Populasi dan Sampel

• Populasi  keseluruhan pengamatan yang

menjadi perhatian kita.
• Populasi  wilayah generalisasi yang terdiri
atas: obyek/subyek yang mempunyai kualitas dan
karakteristik tertentu yang ditetapkan oleh
peneliti untuk dipelajari.
• ukuran populasi  banyaknya pengamatan
atau anggota suatu populasi
• Populasi takhingga (infinite)  ukuran populasi
tak hingga
• Populasi target
– Kumpulan dari satuan/unit yang ingin kita buat
inferensi atau generalisasi hasil penelitian
• Populasi studi
– Kumpulan dari satuan/unit (N) di mana kita akan
memilih sampel
 Sensus
– Jika pengamatan/pengumpulan data dilakukan pada
seluruh anggota populasi dinamakan sensus.
• Sampling  Jika pengamatan dilakukan
terhadap sebagian dari anggota populasi
• Sampel  sebagian dari anggota populasi
• Sampel merupakan himpunan bagian dari
populasi.
• Sampel representatif  sampel yang
mempunyai segala karakteristik populasi
• Kerangka sampel/Sampling frame
– Daftar satuan/unit/anggota populasi yang berisi
identitas: (Nomor, Nama, & Alamat)
• Sampel
– Kumpulan dari satuan/unit yang kita ambil dari
populasi studi (n)
• Unit analisis
– Bagian dari sampel dimana kita melakukan
pengukuran dan analisis (misalnya kepala rumah
tangga, atau ibu hamil, balita, & lansia)
• Kesimpulan atau hasil ukur dari data seluruh
populasi disebut nilai parameter
• Kesimpulan atau hasil ukur dari data yang
berasal dari sampel disebut sebagai nilai
statistik
• Simbol parameter ditulis dengan huruf
Yunani, sedangkan simbol statistik ditulis
dengan huruf Latin. Beberapa contoh dapat
dilihat sebagai berikut:
• Statistik Parameter
• x (mean) m (mu)
• p (proporsi) p (pi)
• S (standard deviation) S (sigma)
• r (koefisien korelasi) r (rho)
 Alasan Sampling
• Ada beberbagai alasan mengapa sensus tidak dapat
dilakukan, antara lain:
 Ukuran populasi terlalu besar
 Masalah biaya
 Waktu terlalu singkat
 Percobaan yang sifatnya merusak
 Masalah ketelitian
 Tidak praktis
 Faktor ekonomis (hasil tidak sepadan dengan
biaya).
 dll
 Sample Random & Non random
Random/Probability Sampling
• Semua elemen di populasi memiliki probabilitas yang sama untuk
terpilih sebagai sampel
• Dapat merepresentasikan populasi dan hasilnya dapat
digeneralisasi ke populasi

Non Random/Non Probability Sampling

• Elemen di populasi tidak memiliki probabilitas yang sama untuk
terpilih sebagai sampel
• Tidak merepresentasikan populasi dan hasilnya tidak dapat
digeneralisasi ke populasi
Metode Sampling:

Bagaimana menarik suatu sampel supaya (nilai) statistik mendekati

(nilai) parameter?

Induktif/generalisasi

Parameter
(Populasi) Statistik
Mean () (Sampel)
X
Varians (2) s2
Proporsi (P) ps

deduktif
 probability sampling
• Simple Random Sampling
Anggota populasi dianggap homogen
Pengambilan anggota sampel dilakukan secara
acak
SIMPLE RANDOM SAMPLING
Langkah-langkah  1. Tentukan populasi studi
2. Buat sampling frame (N)
3. Tentukan besar sampel
4. Pilih sampel sejumlah n
secara random (Dengan
Tabel-random atau
MsExcel)
Systemic random sampling
Kerangka sampel harus tersedia
Seluruh anggota sampel diberi nomor
SYSTEMATIC RANDOM SAMPLING:
1. Tentukan populasi studi
Langkah-langkah  2. Buat sampling frame
3. Tentukan besar sampel
4. Tentukan interval (i=N/n)
5. Pilih sampel no.1 secara
acak/random
6. Pilih sampel berikutnya no.2, 3,.. dst
dengan interval = N/n
Simple Stratified Random Sampling
Populasi tidak homogen
Anggota populasi berstrata tapi tidak
proporsional
STRATIFIKASI SEDERHANA (Alokasi sama):
1. Tentukan populasi studi
2. Kelompokkan populasi berdasarkan
Langkah-langkah  variabel Strata
3. Tentukan besar sampel
4. Besar sampel dibagi rata menurut strata
5. Buat sampling frame (N) ditiap strata
6. Di tiap strata, pilih sampel secara random
Proportional satratified random sampling
Populasi tidak homogen
Anggota populasi berstrata secara
proporsional STRATIFIKASI PROPORSIONAL:
1. Tentukan populasi studi
Mis:  latar belakang 2. Kelompokkan populasi
berdasarkan variabel Strata
pendidikan pegawai 3.4. Tentukan besar sampel
Besar sampel dibagi proporsional
menurut strata
5. Buat sampling frame (N) ditiap
strata
Langkah-langkah  6. Di tiap strata, pilih sampel secara
random
Cluster random sampling
Sampling frame tidak tersedia
Populasi berada pada geografi yang luas
Antar cluster dianggap homogen
Langkah-langkah sbb:
1. Tentukan populasi studi (N)
2. Kelompokkan populasi berdasarkan cluster
(Geografis/area/wilayah administrasi/blok/unit)
3. Tentukan jumlah sampel (n) dan jumlah cluster (nk) jumlah
sampel di tiap cluster terpilih(ns)
4. Pilih cluster secara acak proporsional
5. Pada cluster terpilih: ambil semua unit (1-tahap) atau pilih
secara random dengan jumlah yang sama (2-tahap)
 Non Probability Sampling
• Sampling Sistematis
Anggota populasi diberi nomor urut
Anggota sampel bisa diambil nomor ganjil
saja, atau genap saja, atau kelipatan dari
bilangan tertentu
• Sampling Kuota
Menentukan sampel dari populasi yang
mempunyai ciri-ciri tertentu sampai jumlah
(kuota) yang diinginkan
Mis:  diperlukan keterangan 50 orang yang
tinggal di daerah tertentu, dalam kategori
umur tertentu, dan pendapatnya termasuk
kelas tertentu juga.
Sampling Insidental

Penentuan sampel berdasarkan kebetulan

Siapa saja yang secara kebetulan bertemu
dengan peneliti dapat digunakan sebagai
anggota sampel, bila dipandang cocok sebagai
sumber data
Sampling purposive
• Pengambilan sampel dengan pertimbangan
tertentu
Misal:
 penelitian kualitas makanan  sampel ahli
makanan
 Penelitian politik  sampel yang
mengerti politik
Sampling jenuh

 Semua anggota populasi digunakan sebagai

sampel
 Biasanya dilakukan karena ukuran populasi
kecil
 Sampling jenuh = sensus
Snowball sampling

• Ukuran sampel awalnya kecil, kemudian

membesar
• Seperti bola salju yang menggelinding, makin
lama makin besar
• Ukuran sampel terus bertambah sampai data
yang dikumpul dianggap lengkap
 Metode sampling
yang baik

Menjamin sampel menggambarkan populasinya

Menjamin sampel mempunyai akurasi yang terukur
Menjamin sampling dapat dilaksanakan dg efisien