperlukan untuk data nominal dan juga
digunakan secara luas untuk ukuran lainnya. Ukuran proporsi yang paling sering
adalah persentase.
3) Apa kerangka samplingnya?
Kerangka sampling sangat erat hubungannya dengan populasi. Ini adalah daftar
elemen dari mana sampel sebenarnya diambil. Idealnya, daftar anggota populasi
yang lengkap dan benar saja. Masalah pengambilan sampel yang telah
didiskusikan sejauh ini cukup universal. Baru setelah kita mulai berbicara tentang
kerangka pengambilan sampel dan metode pengambilan sampel, penelitian
internasional mulai menyimpang. Peneliti internasional sering menghadapi
kesulitan yang jauh lebih besar dalam menemukan atau membangun kerangka
sampel. Setiap negara berbeda dalam cara masing-masing mendefinisikan
populasinya, ini mempengaruhi sensus dan jumlah penduduk yang relevan.
Beberapa negara sengaja mengambil sampel berlebihan untuk memfasilitasi
analisis isu-isu kepentingan nasional tertentu; ini berarti kita perlu berhati-hati
dalam menafsirkan angka agregat nasional yang dipublikasikan. Perbedaan dan
kesulitan ini dapat mengarahkan peneliti untuk memilih teknik nonprobabilitas
atau teknik probabilitas yang berbeda daripada yang akan mereka pilih jika
melakukan penelitian semacam itu di Amerika Serikat atau negara maju lainnya.
Dalam sebuah studi yang dilakukan di banyak negara pada saat yang sama, para
peneliti dapat menggunakan metodologi pengambilan sampel yang berbeda,
menghasilkan studi hibrida yang perlu digabungkan dengan hati-hati. Merupakan
praktik umum untuk menimbang data sampel dalam studi lintas negara untuk
mengembangkan data sampel yang representatif. Pilihan metode pengambilan
 sampel sering ditentukan oleh budaya maupun infrastruktur komunikasi dan
teknologi. Sama seperti semua kampanye iklan tidak akan sesuai di semua bagian
dunia, semua teknik pengambilan sampel tidak akan sesuai di semua subkultur
4) Apa metode pengambilan sampel yang tepat?
Peneliti menghadapi pilihan dasar: sampel probabilitas atau nonprobabilitas.
Dengan sampel probabilitas, seorang peneliti dapat membuat perkiraan
kepercayaan berbasis probabilitas dari berbagai parameter yang tidak dapat dibuat
dengan sampel nonprobabilitas. Memilih teknik sampling probabilitas memiliki
beberapa konsekuensi. Seorang peneliti harus mengikuti prosedur yang tepat
sehingga:
(1) Pewawancara atau orang lain tidak dapat mengubah pilihan yang dibuat.
(2) Hanya elemen terpilih dari kerangka sampling asli yang disertakan.
(3) Substitusi dikecualikan kecuali secara jelas ditentukan dan dikendalikan
menurut aturan keputusan yang telah ditentukan sebelumnya
Terlepas dari semua kehati-hatian, sampel aktual yang diperoleh tidak akan cocok
dengan sempurna sampel yang awalnya diambil. Beberapa orang akan menolak
untuk berpartisipasi, dan yang lain akan sulit, jika bukan tidak mungkin, untuk
ditemukan. Jadi, betapapun berhati-hatinya kita dalam mengganti mereka yang
menolak atau tidak pernah ditemukan, kesalahan pengambilan sampel
kemungkinan besar akan meningkat
5) Berapa ukuran sampel yang dibutuhkan
Banyak cerita rakyat seputar pertanyaan ini. Mitos yang paling umum adalah (1)
sampel harus besar atau tidak representatif dan (2) sampel harus memiliki
hubungan proporsional dengan ukuran populasi dari mana sampel itu diambil.
Dengan sampel nonprobabilitas, peneliti mengkonfirmasi mitos ini menggunakan
jumlah subkelompok, aturan praktis, dan pertimbangan anggaran untuk
menetapkan ukuran sampel. Dalam pengambilan sampel probabilitas, seberapa
besar sampel harus merupakan fungsi dari variasi parameter populasi yang diteliti
dan ketepatan estimasi yang dibutuhkan oleh peneliti. Beberapa prinsip yang
memengaruhi ukuran sampel meliputi:
(1) Semakin besar dispersi atau varians dalam populasi, semakin besar sampel
harus memberikan presisi estimasi.
(2) Semakin besar presisi perkiraan yang diinginkan, semakin besar sampelnya.
(3) Semakin sempit atau kecil rentang kesalahan, sampel harus semakin besar.
 (4) Semakin tinggi tingkat kepercayaan estimasi, semakin besar sampelnya.
(5) Semakin besar jumlah subkelompok yang diminati dalam sampel, semakin
besar ukuran sampelnya, karena setiap subkelompok harus memenuhi
persyaratan ukuran sampel minimum.
Pertimbangan biaya mempengaruhi keputusan tentang ukuran dan jenis sampel
dan metode pengumpulan data. Hampir semua penelitian memiliki kendala
anggaran, dan ini dapat mendorong peneliti untuk menggunakan sampel
nonprobabilitas. Survei sampel probabilitas menimbulkan biaya daftar untuk
kerangka sampel, biaya panggilan balik, dan berbagai biaya lain yang tidak
diperlukan saat sampel nonprobabilitas digunakan. Namun ketika metode
pengumpulan data diubah, jumlah dan jenis data yang bisa diperoleh juga
berubah.

3. Pengambilan Sampel Probabilitas

1) Pengambilan Sampel Probabilitas Sederhana
Sampel acak sederhana tak terbatas adalah bentuk paling murni dari sampling
probabilitas. Karena semua sampel probabilitas harus memberikan probabilitas
seleksi bukan nol yang diketahui untuk setiap elemen populasi, maka sampel acak
sederhanadianggap sebagai kasus khusus di mana setiap elemen populasi memiliki
peluang seleksi yang diketahui dan sama. Berikut formula untuk pemilihan
sampel acak sederhana, yaitu:

2) Pengambilan Sampel Probabilitas Kompleks

Pengambilan sampel acak sederhana seringkali tidak praktis. Alasannya antara
lain (1) membutuhkan daftar populasi (sampling frame) yang seringkali tidak
tersedia; (2) gagal menggunakan semua informasi tentang suatu populasi,
sehingga menghasilkan desain yang mungkin boros dan (3) penerapannya
mungkin mahal baik dalam waktu maupun uang. Masalah-masalah ini telah
mengarah pada pengembangan desain alternatif yang lebih unggul dari desain
acak sederhana dalam efisiensi statistik dan/atau ekonomi. Sampel yang lebih
efisien dalam pengertian statistik adalah sampel yang memberikan presisi tertentu
(kesalahan standar rata-rata atau proporsi) dengan ukuran sampel yang lebih kecil.
Sampel yang secara ekonomis lebih efisien adalah sampel yang memberikan
presisi yang diinginkan dengan biaya dolar yang lebih rendah. penulis
mencapainya dengan desain yang memungkinkan untuk menurunkan biaya
pengumpulan data, biasanya melalui pengurangan biaya perjalanan dan waktu
pewawancara. Dalam pembahasan berikut, empat alternatif pendekatan sampling
probabilitas dipertimbangkan, yaitu:
(1) Sampling Sistematis
Bentuk serbaguna dari sampling probabilitas adalahpengambilan sampel
secara sistematis. Dalam pendekatan ini, setiap elemen dalam populasi sampel,
dimulai dengan awal acak dari elemen dalam kisaran 1 sampai k, atau lewati
interval, ditentukan dengan membagi ukuran sampel ke dalam ukuran populasi
untuk mendapatkan pola lompatan yang diterapkan pada kerangka
pengambilan sampel. Ini mengasumsikan bahwa kerangka sampel adalah
daftar populasi yang akurat. Jika tidak, jumlah elemen dalam kerangka sampel
diganti dengan ukuran populasi. Keuntungan utama sampling sistematik
adalah kesederhanaan dan fleksibilitasnya. Lebih mudah untuk
menginstruksikan pekerja lapangan untuk memilih unit rumah yang terdaftar
di setiapkth baris lembar daftar daripada menggunakan acak. Berikut Formula
untuk sampling sistematis:

(2) Sampling Berstrata

Sebagian besar populasi dapat dipisahkan menjadi beberapa subpopulasi yang
saling eksklusif, atau strata. Proses dimana sampel dibatasi untuk
memasukkan elemen dari masing-masing segmen disebut pengambilan sampel
acak berlapis. Siswa universitas dapat dibagi berdasarkan tingkat kelas,
sekolah atau jurusan, jenis kelamin, dan sebagainya. Setelah populasi dibagi
menjadi strata yang sesuai, sampel acak sederhana dapat diambil dalam setiap
strata. Hasil dari studi kemudian dapat diberi bobot (berdasarkan proporsi
strata terhadap populasi) dan digabungkan menjadi estimasi populasi yang
sesuai. Ada tiga alasan seorang peneliti memilih sampel acak bertingkat: (1)
untuk meningkatkan efisiensi statistik sampel, (2) untuk menyediakan data
yang memadai untuk menganalisis berbagai subpopulasi atau strata, dan (3)
untuk memungkinkan metode dan prosedur penelitian yang berbeda.
digunakan pada strata yang berbeda. Stratifikasi biasanya lebih efisien secara
 statistik daripada sampling acak sederhana dan paling buruk sama dengan itu.
Dengan stratifikasi ideal, setiap strata homogen secara internal dan heterogen
dengan strata lainnya. Ini mungkin terjadi dalam sampel yang mencakup
anggota dari beberapa kelompok etnis yang berbeda. Dalam hal ini, stratifikasi
membuat peningkatan nyata dalam efisiensi statistik.
(3) Sampling Klaster
Dalam sampel acak sederhana, setiap elemen populasi dipilih secara
individual. Populasi juga dapat dibagi menjadi kelompok-kelompok elemen
dengan beberapa kelompok yang dipilih secara acak untuk dipelajari. Ini
adalah pengambilan sampel klister. Dua kondisi mendorong penggunaan
sampling cluster: (1) kebutuhan akan efisiensi ekonomi yang lebih dari yang
dapat disediakan oleh sampling acak sederhana dan (2) seringnya tidak
tersedianya kerangka sampling praktis untuk elemen-elemen individual.
Efisiensi statistik untuk sampel klaster biasanya lebih rendah daripada sampel
acak sederhana terutama karena klaster sering tidak memenuhi kebutuhan
akan heterogenitas dan, sebaliknya, bersifat homogen.

(4) Sampling Ganda

Mungkin lebih nyaman atau ekonomis untuk mengumpulkan beberapa
informasi dengan sampel dan kemudian menggunakan informasi ini sebagai
dasar untuk memilih subsampel untuk studi lebih lanjut. Prosedur ini disebut
pengambilan sampel ganda, pengambilan sampel berurutan,atau pengambilan
sampel multifase. Biasanya ditemukan dengan desain stratifikasi dan/atau
kluster. Pengambilan sampel ganda dapat diilustrasikan dengan contoh klub
makan. Anda dapat menggunakan survei telepon atau metode survei murah
lainnya untuk mengetahui siapa yang tertarik untuk bergabung dengan klub
tersebut dan tingkat ketertarikan mereka. Anda kemudian dapat membuat
stratifikasi responden yang tertarik berdasarkan tingkat minat dan subsampel
di antara mereka untuk wawancara intensif tentang pola konsumsi yang
diharapkan, reaksi terhadap berbagai layanan, dan sebagainya. Apakah lebih
diinginkan untuk mengumpulkan informasi seperti itu dengan pengambilan
sampel satu tahap atau dua tahap sangat bergantung pada biaya relatif dari
kedua metode tersebut.
4. Pengambilan Sampel Non-Probabilitas
Dengan pendekatan subyektif seperti nonprobability sampling, probabilitas
pemilihan elemen populasi tidak diketahui. Ada berbagai cara untuk memilih orang
atau kasus untuk dimasukkan ke dalam sampel. Seringkali kita membiarkan pilihan
subjek dibuat oleh pekerja lapangan di tempat kejadian. Ketika ini terjadi, ada peluang
lebih besar bagi bias untuk memasuki prosedur pemilihan sampel dan mendistorsi
temuan penelitian. Juga, kami tidak dapat memperkirakan rentang apa pun yang dapat
diharapkan dari parameter populasi. Mengingat keuntungan teknis dari sampling
probabilitas dibandingkan sampling nonprobabilitas, mengapa ada orang yang memilih
yang terakhir? Ada beberapa alasan praktis untuk menggunakan metode yang kurang
tepat.
1) Pertimbangan Praktis
Peneliti dapat menggunakan prosedur pengambilan sampel nonprobabilitas karena
prosedur tersebut memenuhi tujuan pengambilan sampel secara memuaskan.
Meskipun sampel acak akan memberi kita potongan melintang populasi yang
sebenarnya, ini mungkin bukan tujuan penelitian. Jika tidak ada keinginan atau
kebutuhan untuk menggeneralisasi parameter populasi, maka kekhawatiran
tentang apakah sampel sepenuhnya mencerminkan populasi tidak terlalu
diperhatikan. Seringkali peneliti memiliki tujuan yang lebih terbatas. Mereka
mungkin hanya mencari kisaran kondisi atau contoh variasi dramatis. Hal ini
terutama berlaku dalam penelitian eksplorasi di mana seseorang mungkin hanya
ingin menghubungi orang atau kasus tertentu yang jelas-jelas tidak lazim.
Alasan tambahan untuk memilih nonprobability daripada probability sampling
adalah biaya dan waktu. Sampling probabilitas jelas membutuhkan lebih banyak
perencanaan dan panggilan balik berulang untuk memastikan bahwa setiap
anggota sampel yang dipilih dihubungi. Kegiatan ini mahal. Sampling
nonprobabilitas yang dikendalikan dengan hati-hati sering tampak memberikan
hasil yang dapat diterima, sehingga penyelidik bahkan mungkin tidak
mempertimbangkan sampling probabilitas. Sementara pengambilan sampel
probabilitas mungkin lebih unggul dalam teori, ada gangguan dalam
penerapannya. Bahkan prosedur pengambilan sampel acak yang dinyatakan
dengan hati-hati dapat dikenakan penerapan yang ceroboh oleh orang-orang yang
 terlibat. Dengan demikian, sampling probabilitas yang ideal mungkin hanya dapat
dicapai sebagian karena unsur manusia.
Sampling nonprobabilitas juga mungkin menjadi satu-satunya alternatif yang
layak. Total populasi mungkin tidak tersedia untuk dipelajari dalam kasus-kasus
tertentu. Di tempat peristiwa besar, mungkin tidak mungkin untuk mencoba
membuat sampel probabilitas. Sebuah studi korespondensi masa lalu antara dua
perusahaan harus menggunakan sampel sewenang-wenang karena korespondensi
penuh biasanya tidak tersedia. Dalam arti lain, mereka yang termasuk dalam
sampel dapat memilih sendiri. Dalam survei surat, mereka yang menjawab
mungkin tidak mewakili bagian sebenarnya dari mereka yang menerima
kuesioner. Penerima kuesioner memutuskan sendiri apakah mereka akan
berpartisipasi. Dalam survei Internet, mereka yang menjadi sukarelawan tidak
selalu mewakili bagian yang sesuai itulah sebabnya pertanyaan saringan
digunakan sebelum memasukkan peserta ke dalam sampel. Namun, ada beberapa
seleksi mandiri ini di hampir semua survei karena setiap responden memilih
apakah akan diwawancarai.
2) Metode
(1) Kenyamanan
Sampel nonprobabilitas yang tidak dibatasi disebut sampel kenyamanan.
Mereka adalah desain yang paling tidak dapat diandalkan tetapi biasanya yang
termurah dan termudah untuk dilakukan. Peneliti atau pekerja lapangan
memiliki kebebasan untuk memilih siapa saja yang mereka temukan.
Demikianlah yang dinamakan “kenyamanan”. Contohnya termasuk kumpulan
teman dan tetangga informal, orang-orang yang menanggapi undangan surat
kabar agar pembaca menyatakan posisi mereka pada beberapa masalah publik,
wawancara penyadapan “person-on-the-street” reporter TV, atau penggunaan
karyawan untuk mengevaluasi selera dari makanan ringan baru.
(2) Pengambilan Sampel Purposif
Sampel nonprobabilitas yang sesuai dengan kriteria tertentu disebut
pengambilan sampel bertujuan. Ada dua jenis utama yaitu judgment sampling
dan quota sampling.
Pengambilan sampel keputusan terjadi ketika seorang peneliti memilih
anggota sampel untuk menyesuaikan diri dengan beberapa kriteria. Dalam
studi masalah ketenagakerjaan, Anda mungkin ingin berbicara hanya dengan
 mereka yang telah mengalami diskriminasi di tempat kerja. Contoh lain dari
pengambilan sampel penilaian terjadi ketika hasil pemilu diprediksi hanya dari
beberapa daerah terpilih yang telah dipilih karena catatan prediksi mereka di
pemilu sebelumnya. Burbidge memilih rute bus 99 karena rute saat ini antara
Kota Timur dan Kota Barat membuatnya percaya bahwa dia bisa mendapatkan
perwakilan dari pengendara Kota Timur dan Kota Barat.
Pengambilan sampel kuota adalah tipe kedua dari purposive sampling. Peneliti
menggunakannya untuk meningkatkan keterwakilan. Logika di balik
pengambilan sampel kuota adalah bahwa karakteristik tertentu yang relevan
menggambarkan dimensi populasi. Jika suatu sampel memiliki distribusi yang
sama pada karakteristik ini, maka kemungkinan besar sampel tersebut
mewakili populasi mengenai variabel lain yang tidak dapat kita kendalikan.
Misalkan siswa Metro U adalah 55 persen perempuan dan 45 persen laki-laki.
Kuota pengambilan sampel akan meminta siswa sampel dengan rasio 55
sampai 45 persen. Ini akan menghilangkan distorsi karena rasio gender yang
tidak representatif. Dalam sebagian besar sampel kuota, peneliti menentukan
lebih dari satu dimensi kontrol. Masing-masing harus memenuhi dua tes yaitu
harus (1) memiliki distribusi dalam populasi yang dapat kita perkirakan dan
(2) berkaitan dengan topik yang dipelajari.
(3) Pengambilan Sampel Bola Salju
Desain ini telah menemukan ceruk dalam beberapa tahun terakhir dalam
aplikasi di mana responden sulit diidentifikasi dan paling baik ditempatkan
melalui jaringan rujukan. Ini juga sangat cocok untuk beberapa studi kualitatif.
Pada tahap awal dari pengambilan sampel bola salju,individu ditemukan dan
mungkin atau mungkin tidak dipilih melalui metode probabilitas. Kelompok
ini kemudian digunakan untuk merujuk peneliti kepada orang lain yang
memiliki karakteristik serupa dan yang, pada gilirannya, mengidentifikasi
orang lain. Mirip dengan pencarian terbalik untuk sumber bibliografi, "bola
salju" mengumpulkan subjek saat bergulir. Berbagai teknik tersedia untuk
memilih bola salju nonprobabilitas dengan ketentuan untuk identifikasi
kesalahan dan pengujian statistik.