METODE PENGUMPULAN DATA

Pertemuan 8
 Data
• Adalah bahan mentah yang perlu diolah sehingga
menghasilkan informasi atau keterangan, baik
kualitatif maupun kuantitatif yang menunjukkan
fakta.
• Jenis data :
– Data kualitatif : data yang berhubungan dengan
kategorisasi, karakteristik berwujud pertanyaan atau
berupa kata-kata. (wanita itu cantik, pria itu tampan)
– Data kuantitatif : data yang berwujud angka-angka. (IPK
3,59)
 Types of Data

D a ta

C a te g o r ic a l N u m e r ic a l

D is c r e te C o n tin u o u s
 Data Sources
Primary Secondary
Data Collection Data Compilation

Print or Electronic
Observation Survey

Experimentation
• Data kualitatif adalah data yang dinyatakan
dalam bentuk kata, kalimat, dan gambar.
• Data kuantitatif adalah data yang berbentuk
angka, atau data kualitatif yang diangkakan
(skoring: baik sekali = 4, baik = 3, kurang baik =
2 dan tidak baik = 1).
 Data kuantitatif dibagi menjadi dua, yaitu data
diskrit/nominal dan data kontinum.
 Data nominal adalah data yang hanya dapat
digolong-golongkan secara terpisah, secara diskrit
atau kategori. Data ini diperoleh dari hasil
menghitung, misalnya dalam suatu klas setelah
dihitung terdapat 50 mahasiswa, terdiri atas 30
pria dan 20 wanita. Dalam suatu kelompok
terdapat 1000 orang suku Jawa dan 500 suku
sunda dll. Jadi data nominal adalah data diskrit.
• Data kontinum, adalah data yang bervariasi
menurut tingkatan dan ini diperoleh dari hasil
pengukuran. Data ini dibagi menjadi data
ordinal, data interval dan data ratio.
• Data ordinal adalah data yang berbentuk
rangking atau peringkat. Misalnya juara I, II, III
dan seterusnya. Data ini, bila dinyatakan
dalam skala, maka jarak satu data dengan
data yang lain tidak sama.
 Data interval, adalah data yang jaraknya sama tetapi tidak
mempunyai nilai nol (0) absulut / mutlak). Contoh skala
thermometer, walaupun ada nilai 00 C, tetapi tetap ada nilainya.
Data-data yang diperoleh dari pengukuran dengan instrument sikap
dengan skala Likert misalnya adalah berbentuk data interval.
 Data ratio adalah data yang jaraknya sama, dan mempunyai nilai nol
mutlak. Misalnya data tentang berat, panjang, dan volume. Berat 0
kg berarti tidak ada bobotnya, panjang 0 m berarti tidak ada
panjangnya. Data ini dapat dirubah ke dalam interval dan ordinal.
Data ini juga dapat dijumlahkan atau dibuat perkalian secara aljabar.
Misalnya 2 m + 3 m = 7 m. Kalau dalam data interval
penjumlahannya tidak seperti dalam data ratio. Misalnya air 1 gelas
dengan suhu 200 C + air 1 gelas dengan suhu 150C maka suhunya
tidak menjadi 350 C, tetapi sekitar 17, 50 C. Data rasio adalah data
yang paling teliti.
 Jenis Data Menurut Cara
Memperolehnya
 Data Primer
Data primer adalah secara langsung diambil dari objek /
obyek penelitian oleh peneliti perorangan maupun
organisasi. Contoh : Mewawancarai langsung penonton
bioskop 21 untuk meneliti preferensi konsumen bioskop.
 Data Sekunder
Data sekunder adalah data yang didapat tidak secara
langsung dari objek penelitian. Peneliti mendapatkan data
yang sudah jadi yang dikumpulkan oleh pihak lain dengan
berbagai cara atau metode baik secara komersial maupun
non komersial. Contohnya adalah pada peneliti yang
menggunakan data statistik hasil riset dari surat kabar atau
majalah.
 Macam-Macam Data Berdasarkan
Sumber Data
 Data Internal
Data internal adalah data yang menggambarkan situasi
dan kondisi pada suatu organisasi secara internal. Misal
: data keuangan, data pegawai, data produksi, dsb.
 Data Eksternal
Data eksternal adalah data yang menggambarkan
situasi serta kondisi yang ada di luar organisasi.
Contohnya adalah data jumlah penggunaan suatu
produk pada konsumen, tingkat preferensi pelanggan,
persebaran penduduk, dan lain sebagainya.
 Klasifikasi DaTa Berdasarkan Jenis
Datanya
 Data Kuantitatif
Data kuantitatif adalah data yang dipaparkan
dalam bentuk angka-angka. Misalnya adalah
jumlah pembeli saat hari raya idul adha, tinggi
badan siswa kelas 3 ips 2, dan lain-lain.
 Data Kualitatif
Data kualitatif adalah data yang disajikan dalam
bentuk kata-kata yang mengandung makna.
Contohnya seperti persepsi konsumen terhadap
botol air minum dalam kemasan, anggapan para
ahli terhadap psikopat dan lain-lain.
 Pembagian Jenis Data Berdasarkan
Sifat Data
 Data Diskrit
Data diskrit adalah data yang nilainya adalah bilangan
asli. Contohnya adalah berat badan ibu-ibu pkk sumber
ayu, nilai rupiah dari waktu ke waktu, dan lain-
sebagainya.
 Data Kontinyu
Data kontinyu adalah data yang nilainya ada pada suatu
interval tertentu atau berada pada nilai yang satu ke
nilai yang lainnya. Contohnya penggunaan kata sekitar,
kurang lebih, kira-kira, dan sebagainya. Dinas pertanian
daerah mengimpor bahan baku pabrik pupuk kurang
lebih 850 ton.
 Jenis-jenis Data Menurut Waktu
Pengumpulannya
 Data Cross Section
Data cross-section adalah data yang menunjukkan titik
waktu tertentu. Contohnya laporan keuangan per 31
desember 2006, data pelanggan PT. angin ribut bulan
mei 2004, dan lain sebagainya.
 Data Time Series / Berkala
Data berkala adalah data yang datanya
menggambarkan sesuatu dari waktu ke waktu atau
periode secara historis. Contoh data time series adalah
data perkembangan nilai tukar dollar amerika terhadap
euro eropa dari tahun 2004 sampai 2006, jumlah
pengikut jamaah nurdin m. top dan doktor azahari dari
bulan ke bulan, dll.
 Macam-Macam Data Penelitian

• Data : adalah sesuatu yang diketahui atau sesuatu yang diasumsikan

(anggapan).
• • Elemen : adalah unit / satuan terkecil yang merupakan obyek yang
akan diteliti/diselidiki. Elemen bisa berbentuk : orang, perusahaan,
rumah tangga.
• • Karakteristik : ialah sifat-sifat atau ciri-ciri yang dimiliki oleh
elemen atau merupakan semua informasi tentang elemen. Misalnya :
elemen : orang  karakteristiknya : jenis kelamin, usia, pendidikan,
gaji, jabatan, agama, alamat, status keluarga.
• • Data Kualitatif vs Data Kuantitatif:
– Data Kualitatif : adalah data yang dinyatakan dalam bentuk kata,
kalimat dan gambar serta tidak dapat diukur dalam skala numerik.
– Data Kuantitatif : adalah data yang berbentuk angka atau data yang
dapat diukur dalam suatu skala numerik (angka).
 Jenis Data Kualitatif
• Data kualitatif umumnya dikuantitatifkan agar dapat
diproses lebih lanjut, yang terdiri dari dua golongan, yaitu :
• a. Data Nominal/Diskrit : ialah data yang hanya dapat
digolong-golongkan secara terpisah dalam bentuk kategori
atau diskrit, dimana posisi data masing-masing kategori
mempunyai derajat yang sama.
• b. Data Ordinal: ialah data yang dinyatakan dalam bentuk
kategori namun posisi data tidak sama derajatnya karena
dinyatakan skala peringkat (ranking)
 Jenis Data Kuantitatif
• Data kuantitatif dapat dibedakan menjadi :
• a. Data Interval : yaitu data yang diukur dengan jarak diantara dua
titik pada skala yang sudah diketahui.
• Contoh :
1) Suhu udara dalam Celsius berkisar antara 0 derajat hingga 100
derajat.
2) Jumlah bulan dalam satu tahun.
3) Nilai TOEFL bagi mahasiswa yang mau belajar ke luar negeri.
• b. Data Rasio : yaitu data yang diukur dengan suatu proporsi dan
mempunyai jarak yang sama.
• Contoh : 1) persentase jumlah pengenggur di propinsi X .
2) nilai inflasi di Indonesia tahun 2005.
3) Data tentang berat, panjang dan volume.
 Pembagian Skala Pengukuran
• Jenis skala pengukuran :
– Skala nominal
– Skala ordinal
– Skala interval
– Skala rasio
• Skala sikap :
– Skala likert,
– Skala Guttman,
– Skala simantict defferensial
– Rating scale
– Skala Thurstone
 Skala Nominal
• Skala yang paling sederhana disusun
menurut jenis/kategori hanya sebagai
simbol untuk membedakan sebuah
karakteristik dengan karakteristik lainnya.
• Contoh :
– Jenis kulit : Hitam, kuning, putih
– Suku : jawa, madura, sunda
– Partai : PPP, PKS, PBB, PAN
– Agama : Islam, Kristen, Hindu.
• Skala Pengukuran : merupakan kesepakatan yang digunakan sebagai acuan
untuk
• menentukan panjang pendeknya interval yang ada dalam alat ukur, sehingga alat
• ukur tersebut bila digunakan dalam pengukuran akan menghasilkan data
kuantitatif.
• • Macam-macam Skala Pengukuran :
• 1. Skala Nominal : adalah skala pengukuran
yang menyatakan kategori atau kelompok
dari suatu subyek. Contoh jenis kelamin
responden. Laki-laki = 1 ; Wanita = 2
 Skala Ordinal
• Skala yang didasarkan pada rangking
diurutkan dari jenjang yang lebih tinggi sampai
jenjang terendah.
• Contoh :
– Sangat setuju, setuju, tidak setuju
• 2. Skala Ordinal : adalah skala pengukuran yang menyatakan kategori
sekaligus melakukan rangking terhadap kategori.
• Contoh : kita ingin mengukur preferensi responden terhadap empat
merek produk air mineral.
• Merek Air Mineral Rangking
– Aquana 1
– Aquaria 2
– Aquasan 3
– Aquasi 4
 Skala Interval
• Skala yang menunjukkan jarak antara satu
data dengan data yang lain dan mempunyai
bobot yang sama.
• Contoh :
– Tinggi Badan 167 cm, 150 cm.
• Skala Interval :merupakan skala pengukuran yang banyak digunakan untuk mengukur fenomena/gejala
sosial, dimana pihak responden diminta melakukan rangking terhadap preferensi tertentu sekaligus
memberikan nilai (rate) terhadap preferensi tersebut. Jenis skala yang dapat digunakan untuk penelitian
sosial,yaitu : a. Skala Linkert. b. Skala Guttman. c.Rating Scale. d. Semantic Defferential.
• a. Skala Linkert : digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok
orang tentang fenomena sosial. Contoh :
• . Preferensi Preferensi Preferensi
• 1.Sangat Setuju 1.Setuju 1. Sangat Positif
• 2.Setuju 2.Sering 2. Positif
• 3.Ragu-ragu 3.Kadang-kadang 3. Netral
• 4.Tidak Setuju 4.Hampir tdk pernah 4. Negatif
• 5.Sangat Tdk Setuju 5.Tidak Pernah 5.Sangat Negatif
• Untuk keperluan analisis kuantitatif, maka jawaban tersebut diberi nilai skor,
• Misalnya : sangat setuju/setuju/sangat positif diberi skor 5, selanjutnya setuju/sering/positif diberi skor 4
dan seterusnya
• b. Skala Gutmann :suatu pengukuran untuk memperoleh jawaban responden
yang tegas, yaitu : “ya-tidak” ; “pernah-tidak pernah” “positif-negatif”; “setuju-
tidak setuju” Contoh :
• Bagaimana pendapat anda, bila Tn X menjabat pimpinan di perusahaan ini ?
• a. Setuju
• b. Tidak Setuju
• c. Sematic Defferential :suatu skala pengukuran yang disusun dalam suatu garis
• dimana jawaban sangat positif terletak dibagian kanan garis, sedangkan jawaban
sangat negatif terletak dibagian kiri garis atau sebaliknya.
• d. Rating Scale : suatu skala pengukuran dimana responden menjawab salah
satu jawaban kuantitatif yang disediakan.
 Skala rasio
• Skala yang mempunyai nilai nol mutlak dan
mempunyai jarak yang sama.
• Skala Rasio : adalah skala interval yang memiliki
nilai dasar (based value) yang tidak dapat diubah.
Contoh : umur responden memiliki nilai dasar nol.
• Contoh :
– IPK 0,0; 4,0; 3,50.
– Hasil pengukuran panjang, berat.
 Ciri-Ciri Tingkat Pengukuran
Informasi Nominal Ordinal Interval Rasio
Perbedaan V V V V
Urutan V V V
Jarak yang V V
sama
Nol V
mutlak
 Perhatikan Contoh berikut!!!!
• Apakah saudara setuju dengan kenaikan
harga BBM?
1. setuju 2. tidak setuju

Termasuk skala pengukuran apakah pertanyaan

diatas?……………
 Bagaimana dengan yang ini?
• Bagaimana pendapat anda tentang kebijakan
ekonomi pemerintah saat ini?

1) Sangat buruk, 2) Buruk, 3) Cukup, 4) Baik, 5)

Sangat Baik

Apakah ini skala nominal?……………

 Lalu yang ini?
• Berapa kenaikan harga bahan pokok yang
Saudara setujui?

1). 2 % 2). 4% 3). 6% 4). 8% 5).10%

Apakah ini termasuk Skala Rasio?……………

 Bagaimana yang terakhir ini?
• Berapa harga tiket kereta api Bandung – Jakarta yang Saudara
inginkan untuk kelas bisnis dan eksekutif?
• 1). Rp.60.000 - Rp.40.000
• 2). Rp.80.000 - Rp.40.000
• 3). Rp.120.000 - Rp.40.000

• Apakah ini skala interval atau ordinal?……………

POPULASI DAN SAMPEL
 Populasi
• Seluruh subjek/objek penelitian dengan
karakteristik tertentu
• Seluruh karakteristik/sifat
• sekelompok orang, kejadian, atau benda,
yang dijadikan obyek penelitian
 Sampel
• Bagian dari populasi yang akan diteliti
• Sebagian jumlah dari karakteristik yang
dimiliki populasi
• Jenis
– Kriteria Inklusi (yang harus ada)
– Kriteria Eksklusi (yang ditolak)
The basic idea behind sampling
• We seek knowledge or information
about a whole class of similar objects or
events (usually called population)
• We observe some of these (called a
sample)
• We extend our findings to the entire
class.
 Why Sample? (1)
• Satu kasus susah digunakan sebagai basis generalisasi
karena banyaknya variasi dalam suatu populasi. Contoh:
persepsi tiga orang buta yang memegang gajah.

• Ada pula pertimbangan praktis yang bikin perlu sampling.

• Researchers often want to know something about a
specific social group or population that, for reasons of
size, time, cost, or inaccessibility, cannot be studied in its
entirety. Kalo punya waktu dan dana tak terbatas, boleh
lah diteliti setiap kasus/item dari populasi.
 Why Sample? (2)
• Bisa makan waktu terlalu lama
• Data bisa obsolete (usang)
• Respon awal dengan respon akhir bisa beda karena
ada suatu kejadian, gosip, dan sebagainya.
• Perlu biaya yang besar, juga buat interviewer. Perlu
pelatihan yang efektif dan supervisi yang cukup ketika
pengambilan data.
 Why Sample? (3)
• Alasan lain: mempelajari populasi malah bisa jadi
hasilnya ngga 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.
 Kriteria Inklusi
• Kriteria dimana subjek penelitian mewakili
sampel penelitian yang memenuhi syarat sbg
sampel
• Perlu pertimbangan ilmiah
 Kriteria Eksklusi
• Kriteria dimana subjek penelitian tdk dpt
mewakili sampel karena tidak memenuhi
syarat sbg sampel penelitian
• Penyebab :
– Hambatan etis
– Menolak sbg responden
– Dlm keadaan yg tidak memungkinkan sbg sampel
 Motivasi Penggunaan Sampling
1. Mencari informasi mengenai keseluruhan populasi
2. Informasi tersebut diperoleh dari sebagian anggota
populasi saja.
3. Informasi yang ditemukan diberlakukan kepada
seluruh anggota populasi
 Syarat Sampel yang Baik
• Mewakili sebanyak mungkin karakteristik populasi
valid
• Sampel valid ditentukan oleh dua pertimbangan.
1. Akurasi atau ketepatan  tingkat ketidakadaan “bias”
(kekeliruan) dalam sample  makin sedikit tingkat
kekeliruan yang ada dalam sampel, makin akurat sampel
tersebut.
2. Presisi Estimasi mengacu pada persoalan sedekat mana
estimasi kita dengan karakteristik populasi.
Faktor untuk Menentukan Sampel
• derajat keseragaman
• rencana analisis
• biaya, waktu, dan tenaga yang tersedia
 Teknik Sampling
• Proses seleksi sampel yang digunakan dlm
penelitian dari populasi yg ada
• jumlah sampel dpt mewakili seluruh populasi
yg ada.
• Pembagian
– Probability sampling
– Non-Probability sampling
 Probability Sampling
• Maksud  memberikan peluang yg sama dlm
pengambilan sampel
• Bertujuan untuk generalisasi
 Jenis Probability Sampling
1. Simple Random Sampling
2. Proportionate Stratified random sampling
3. Disproportionate Stratified random
sampling
4. Cluster Sampling
 Simple Random Sampling
•  teknik pengambilan sampel yang memberikan
kesempatan yang sama kepada populasi untuk dijadikan
sampel.
• Syarat untuk dapat dilakukan teknik simple random
sampling adalah:
– Anggota populasi tidak memiliki strata sehingga relatif
homogen
– Adanya kerangka sampel yaitu merupakan daftar
elemen-elemen populasi yang dijadikan dasar untuk
pengambilan sampel.

Populasi Sampel
 Proportionate Stratified random sampling

• Populasi distratakan secara proporsional

(sebanding, seimbang), baru kemudian
dilakukan pengambilan sampel secara acak
dengan menggunakan cara undian atau tabel.
• Anggota populasi tdk homogen
• strata proporsional
 Disproportionate Stratified random sampling

• Peneliti bebas menentukan jumlah sampel

pada masing-masing strata dengan tanpa
harus mempertimbangkan proporsi antara
sampel dan jumlah populasi pada strata
tertentu.
 Cluster Sampling
• Objek/sumber data luas
• Populasi Heterogen
• Cara :Randomisasi dua tahap
– Menentukan sampel daerah
– Menentukan sampel orang
 Non Probability Sampling
• Tidak memberi peluang yg sama dari tiap
anggota populasi
• Bertujuan tidak untuk generalisasi
 Jenis Non Probability

• Sistematic Sampling
• Quota Sampling
• Accidental Sampling
• Purposive Sampling
• Snowball Sampling
• Consecutive Sampling
• Convenience Sampling
 Systematic Sampling
• Merupakan cara pengambilan sampel dimana
sampel pertama ditentukan secara acak sedangkan
sampel berikutnya diambil berdasarkan satu interval
tertentu
• Berdasarkan urutan anggota populasi yg telah diberi
nomor urut
• Sifat populasi heterogen
 Quota Sampling
• Peneliti menentukan unit-unit populasi lalu
menentukan jatah atau jumlah sampel
masing-masing unit;atau menentukan jumlah
sampel populasi;kemudian sampel itu
ditentukan dengan cara yang paling mungkin
atau paling mudah dilakukan
• Dengan menentukan ciri-ciri tertentu smp
jumlah kuota tercapai
 Accidental Sampling
• Kebetulan bertemu
• Peneliti menentukan sampel dengan asal
ambil atau asal pilih
 Purposive Sampling
• Untuk tujuan tertentu
• Peneliti secara sengaja menentukan personil
yang dianggap tepat menjadi sampel dengan
tanpa melakukan random terlebih dahulu.
• Misal : jika ingin meneliti tingkat stress anak I
maka yg diteliti adalah anak 1 bukan 2, 3 dst
 Snowball Sampling
• Menentukan sampel dalam jumlah kecil pada
awal
• Kemudian sampel awal diminta untuk
mengajak temannya
A
A

B1 B2 B3
B1 B2 B3

C1 C2 C3 C4 C5 C6
C1 C2 C3 C4 C5 C6
 Consecutive sampling
• Memilih sampel yg sesuai kriteria sampai
kurun waktu tertentu
 Convenience Sampling
• Sampel convenience adalah teknik penentuan
sampel berdasarkan kebetulan saja, anggota
populasi yang ditemui peneliti dan bersedia
menjadi responden di jadikan sampel.
Pedoman Menentukan Jumlah Sampel

1. Rumus Slovin

N
n • N = populasi

1  N (d )
2 • n = Besar sampel
• d =  = 0,05/0,1
• N = 1000
• d = 5%=0.05
• n=1000/(1+ (1000*0.05^2))
• n=1000/(1+(1000*0.0025))
• n=1000/(1+2.5)
• n=1000/3.5=285.7=286
 2. Interval Penaksiran

• Untuk menaksir parameter rata-rata 

2
 Z / 2 
n 
 e 
Seorang mahasiswa akan menguji suatu hipotesis yang menyatakan bahwa
Indek Prestasi Mahasiswa Jurusan S1 Keperawatan adalah 2,7. dari 30 sampel
percobaan dapat diperoleh informasi bahwa standar deviasi indek Prestasi
mahasiswa adalah 0,25 Untuk menguji hipotesisi ini berapa jumlah sampel
yang diperlukan jika kita menginginkan tingkat keyakinan sebesar 95% dan
error estimasi  kurang dari 0,05,?

2
 (1,96)(0,25) 
n     96,04
 (0,05) 
• Untuk menaksir parameter proporsi P
 Z 2 / 2 pq 
n   2

 e 
Kita akan meperkirakan proporsi mahasiswa yang
mnggunakan angkutan kota waktu pergi kuliah. Berapa
sampel yang diperlukan jika dengan tingkat kepercayaan
95% dan kesalahan yang mungkin terjadi 0,10 ?

 1,96 2 
n   2
  96,04
 4 ( 0,10) 
 3. Pendekatan Isac Michel
a. Untuk menentukan sampel untuk menaksir parameter
rata-rata 
NZ 2 S 2
n
Nd 2  Z 2 S 2
Seorang mahasiswa akan menguji suatu hipotesis yang menyatakan bahwa Indek
Prestasi Mahasiswa Jurusan S1 Keperawatan yang berjumlah 175 mahasiswa
adalah 2,7. Dari 30 sampel percobaan dapat diperoleh informasi bahwa standar
deviasi Indek Prestasi mahasiswa adalah 0,25 Untuk menguji hipotesisi ini berapa
jumlah sampel yang diperlukan jika kita menginginkan tingkat keyakinan sebesar
95% dan error estimasi  kurang dari 5 persen ?

(175)(1,96) 2 (0,25) 2
n  62
(175)(0,05)  (1,96) (0,25)
2 2 2
B. Untuk menentukan sampel untuk menaksir
parameter
2
proporsi P
NZ pq
n
Nd 2  Z 2 pq
Kita akan meperkirakan proporsi mahasiswa jurusan manajemen unsoed yang
berjumlah 175 orang. Brdasarkan penelitian pendahuluan diperolh data
proporsi mahasiswa manajemen unsoed menggunakan angkutan kota waktu
pergi kuliah adalah 40%. Berapa sampel yang diperlukan jika dengan tingkat
kepercayaan 95% dan derajat penyimpangan sebesar 0,10.?

(175)(1,96) 2 (0,4)(0,6)
n  60,38
(175)(0,1)  (1,96) (0,4)(0,6)
2 2
 Sampel Ideal (Gay, 1984)
Ukuran minimal sampel yang dapat diterima:
1. Penelitian deskriptif:sampel minimal 10%
populasi, namun untuk populasi yang
sangat kecil diperlukan minimal 20%
2. Penelitian korelasi: minimal 30 subjek.
3. Penelitian ex post fakto atau penelitian
kausal komparatif:minimal 15 subjek per
kelompok.
4. Penelitian eksperimen:minimal 15 subjek
per kelompok.
Faktor2 yang Mempengaruhi Sampling
Design (1)
• 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?
Faktor2 yang Mempengaruhi Sampling
Design (2)
• 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.
Faktor2 yang Mempengaruhi Sampling
Design (3)
– 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.
Faktor2 yang Mempengaruhi Sampling
Design (4)
• 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.
Faktor2 yang Mempengaruhi Sampling
Design (5)
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.
 Faktor2 yang Mempengaruhi
Sample Size (1)
• Antara lain:
– Heterogenitas dari populasi
– Tingkat presisi yang dikehendaki
– Tipe sampling design yang digunakan
– Resources availability
– Number of breakdowns planned in data analysis
 Faktor2 yang Mempengaruhi
Sample Size (2)
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.
 Faktor2 yang Mempengaruhi
Sample Size (3)
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
 Faktor2 yang Mempengaruhi
Sample Size (4)
• 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.
 Faktor2 yang Mempengaruhi
Sample Size (5)
– 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”.
 Faktor2 yang Mempengaruhi
Sample Size (6)
• 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.
 Faktor2 yang Mempengaruhi
Sample Size (7)
• Resources availability

• Number of breakdowns planned. Contoh:

– Sampel 500
– Angkatan baru 100
– Kos 20
– Pria 10

• Jumlah kasus terlalu sedikit untuk menghasilkan

analisis yang reliabel
 Catatan
• Sample bias: nonrandom, difficult to detect, damaging to
sample accuracy.

• Dua sumber yang paling umum:

– Coverage error: sampling frame yang tidak komplit meng-cover
semua populasi
– Nonresponse bias: pengumpulan data tidak lengkap.

• Rate of response dan rate of nonresponse