Teknik Sampling

K10
 Pendahuluan
• Sampling terkait dengan pengumpulan data
• Data berada dalam suatu “semesta” yang disebut
populasi
• Populasi adalah keseluruhan elemen atau unsur yang
akan kita teliti
• Populasi dapat berupa sekelompok orang, kejadian,
atau benda, yang dijadikan obyek penelitian
• Jika seluruh unit populsi ingin diukur maka kita
melakukan sensus
• Hasil pengukuran yang diambil dari suatu populasi
disebut parameter
• Sensus tidak selalu dapat dilakukan karena berbagai
alasan
 Mengapa Sampling ?
• populasi demikian banyaknya sehingga dalam
prakteknya tidak mungkin seluruh elemen diteliti
• keterbatasan waktu penelitian, biaya, dan sumber
daya manusia
• kadang, penelitian yang dilakukan terhadap sampel
bisa lebih reliabel daripada terhadap populasi
– misalnya, karena elemen sedemikian banyaknya maka
akan memunculkan kelelahan fisik dan mental para
pencacahnya sehingga banyak terjadi kekeliruan. (Uma
Sekaran, 1992)
 Ilustrasi
• Berita PR: Kota Bandung Udaranya Tercemar !
– Diduga penyebab utamanya asap kendaraan bermotor
– Pemkot ingin mengecek apakah Ranmor yang ada di Bandung dapat
lolos uji emisi gas buang
– Tentu saja tidak dapat diuji seluruh kendaraan yang ada di kota
Bandung
• Tdk semua unit dalam populasi dpt diidentifikasi
– Contohnya: Ingin mengukur tingkat polusi udara kota Bandung: Harus
diambil sampel
• Bahkan bila populasi dapat diukur, maka muncul hambatan
berikutnya:
– Terlalu mahal
– Terlalu banyak menyita waktu untuk mengukurnya
• Data bisa obsolete
 Alasan lain mengapa harus Sampling ?

• Mempelajari populasi malah bisa jadi hasilnya tidak

akurat, terutama populasinya besar.
• Manajemen proyeknya lebih gampang dengan
sampling:
– bisa ada waktu tambahan untuk memperbaiki
interview/questionnaire design
– prosedur mendapatkan responden (yang sulit
ditemukan)
– rekrutmen, pendidikan dan latihan, serta supervisi data
collectors
 Gambaran Sampling
When we undertake a survey, to collect data, we are
effectively sampling from a population. It is therefore
necessary to define the population and the sampling
method (of which there are many).

population

Samples
 Definisikan Populasi Secara Tepat

• Jika yang ingin diteliti adalah sikap konsumen terhadap

satu produk tertentu, maka populasinya adalah seluruh
konsumen produk tersebut.
• Jika yang diteliti adalah laporan keuangan perusahaan
“X”, maka populasinya adalah keseluruhan laporan
keuangan perusahaan “X” tersebut,
• Jika yang diteliti adalah motivasi pegawai di departemen
“A” maka populasinya adalah seluruh pegawai di
departemen “A”.
• Jika yang diteliti adalah efektivitas gugus kendali mutu
(GKM) organisasi “Y”, maka populasinya adalah seluruh
GKM organisasi “Y”
 Mendefinisikan Populasi

• Jika yang ingin diteliti adalah sikap warga

Jawa Barat terhadap kandidat gubernur
maka populasinya adalah …
• Jika Anda meneliti pengaruh narkoba
terhadap resiko melahirkan maka
populasinya adalah …
• Jadi hati-hati dalam menentukan populasi
 Kesalahan Menentukan Populasi

• Misalnya memilih populasi di mal pada hari sabtu

untuk memilih sampel secara acak:
– Kemungkinan overrepresent weekdays worker dan
underrepresent kelompok lain seperti anak2, pensiunan,
pengangguran
– Pemilihan mal, mal “elit” sampel lebih representatif ke
golongan A, mal “kurang elit” sampel lebih representatif
ke golongan menengah ke bawah
• Akibatnya populasi yang direpresentasikan hanya bisa:
para pengunjung mal “X” hari Sabtu  Nilai
generalisasi yang rendah.
 Cara Mendefinisikan Populasi

• tentukan kriteria yang digunakan untuk menentukan

kasus2/item2 apa yang masuk populasi dan
kasus2/item2 mana yang tidak masuk.
– Seringkali ikut menentukan populasi target: lokasi dan
waktu.
• mengapa memilih target populasi “A”? Tujuan dan
pertimbangan praktis mempengaruhi (seperti setiap
hal lainnya, apa reasoning-nya).
– Contoh: “Mahasiswa FISIP”, apakah Jurusan HI, Ane, Ani?
apakah program S1 saja? S2?
 Ideal Sample

• a representative sample
– has similar characteristics in similar proportions to those in the
target population
• the method of sampling needs to be unbiased
• So, you need to know the characteristics of the target
population before you can select a representative
sample
• the people in the target population are called the
sampling frame
• the characteristics of a sampling frame concern
information about the people.These may be: Gender
Ages Marital Status Economic Groupings The importance
of the characteristics within the sampling frame will
depend on the subject of the survey.
• dapat mewakili sebanyak mungkin
karakteristik populasi
• harus valid, yaitu bisa mengukur sesuatu yang
seharusnya diukur
– kalau yang ingin diukur adalah masyarakat Sunda
sedangkan yang dijadikan sampel adalah hanya
orang Banten saja, maka sampel tersebut tidak
valid, karena tidak mengukur sesuatu yang
seharusnya diukur (orang Sunda).
• valid ditentukan oleh dua pertimbangan
 Sampling Methods

• RANDOM SAMPLING
• STRATIFIED SAMPLING
• QUOTA SAMPLING
• CLUSTER SAMPLING
• SNOWBALL SAMPLING
• CONVENIENCE SAMPLING
• PANELS
• FOCUS GROUPS
 Apakah Sampel Itu ?

• Bagian dari proses pengumpulan data

• Data berada dalam suatu “semesta” data
 populasi
 Dasar Pemikiran

• Pada suatu penelitian, tidak selalu diperlukan

untuk meneliti semua individu dalam
populasi (sensus), karena beberapa alasan
– Biaya yang besar
– Waktu yang lama
– “destructive sampling”
• Dengan meneliti sebagian dari populasi
(sampling), diharapkan dapat
menggambarkan sifat populasi.
 Ukuran Sampel

• Derajat keseragaman
• Presisi yang dikehendaki
• Rancangan analisis
 Perancangan Sampling

• Dapat dibedakan menjadi 2, yaitu:

1. Probability Sampling
2. Non Probability Sampling
 Teknik/Metode Sampling
• Sampling Random (Probability Sampling)
– Simple Random Sampling
– Stratified Sampling
– Cluster Sampling
– Systematical Sampling
• Sampling Non-Random (Non Probability Sampling)
– Convenience Sampling
– Purposive Sampling
– Quota Sampling
 Probability Sampling

• Menentukan probabilitas atau besarnya

kemungkinan setiap unsur dijadikan sampel
• Dalam merencanakan sampling probabilitas,
idealnya peneliti telah memenuhi beberapa
persyaratan berikut:
– Diketahui besarnya populasi induk
– Besarnya sampel yang diinginkan telah ditentukan
– Setiap unsur atau kelompok unsur harus memiliki
peluang yang sama untuk dijadikan sampel
 Cara Stratifikasi
• Populasi dianggap heterogen
• Dikelompokkan: subpopulasi  anggota kelompok
subpopulasi menjadi homogen
• Dari tiap subpopulasi scr acak diambil anggota
sampelnya
• Berapa jumlah sampel yang diambil dari tiap populasi ?
– Jika jml elemen tiap populasi sama
• Misalnya jumlah sampel sdh diketahui mis. 150  sama jmlhnya
– Jika jml elemen tiap populasi beda: A:10, B:20,C:30,D:40,
• nA=(10/100)x 150
 Cara Klaster
• Simple random sampling dan stratified random sampling
berasumsi ada list lengkap dari anggota populasi. Kalau
tidak ada? Cluster sampling bisa digunakan.
– Pertimbangan biaya juga merupakan alasan lainnya.
• Populasi dibagi-bagi menjadi sekelompok kasus yang
disebut clusters biasanya berdasarkan pembagian alami
seperti lokasi, golongan sosioekonomi, dsb.
• Beda dengan stratified:
– stratified mengambil sampel dari tiap strata
– cluster sampling tidak mengambil sampel dari tiap cluster, hanya
cluster yang dipilih saja.
– bila stratifikasi subpopulasinya homogen
– bila subpopulasinya heterogen  klaster
• Kurang akurat dibandingkan dengan simple random sampling atau
stratified random sampling untuk jumlah n yang sama.
• Akurasi dapat ditingkatkan dengan mengambil sampel dari cluster2
lain
 Sistematik Sampling

• Systematic sampling: memilih kasus setiap

interval dari list lengkap anggota populasi.
Syaratnya dua:
– Sampling interval (K)
– Dan lokasi start.
• Misalnya perlu sampel 100 dari 2500 orang,
interval = 2500/100 = 25 (sampling interval).
• Kemudian tentukan nomor secara acak dari 1
sampai 25. Misalnya 19, berikutnya berarti 44,
69, dan seterusnya.
 Non Probability Sampling
• Tidak mengukur sejauh mana karakteristik sampel
mendekati parapemeter populasi induknya, sehingga
dalam kenyatannya peneliti pada umumnya tidak dapat
engidentifikasikan populasi induk sama sekali.
• Oleh karena itu sampel yang diambil tidak dapat
digeneralisasikan pada populasi tempat sampel tersebut
diambil.
• Karena itu kesalahan sampling tidak perlu dibahas
karena memang perencanaan sampling Nonprobabilitas
tidak dirancang ntuk bisa menyajian fungsi nferensial
• Kelemahan:
– Tidak ada kontrol terhadap investigator bias dalam pemilihan
sampel
– Variabilitasnya tidak bisa dihitung menggunakan probability
sampling theory tidak bisa menghitung sampling error atau
sample precision.
 Non Probability Sampling
• Convenience sample: also called an "accidental" sample
or "man-in-the-street" samples. The researcher selects
units that are convenient, close at hand, easy to reach,
etc.
• Purposive sample: the researcher selects the units with
some purpose in mind, for example, students who live in
dorms on campus, or experts on urban development.
• Quota sample: the researcher constructs quotas for
different types of units. For example, to interview a fixed
number of shoppers at a mall, half of whom are male and
half of whom are female.
 Nonprobability Sampling (2)
• Dalam banyak kasus, cara sampling ini lebih tepat atau
praktis:
– Situasi di mana jumlah kasus yang bisa diteliti terlalu sedikit, misalnya
karena biaya terlalu besar untuk menyelidiki banyak kasus (misalnya unit
analisa kota, negara, atau yang besar-besar lainnya), sementara
probability sampling kurang reliabel untuk jumlah kasus yang terlalu
sedikit.
– Peneliti hanya bisa bekerja dengan kasus yang ada saja
• Di awal penelitian suatu permasalahan, di mana tujuannya
baru mengumpulkan informasi mengenai gejala (tujuan
eksploratif), cukuplah menggunakan nonprobability
sampling, belum diperlukan generalisasi statistik yang
akurat.
• Kalau populasinya sendiri jumlah anggotanya kecil
(misalnya di bawah 100).
 Convenience sampling (1)

• Alias: incidental, accidental, haphazard, fortuitous

sampling
• Peneliti memilih sejumlah kasus yang
conveniently/readily available.
• Metode ini cepat, mudah, dan murah.
• Kalau penelitian permasalahan baru tahap awal dan
generalisasi bukan masalah, metode ini boleh2 saja.
• Tapi karena sampel yang cuma “sedapatnya”, tidak bisa
ditentukan hasil penelitian ini bisa diterapkannya ke
mana kecuali ke sampel itu sendiri.
• In attempting to make inferences from such a sample,
“one can only hope that one is not being to grossly
misled” (sangat sinis)
• Peneliti menggunakan expert judgement untuk memilih
kasus2 yang “representatif” atau “tipikal” dari populasi.
• Pertama, identifikasi sumber2 variasi yang penting dari
populasi. Berikutnya memilih kasus2 sesuai sumber2
variasi tersebut.
• Bisa dipilih satu kasus atau satu subpopulasi yang
dianggap “representatif” atau “tipikal” yang memiliki
karakteristik tertentu. Atau memilih beberapa kasus
yang mewakili perbedaan2 utama dalam populasi.
• Teknik purposive sampling lainnya, biasanya untuk
prediksi hasil election, adalah memilih propinsi tertentu
yang telah bertahun-tahun memprediksikan hasil
penghitungan suara nasional secara tepat.
 Purposive sampling (2)

• Misalnya kalau di propinsi A partai X menang maka

diprediksikan dengan sangat yakin (keyakinan sebesar
korelasi historisnya) bahwa secara nasional partai X bakal
menang.
• Tetap kurang bisa diterima dibandingkan probability
sampling jika diperlukan generalisasi yang tepat dan
akurat. Tetapi kalau berbagai hal membatasi, ya boleh lah.
• Secara umum lebih “kuat” dibandingkan convenience
sampling tapi sangat tergantung expert judgement-nya
peneliti.
• Kelemahan utama: informed selection seperti itu
memerlukan pengetahuan yang cukup mengenai populasi.
 Quota Sampling
• Quota sampling adalah sejenis purposive sampling yang ada
kemiripan dengan proportionate stratified random sampling:
– Pertama, populasi dibagi-bagi menjadi strata yang relevan
seperti usia, jenis kelamin, lokasi, dsb.
– Proporsi tiap strata diperkirakan atau ditentukan berdasarkan
data eksternal kemudian total sampel dibagi-bagi sesuai
proporsi ke tiap strata (kuota).
– Untuk memenuhi jumlah sampel untuk tiap strata, peneliti
menggunakan expert judgement-nya.

• Misalnya populasi 55% pria 45% wanita. Sampel 100 orang berarti
55 pria dan 45 wanita. Pemilihan sampelnya sendiri tergantung
penilaian peneliti.

• Bedanya dengan stratified random sampling, sampel diambil secara

acak sedangkan dalam quota sampling, sampelnya dipilih
berdasarkan pendapat subjektif peneliti pokoknya kuotanya
terpenuhi (mirip2 convenience sampling).
 Quota Sampling (2)

• Total sampel juga a convenience sample tapi ada

kemiripan dengan populasi dalam karakteristik2 penting
tertentu (karena pembuatan stratanya).
• Bias peneliti sangat mempengaruhi: pemilihan teman
sebagai sampel, milih lokasi2 yang nyaman, dan
sebagainya.
• Keuntungan:
– tidak perlu membuat sampling frame
– kalau perlu konfirmasi tinggal cari lagi yang baru asal
kuota terpenuhi, tidak perlu menghubungi responden
yang telah diwawancarai.
• Cepat, mudah dan murah.
 Memilih Desain Sampling

• Tergantung pada:
– What is the stage of research?
– How will the data be used?
– What are the available resources for drawing the sample?
– How will the data be collected?
• Stage of research and data use
– Akurasi tidak terlalu penting kalau baru eksplorasi gejala, hal yang
penting adalah menemukan pola2 tertentu dulu dan membuat
hipotesis2 untuk penelitian lanjutan.
– Peneliti perlu menggunakan good judgement mereka untuk
mendapatkan sampel yang tepat nonprobability sampling bisa
digunakan
– Kalau cuma pingin me-list semua varians, cukup dengan sejumlah
sampel dengan pendekatan nonprobability.
– Kalau hasil penelitian akan menjadi bahan decision making pemerintah
misalnya, presisi diperlukan. Perlu probability sampling yang terkontrol
dan jumlah sampel yang relatif banyak.
 Memilih Desain (2)

• Available resources
– Jika akurasi menjadi pertimbangan utama, perlu digunakan sampling
design yang menghasilkan sampel yang paling presisi. Tapi biayanya bisa
jadi sangat mahal.
– Waktu, uang, bahan2 yang diperlukan, lokasi melimitasi sampling design.
– Sampling design disesuaikan kemampuan, kecil tapi jika prosedur-nya
bagus  hasilnya pun bagus.
• Method of data collection
– Keempat pendekatan (eksperimen, field research, survey research,
documentary research) masing-masing berurusan dengan sampel.
– Eksperimen biasanya pakai convenience sampling, survai biasanya
probability sampling, field research biasanya convenience atau purposive,
documentary research sering menggunakan probability sampling.
 Ukuran Sampel

• Ukuran Vs Kerepresentatifan (keterwakilan)

• Secara umum, semakin besar ukuran sampel akan
semakin baik, karena ukuran sampel yang besar
cenderung memiliki error yang kecil, sebagaimana telah
kita temui pada latihan menggunakan tabel bilangan acak
(random numbers).
• Namun demikian bukan berarti bahwa ukuran sampel
yang besar sudah cukup memberikan garansi untuk
mendapatkan hasil yang akurat.
– Sebagai contoh, Jika satu dari dua sampel dari seluruh negara
terdiri dari satu jenis kelamin saja, berdasarkan ukurannya sampel
ini besar amun tidak representatif. Ukuran oleh karena itu tidak
lebih penting daripada kereprsentatifan.
 Pertimbangan menentukan ukuran sampel

• Tingkat kesalahan
• Derajat keseragaman
• Rencana analisis
• Biaya, waktu, dan tenaga yang tersedia . (Singarimbun dan Effendy,
1989).
• Makin tidak seragam sifat atau karakter setiap elemen populasi,
makin banyak sampel yang harus diambil.
• Jika rencana analisisnya mendetail atau rinci maka jumlah sampelnya
pun harus banyak.
– Misalnya di samping ingin mengetahui sikap konsumen terhadap
kebijakan perusahaan, peneliti juga bermaksud mengetahui hubungan
antara sikap dengan tingkat pendidikan.
– Agar tujuan ini dapat tercapai maka sampelnya harus terdiri atas
berbagai jenjang pendidikan SD, SLTP. SMU, dan seterusnya.
• Makin sedikit waktu, biaya , dan tenaga yang dimiliki peneliti, makin
sedikit pula sampel yang bisa diperoleh. Perlu dipahami bahwa
apapun alasannya, penelitian haruslah dapat dikelola dengan baik
(manageable).
Pertimbangan menentukan ukuran sampel

• Heterogenitas dari populasi

• Tingkat presisi yang dikehendaki
• Tipe sampling design yang digunakan
• Resources availability
• Number of breakdowns planned in data analysis
• Heterogenitas populasi
– Heterogenitas mengacu pada derajat perbedaan di antara
kasus dalam suatu karakteristik.
– Semakin heterogen, jumlah kasus yang diperlukan semakin
besar agar estimasinya reliabel. Ekstrimnya, kalau semua
kasus sama (homogen, unidimensional), jumlah sampel
cukup satu, kalau tidak ada yang sama, harus sensus.
– Satuan pengukuran statistik terbaik untuk heterogenitas
populasi adalah standard deviation () berhubungan
dengan standard error yang tadi dibahas. Rumus standard
error = /√(N).
– Semakin besar heterogenitas populasi, perlu semakin
banyak sampel agar lebih presisi
• Tingkat presisi yang dikehendaki
– Secara teknis mengacu pada standard error (seperti dijelaskan di atas). Tapi
lebih mudah diilustrasikan dengan confidence interval.
– Pernyataan “rata2 populasi ada di antara 2-4” lebih presisi dibandingkan “rata2
populasi ada di antara 1-5”.
– Rumus standard error /√(N), sampel perlu diperbesar agar standard error-nya
mengecil. Agar standard error turun 1/2, N perlu naik empat kali lipat.
– Law of diminishing return, setelah terus2an, dibutuhkan jumlah N yang sangat
besar agar standard error bisa turun.
• N = 100  = 5
• N = 400  = 2.5
• N = 2500 = 1
• N = 10000  = 0.5
– Sample size 2000-3000 sebenarnya standard error-nya sudah cukup kecil dan
menambah jumlah sampel lagi “is not worth the additional cost”.

• Sampling design
– Misalnya tanpa menambah jumlah sampel presisi sampel bisa
ditingkatkan dengan menggunakan stratified random sampling dan
bukan simple random sampling, tapi cluster sampling perlu lebih
banyak sampel.

• Resources availability
 Rumus Ukuran Sampel
• Rumus Solvin
– Asumsinya bahwa populasi berdistribusi normal
– Rumusnya:
n = N/(1+Ne2)
Dimana:
– n = ukuran sampel
– N = ukuran populasi
– e = persen kelonggaran ketidaktelitian karena kesalahan pengambilan
sampel.
• Rumusan Gay
– Ukuran minimum sampel yang dapat diterima berdasarkan pada desain
penelitian yang digunakan, yaitu sebagai berikut:
• Metode Deskriptif : 10% populasi, untuk populasi relatif kecil
minimal 20% populasi.
• Metode Deskriptif korelasional, minimal 30 subjek.
• Metode ex post facto, minimal 15 subjek per kelompok.
• Metode Eksperimental, minimal 15 subjek per kelompok.