BAB 3 TEKNIK PENGAMBILAN SAMPEL

3.1 Mengapa kita melakukan pengambilan contoh ? Ide dasar pengambilan contoh adalah bahwa beberapa elemen atau anggota dalam suatu populasi bisa menyediakan informasi yang bermanfaat untuk menyimpulkan karakteristik populasi secara keseluruhan. Elemen tersebut merupakan subyek pengukuran yang dilakukan dalam penelitian atau disebut juga satuan pengamatan. Sebagai contoh, setiap pekerja yang ditanyai mengenai jadwal kerja merupakan elemen populasi. Populasi itu sendiri adalah kumpulan seluruh elemen dimana seorang peneliti akan melakukan kesimpulan mengenai variabel tertentu terhadap populasi tersebut. Secara sederhana, pengambilan contoh adalah pengambilan sebagai elemen dari populasi untuk diamati atau diteliti. Tetapi jika pengamatan atau penelititan dilakukan terhadap seluruh elemen atau anggota populasi maka kegiatan tersebut mempunyai istilah khusus, yaitu sensus. Keuntungan ekonomis pengambilan sebagian elemen tersebut dibandingkan sensus adalah sangat besar, dan hal ini merupakan salah satu faktor penting yang menjadi pertimbangan mengapa kita melakukan pengmabilan contoh tersebut. Kita tidak perlu mengeluarkan biaya yang sangat besar dengan melakukan sensus terhadap seluruh karyawan di Jakarta jika dengan mengamati sebagian kecil tenaga kerja saja kita bisa memperoleh informasi yang bisa digunakan untuk menyimpulkan suatu karakteristik tenaga kerja keseluruhan. Misalkan untuk mengetahui motivasi kerja di suatu perusahaan yang mempunyai tenaga kerja sebanyak 1000 orang, kita bisa melakukan survai hanya kepada 100 orang diantaranya. Atau jejak pendapat di kalangan profesional dapat dilakukan kepada sebagaian saja diantaranya. Deming (1960) di dalam Emory dan Cooper (1992) menyatakan bahwa kualitas penelitian sering lebih baik dibandingkan dengan melakukan sensus. Dengan pengambilan contoh kita bisa melakukan investigasi yang lebih lengkap, pengawasan dan pengolahan data yang lebih baik. Hal ini ditunjukkan dengan hasil penelitian bahwa 90 persen galat (error) penelitian disebabkan oleh kesalahan non sampling dan hanya 10 persen yang disebakan kesalahan sampling. Pengambilan contoh juga bisa menyediakan informasi secara cepat dibandingkan sensus. Kecepatan ini bisa meminimalkan waktu antara kebutuhan akan suatu informasi dengan ketersediaan informasi tersebut. Sebagai gambaran, sensus penduduk di Indonesia mungkin memerlukan beberapa tahun sebelum diperoleh data lengkap yang kemungkinan besar sudah tidak relevan lagi untuk variabel-variabel tertentu, misalnya tingkat pendapatan. Pengambilan contoh juga mutlak diperlukan jika populasi sasarannya bersifat tak terhingga, misalnya, penelitian terhadap kualitas barang yang terus diproduksi atau uji kualitas lingkungan sepanjang waktu. Masalah utama mengenai pengambilan contoh ini adalah seberapa jauh keterwakilan contoh tersebut terhadap populasi sasarannya. Hasil pengolahan dari sampel, disebut statistik, bisa salah dalam menduga nilai pupulasi yang disebut parameter. Hasil pengolahan dari sampel tersebut bisa terlalu kecil (underestimate) atau terlalu besar (over estimate) dari nilai parameter yang sesungguhnya. Keragaman nilai-nilai statistik tersebut

Metode PI Ekonomi: Pengambilan Sampel cenderung terjadi kompensasi satu sama lain sehingga nilai statistik tersebut secara umum mendekati nilai parameter. 3. Sedangkan penjelasan teoritis mengenai keterwakilan ini adalah prinsip peluang (probability) dan distribusi sampling. Akurasi dan presisi pengambilan sampel 18 . suatu sampel harus bersifat valid. Validitas sampel ini tergantung dua faktor. Dalam istilah yang lebih terukur. Sasaran (nilai parameter) x x xx x x x x x x x xx x x x xx x x x x x x x x xx x Akurasi rendah Presisi rendah xx xxxx xxx Akurasi tinggi Presisi rendah xx xxxx xxx Akurasi rendah Presisi tinggi Akurasi tinggi Presisi tinggi Gambar 4. yaitu ketepatan (accuracy) dan ketelitian (precision).2 Sampel yang baik Penilaian suatu rancangan penarikan contoh yang terpenting adalah seberapa baikkah sampel tersebut mewakili karaktaristik populasinya. Masalah ini terkait dengan berapa jumlah elemen dalam sampel yang cukup mewakili dan bagaiman cara pengambilan contohnya.

obyek psikologis yang sering diteliti relatif lebih banyak bersifat abstrak. Identifikasi populasi ini menyangkut penjelasan atau batasan kriteria yang digunakan salam populasi tersebut. misalnya bisnis atau manajemen. Beberapa contoh populasi sasaran yang dengan tegas didefinisikan dalam sebuah penelitan adalah sebagai berikut: 1. Populasi konsumen dengan kriteria (1) Wanita berumur 17 sampai 25 tahun. terutama mengenai beberapa terminologi dan teori peluang dan distribusinya. misal berdasarkan definisi dari departemen sosial atau BKKBN dan (2) mempunyai tempat tinggal atau identitas di wilayah DKI Jakarta 3. Populasi sasaran adalah populasi yang nantinya akan menjadi cakupan kesimpulan penelitian. dan (4) tempat tinggal di wilayah propinsi Jawa Barat. para konsumen. barang dan jasa yang ditawarkan. dan lain-lain. sedangkan motivasi kerja. Obyek psikologis bisa merupakan obyek yang bisa diraba atau konkret (tangible) maupun obyek abstrak (intangible). kesimpulan tersebut hanya terbatas pada populasi sasaran yang telah ditentukan. karyawan. Contohnya. Jadi apabila dalam sebuah hasil penelitian dikeluarkan kesimpulan maka menurut etika penelitian. Segala sesuatu yang oleh peneliti dijadikan kesatuan (unit) yang nantinya akan menjadi 19 . Populasi karyawan yang akan diteliliti dengan kriteria (1) karyawan tetap yang telah bekerja selama minimal satu tahun. Apabila ukuran populasi berapapun besarnya tapi masih bisa dihitung maka populasi tersebut dinamakan populasi terhingga (finite population) sedangkan jika tidak bisa dihitung disebut populasi tak hingga (infinite population). kesadaran hukum. barang-barang manufakturing dan fisik orang merupakan contoh obyek yang bersifat konkret. Banyak obyek psikologis dalam populasi disebut ukuran populasi (population sample) yang biasanya dilambangkan dengan N. populasi yang dihadapi adalah populasi hingga. yang harus didefinisikan secara tegas.Metode PI Ekonomi: Pengambilan Sampel 3. Populasi keluarga dengan kriteria (1) termasuk kelompok prasejahtera. dan (3) bekerja di perusahaan berbadan hukum yang lokasi prabriknya di wilayah Jabotabek 2. atau kredibilitas seorang pemimpin merupakan contoh-contoh obyek yang bersifat abstrak. Satuan Sampling Sampling adalah proses memilih obyek psikologis dari sebuah populasi tertentu. Dalam ilmu sosial. Beberapa pengertian tersebut adalah sebegai berikut: Populasi Populasi adalah keseluruhan obyek psikologis yang dibatasi kriteria-kriteria tertentu. Misalnya. misalnya perusahaan-perusahaan dalam suatu wilayah tertentu. Ukuran populasi ini besarnya bisa terhitung (countable) maupun tidak terhitung (uncountable). (3) belum berkeluarga.3 Pengertian-Pengertian dalam Penarikan Sampel Pengertian dan prinsip dasar dalam proses pengambilan sampel perlu dibahas terlebih dahulu. Dalam penelitian ilmu sosial. (3) mempunyai pendidikan formal minimal SMU. (20) berusia antara 17 sampai 55 tahun. himpunan bilangan merupakan populasi tak hingga sedangkan orang merupakan populasi hingga. Seorang peneliti pada langkah pertama strateginya harus menentukan secara tegas dan jelas populasi yang menjadi sasaran penelitiannya.

daftar mahasiswa yang tercatat di sebuah perguruan tinggi. karyawan. Kerangka sampling ini akan digunakan selanjutnya pada proses pemilihan beberapa satuan pengamatan dengan teknik sampling tertentu dan memanfaatkan fasilitas program SPSS Menu : Data Define Kita akan mendefinisikan 4 variabel. atau atribut lainyya. Daftar tersebut meliputi nomor urut (yang sangat diperlukan untuk proses pemilihan anggota sampel). yaitu nomor.Metode PI Ekonomi: Pengambilan Sampel obyek pemilihan tersebut disebut satuan sampling (sampling unit). kota besar. desa atau kelurahan. dan sebagainya. File Save Gunakan menu ini jika semua data sudah dimasukkan dan simpanlah kerangka sampling tersebut dengan nama Frame. Misalnya. N Nama Pak A Pak B ……… ……… ……… Jurusan Akuntansi Manajemen … … …. Satuan sampling bentuknya bisa individu yang berdiri sendiri atau kumpulan individu. Contoh bentuk kerangka sampling dengan satuan samplingnya adalah mahasiswa sebuah perguruan tinggi disajikan pada data editor SPSS adalah sebagai berikut: SPSS Penjelasan : Kita akan membuat kerangka sampling yang memuat seluruh peserta kursus riset bisnis dengan menggunakan Data Editor pada SPSS. Kerangka Sampling (Sampling frame) Kerangka sampling adalah suatu daftar yang memuat semua seluruh anggota populasi yang telah ditentukan secara tegas satuan-satuannya. dan tingkat.sav Tampilan Data editor : Nomor 01 02 …. nama atau identitas setiap satuan sampling. perusahaan. dan sebagainya. seorang konsumen. daftar karyawan tetap di sebuah perusahaan. jurusan. Tingkat 3 4 ………………… ……………… 20 . …. Ketikkan nama variabel tersebut pada Variable name dan klik Type lalu pilih String. nama. Kerangka sampling bisa berbentuk daftar perusahaan yang tercatat di Departemen Perindustria. keluarga. Klik continue atau OK lalu mulailah mengetikan datanya pada data editor.

serta standar error pendugaannya. Berdasarkan aspek cara memilih dibagi menjadi (a) sampling dengan pengembalian dan (b) sampling tanpa pengembalian. bisa dikelompokkan ke dalam beberapa tipe. B. biaya. Jika kita melakukan sensus terhadap populasi. Sampling dikatakan sampling non peluang jika dalam proses memilih satuan-satuan sampling tidak dilibatkan unsur peluang. Variabel yang diukur dari setiap satuan sampling tersebut adalah X dengan nilai-nilai X untuk setiap satuan sampling dapat dilihat pada Gambar 5 berikut. 3. yang paling digunakan tipe sampling tanpa pengembalian inilah yang digunakan 2. Sampling dengan pengembalian apabila dalam proses pemilihannya. C. dan E.Metode PI Ekonomi: Pengambilan Sampel Tipe-Tipe Sampling Proses memilih satuan sampling dari sebuah populasi. artinya analisis inferensial secara statistik tidak valid. Sedangkan sampling peluang adalah sampling yang dalam proses pemilihan satuan-satuan samplingnya didasarkan pada unsur peluang sedemikian hingga peluang setiap satuan sampling untuk terpilih diketahui besarnya. maka diperoleh nilai parameter μ (rata-rata X) sebesar 3 dengan σ2 (keragaman) sebesar …… Nilai kedua parameter tersebut dalan prakteknya tidak diketahui karena jika ukuran N sangat besarmaka sensus sulit dilakukan dengan pertimbangan waktu. yaitu: 1. pendugaan parameter populasi oleh statistik sampel. Dalam prakteknya. Sedangkan banyaknya kemungkinan sampel yang bisa dibentuk adalah sebanyak 10 atau dengan rumus N!/(n!x(N-n)!). sampling dikelompokkan menjadi dua tipe yaitu (a) sampling non peluang atau non probability sampling dan (b) sampling peluang atau probability sampling/random sampling. Proses ini sangat sederhana dan tidak rumit tetapi mempunyai kerugian relatif besar yaitu tidak bisa dilakukan uji signifikansinya. artinya mengukur nilai X untuk semua anggota populasi sebanyak 5 buah.4 Prinsip Dasar Sampling Prinsip dasar pengambilan sampel dari sebuah populasi yang bersifat probabilistik mencakup konsep peluang dan distribusi peluang. 21 . atau tenaga. Berdasarkan aspek peluang pemilihannya. Misalnya diketahui sebuah populasi dengan ukuran N=5 dengan satuan sampling lengkapnya adalah A. yang dalam ilustrasi ini dengan mengambil 2 satuan sampling secara acak dari populasi tersebut. atau disebut sampling. Tapi ingat. satuan sampling yang sudah terpilih dikembalikan lagi ke dalam populasi sebelum pemilihan berikutnya sehingga ada kemungkinan terpilih lebih dari sekali. Berbagai nilai statistik untuk ke 10 sampel yang mungkin dibentuk dapat dilihat pada Tabel berikut. Tetapi melalui proses penelitian kita ingin menduga atau meyimpulkan parameter tersebut. Sampling tanpa pengembalian apabila satuan sampling yang sudah terpilih tidak dikembalikan ke populasi sehingga tidak mungkin terpilih lebih dari sekali. kita lihat ilustrisi berikut. Misalnya kita akan mengambil contoh dengan ukuran sampel n=2 yang diambil dari populasi tersebut. Untuk memahami semua prinsip tersebut. kita hanya bekerja dengan satu sampel saja atau kita tidak mencoba semua kemungkinan sampel tersebut. Peluang masing-masing satuan sampling untuk terpilih ke dalam sampel adalah sebesar 1/5. D.

Metode PI Ekonomi: Pengambilan Sampel POPULASI Sampel 1 A 5 B E 4 1 C 3 D 2 A 5 B 4 X=4.0 3.0 1.5 2.5 2.5 3.5 3.5 0.5 2 4.0 2.5 Gambar 5.5 2 0.5 A 5 C 3 X=4.0 s2=2 Sampel 10 E 1 D 2 X=1.5 Sampel ke: 1 2 3 4 5 6 7 8 9 10 Satuan sampling Terpilih A dan B A dan C A dan D A dan E B dan C B dan D B dan E C dan D C dan E D dan E Nilai X 22 .5 8 0. θ= 2.5 Sampel 2 μ =3.5 2 4.5 s2=0.5 2. Prinsip pengambilan sampel acak Keragaman (s2) X 5 dan 4 5 dan 3 5 dan 2 5 dan 1 4 dan3 4 dan 2 4 dan 1 3 dan 2 3 dan 1 2 dan 1 Rata-rata X dan s2 4.5 4.0 3.0 0.5 s2=0.5 2.

5 Rata-Rata X Gambar 6. 3. Distribusi rata-rata sampel Distribusi sampling tersebut menunjukkan bahwa rata-rata X dari sebuah sampling cukup besar peluangnya berada di sekitar rata-rata populasi. Contohnya penelitian di bidang sejarah dan arkeologi. dan untuk populasi tak hingga atau persentase ukuran sampel terhadap ukuran populasi relatif sangat kecil rumus yang digunakan adalah sex = √(s2/n). 23 . sama dengan atau lebih besar dari rata-rata populasi (μ =3). Konsep distribusi sampling ini digunakan dalam menganalisi secara statistika seberapa jauh tingkat kepercayaan sebuah penelitian. Ditinjau dari konsep peluang. kita bisa menghitung seberapa besar kemungkinan bahwa statistik sampel (misalnya rata-rata X di atas) mendekati nilai parameter populasi (untuk contoh diatas adalah μ=3).5 4 4. Untuk singkatnya. tingkat kesalahan tersebut disebut dengan standar error. Hal ini bisa dijalaskan dengan distribusi sampling yang menunjukan distribusi peluang rata-rata X untuk keseluruhan sampel.Metode PI Ekonomi: Pengambilan Sampel Dari tabel tersebut terlihat bahwa rata-rata X dari sebuah sampel yang diambil seorang peneliti mungkin lebih kecil. 2 2 2 2 Frekuensi 1 1 1 1 1 0 1.5 2 2. Distribusi sampling tersebut dapat dilihat pada Gambar 6 berikut. Artinya berdasarkan analisis statistik kita bisa menghitung seberapa besar tingkat kesalahan pendugaan parameter populasi untuk sampel tersebut.5 Pengambilan sampel non probabilistik Haphazard Teknik haphazard adalah teknik pengambilan sampel dimana satuan pengamatannya diperoleh secara sembarangan atau seketemunya. Berdasarkan rumus standar error tersebut secara umum bisa disimpulkan bahwa presisi penelitian bisa ditingkat (atau standar error semakin kecil) jika keragaman (heterogenitas populasi) semakin kecil dan atau ukuran sampel semakin besar.5 3 3. yaitu dengan notasi dan rumus perhitungannya adalah sex = √[(N-n)/N)x(s2/n)].

dan semua teknikteknik statistika standar bisa diterapkan secara langsung. Kerugiannya adalah (1) kemungkinan proses randomisasi (pemilihan secara random) tidak menjamin 100 persen terutama jika satuan pengamatan tidak menyebar merata dan (2) jika ukuran populasi dan ukuran sampel relatif sangat besar maka pemilihan SRS secara manual sulit dilakukan. Teknik dilakukan dengan melakukan penjatahan terhadap kelompok satuan pengamatan secara berjenjang. Informasi tersebut bisa berupa siapa-siapa saja yang pernah berhubungan dengan si yang sangat diperlukan untuk melacak penyebaran virus HIV.Metode PI Ekonomi: Pengambilan Sampel Voluntary Teknik ini dilakukan jika satuan sampling dikumpulkan atas dasar sukarela. Contohnya. yaitu dengan menelusuri orang-orang yang diduga mengidap penyekit ini berdasarkan informasi dari si penderiat pertama yang ditemukan.6 Pengambilan sampel probabilistik Simple Random Sampling (SRS) SRS merupakan teknik pengambilan sampel probabilistik yang paling sederhana dimana satuan pengamatan mempunyai peluang yang sama untuk terpilih ke dalam sampel. Demikian seterusnya pengelompokkan dilakukan sesuai dengan tujuan penelitiannya. Kuota Teknik pengambilan sampel ini banyak diterapkan pada penelitian pasar dan penelitian pengumpulan pendapat (opinion poll) atau jejak pendapat. Contohnya banyak digunakan di bidang kedokteran. misalnya 50 eksekutif pria dan 50 eksekutif wanita. Langkah kerja sekengkapnya teknik SRS ini adalah sebagai berikut: 24 . Contohnya adalah penelitian mengenai penyebaran penyakit AIDS. Kuota 1 tersebut selanjutnya dikelompokkan lagi dengan Kuota 2. Misalnya peneliti menetapkan Kuota 1 yaitu 100 orang eksekutif muda di Jakarta sebagai jumlah sampelnya. penelitan untuk mengetahui indeks biaya hidup yang dilakukan oleh para pakar ekonomi. Teknik ini diguanakn apabila (1) variabel yang akan diteliti keadaannya relatif homogen dan tersebar merata di seluruh populasi. tidak memerlukan pembobotan. Snowball Teknik pengambilan sampel dimana satuan pengamatan diambil berdasarkan informasi dari satuan pengamatan sebelumnya yang sudah terpilih. misalnya pada saat menyusun kerangkan sampling (sampling frame). Purposive Taknik pengambilan sampel yang dilakukan dengan memilih satuan sampling atas dasar pertimbangan sekelompok pakar di bidang ilmu yang sedang diteliti. 3. Keuntungannya SRS adalah rumus-rumus perhitungannya relatif lebih sederhana.

SPSS Data (Open) Menu : frame. Contoh: Kasus yang terpilih Nama 1 2 3 4 Ujang Otong Teteh ……. Of cases) atau besarnya sampel (Exactly …. teknik sampling yang digunakan.Metode PI Ekonomi: Pengambilan Sampel 1. Filter_$ 0 1 0 0 Output 25 . 5. Aspek statistik ditentukan oleh bentuk parameter (frekuensi. Tetapi yang paling banyak digunakan. contohnya 100 satuan pengamatan Tentukan bentuk satuan sampling dan susun kerangka samplingnya secara lengkap. 2. Jurusan Ak Ma Ak ….sav {kerangka sampling yang akan digunakan} : Data Select cases Klik Random sample of cases dan sample. masukkan ukuran sampel yang akan diambil yang bisa dalam dua cara. Cases from the cases). Ukuran ini bisa ditentukan berdasarkan pertimbangan statisis (statistical aspect) atau oleh pertimbangan non statistis (nonstatistical aspect). sifat penelitian (nonkomparatif atau komparataif). waktu. sedangkan kasus yang tidak terpilih akan dicoret nomornya dan variabel Filter_$ bernilai 0 atau not selected. Proses pemilihan 10 dari 100 satuan pengamatan secara acak. Tentukan populasi sasaran secara tegas Tentukan ukuran populasi secara tepat. dan kepraktisan atau ketersediaan satuan pengamatan di lapangan.. Tentukan ukuran sampel melalui perhitungan tertentu. tenaga. Tingkat III III IV …. variabilitas variabel yang diteliti (homogen atau heterogen). Pada kotak dialog yang muncul. tujuan penelitian (menaksir atau menguji parameter). rata-rata. : Jika sebuah kasus (cases) terpilih maka nomornya tidak dicoret dan variabel Filter_$ bernilai 1 atau selected. atau proporsi). serta batas kesalahan dan derajat kepercayaan. Proses yang melibatkan kerangka sampling yang kecil bisa dilakukan dengan cara undian (seperti pengocokan pemenang arisan).. terutama untuk kerangka sampling dan ukuran sampel yang relatif lebih besar. 3. kedalaman analisis (overall atau elaborasi). 4. digunakan tabel angka acak. yaitu persentase ukuran sampel terhadap populasi (approximately …. Aspek nonstatistis biasanya mempertimbangkan biaya.

Metode PI Ekonomi: Pengambilan Sampel Systematic Random Sampling (SyRS) Teknik ini digunakan apabila (1) bisa disusun kerangka sampling yang lengkap dan (2) keadaan variabel yang diteliti relatif homogen dan tersebar di seluruh populasi. misalnya N=1500 2. ketiga adalah 0082 + 75 = 0157. misalnya terpilih RS=1842. Untuk setiap satuan sampling yang ada dalam populasi sasaran disusun dalam kerangka sampling 3. maka SR=0007. Jadi satuan pengamatan yang terpilih kedua adalah 0007 + 75 = 0082. Tentukan secara random sebuah bilangan acak (disebut rendom start (RS) atau random seed) yang besanrnya memenuhi persyaratan 1< RS < I. Dari tabel angka acak dipilih RS yang memenuhi persyaratan 1 < RS < N. Pemilihan satuan pengamatan kedalam sampel dengan menggunakan SyRS bisa dilakukan melalui dua pendekatan. Tentukan ukuran sampel (dengan menggunakan rumus atau pertimbangan tertentu). CSS Langkah kerja: 1. Tentukan interval pemulihan dengan rumus : I = N/n =1500/20 = 75 b. Sediakan tabel angka random 5. Oleh karena nomor satuaan pengamatan pada kerangka samplingnya terdiri dari 4 digit (0001 sampai 1500). Misalnya terpilih angka random 07 (baris ke2. misalnya n=20 4. Susun kerangka sampling 3. Tentukan populasi sasaran dan tentukan satuan-satuan samplingnya yang menunjukkan ukuran populasi sasaran. misalnya N=2111 2. 1842 26 . Proses pemilihan 13 dari 2111 satuan sampling. Satuan sampling berikutnya dipilih dengan cara menambahkan I secara sistematik kepada RS. RS ini adalah satuan pertama yang terpilih ke dalam sampel c. a. yaitu (1) Linear systematic selection (LSS) dan (2) Circular systematic selection (CSS). Sediakan tabel angka random 5. Satuan pengamatan berikutnya dipilih dengan cara menambahkan I=75 kepada nomor terpilih. Bulatkan ke bilangan bulat terdekat. atau untuk contoh 1 < RS < 75. Tentukan interval (I) dengan rumus I = N/n. yaitu: a. Tentukan populasi sasaran dan tentukan ukuran populasi. yaitu: 1. RS ini merupakan satuan sampling pertama yang terpilih. c. LSS Langkah kerja: 1. Tentukan ukuran sampel. Proses pemilihan 20 dari 1500 satuan samplingnya adalah sebagai berikut: a. kolom ke1 dan 2 pada tabel angka acak). demikian seterusnya sampai terpilih sebanyak 20 satuan pengamatan 2. yaitu 2111/13 = 162 b. misalnya n= 13 4.

sav {kerangka sampling} : Data Select cases Langkah-langkahnya sama seperti simple random tetapi kita hanya memilih 1 kasus dari I (besarnya interval) kasus yang pertama (aproximately …. menengah. Cases from the first I cases). Stratified Random Sampling (StRS) Sifat homegintas populasi kadang tidak bisa dijamin sepenunya di lapangan. ketiga dan seterusnya diperoleh dengan menambahkan I ke nomor kasus pertama. Kasus kedua. misalnya pengambilan satuan pengamatan dalam pola antrian tertentu Sedangkan kerugiannya adalah jika dalam kerangka samplingnya mempunyai periodisitas yang berimpit dengan interval pemilihan. demikianlah setrusnya sampai nomor ke 13 Dibandingkan dengan teknik SRS. N2. dan besar 3. sampling sistematik bisa dilakukan sekalipun tidak ada kerangka sampling. atau pada penelitian tingkat laku konsumen. 0217 (0055 + 162).2111 atau 0055 4. atau populasi perusahaan dibagia menjadi sub populasi perusahaan kecil. Semakin tinggi tingkat keragaman (heterogenitas) populasi maka ukuran sampel yang harus diambil dengan SRS akan semakin besar untuk tingkat ketelitian tertentu. Tentukan populasi sasaran dan tentukan anggota populasi secara keseluruhan (N) 2. Standar error yang didasarkan pada sampling sistematis paling sedikit sama presisinya dengan SRS 2. yaitu: 1. Masalah ini bisa diatasi dengan membuat sub-sub populasi yang bersifat homogen dan terhadap subpopulasi itulah proses pengambilan sampel secara SRS dilakukan. 2166 (tidak dipakai karena melebihi nomor dalam kerangka sampling (2111) maka satuan sampling yang terpilih adalah 2166 .Metode PI Ekonomi: Pengambilan Sampel 2. SPSS Data (Open) Menu : frame. Misal kelompok responden dibagi sesuai jenis kelamin (laki atau perempuan) jika secara teoritis respon akan berbeda karena perbedaan jenis kelamin. Proses pengambilan sampel setelah populasi keseluruhan yang relatif heterogen dipilah-pilah ke dalam sub populasi itulah yang dilakukan oleh Teknik StRS. disebut strata. Pada konidisi tertentu. dan seterusnya untuk setiap strata ke i) dimana N = N1 + N2 + … + Ni 27 . Satuan sampling untuk setiap strata didaftar sehingga diperoleh kerangkan sampling untuk masing-masing strata (N1. Jadi langkah utama yang membedakan teknik ini dengan teknik SRS adalah proses pembentukan sub populasi. Sedangkan proses pemilihan dari setiap strata tersebut bisa dilakukan sama seperti proses pemilihan satuan sampling dengan teknik SRS. Berdasarkan variabel tertentu (kriteria tertentu). Mudah dilakukan 3. Langkah kerja selengkapnya adalah sebagai berikut: 1. Contohnya pada traffic survey yaitu dengan mengamati pergerakaan lalu lintas pada jam-jam tertentu atau urutan pergerakan kendaraan. populasi dibagi ke dalam strata-strata. SySR mempunyai kelebihan. 2004 (1842+162) 3.

dan seterusnya) dimana n = n1 + n2 + …. Jadi teknik ini digunakan apabila (1) keadaan variabel yang kita teliti sangat heterogen sehingga menimbulkan standar error yang tinggi (atau presisi yang rendah). + ni.Metode PI Ekonomi: Pengambilan Sampel 4. Dalam praktek. Jika pemilihan dari setiap strata dilakukan dengan SyRS maka disebut stratified systematic random sampling.sav : Data Sort Cases untuk mengelompokkan atau mengurutkan data berdasarkan kategori variabel tertentu sehingga kelompok kasus tersebut relatif homogen dilihat dari kategori tertentu. Alokasi Newton 6. dan seterusnya d. Oleh karena pemilihan satuan sampling dari setiap strata dilakukan dengan SRS maka keseluruhan prosesnya disebut stratified random sampling. maka hasilnya adalah peserta jurusan akuntansi akan menempati nomor-nomor awal dari 1 sampai. n2=N2/N. misal n1=N1/N. n2. alokasi seperti ini jarang dan tidak disarankan untuk digunakan karena menyebabkan standar error membesar. Ukuran sampel sebesar n selanjutnya dialokasikan kesetiap strata (n1. b. Dari setiap strata kemudian dipilih satuan sampling melalui teknik SRS. dan (2) apabila kita bisa menyusun kerangka sampling yang lengkap dan langsung mengenai satuan pengamatan. Data Select cases Mengambil secara acak sejumlah kasus dari kelompok-kelompok yang sudah homogen tersebut dengan cara yang sama seperti simple random sampling 28 . misalnya 19 dan peserta jurusan manajemen menempati nomor 20 sampai 40. Alokasi sama besar tanpa melihat perbedaan ukuran masing-masing strata atau n1=n2=…. Alokaso sembarang dimana ukuran sampel masing-masing strata ditentukan secara sembarang dengan syarat minimal dari sebuah strata adalah harus ada dua satuan pengamatan yang dipilih. 5. Penyebaran ini disebut alokasi sampel yang bisa dilakukan dengan 4 cara yaitu: a. Misalkan kerangka sampling peserta kursus sebanyak 40 akan disort berdasarkan jurusan.= ni c. Stratifikasi populasi dilakukan untuk memperbesar presisi (atau memperkecil standar error) ini. SPSS File (Open) Menu : Frame. Jadi 19 nomor pertama adalah strata 1 dan kelompok kedua adalah strata 2 yang bersifat homogen berdasarkan variabel jurusan. Dari sebuah populasi selanjutnya kita menentukan ukuran sampel keseluruhan yang disebut overall sample size. Alokasi proporsional yaitu ukuran sampel untuk setiap strata sesuai dengan proporsi ukuran strata tersebut terhadap ukuran sampel keseluruhan.

kabupaten. demikian seterusnya sampai propinsi sehingga terbentuk kelompok-kelompok untuk seluruh Indonesia. dan seterusnya. Misalkan Indonesai terdiri dari 27 propinsi 2. keluarga kedua berada di kota Merauke. Single Stage Cluster Sampling (SSCS) Proses memilih dengan SSCS secara umum dilakukan dengan memilih beberapa kluster dan untuk kluster yang terpilih tersebut diamati semua satuan sampling yang ada di dalamnya. demikian seterusnya sampai diperoleh keluarga prasejahtera. Pemilihan satuan sampling dengan CSR tidak dilakukan secara langsung terhadap keluarga prasejahtera. Dipilih n buah cluster dengan menggunakan simple random sampling. Keluarga ketiga berada di Menado. Jadi proses pemilihan secara bertahap tersebut bisa satu tahap (single stage cluster sampling). administrasi. kecamatan. Cluster yang lebih kecil pada masing-masing SSP disebut 29 . Teknik CRS digunakan untuk mengatasi masalah tersebut. Two Stage Cluster Sampling (TSCS) Jika contoh penelitian dengan SSCS diatas dilakukan dengan TSCS maka setelah terpilih 2 propinsi (Jawa Barat dan Timor Timur). Misalkan memilih beberapa propinsi dari 27 propinsi di Indonesia. Dalam prakteknya.Metode PI Ekonomi: Pengambilan Sampel Cluster Random Sampling (CSR) Kita kadang-kadang tidak bisa menysun kerangka sampling yang lenngkap mengenai populasi sasaran baik karena kondisi tertentu atau pertimbangan kepraktisannya. disarankan tingkat pemilihan tersebut tidak lebih dari dua kali untuk menghindari rumus yang kompleks. 3. tetapi secara bertahap dimulai dari pemilihan kelompok yang terbesar. Populasi dibagi-bagi menjadi N buah cluster atau satuan sampling primer (SSP) yang bersifat heterogen. Jadi penggunaan teknik sampling tersebut sangat sulit dilakukan. demikian seterusnya sampai keluarga ke n berada di Gunung Kidul. CSR didasarkan pada prinsip bahwa satuan pengamatan bisa dikumpulkan dalam kelompok yang lebih besar. kita melakukan pemilihan tahap kedua yaitu memilih secara acak beberapa kluster yang lebih kecil lagi yaitu kabupaten-kabupaten yang berada di propinsi terpilih. proses penyusunannyapun memerlukan waktu. Jadi seluruh keluarga prasejahtera yang berada di Jawa Barat dan Timor Timur harus diteliti b. a. Kelompok satuan pengamatan tersebut disebut Cluster. Misalkan terpilih propinsi Jawa Barat dan Timor Timur. misalnya keluarga pertama diamati berada di kota Sabang. kemudian dilanjutkan memilih beberapa kabupaten dari propinsi yang terpilih. Selain itu. Seluruh satuan sampling dari SSP tersebut diteliti. jika telah dilakukan pemilihan satuan sampling (dalam hal ini sebuah keluarga) maka ada kemungkinan sebaran wilayahnyapun cukup luas. dua tahap (Two stage cluster sampling). dan biaya yang sangat besar. Sebagai contoh. seorang peneliti melakukan penelitian mengenai tingkat konsumsi rata-rata keluarga prasejahtera di seluruh Indonesia. Langkah-langkah kerja selengkapnya adalah sebagai berikut: 1. Kalaupun bisa disusun. misalnya kumpula keluarga prasejahtera dalam satu desa. Masalahnya adalah dari mana sumber informasi untuk mendata keluarga pra sejahtera seluruh Indonesia dalam bentuk kerangka sampling yang lengkap.

Keunggulan inilah yang menyebabkan teknik ini.Metode PI Ekonomi: Pengambilan Sampel satuan sampling sekunder (SSS). keunggulan. khususnya jika strata harus dibuat sendiri 30 . Dengan teknik ini. Salah satu keunggulan CSR adalah pada saat membentuk kerangka sampling. dan setrusnya). Jika secara acak terpilih 2 kabupaten di Jawa Barat dan kabupaten di Timor Timur maka pengamatan dilakukan pada seluruh keluarga prasejahtera yang berada di ke 4 kabupaten tersebut. Tipe Simple random Deskripsi Setiap elemen populasi mempunyai peluang yang sama untuk terpilih ke dalam sampel. terutama two stage cluster sampling. akan menghasilkan estimasi bias berdasarkan titik mulainya Systematic Stratified Populasi dibagi menjadi subpopulasi atau strata dan dari setiap strata tersebut dipilih satuan pengamatan secara random Sederhana untuk diran-cang Mudah digunakan dibandingkan simple random Mudah menentukan distribusi sampling dari rata-rata atau proporsi Kurang mahal dibandingkan simple random Peneliti mengawasi ukuran sampel dalam strata Peningkatan efisiensi statistik Menyediakan data untuk menyajikan dan menganalisis sub populasi (strata) Memungkinkan penggunaan metode berbeda dalam strata Kesalahan meningkat jika subgrup dipilih pada ukuran berbeda Mahal. Emory dan Coper menjelaskan deskripsi. Kerugiannya adalah presisinya kurang baik. banyak digunakan dalam survai. terlihat bahwa masing-masing teknik mempunyai kelebihan dan kekurangan. seperti disajikan pada Tabel berikut. kita tidak perlu mempunyai kerangka sampling lengkap untuk satua pengamatan sebab kerangka sampling tersebut bisa disusun kemudian. Presisi ini bisa ditingkatkan dengan dengan cara membentuk cluster yang didalamnya bersifat seheterogen mungkin. kabupaten.kan dengan otomatisasi atau komputerisasi Kelemahan Membutuhkan daftar anggota poluasi Memerlukan lebih banyak waktu Memerlukan ukuran sampel besar Menghasilkan galat besar Mahal Periodisiti dalam populasi menyebabkan distorsi sampel dan hasilnya Jika daftar anggota populasi cenderung monotonik. Proses pemilihan menggunakan tabel random Pemilihan elemen populasi dimulai dengan random seed dan elemen selanjutnya dipilih setiap elemen ke k Keunggulan Mudah diimplementasi. dan kelemahan dari keempat teknik tersebut. Berdasarkan penjelasan teknik-teknik sampling probabilistik diatas. kecamatan. Dalam praktek survai pembentukan cluster ini biasanya adalah daerah administratif (desa. Pembentukan cluster berdasarkan wilayah tersebut menyebabkan teknik tersebut disebut area sampling.

Metode PI Ekonomi: Pengambilan Sampel Cluster Populasi dibagi menjadi sub populasi yang bersifat heterogen. Beberapa subpopulasi dipilih secara random untuk diteliti lebih lanjut Memberikan estimasi parameter tak bias jika dikerjakan sempurna Lebih efisien secara ekonomis dibandingkan simple random Biaya termurah per sampel. terutama kluster geografis Mudah dilaksanakan tanpa daftar anggota populasi Sering menghasilkan efisiensi statistik yang rendah (kesalahan tinggi) yang disebabkan subgrup relatif homogen 31 .

Sign up to vote on this title
UsefulNot useful