MAKALAH METODOLOGI PENELITIAN BISNIS

“TEKNIKPENGAMBILAN SAMPEL”

Dosen Pengampu:

Dr. Dyah Sugandhini, M.Si.

Disusun oleh:

Kelompok 8

Nuraini 141210112
Daffa Ivan P 141210250
Riyandika Rizki N 141210275

Kelas: EM-G

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” YOGYAKARTA

2023
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa atas segala rahmat-Nya sehingga makalah ini
dapat tersusun hingga selesai. Tidak lupa penulis juga mengucapkan terima kasih atas
bantuan semua pihak yang telah berkontribusi dengan memberikan sumbangan baik materi
maupun pikirannya, terkhusus kepada Ibu Dyah Sugandhini yang telah memberikan kami
arahan untuk menyelesaikan tugas makalah “Teknik Pengambilan Sampel” dalam mata
kuliah Metodologi Penelitian Bisnis ini.

Harapan penulis semoga makalah ini dapat menambah pengetahuan dan pengalaman bagi
para pembaca, untuk kedepannya dapat memperbaiki makalah ini agar menjadi lebih baik
lagi. Karena keterbatasan pengetahuan maupun pengalaman penulis, penulis yakin masih
banyak kekurangan dalam makalah ini, oleh karena itu penulis sangat mengharapkan saran
dan kritik yang membangun dari pembaca.

Yogyakarta, 31 Oktober 2023

Penulis

1
 DAFTAR ISI

KATA PENGANTAR ................................................................................................................ 1

DAFTAR ISI .............................................................................................................................. 2
BAB I ......................................................................................................................................... 3
PENDAHULUAN ...................................................................................................................... 3
A. Latar Belakang ...................................................................................................................... 3
B. Rumusan Masalah ................................................................................................................. 4
C. Tujuan .................................................................................................................................... 4
BAB II ........................................................................................................................................ 5
PEMBAHASAN ........................................................................................................................ 5
A. Population, Element, Sample, Sampling Unit, and Subject ............................................ 5
B. Sample Data And Population Values .............................................................................. 6
C. The Sampling Process ..................................................................................................... 9
D. Probability Sampling ..................................................................................................... 12
E. Nonprobability Sampling............................................................................................... 15
F. Intermezzo: Examples Of When Certain Sampling Designs Would Be Appropriate .... 17
G. Issues Of Precision And Confidence In Determining Sample Size .............................. 19
H. Sample Data And Hypothesis Testing .......................................................................... 24
I. The Sample Size ............................................................................................................. 27
J. Sampling As Related To Qualitative Studies.................................................................. 27
BAB III..................................................................................................................................... 28
PENUTUP ................................................................................................................................ 28
DAFTAR PUSTAKA............................................................................................................... 29

2
 BAB I

PENDAHULUAN

A. Latar Belakang
Penelitian hakikatnya merupakan kegiatan ilmiah untuk memperoleh pengetahuan
yang benar tentang suatu masalah. Pengetahuan yang diperoleh berupa fakta, konsep,
generalisasi, dan teori yang memungkinkan manusia dapat memahami fenomena dan
memecahkan masalah (Sagandji dan Sopiah, 2010).
Penelitian dilaksanakan melalui suatu prosedur dan alur tertentu. Apapun jenis
penelitiannya, selalu dimulai dengan adanya permasalahan, hal tersebut merupakan suatu
kesenjangan yang dirasakan oleh peneliti. Kesenjangan tersebut dapat terjadi karena
beberapa kemungkinan sebab. Dengan kondisi yang demikian, peneliti berusaha mencari
jalan keluar dengan mengadakan penelitian berdasarkan teori yang tepat (Malamassam,
2009).
Sebelum peneliti melakukan penelitian, perlu menyusun rencana penelitian, yang
dikenal dengan usulan proposal penelitian. Kegunaan dari proposal penelitian tersebut
adalah sebagai pedoman rencana awal yang akan dilakukan peneliti, baik mengenai
masalah, ruang lingkup, metode penelitian yang dipakai, populasi dan sampel penelitian,
perencanaan tempat dan waktu penelitian, instrumen penelitian, sampai pada
perencanaan anggaran (jika diperlukan).
Dalam melakukan penelitian, tidak semua penelitian dapat dilakukan secara
populasi. Banyak alasan yang mendasari hal tersebut, diantaranya sebaran populasi yang
luas, waktu yang dibutuhkan terlalu lama, keterbatasan biaya, dll. Lebih lanjut Patton
(2009) mengatakan bahwa keuntungan menggunakan sampel antara lain: memudahkan
jalannya penelitian, penelitian lebih efisien, lebih teliti dan cermat dalam pengumpulan
data, dan lebih efektif. Dari berbagai alasan tersebut, sangat beralasan jika penelitian
dilakukan hanya terhadap sampel saja.
Dalam menentukan sampel mana yang akan dijadikan sebagai objek penelitian
tidaklah mudah, karena sampel yang kita ambil harus dapat mewakili semua karakteristik
dari populasinya. Jika sampel yang diambil tidak dapat mewakili semua karakteristik
populasinya, maka hasil penelitian tersebut tidak dapat dibuatkan generalisasinya. Oleh
karena itu penulis akan mendeskripsikan Teknik Sampling yang biasa digunakan dalam
penelitian dan mendeskripsikan teknik sampling serta beberapa jenis teknik sampling.

3
B. Rumusan Masalah
1. Bagaimanakah deskripsi populasi dan sampel?
2. Bagaimanakah deskripsi teknik sampling?
3. Bagaimanakah jenis teknik sampling?

C. Tujuan
1. Mengetahui deskripsi populasi dan sampel.
2. Mengetahui deskripsi teknik sampling.
3. Mengetahui jenis teknik sampling.

4
 BAB II

PEMBAHASAN

A. Population, Element, Sample, Sampling Unit, and Subject

1. Populasi
Populasi mengacu pada keseluruhan kelompok orang, peristiwa, atau hal
menarik yang ingin diselidiki peneliti. Ini adalah sekelompok orang, peristiwa, atau
hal-hal menarik yang ingin dijadikan kesimpulan oleh peneliti (berdasarkan statistik
sampel). Misalnya, jika CEO sebuah perusahaan komputer ingin mengetahui jenis
strategi periklanan yang diterapkan oleh perusahaan komputer di Silicon Valley,
maka semua perusahaan komputer yang berlokasi di sana akan menjadi populasinya.
Jika seorang konsultan organisasi tertarik untuk mempelajari dampak empat hari
kerja dalam seminggu terhadap pekerja kerah putih di sebuah perusahaan telepon di
Irlandia, maka seluruh pekerja kerah putih di perusahaan tersebut akan menjadi
populasi. Jika regulator ingin mengetahui bagaimana pasien di panti jompo yang
dijalankan oleh sebuah perusahaan di Perancis dirawat, maka semua pasien di semua
panti jompo yang dikelolanya akan menjadi populasi. Namun, jika regulator hanya
tertarik pada satu panti jompo tertentu yang dijalankan oleh perusahaan tersebut,
maka hanya pasien di panti jompo tersebut yang akan menjadi populasi.

2. Elemen
Suatu elemen adalah satu anggota populasi. Jika 1000 pekerja kerah biru di
suatu organisasi tertentu merupakan populasi yang diminati peneliti, setiap pekerja
kerah biru di dalamnya merupakan sebuah elemen. Jika 500 buah mesin disetujui
setelah memeriksa beberapa, akan ada 500 elemen dalam populasi ini. Secara
kebetulan, sensus adalah penghitungan seluruh elemen populasi manusia.

3. Sampel
Sampel adalah sebagian dari populasi. Ini terdiri dari beberapa anggota yang
dipilih darinya. Dengan kata lain, sebagian, namun tidak seluruh, elemen populasi
membentuk sampel. Jika 200 anggota diambil dari 1000 populasi pekerja kerah biru,
200 anggota ini menjadi sampel untuk penelitian ini. Artinya, dari penelitian
terhadap 200 anggota tersebut, peneliti akan menarik kesimpulan tentang
keseluruhan populasi 1000 pekerja kerah biru. Demikian pula jika terdapat 145
pasien rawat inap di suatu rumah sakit dan 40 diantaranya akan disurvei oleh
5
 pengelola rumah sakit untuk menilai tingkat kepuasannya terhadap pengobatan yang
diterima, maka 40 orang tersebut akan dijadikan sampel.

Dengan demikian, sampel adalah subkelompok atau bagian dari populasi.

Dengan mempelajari sampel, peneliti harus mampu menarik kesimpulan yang dapat
digeneralisasikan pada populasi yang diminati.

4. Unit pengambilan sampel

Unit pengambilan sampel adalah elemen atau kumpulan elemen yang tersedia
untuk dipilih dalam beberapa tahap proses pengambilan sampel. Contoh unit
pengambilan sampel dalam sampel multitahap adalah blok kota, rumah tangga, dan
individu dalam rumah tangga tersebut

5. Subjek
Subyek adalah satu anggota sampel, sama seperti suatu elemen adalah satu
anggota populasi . Jika 200 anggota dari total populasi 1000 pekerja kerah biru
menjadi sampel penelitian, maka setiap pekerja kerah biru dalam sampel tersebut
adalah subjek. Contoh lain, jika sampel yang terdiri dari 50 mesin dari total 500
mesin akan diperiksa, maka setiap satu dari 50 mesin tersebut adalah subjek,
sebagaimana setiap mesin dalam populasi total 500 mesin adalah sebuah elemen.

B. Sample Data And Population Values

1. Parameter
Karakteristik populasi seperti ÿ (rata-rata populasi), ÿ (deviasi standar
populasi), dan ÿ2 (varians populasi) disebut sebagai parameternya. Kecenderungan
sentral, sebaran, dan statistik lain dalam sampel yang menjadi perhatian penelitian
diperlakukan sebagai perkiraan kecenderungan sentral, sebaran, dan parameter
populasi lainnya. Dengan demikian, semua kesimpulan yang diambil tentang sampel
yang diteliti digeneralisasikan ke populasi. Dengan kata lain, statistik sampel – X
(mean sampel), S (deviasi standar), dan S2 (variasi sampel) – digunakan sebagai
estimasi parameter populasi ÿ, ÿ, dan ÿ2

Gambar 13.2 menunjukkan hubungan antara sampel dan populasi.

6
2. Keterwakilan sampel
Kebutuhan untuk memilih sampel yang tepat untuk penyelidikan penelitian
tidak bisa terlalu ditekankan. Kita tahu bahwa jarang sekali sampel yang diambil
merupakan replika populasi yang sama persis. Misalnya, sangat sedikit mean sampel
(X) yang kemungkinan sama persis dengan mean populasi (ÿ). Simpangan baku
sampel (S) juga tidak mungkin sama dengan simpangan baku populasi (ÿ). Namun,
jika kita memilih sampel dengan cara ilmiah, kita dapat yakin bahwa statistik sampel
(misalnya, X, S, atau S2 ) cukup dekat dengan parameter populasi (yaitu ÿ, ÿ, atau
ÿ2 ). Dengan kata lain, sampel dapat dipilih sedemikian rupa sehingga dapat
mewakili populasi. Namun, selalu ada kemungkinan kecil bahwa nilai sampel
berada di luar parameter populasi.

3. Normalitas distribusi
Atribut atau karakteristik populasi pada umumnya berdistribusi normal.
Misalnya, ketika atribut seperti tinggi dan berat badan dipertimbangkan, sebagian
besar orang akan mengelompok di sekitar nilai 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 13.3. Jika kita
ingin memperkirakan karakteristik populasi dari karakteristik yang terwakili dalam
suatu sampel dengan akurasi yang cukup tinggi, maka sampel tersebut harus dipilih
sedemikian rupa sehingga distribusi karakteristik yang diinginkan mengikuti pola
distribusi normal yang sama dalam sampel seperti halnya dalam sampel. populasi.
Dari teorema limit pusat diketahui bahwa distribusi sampling dari mean sampel
berdistribusi normal. Ketika ukuran sampel n bertambah, rata-rata sampel acak yang
diambil dari hampir semua populasi mendekati distribusi normal dengan mean ÿ dan
deviasi standar ÿ. Singkatnya, terlepas dari apakah atribut populasi terdistribusi
normal atau tidak, jika kita mengambil sampel dalam jumlah yang cukup besar dan
memilihnya dengan hati-hati, kita akan mendapatkan distribusi sampling dengan

7
mean yang normal. Inilah alasan mengapa dua isu penting dalam pengambilan
sampel adalah ukuran sampel (n) dan desain pengambilan sampel, seperti yang akan
dibahas nanti.

Ketika sifat-sifat populasi tidak terwakili secara berlebihan atau kurang

terwakili dalam sampel, maka kita mempunyai sampel yang representatif. Jika suatu
sampel terdiri dari unsur-unsur dalam populasi yang mempunyai nilai sangat tinggi
terhadap variabel yang kita pelajari, maka rata-rata sampel X akan jauh lebih tinggi
daripada rata-rata populasi ÿ. Sebaliknya, jika subjek sampel terdiri dari unsur-unsur
dalam populasi dengan nilai yang sangat rendah pada variabel yang diteliti, maka
rata-rata sampel akan jauh lebih rendah daripada rata-rata populasi sebenarnya ÿ.
Namun, jika desain pengambilan sampel dan ukuran sampel kita benar, rata-rata
sampel X akan berada dalam kisaran yang dekat dengan rata-rata populasi
sebenarnya ÿ. Oleh karena itu, melalui desain pengambilan sampel yang tepat, kita
dapat memastikan bahwa subjek sampel tidak dipilih secara ekstrem, namun
benar-benar mewakili sifat-sifat populasi. Semakin representatif populasi yang
dijadikan sampel, semakin dapat digeneralisasikan temuan penelitiannya. Ingatlah
bahwa generalisasi adalah salah satu ciri penelitian ilmiah.

Meskipun, mengingat keprihatinan kami mengenai kemampuan generalisasi,

kami mungkin harus berhati-hati dalam memilih sampel yang representatif untuk
sebagian besar penelitian, namun beberapa kasus mungkin tidak memerlukan
perhatian terhadap kemampuan generalisasi. Misalnya, pada tahap eksplorasi
pencarian fakta, kita mungkin hanya tertarik untuk “menangani” situasi tersebut, dan
oleh karena itu membatasi wawancara hanya pada orang-orang yang paling mudah
dihubungi. Hal yang sama juga berlaku ketika waktu merupakan hal yang sangat
penting, dan urgensi dalam mendapatkan informasi mengesampingkan tingkat
akurasi yang tinggi dalam hal prioritas. Misalnya, sebuah agensi film mungkin ingin

8
 mengetahui dengan cepat dampak film yang baru dirilis yang diputar pada malam
sebelumnya terhadap penonton. Pewawancara mungkin mempertanyakan 20 orang
pertama yang meninggalkan teater setelah menonton film tersebut dan mengetahui
reaksi mereka. Berdasarkan jawaban mereka, dia dapat membentuk opini mengenai
kemungkinan kesuksesan film tersebut. Contoh lain, seorang manajer restoran
mungkin ingin mengetahui reaksi pelanggan terhadap item baru yang ditambahkan
ke menu untuk menentukan apakah item tersebut merupakan tambahan yang populer
dan bernilai atau tidak. Untuk tujuan ini, 15 orang pertama yang memilih item
khusus akan diwawancarai, dan reaksi mereka diperoleh. Dalam kasus seperti ini,
mendapatkan informasi instan mungkin lebih bermanfaat dibandingkan memperoleh
fakta yang paling representatif. Namun perlu dicatat bahwa hasil sampel yang
mudah digunakan tersebut tidak dapat diandalkan dan tidak akan pernah dapat
digeneralisasikan ke populasi.

C. The Sampling Process

Pengambilan sampel adalah proses pemilihan unsur-unsur yang tepat dalam jumlah
yang cukup dari populasi, sehingga kajian terhadap sampel dan pemahaman tentang
sifat-sifat atau ciri-cirinya memungkinkan kita untuk menggeneralisasikan sifat-sifat atau
ciri-ciri tersebut pada unsur-unsur populasi. Langkah-langkah utama dalam pengambilan
sampel meliputi:

1. Mendefinisikan Populasi
Pengambilan sampel dimulai dengan menentukan secara tepat populasi
sasaran. Populasi sasaran harus didefinisikan berdasarkan elemen, batas geografis,
dan waktu. Misalnya, bagi seorang bankir yang tertarik dengan kebiasaan menabung
para pekerja kerah biru di industri pertambangan di Amerika Serikat, populasi
targetnya mungkin adalah semua pekerja kerah biru di industri tersebut di seluruh
negeri. Untuk biro iklan yang tertarik dengan kebiasaan membaca orang lanjut usia,
populasi sasarannya mungkin adalah penduduk Jerman yang berusia 50 tahun ke
atas. Contoh-contoh ini menggambarkan bahwa tujuan penelitian dan ruang lingkup
penelitian memainkan peran penting dalam menentukan populasi sasaran.

2. Menentukan kerangka sampel

Kerangka sampling adalah representasi (fisik) dari semua elemen dalam
populasi yang menjadi tempat pengambilan sampel. Penggajian suatu organisasi

9
 akan berfungsi sebagai kerangka sampel jika para anggotanya ingin diteliti.
Demikian pula, registrasi universitas yang berisi daftar seluruh mahasiswa, dosen,
administrator, dan staf pendukung di universitas selama tahun akademik atau
semester tertentu dapat berfungsi sebagai kerangka sampel untuk studi populasi
universitas. Daftar siswa kelas dapat menjadi kerangka sampel untuk pembelajaran
siswa di kelas.

Meskipun kerangka sampel berguna dalam memberikan daftar setiap elemen

dalam populasi, kerangka sampel tidak selalu merupakan dokumen terkini dan
terkini. Misalnya, nama anggota yang baru saja keluar dari organisasi atau keluar
dari universitas, serta anggota yang baru saja bergabung dengan organisasi atau
universitas tidak boleh dicantumkan dalam daftar gaji organisasi atau daftar
universitas pada suatu organisasi. Oleh karena itu, meskipun kerangka pengambilan
sampel mungkin tersedia dalam banyak kasus, kerangka sampel tersebut mungkin
tidak selalu benar atau lengkap. Ketika kerangka sampling tidak sama persis dengan
cakupan populasi, terjadi kesalahan. Dalam beberapa kasus, peneliti mungkin
mengenali masalah ini dan tidak terlalu mengkhawatirkannya, karena kesenjangan
antara populasi sasaran dan kerangka sampel cukup kecil untuk diabaikan. Namun,
dalam sebagian besar kasus, peneliti harus mengatasi kesalahan ini dengan
mendefinisikan ulang populasi sasaran dalam kerangka sampel, menyaring
responden berdasarkan karakteristik penting untuk memastikan bahwa mereka
memenuhi kriteria populasi sasaran, atau melakukan penyesuaian. data yang
dikumpulkan dengan skema pembobotan untuk mengimbangi kesalahan cakupan.

3. Menentukan desain pengambilan sampel

Ada dua jenis utama desain pengambilan sampel: pengambilan sampel
probabilitas dan nonprobabilitas. Dalam pengambilan sampel probabilitas,
elemen-elemen dalam populasi mempunyai peluang atau probabilitas yang diketahui
dan tidak nol untuk dipilih sebagai subjek sampel. Dalam pengambilan sampel
nonprobabilitas, unsur-unsur tidak mempunyai peluang yang diketahui atau
ditentukan sebelumnya untuk dipilih sebagai subjek. Desain pengambilan sampel
probabilitas digunakan ketika keterwakilan sampel penting demi kepentingan
generalisasi yang lebih luas. Ketika waktu atau faktor lain, selain kemampuan
generalisasi, menjadi penting, pengambilan sampel nonprobabilitas biasanya
digunakan. Masing-masing dari dua desain utama ini memiliki pengambilan sampel
10
 yang berbeda strategi. Bergantung pada sejauh mana generalisasi yang diinginkan,
tuntutan waktu dan sumber daya lainnya, serta tujuan penelitian, berbagai jenis
desain pengambilan sampel probabilitas dan nonprobabilitas dipilih.

4. Menentukan ukuran sampel

Apakah ukuran sampel 40 cukup besar? Atau apakah Anda memerlukan
ukuran sampel 75, 180, 384, atau 500? Apakah sampel yang besar lebih baik
daripada sampel yang kecil; artinya, apakah lebih representatif? Keputusan
mengenai seberapa besar ukuran sampel bisa menjadi keputusan yang sangat sulit.
Faktor-faktor yang mempengaruhi keputusan mengenai ukuran sampel sebagai:

● Tujuan Penelitian
● Sejauh mana presisi yang diinginkan (interval kepercayaan)
● Resiko yang dapat diterima dalam memperkirakan tingkat presisi (tingkat
kepercayaan)
● Besarnya variabilitas dalam populasi itu sendiri
● Kendala biaya dan waktu
● Dalam beberapa kasus, ukuran populasi itu sendiri

5. Melaksanakan proses pengambilan sampel

Dua contoh berikut menggambarkan bagaimana, pada tahap akhir proses
pengambilan sampel, keputusan yang berkaitan dengan populasi sasaran, kerangka
pengambilan sampel, teknik sampel, dan ukuran sampel harus diterapkan.

Survei kepuasan dilakukan pada pengecer komputer di Selandia Baru. Tujuan

dari survei ini adalah untuk meningkatkan operasi internal dan dengan demikian
mempertahankan lebih banyak pelanggan. Survei ini bersifat transaksional;
kepuasan layanan dan beberapa variabel terkait diukur setelah pertemuan layanan
(yaitu kunjungan ke pengecer). Oleh karena itu, umpan balik pelanggan diperoleh
saat pengalaman layanan masih segar. Untuk memperoleh sampel yang representatif
dari pelanggan pengecer komputer (populasi sasaran), setiap sepersepuluh orang,
meninggalkan satu dari sepuluh toko yang dipilih secara acak, di kota-kota yang
dipilih secara acak, di wilayah yang dipilih secara acak, didekati selama periode satu
minggu (teknik pengambilan sampel). Pewawancara terlatih yang dikirimkan dengan
kuesioner standar mendekati 732 pelanggan yang meninggalkan toko (ukuran
sampel).
11
 Seorang peneliti muda sedang menyelidiki pendahuluan kinerja tenaga
penjualan. Untuk menguji hipotesisnya, data dikumpulkan dari kepala eksekutif
penjualan di Inggris (populasi target) melalui kuesioner surat. Sampel awalnya
diambil dari daftar bisnis yang diterbitkan (kerangka pengambilan sampel), namun
dilengkapi dengan rekomendasi responden dan tambahan lainnya, dalam metodologi
pengambilan sampel penilaian. Sebelum menyebarkan kuesioner, peneliti muda
menelepon setiap perusahaan terpilih untuk mendapatkan nama kepala eksekutif
penjualan, yang dihubungi dan diminta untuk berpartisipasi dalam penelitian.
Kuesioner kemudian didistribusikan ke kepala eksekutif penjualan dari 450
perusahaan (ukuran sampel). Untuk meningkatkan tingkat respons, disediakan
amplop yang sudah diberi alamat dan stempel, jaminan anonimitas, dan ringkasan
temuan penelitian sebagai insentif bagi peserta juga ditawarkan. Beberapa prosedur
tindak lanjut, seperti panggilan telepon dan pengiriman surat baru, direncanakan
untuk menerima tanggapan sebanyak mungkin.

D. Probability Sampling
Probability sampling adalah teknik pengambilan sampel yang memberikan
peluang sama bagi anggota populasi untuk dipilih menjadi sampel. Pengambilan sampel
probabilitas dapat bersifat tidak terbatas (sampling acak sederhana) atau terbatas
(sampling probabilitas kompleks).

1. Pengambilan sampel acak tidak terbatas

Dalam desain pengambilan sampel probabilitas tak terbatas (simple random
sampling), setiap elemen dalam populasi mempunyai peluang yang diketahui dan
sama untuk dipilih sebagai subjek. Katakanlah ada 1000 elemen dalam populasi, dan
kita memerlukan sampel sebanyak 100. Misalkan kita memasukkan potongan kertas
ke dalam topi, masing-masing memuat nama salah satu elemen, dan mengambil 100
elemen dari topi dengan mata kami tertutup. Kami tahu itu bidak pertama yang
ditarik berpeluang terambil 1/1000, bidak berikutnya berpeluang terambil 1/999, dan
seterusnya. Dengan kata lain, kita mengetahui bahwa peluang salah satu dari mereka
terpilih adalah 1 dalam jumlah populasi, dan kita juga mengetahui bahwa setiap
elemen dalam topi mempunyai peluang terpilih yang sama atau setara.

Desain pengambilan sampel acak sederhana, memiliki bias paling kecil dan
menawarkan kemampuan generalisasi paling besar. Namun, proses pengambilan

12
 sampel ini bisa menjadi rumit dan mahal; selain itu, daftar populasi yang diperbarui
mungkin tidak selalu tersedia. Karena alasan ini dan alasan lainnya, desain
pengambilan sampel probabilitas lainnya sering kali dipilih.

2. Pengambilan sampel probabilitas terbatas atau kompleks

Prosedur pengambilan sampel probabilitas terbatas menawarkan alternatif
yang layak, dan terkadang lebih efisien, dibandingkan desain tidak terbatas. Efisiensi
ditingkatkan karena lebih banyak informasi yang dapat diperoleh untuk ukuran
sampel tertentu dengan menggunakan beberapa prosedur pengambilan sampel
probabilitas yang kompleks dibandingkan dengan desain pengambilan sampel acak
sederhana. Lima desain pengambilan sampel probabilitas kompleks yang paling
umum–pengambilan sampel sistematis, pengambilan sampel acak berstrata,
pengambilan sampel cluster, pengambilan sampel area, dan pengambilan sampel
ganda.

a. Pengambilan sampel sistematis

Desain sampling sistematis melibatkan pengambilan setiap elemen ke-n dalam
populasi dimulai dengan elemen yang dipilih secara acak antara 1 dan n.
Prosedurnya dicontohkan di bawah ini. Jika kita menginginkan sampel 35
rumah tangga dari total populasi 260 rumah di suatu wilayah tertentu, maka kita
dapat mengambil sampel setiap rumah ketujuh mulai dari nomor acak dari 1
sampai 7. Katakanlah bahwa nomor acak adalah 7, maka rumah bernomor 7, 14,
21, 28, dan seterusnya, akan dijadikan sampel sampai terpilih 35 rumah.

b. Pengambilan sampel acak bertingkat

Pengambilan sampel acak bertingkat merupakan prosedur pengambilan sampel
di mana populasi target dipisahkan menjadi segmen (strata) yang unik dan
homogen, dan kemudian sampel acak sederhana dipilih dari setiap segmen
(stratum). Ada dua subtipe utama pengambilan sampel bertingkat: pengambilan
sampel proporsional dan tidak proporsional.
1) Dalam stratifikasi proporsional, jumlah item yang ditugaskan ke berbagai
strata sebanding dengan representasi strata dari populasi target. Artinya,
ukuran sampel yang diambil dari setiap strata sebanding dengan ukuran
relatif strata itu dari populasi sasaran. Fraksi sampling diterapkan pada
setiap strata, memberikan setiap elemen populasi kesempatan yang sama

13
 untuk dipilih. Prosedur pengambilan sampel ini digunakan ketika penelitian
bertujuan untuk memperkirakan parameter populasi.

2) Pengambilan sampel disproporsional adalah prosedur di mana jumlah

elemen yang dimasukkan dalam sampel dari setiap strata tidak sebanding
dengan keterwakilannya dalam total populasi. Unsur-unsur populasi tidak
memiliki kesempatan yang sama untuk dimasukkan dalam sampel. Fraksi
sampling yang sama tidak berlaku untuk setiap strata. Di sisi lain, strata
memiliki fraksi pengambilan sampel yang berbeda, dan dengan demikian,
prosedur pengambilan sampel ini bukanlah pemilihan yang sama. Untuk
memperkirakan parameter populasi, komposisi populasi harus
mengimbangi disproporsi sampel. Namun, untuk beberapa proyek
penelitian, pengambilan sampel bertingkat yang tidak proporsional
mungkin lebih tepat daripada proporsional.

c. Pengambilan sampel cluster

Sampel cluster adalah sampel yang dikumpulkan dalam kelompok atau
potongan elemen yang, idealnya, merupakan kumpulan elemen alami dalam
populasi. Dalam cluster sampling, populasi sasaran terlebih dahulu dibagi
menjadi beberapa cluster. Kemudian, sampel acak dari cluster diambil dan untuk
setiap cluster yang dipilih, semua elemen atau sampel dari elemen dimasukkan
ke dalam sampel. Sampel cluster menawarkan lebih banyak heterogenitas dalam
kelompok dan lebih banyak homogenitas antar kelompok – kebalikan dari apa
yang kita temukan dalam pengambilan sampel acak bertingkat, di mana terdapat
homogenitas dalam setiap kelompok dan heterogenitas antar kelompok

d. Pengambilan sampel area

Jenis pengambilan sampel cluster tertentu adalah pengambilan sampel area.
Pengambilan sampel area lebih murah dibandingkan kebanyakan desain
pengambilan sampel probabilitas lainnya, dan tidak bergantung pada kerangka
pengambilan sampel.

e. Pengambilan sampel ganda

Rencana ini digunakan ketika informasi lebih lanjut diperlukan dari
subkelompok kelompok yang informasinya telah dikumpulkan untuk penelitian
yang sama. Suatu desain pengambilan sampel yang awalnya sampel digunakan
14
 dalam suatu penelitian untuk mengumpulkan beberapa informasi awal yang
menarik, dan kemudian subsampel dari sampel primer ini digunakan untuk
mengkaji masalah tersebut secara lebih rinci, disebut pengambilan sampel
ganda. Misalnya, wawancara terstruktur mungkin menunjukkan bahwa
subkelompok responden memiliki lebih banyak wawasan mengenai
permasalahan organisasi. Responden ini mungkin akan diwawancarai lagi dan
ditanyai pertanyaan tambahan.

3. Tinjauan desain pengambilan sampel probabilitas

Ada dua rencana pengambilan sampel probabilitas dasar: pengambilan sampel acak
tidak terbatas atau sederhana, dan rencana pengambilan sampel probabilitas terbatas
atau kompleks. Dalam desain pengambilan sampel acak sederhana, setiap elemen
dalam populasi mempunyai peluang yang diketahui dan sama untuk dipilih sebagai
subjek. Rencana probabilitas kompleks terdiri dari lima desain pengambilan sampel
yang berbeda. Dari kelima hal tersebut, desain cluster sampling mungkin adalah
yang paling murah dan juga paling tidak dapat diandalkan, namun digunakan ketika
daftar elemen populasi tidak tersedia. Desain pengambilan sampel acak bertingkat
mungkin yang paling efisien, dalam arti bahwa untuk jumlah subjek sampel yang
sama, desain ini menawarkan informasi yang tepat dan terperinci. Desain
pengambilan sampel sistematis memiliki potensi bias sistematis. Pengambilan
sampel area adalah bentuk pengambilan sampel klaster yang populer, dan
pengambilan sampel ganda dilakukan ketika informasi selain informasi yang telah
diperoleh dengan menggunakan sampel primer harus dikumpulkan menggunakan
sub kelompok sampel.

E. Nonprobability Sampling
Dalam desain pengambilan sampel nonprobabilitas, elemen-elemen dalam populasi
tidak memiliki probabilitas apa pun untuk dipilih sebagai subjek sampel. Artinya, temuan
penelitian terhadap sampel tidak dapat digeneralisasikan secara pasti kepada populasi.
Beberapa rencana pengambilan sampel nonprobabilitas lebih dapat diandalkan
dibandingkan rencana lainnya dan dapat memberikan petunjuk penting mengenai
informasi yang berpotensi berguna terkait dengan populasi.

1. Pengambilan sampel kenyamanan

15
 Sesuai dengan namanya, convenience sampling mengacu pada pengumpulan
informasi dari anggota populasi yang bersedia menyediakannya. Contohnya yaitu,
sampel praktis dari lima petugas yang menghadiri demonstrasi etalase pesaing di
pekan raya daerah pada malam sebelumnya memberikan informasi kepada wakil
presiden perusahaan mengenai produk “baru” pesaing dan strategi penetapan harga
mereka, yang membantu VP merumuskan beberapa gagasan tentang langkah
selanjutnya yang harus diambil oleh perusahaan. Convenience sampling paling
sering digunakan selama fase eksplorasi proyek penelitian dan juga digunakan untuk
mendapatkan beberapa informasi dasar dengan cepat dan efisien.

2. Pengambilan sampel secara purposif

Pengambilan sampel secara purposif terbatas pada tipe orang tertentu yang
dapat memberikan informasi yang diinginkan, baik karena hanya mereka yang
memiliki informasi tersebut, atau karena mereka memenuhi kriteria tertentu yang
ditetapkan oleh peneliti. Dua jenis purposive sampling, yaitu sampel penilaian dan
kuota sampling.

a. Pengambilan sampel penilaian

Pengambilan sampel penilaian melibatkan pemilihan subjek yang ditempatkan
paling menguntungkan atau dalam posisi terbaik untuk memberikan informasi
yang dibutuhkan. Desain judgement sampling digunakan ketika sejumlah atau
kategori orang tertentu mempunyai informasi yang dicari. Dalam lingkungan
organisasi, dan khususnya untuk riset pasar, pemimpin opini yang sangat
berpengetahuan dimasukkan dalam sampel. Pendapat, pandangan, dan
pengetahuan yang tercerahkan merupakan sumber data yang kaya. Pengambilan
sampel penilaian memerlukan upaya khusus untuk menemukan dan
mendapatkan akses terhadap individu yang memiliki informasi yang diperlukan.

b. Pengambilan sampel kuota

Pengambilan sampel kuota memastikan bahwa kelompok tertentu terwakili
secara memadai dalam penelitian melalui penetapan kuota. Secara umum, kuota
yang ditetapkan untuk setiap subkelompok didasarkan pada jumlah total setiap
kelompok dalam populasi.

Pengambilan sampel kuota dapat dianggap sebagai suatu bentuk pengambilan

sampel berstrata proporsional, yang mana proporsi orang yang telah ditentukan
16
 sebelumnya diambil sampelnya dari kelompok yang berbeda, namun atas dasar
kemudahan.

Di tempat kerja dan masyarakat yang semakin heterogen karena perubahan

demografi, pengambilan sampel kuota diperkirakan akan lebih sering digunakan
di masa depan. Misalnya, pengambilan sampel kuota dapat digunakan untuk
mendapatkan gambaran tentang kecenderungan pembelian dari berbagai
kelompok etnis, untuk mengetahui bagaimana karyawan dari berbagai negara
memandang budaya organisasi, dan seterusnya.

3. Tinjauan Desain Pengambilan Sampel Non Probabilitas

Ada dua jenis utama desain pengambilan sampel nonprobabilitas:
pengambilan sampel praktis dan pengambilan sampel purposif. Convenience
sampling adalah desain pengambilan sampel yang paling tidak dapat diandalkan
dalam hal kemampuan generalisasi, namun kadang-kadang ini merupakan
satu-satunya alternatif yang layak ketika diperlukan informasi yang cepat dan tepat
waktu, atau untuk tujuan penelitian eksplorasi.

Rencana pengambilan sampel purposif terbagi dalam dua kategori yaitu desain
pengambilan sampel penilaian dan kuota. Judgement sampling, terkadang
merupakan pilihan desain pengambilan sampel yang terbaik, terutama ketika
populasi terbatas yang dapat menyediakan informasi yang dibutuhkan. Pengambilan
sampel kuota sering kali digunakan dengan pertimbangan biaya dan waktu serta
kebutuhan untuk mewakili elemen minoritas dalam populasi secara memadai.
Meskipun kemampuan generalisasi dari semua desain pengambilan sampel
nonprobabilitas sangat terbatas, desain ini mempunyai kelebihan tertentu dan
kadang-kadang merupakan satu-satunya alternatif yang layak bagi peneliti.

F. Intermezzo: Examples Of When Certain Sampling Designs Would Be Appropriate

1. Contoh acak sederhana
Desain pengambilan sampel ini baik digunakan jika tujuan utama penelitian adalah
kemampuan generalisasi temuan terhadap seluruh populasi. ketika biaya menjadi
pertimbangan utama dan jumlah elemen dalam populasi sangat besar atau tersebar
secara geografis, desain pengambilan sampel acak sederhana mungkin bukan pilihan
yang tepat. Oleh karena itu, pentingnya generalisasi dan pertimbangan biaya berperan
dalam pemilihan desain pengambilan sampel ini.
17
2. Pengambilan sampel acak bertingkat
Desain pengambilan sampel yang paling efisien ini merupakan pilihan yang baik
ketika diperlukan informasi yang berbeda mengenai berbagai strata dalam populasi
yang diketahui memiliki parameter berbeda.

3. Pengambilan sampel sistematis

Jika kerangka pengambilan sampelnya besar dan daftar elemen tersedia dengan
mudah di satu tempat (seperti dalam buku petunjuk telepon, daftar gaji perusahaan,
daftar kamar dagang, dll.), maka prosedur pengambilan sampel yang sistematis akan
memberikan keuntungan berupa kemudahan dan kecepatan dalam mengembangkan
sampel

4. Pengambilan sampel cluster

Desain pengambilan sampel ini paling berguna bila kelompok heterogen ingin
dipelajari pada satu waktu

5. Pengambilan sampel wilayah

Pengambilan sampel area paling cocok bila tujuan penelitian terbatas pada lokasi atau
wilayah tertentu

6. Pengambilan sampel ganda

Desain ini memberikan informasi tambahan dengan pengeluaran tambahan minimal

7. Pengambilan sampel kenyamanan

Desain nonprobabilitas ini, yang sama sekali tidak dapat digeneralisasikan, kadang
digunakan untuk memperoleh informasi “cepat” guna memperoleh “perasaan”
terhadap fenomena atau variabel yang diteliti. Pengambilan sampel berdasarkan
kemudahan (convenience sampling) harus dilakukan demi kepentingan kemanfaatan
dengan kesadaran penuh bahwa hasilnya tidak dapat digeneralisasikan sama sekali.

1. Pengambilan sampel penilaian

Salah satu pengambilan sampel bertujuan. Desain pengambilan sampel penilaian
digunakan ketika pengumpulan “input informasi khusus” pada bidang topik yang
diteliti sangat penting dan penggunaan desain pengambilan sampel lainnya tidak akan
menawarkan peluang untuk memperoleh informasi khusus

2. Pengambilan sampel quota: jenis pengambilan sampel purposif yang kedua

18
 Jenis pengambilan sampel purposif yang kedua. Desain pengambilan sampel ini
memungkinkan dimasukkannya seluruh kelompok ke dalam sistem yang diteliti.
Dengan demikian, kelompok yang jumlahnya kecil tidak terabaikan. Keputusan
mengenai desain yang akan digunakan bergantung pada banyak faktor, antara lain:
1. Luasnya pengetahuan sebelumnya dalam bidang penelitian yang dilakukan
2. Tujuan utama penelitian:
a. Generalisasi
b. Efisiensi
c. lebih banyak mengetahui sub kelompok dalam populasi
d. memperoleh informasi yang cepat
3. Pertimbangan Biaya

G. Issues Of Precision And Confidence In Determining Sample Size

Aspek kedua dari masalah desain pengambilan sampel – yaitu ukuran sampel.
Misalkan kita memilih 30 orang dari 3000 populasi melalui prosedur pengambilan
sampel acak sederhana. Bisakah kita menggeneralisasi temuan kita ke populasi dengan
yakin, karena kita telah memilih desain probabilitas yang paling bisa digeneralisasikan?

Sampel yang andal dan valid harus memungkinkan kita menggeneralisasi temuan dari
sampel ke populasi yang diteliti. Dengan kata lain, Statistik sampel harus merupakan
estimasi yang andal dan mencerminkan parameter populasi sedekat mungkin dengan
margin kesalahan yang sempit. Tidak ada statistik sampel (X, misalnya) yang akan sama
persis dengan parameter populasi (μ), tidak peduli seberapa canggih desain pengambilan
sampel probabilitas. Ingatlah bahwa alasan utama desain probabilitas adalah untuk
meningkatkan probabilitas bahwa statistik sampel akan sedekat mungkin dengan
parameter populasi. Meskipun pendugaan titik X mungkin tidak secara akurat
mencerminkan rata-rata populasi,μ, pendugaan interval dapat dibuat di mana (μ) akan
berada, dengan probabilitas yang melekat – yaitu, pada tingkat kepercayaan tertentu.
Masalah interval kepercayaan dan tingkat kepercayaan dibahas dalam diskusi berikut
mengenai presisi dan kepercayaan.

1. Presisi
Presisi mengacu pada seberapa dekat perkiraan kami dengan karakteristik
populasi sebenarnya. Biasanya, kami memperkirakan parameter populasi berada
dalam kisaran tertentu, berdasarkan perkiraan sampel. Sebagai contoh, katakanlah

19
dari studi sampel acak sederhana terhadap 50 dari total 300 karyawan di sebuah
bengkel, kita menemukan bahwa rata-rata tingkat produksi harian per orang adalah
50 buah produk tertentu ( x̄ = 50) . Kita mungkin kemudian (dengan melakukan
perhitungan tertentu, seperti yang akan kita lihat nanti) dapat mengatakan bahwa
rata-rata produksi harian sebenarnya dari suatu produk (μ) terletak antara 40 dan 60
untuk populasi pekerja di bengkel tersebut. Dengan mengatakan hal ini, kami
menawarkan perkiraan interval, yang di dalamnya kami memperkirakan produksi
rata-rata populasi sebenarnya adalah (μ = 50 ± 10) . Semakin sempit intervalnya,
semakin besar presisinya. Misalnya, jika kita dapat mengestimasi bahwa rata-rata
populasi akan berada di antara 45 dan 55 unit produksi (μ = 50 ± 10) dibandingkan
40 dan 60 (μ = 50 ± 10) maka kita mempunyai presisi yang lebih baik. Artinya,
sekarang kita memperkirakan rata-rata berada di dalam rentang yang lebih sempit,
yang pada gilirannya berarti kita memperkirakan dengan ketelitian atau presisi yang
lebih besar.

Presisi adalah fungsi dari rentang variabilitas dalam distribusi sampling dari
mean sampel. Artinya, jika kita mengambil sejumlah sampel yang berbeda dari suatu
populasi, dan mengambil nilai rata-rata dari masing-masing sampel, biasanya kita
akan menemukan bahwa sampel-sampel tersebut semuanya berbeda, terdistribusi
secara normal, dan mempunyai penyebaran yang terkait dengannya. Semakin kecil
penyebaran atau variabilitasnya, semakin besar kemungkinan rata-rata sampel
mendekati rata-rata populasi.

Kita tidak perlu mengambil beberapa sampel berbeda untuk memperkirakan

variabilitas ini. Bahkan jika kita hanya mengambil satu sampel dari 30 subjek dari
populasi, kita masih dapat memperkirakan variabilitas distribusi sampling dari mean
sampel. Variabilitas ini disebut kesalahan standar, dilambangkan dengan S x̄ .
Kesalahan standar dihitung dengan rumus berikut:

Dimana S adalah deviasi standar sampel, n adalah ukuran sampel, dan S x̄ .

menunjukkan kesalahan standar atau tingkat presisi yang ditawarkan oleh sampel.

20
 Perhatikan bahwa kesalahan standar bervariasi berbanding terbalik dengan akar
kuadrat ukuran sampel. Oleh karena itu, jika kita ingin mengurangi kesalahan
standar dengan adanya deviasi standar tertentu dalam sampel, kita perlu menambah
ukuran sampel.

Hal penting lainnya adalah semakin kecil variasi dalam populasi, semakin kecil
kesalahan standarnya, yang berarti ukuran sampel tidak perlu besar. Oleh karena itu,
variabilitas yang rendah dalam populasi memerlukan ukuran sampel yang lebih
kecil.

Singkatnya, semakin kita ingin hasil sampel kita mencerminkan karakteristik

populasi, semakin besar pula presisi yang harus kita bidik. Semakin besar presisi
yang diperlukan, maka semakin besar pula ukuran sampel yang dibutuhkan,
terutama jika variabilitas dalam populasi itu sendiri besar.

2. Kepercayaan diri
Presisi menunjukkan seberapa dekat kita memperkirakan parameter populasi
berdasarkan statistik sampel, sedangkan kepercayaan menunjukkan seberapa yakin
kita bahwa perkiraan kita benar-benar berlaku untuk populasi. Pada contoh laju
produksi sebelumnya, kita tahu bahwa kita akan lebih tepat jika memperkirakan
produksi rata-rata sebenarnya (μ) yang berada di antara 45 dan 55 buah
dibandingkan antara 40 dan 60. Namun, kita mungkin lebih percaya diri pada
estimasi terakhir dibandingkan estimasi sebelumnya. Lagi pula, siapa pun dapat
mengatakan dengan kepastian atau keyakinan 100% bahwa produksi rata-rata (μ)
akan berada di antara nol dan tak terhingga! Jika hal-hal lain dianggap sama,
semakin sempit kisarannya, semakin rendah tingkat kepercayaannya. Dengan kata
lain, terdapat trade-off antara presisi dan keyakinan untuk ukuran sampel tertentu,
seperti yang akan kita lihat nanti di bab ini.

Intinya, keyakinan mencerminkan tingkat kepastian yang dapat kami gunakan

untuk menyatakan bahwa perkiraan kami terhadap parameter populasi, berdasarkan
statistik sampel kami, akan benar adanya. Tingkat kepercayaannya bisa berkisar
antara 0 hingga 100%. Keyakinan 95% adalah tingkat yang diterima secara
konvensional untuk sebagian besar penelitian bisnis, paling sering dinyatakan
dengan menunjukkan tingkat signifikansi sebagai p ≤ 0,05. Dengan kata lain, kami

21
 mengatakan bahwa setidaknya 95 kali dari 100 perkiraan kami akan mencerminkan
karakteristik populasi sebenarnya.

3. Contoh data, presisi, dan keyakinan dalam estimasi

Ketepatan dan keyakinan merupakan isu penting dalam pengambilan sampel
karena ketika kita menggunakan data sampel untuk menarik kesimpulan tentang
populasi, kita berharap data tersebut “tepat sasaran”, dan memiliki gambaran tentang
besarnya kesalahan yang mungkin terjadi. Karena estimasi titik tidak memberikan
ukuran kemungkinan kesalahan, kami melakukan estimasi interval untuk
memastikan estimasi yang relatif akurat estimasi parameter populasi. Statistik yang
mempunyai distribusi yang sama dengan distribusi sampling mean digunakan dalam
prosedur ini, biasanya a z atau a t statistik.

Misalnya, kita mungkin ingin memperkirakan nilai rata-rata pembelian yang

dilakukan oleh pelanggan saat mereka berbelanja di department store. Dari sampel
sebanyak 64 pelanggan yang dijadikan sampel melalui prosedur desain pengambilan
sampel sistematis, kita dapat menemukan bahwa rata-rata sampel x̄ = 105, dan
deviasi standar sampel S=10 x̄ . adalah estimasi titik μ, yaitu rata-rata populasi. Kita
dapat membuat interval kepercayaan di sekitar X untuk memperkirakan kisaran di
mana μ akan berada. Standar error Sx̄ dan persentase atau tingkat kepercayaan yang
kita perlukan akan menentukan lebar interval, yang dapat direpresentasikan dengan
rumus berikut, dimana K adalah statistik t untuk tingkat kepercayaan yang
diinginkan.

Dari tabel nilai kritis t dalam buku statistik mana pun (lihat Tabel II, kolom 5, 6, dan
8, dalam tabel statistik yang diberikan di akhir buku ini), kita mengetahui bahwa:

Untuk tingkat kepercayaan 90%, nilai K sebesar 1,645.

Untuk tingkat kepercayaan 95%, nilai K sebesar 1,96.

22
 Untuk tingkat kepercayaan 99%, nilai K sebesar 2,576.

Jika kita menginginkan tingkat kepercayaan 90% pada kasus di atas, maka μ =
105 ± 1.645 (1.25) (i.e., μ = 105 ± 2.056) μ dengan demikian jatuh antara 102.944
dan 107.056. Hasil ini menunjukkan bahwa dengan menggunakan ukuran sampel 64,
kita dapat menyatakan dengan 90% keyakinan bahwa nilai rata-rata pembelian
populasi sebenarnya untuk semua pelanggan akan turun antara $102,94 dan $107,06.
Jika sekarang kami ingin 99% yakin dengan hasil kami tanpa menambah ukuran
sampel, kami harus melakukannya harus mengorbankan ketelitian, terlihat dari
perhitungan berikut: μ = 105 ± 2.576(1.25). Nilai μ sekarang berada di antara 101,78
dan 108,22. Dengan kata lain, lebar intervalnya bertambah dan kita sekarang
mengecil tepat dalam memperkirakan rata-rata populasi, meskipun kami jauh lebih
yakin dengan perkiraan kami. Bukan itu sulit untuk melihat apakah kita ingin
mempertahankan presisi asli kita sambil meningkatkan kepercayaan diri, atau
mempertahankan tingkat kepercayaan sambil meningkatkan presisi, atau kami ingin
meningkatkan kepercayaan dan presisi, kami memerlukan ukuran sampel yang lebih
besar. Singkatnya, ukuran sampel, n, adalah fungsi dari:
a. variabilitas populasi;
b. diperlukan ketelitian atau kecermatan;
c. tingkat kepercayaan yang diinginkan; Dan
d. jenis rencana pengambilan sampel yang digunakan – misalnya, pengambilan
sampel acak sederhana versus pengambilan sampel acak bertingkat.

4. Trade-off antara keyakinan dan presisi

Kita telah mencatat bahwa jika kita ingin lebih presisi, atau lebih percaya diri,
atau keduanya, ukuran sampel perlu ditingkatkan – kecuali, tentu saja, variabilitas
dalam populasi itu sendiri sangat kecil. Namun, jika ukuran sampel (n) tidak dapat
ditingkatkan, karena alasan apa pun – katakanlah, kita tidak mampu menanggung
biaya peningkatan pengambilan sampel – maka, dengan n yang sama, satu-satunya
cara untuk mempertahankan tingkat presisi yang sama adalah dengan mengabaikan
keyakinan yang dengannya kita dapat memprediksi perkiraan kita. Artinya, kita
mengurangi tingkat keyakinan atau kepastian perkiraan kita. Pertukaran antara
presisi dan keyakinan ini diilustrasikan pada Gambar 13.5 (a) dan (b). Gambar 13.5
(a) menunjukkan bahwa 50% rata-rata sebenarnya akan berada dalam kisaran sempit

23
 yang ditunjukkan pada gambar, 0,25 di setiap ekor mewakili 25% ketidakpercayaan,
atau kemungkinan membuat kesalahan, dalam estimasi kami di kedua sisi. Gambar
13.5 (b) menunjukkan hal itu 99% dari waktu yang kita perkirakan rata-rata ÿ yang
sebenarnya berada dalam rentang yang jauh lebih luas yang ditunjukkan pada
gambar dan hanya ada 0,005% kemungkinan kita membuat kesalahan dalam
estimasi ini. Artinya, pada Gambar 13.5 (a), kita mempunyai presisi yang lebih
tinggi namun keyakinannya lebih rendah (tingkat keyakinan kita hanya 50%).

Pada Gambar 13.5 (b), kami memiliki tingkat keyakinan yang tinggi (99%), namun
masih jauh dari tepat – artinya, perkiraan kami berada dalam kisaran interval yang
luas. Oleh karena itu, penting bagi peneliti untuk mempertimbangkan setidaknya
empat aspek saat membuat keputusan tentang ukuran sampel yang diperlukan untuk
melakukan penelitian:
a. Seberapa besar ketepatan yang benar-benar dibutuhkan dalam memperkirakan
karakteristik populasi yang diminati - yaitu, berapa batas kesalahan yang dapat
diterima?
b. Seberapa besar tingkat kepercayaan yang benar-benar dibutuhkan - yaitu,
seberapa besar peluang kita membuat kesalahan dalamdalam menaksir
parameter populasi?
c. Sejauh mana terdapat variabilitas dalam populasi pada karakteristik yang
diselidiki?
d. Bagaimana analisis biaya-manfaat dari peningkatan ukuran sampel?

H. Sample Data And Hypothesis Testing

Data sampel dapat digunakan untuk menguji hipotesis tentang nilai populasi, bukan
sekadar memperkirakan nilai populasi. Prosedur pengujian ini menggabungkan informasi
yang sama seperti estimasi interval, namun tujuan di balik kedua metode tersebut agak
berbeda. Mengacu pada contoh sebelumnya mengenai rata-rata nilai dolar pembelian

24
pelanggan di sebuah department store, alih-alih mencoba memperkirakan nilai pembelian
rata-rata pelanggan toko dengan tingkat akurasi tertentu, katakanlah sekarang kita ingin
menentukan apakah pelanggan mengeluarkan jumlah rata-rata yang sama dalam
pembelian di Toserba A seperti di Toserba B. Dari Bab 5, kita tahu bahwa pertama-tama
kita harus menetapkan hipotesis nol, yang akan menyatakan bahwa tidak ada perbedaan
dalam nilai dolar yang dibelanjakan oleh pelanggan berbelanja di dua toko yang berbeda.
Hal ini dinyatakan sebagai berikut :

Hipotesis alternatif mengenai perbedaan akan dinyatakan secara tidak terarah (karena
kita tidak mengetahui apakah hal tersebut benar atau tidak pelanggan membeli lebih
banyak di Toko A atau Toko B) sebagai:

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

Sedangkan hipotesis nol kami menyatakan tidak ada perbedaan (perbedaan = 0). Untuk
menentukannya bahwa hipotesis alternatif diterima terlebih dahulu kita harus mencari
probabilitas atau kemungkinan kedua kelompok tersebut mempunyai selisih 5 dalam
konteks hipotesis nol atau selisih 0.

25
 Hal ini dapat dilakukan dengan mengubah perbedaan rata-rata sampel menjadi statistik
dan melihat berapa probabilitasnya adalah menemukan nilai itu. Distribusi t telah
diketahui probabilitasnya (lihat Tabel II (distribusi t) dalam tabel statistik yang diberikan
di akhir buku ini). Melihat tabel distribusi t, kita menemukan bahwa, dengan dua sampel
masing masing 20 (derajat kebebasan menjadi nn 2 38), agar nilai t menjadi signifikan
pada tingkat 0,05, nilai kritis harus berada di sekitar 2,021 (lihat t tabel distribusi Nilai t
sebesar 1,209 ini jauh di bawah nilai 2,021 (untuk uji-t dua populasi 40 derajat
kebebasan, yang paling mendekati 38 derajat kebebasan sebenarnya [( ) ]) 20 20 2
diperlukan uji konvensional untuk 95% probabilitas, dan bahkan untuk probabilitas 90%,
yang membutuhkan nilai 1,684. Dengan demikian kita dapat mengatakan bahwa selisih 5
yang kita temukan antara kedua toko tersebut tidak berbeda secara signifikan dari 0.
Maka kesimpulannya adalah tidak ada perbedaan yang signifikan antara berapa banyak
pelanggan yang membeli (dolar yang dikeluarkan) di Department Store A dan
Department Store B. Dengan demikian kita akan menerima hipotesis nol dan menolak
alternatifnya.

I. The Sample Size

Uukuran sampel penting untuk menetapkan keterwakilan sampel agar dapat
digeneralisasikan.
26
1. Menentukan ukuran sampel
Ukuran sampel ditentukan oleh tingkat presisi dan keyakinan yang diinginkan.
Misalkan seorang manajer ingin memiliki keyakinan 95% bahwa perkiraan
penarikan bulanan di bank akan berada dalam interval kepercayaan $500.
Katakanlah studi terhadap sampel klien menunjukkan bahwa rata-rata penarikan
yang dilakukan oleh mereka memiliki standar deviasi $3500. Berapa ukuran sampel
yang dibutuhkan pada kasus ini?
Rata-rata populasi dapat diperkirakan dengan menggunakan rumus:

Karena tingkat kepercayaan yang diperlukan disini adalah 95%, maka nilai K yang
berlaku adalah 1,96 (t tabel). Perkiraan interval sebesar ±$500 harus mencakup
dispersi (1,96 × kesalahan standar).

Itu adalah,

Diketahui bahwa

Ukuran sampel yang ditunjukkan di atas adalah 188. Namun, katakanlah bank
ini memiliki total nasabah hanya 185 Ini berarti kami tidak dapat mengambil sampel
188 klien. Dalam hal ini, kami dapat menerapkan rumus koreksi dan melihat ukuran
sampel yang diperlukan untuk mendapatkan tingkat presisi dan keyakinan yang
sama mengingat fakta bahwa kami hanya memiliki total 185 klien. Rumus
koreksinya adalah sebagai berikut:

27
 Dimana N adalah jumlah total elemen dalam populasi, n adalah ukuran sampel
yang akan diestimasi, SX adalah kesalahan standar estimasi mean, dan S adalah
deviasi standar mean sampel. Dengan menerapkan rumus koreksi, kami menemukan
bahwa:

Kami sekarang akan mengambil sampel 94 dari total 185 klien.

Sampel sekarang harus ditingkatkan 1,73 kali (dari 188 menjadi 325) untuk
meningkatkan tingkat kepercayaan dari 95% hingga 99%!

jika presisi harus dipersempit dari $500 menjadi $300 untuk tingkat
kepercayaan 95% dan 99%. Jawaban harus menunjukkan ukuran sampel yang
dibutuhkan masing-masing 523 dan 902. Hasil ini secara dramatis menyoroti
perlunya peningkatan presisi, kepercayaan diri, atau keduanya. Oleh karena itu,
merupakan ide bagus untuk memikirkan seberapa besar presisi dan keyakinan yang
benar-benar dibutuhkan, sebelum menentukan ukuran sampel untuk proyek
penelitian

Ukuran tabel tertentu

28
2. Ukuran sampel dan kesalahan tipe II
Ukuran sampel yang terlalu besar, (katakanlah, lebih dari 500) dapat menjadi
masalah karena kita rentan melakukan kesalahan Tipe II. Ukuran sampel yang
terlalu besar, bahkan hubungan yang lemah (katakanlah korelasi 0,10 antara dua
variabel) mungkin mencapai tingkat signifikansi, dan kita cenderung percaya bahwa
hubungan signifikan yang ditemukan dalam sampel tersebut memang benar adanya.

29
 populasi, padahal kenyataannya tidak demikian. Oleh karena itu, ukuran sampel
yang terlalu besar atau terlalu kecil tidak akan membantu proyek penelitian.

3. Signifikansi statistik dan praktis

Hal lain yang perlu dipertimbangkan, bahkan dengan ukuran sampel yang sesuai,
adalah apakah signifikansi statistik lebih relevan dibandingkan signifikansi praktis.
Misalnya, korelasi sebesar 0,25 mungkin signifikan secara statistik, namun karena
korelasi ini hanya menjelaskan sekitar 6% varians (0,252 ), seberapa berartikah
korelasi tersebut dalam kaitannya dengan kegunaan praktis?

4. Aturan praktis
Roscoe (1975) mengusulkan aturan praktis berikut untuk menentukan ukuran
sampel:
a. Ukuran sampel yang lebih besar dari 30 dan kurang dari 500 sesuai untuk
sebagian besar penelitian
b. Jika sampel akan dipecah menjadi beberapa subsampel (laki-laki/perempuan,
junior/senior,dll.), diperlukan jumlah sampel minimal 30 untuk setiap kategori.
c. Dalam penelitian multivariat (termasuk analisis regresi berganda), ukuran
sampel harus beberapa kali (sebaiknya sepuluh kali atau lebih) lebih besar dari
jumlah variabel dalam penelitian.
d. Untuk penelitian eksperimen sederhana dengan kontrol eksperimen yang ketat
(pasangan yang cocok, dll), berhasil penelitian dimungkinkan dengan sampel
sekecil 10 hingga 20.

5. Efisiensi dalam pengambilan sampel

Efisiensi dalam pengambilan sampel dicapai ketika, untuk tingkat presisi
tertentu (kesalahan standar), ukuran sampel dapat dikurangi, atau untuk ukuran
sampel tertentu (n), tingkat presisi dapat ditingkatkan. Beberapa desain pengambilan
sampel probabilitas lebih efisien dibandingkan yang lain. Prosedur pengambilan
sampel acak sederhana tidak selalu merupakan rencana yang paling efisien untuk
diterapkan; beberapa desain pengambilan sampel probabilitas lainnya seringkali
lebih efisien. Rencana pengambilan sampel acak bertingkat seringkali merupakan
yang paling efisien, dan desain pengambilan sampel acak bertingkat yang tidak
proporsional telah terbukti lebih efisien dibandingkan desain pengambilan sampel
proporsional dalam banyak kasus. Pengambilan sampel cluster kurang efisien

30
 dibandingkan pengambilan sampel acak sederhana karena umumnya terdapat lebih
banyak homogenitas di antara subjek dalam cluster dibandingkan yang ditemukan
pada elemen-elemen dalam populasi. Pengambilan sampel klaster multitahap lebih
efisien dibandingkan sample klaster satu tahap ketika terdapat lebih banyak
heterogenitas yang ditemukan pada tahap-tahap sebelumnya. Seringkali terdapat
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). Oleh karena itu, pilihan
rencana pengambilan sampel bergantung pada tujuan penelitian, serta pada tingkat
dan sifat efisiensi yang diinginkan.

J. Sampling As Related To Qualitative Studies

Pengambilan sampel untuk penelitian kualitatif sama pentingnya dengan pengambilan
sampel untuk penelitian kuantitatif. Pengambilan sampel kualitatif dimulai dengan
menentukan secara tepat populasi sasaran. Penting agar subjek dipilih sedemikian rupa
sehingga mencerminkan keragaman populasi.

Berbeda dengan organisasi berbasis keanggotaan, banyak komunitas online, seperti

papan buletin komunitas dan ruang obrolan, biasanya tidak memberikan alamat email
peserta. Keanggotaan didasarkan pada kepentingan bersama dan hanya sedikit informasi
yang diperlukan saat mendaftar untuk menggunakan komunitas ini, jika pendaftaran
diperlukan sama sekali.

Seleksi mandiri Salah satu bentuk pengambilan sampel purposif adalah pengambilan
sampel teoritis, yang diperkenalkan oleh Glaser dan Strauss dalam karya mereka tentang
teori dasar. Istilah teori dasar mengungkapkan gagasan bahwa teori akan muncul dari
data melalui proses berulang yang melibatkan pengambilan sampel berulang,
pengumpulan data, dan analisis data hingga kejenuhan teoretis« tercapai. Kejenuhan
teoretis dicapai ketika tidak ada informasi baru tentang subjek yang muncul dalam
kasus-kasus yang berulang. Pengambilan sampel teoretis mungkin dimulai atau tidak
dengan pengambilan sampel secara purposif, namun pengambilan sampel subjek
tambahan diarahkan oleh kerangka teori yang muncul.

Menurut Glaser, pengambilan sampel teoretis terjadi ketika »analis bersama-sama

mengumpulkan, mengkode, dan menganalisis datanya serta memutuskan data apa yang
akan dikumpulkan selanjutnya dan di mana menemukannya, guna mengembangkan
31
teorinya saat teori tersebut muncul Karena tidak mungkin memprediksi kapan kejenuhan
teoritis tercapai, Anda tidak dapat menentukan berapa banyak subjek yang perlu
dijadikan sampel pada awal studi Anda.

32
 BAB III

PENUTUP

A. Kesimpulan
Sampel merupakan bagian dari suatu populasi penelitian yang digunakan
untuk menjawab hasil dari suatu penelitian. Sedangkan teknik pengambilan
merupakan cara atau metode yang digunakan dalam pengambilan sampel tersebut.
Teknik sampel yang digunakan akan berhubungan dengan cara-cara dari pengambilan
suatu sampel. Teknik pengambilan sampel dilakukan dengan beberapa tujuan,
diantaranya yaitu:
1. Untuk mendapatkan data yang lebih akurat, tetapi masih ada kaitannya dengan
populasi yang menjadi sasaran suatu penelitian
2. Bertujuan untuk memberikan informasi yang berhubungan dengan populasi yang
ingin diteliti
3. Dapat dijadikan sebagai pedoman atau acuan dalam mengambil suatu keputusan.

33
 DAFTAR PUSTAKA

Sekaran, Uma dan Roger Bougie. 2016. Research Method For Business: A Skill-Building
Approach 17th Edition. Chichester: Wiley

34