Jenis-jenis
teknik pengambilan Sampel
1) Teknik sampling secara probabilitas
Teknik
sampling probabilitas atau random sampling merupakan teknik sampling yang
dilakukan dengan memberikan peluang atau kesempatan kepada seluruh anggota
populasi untuk menjadi sampel. Dengan demikian sampel yang diperoleh
diharapkan merupakan sampel yang representatif.
Teknik sampling semacam ini dapat dilakukan dengan cara-cara sebagai berikut.
a) Teknik
sampling secara rambang sederhana atau random sampling. Cara paling
populer yang dipakai dalam proses penarikan sampel rambang sederhana
adalah dengan undian.
b) Teknik
sampling secara sistematis (systematic sampling). Prosedur ini
berupa penarikan sample dengan cara mengambil setiap kasus (nomor urut) yang
kesekian dari daftar populasi.
c) Teknik
sampling secara rambang proporsional (proporsional random sampling).
Jika populasi terdiri dari subpopulasi-subpopulasi maka sample penelitian
diambil dari setiap subpopulasi. Adapun cara peng-ambilannya dapat
dilakukan secara undian maupun sistematis.
d) Teknik
sampling secara rambang bertingkat. Bila subpoplulasi-subpopulasi sifatnya
bertingkat, cara pengambilan sampel sama seperti pada teknik sampling secara
proportional.
e) Teknik
sampling secara kluster (cluster sampling) Ada kalanya peneliti
tidak tahu persis karakteristik populasi yang ingin dijadikan subjek
penelitian karena populasi tersebar di wilayah yang amat luas. Untuk itu
peneliti hanya dapat menentukan sampel wilayah, berupa kelompok klaster yang
ditentukan secara bertahap. Teknik pengambilan sample semacam ini disebut
cluster sampling atau multi-stage sampling.
2) Teknik sampling secara nonprobabilitas.
Teknik sampling nonprobabilitas adalah teknik pengambilan
sample yang ditemukan atau ditentukan sendiri oleh peneliti atau menurut
pertimbangan pakar. Beberapa jenis atau cara penarikan sampel secara
nonprobabilitas adalah sebagai berikut.
a) Purposive sampling atau
judgmental sampling Penarikan sampel secara purposif merupakan cara
penarikan sample yang dilakukan memiih subjek berdasarkan kriteria spesifik
yang dietapkan peneliti.
b) Snow-ball sampling (penarikan sample secara bola salju).
Penarikan sample pola ini dilakukan dengan menentukan sample
pertama. Sampel berikutnya ditentukan berdasarkan informasi dari sample
pertama, sample ketiga ditentukan berdasarkan informasi dari sample kedua, dan
seterusnya sehingga jumlah sample semakin besar, seolah-olah terjadi efek bola
salju.
c) Quota sampling (penarikan sample secara
jatah). Teknik sampling ini dilakukan dengan atas dasar jumlah atau jatah yang
telah ditentukan. Biasanya yang dijadikan sample penelitian adalah subjek yang
mudah ditemui sehingga memudahkan pula proses pengumpulan data.
d) Accidental sampling atau convenience
sampling Dalam penelitian bisa saja terjadi diperolehnya sampel yang tidak
direncanakan terlebih dahulu, melainkan secara kebetulan, yaitu unit atau
subjek tersedia bagi peneliti saat pengumpulan data dilakukan. Proses
diperolehnya sampel semacam ini disebut sebagai penarikan sampel secara
kebetulan.
4. Penentuan Jumlah Sampel
Bila jumlah populasi dipandang terlalu besar, dengan
maksud meng-hemat waktu, biaya, dan tenaga, penelitili tidak meneliti seluruh
anggota populasi. Bila peneliti bermaksud meneliti sebagian dari populasi saja
(sampel), pertanyaan yang selalu muncul adalah berapa jumlah sampel yang
memenuhi syarat. Ada hukum statistika dalam menentukan jumlah sampel, yaitu
semakin besar jumlah sampel semakin menggambarkan keadaan populasi (Sukardi,
2004 : 55).
Selain berdasarkan ketentuan di atas perlu pula penentuan jumlah
sampel dikaji dari karakteristik populasi. Bila populasi bersifat homogen
maka tidak dituntut sampel yang jumlahnya besar. Misalnya saja dalam
pemeriksaan golongan darah. Walaupun pemakaian jumlah sampel yang besar
sangat dianjurkan, dengan pertimbangan adanya berbagai keterbatasan pada
peneliti, sehingga peneliti berusaha mengambil sampel minimal dengan syarat dan
aturan statistika tetap terpenuhi sebagaimana dianjurkan oleh Isaac dan Michael
(Sukardi, 2004 : 55). Dengan menggunakan rumus tertentu (lihat Sukardi, 2004 :
55-56), Isaac dan Michael memberikan hasil akhir jumlah sampel terhadap jumlah
populasi antara 10 – 100.000..
BAB III
POPULASI, SAMPEL, DAN PENGUJIAN NORMALITAS
A.
Populasi
Populasi
adalah wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai
kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk
dipelajari dan kemudian ditarik kesimpulannya.
B.
Sampel
Sampel
adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi. Sampel
yang baik harus dapat mewakili keseluruhan populasi dan hasil penelitian dapat
diterapkan keseluruh populasi.
C.
Teknik Sampling
Teknik
sampling adalah teknik pengambilan sampel. Teknik sampling bisa dibagi dua yang
terlihat pada gambar di bawah ini:
Gambar 3.1
Macam-Macam Teknik Sampling
- Probability Sampling
Teknik
pengambilan sampel yang memberikan peluang yang sama bagi setiap unsur/anggota
populasi untuk dipilih menjadi anggota sampel.
a. Simple Random Sampling
Pengambilan anggota
sampel dari populasi dilakukan secara acak tanpa memperhatikan strata yang
ada. Dilakukan bila populasi dianggap homogen.
b. Proportionate Stratified Random Sampling
Bila
populasi tidak homogen dan berstrata secara proporsional.
Contoh :
Karakteristik pegawai suatu departemen :
S-1 =
45 , S-2 = 30, STM = 800, ST = 900, SMEA = 400, SD = 300
c. Disproportionate Stratified Random
Sampling
Digunakan
bila populasi berstrata kurang proporsional
Contoh S3 =
3, S2 = 4, S-1 = 90, SMU 800, SMP = 700
Semua sample
S-3 dan S-2 diambil semuanya
d. Cluster sampling
Bila objek
yang diteliti sangat luas, misal penduduk suatu negara, propinsi atau kabupaten
Caranya :
Sampel
ditentukan bertahap dari wilayah negara sampai kabupaten, setelah terpilih
sampel terkecil baru sampel dipilih secara acak
Contoh :
Indonesia terdiri atas 33 propinsi, sampelnya akan diambil misalnya 15 propinsi
secara acak.
Setiap
propinsi berstrata tidak sama, ada yang padat ada yang tidak, ada hutannya
banyak/tidak, ada yang barang tambangnya banyak atau tidak, dll
2.
Nonprobability Samling
Teknik
pengambilan sampel yang tidak memberi peluang/kesempatan sama bagi setiap
unsur/anggota poulasi untuk dipilih menjadi sampel
a. Sampling
Sistematis
Teknik
pengambilan sampel berdasarkan urutan yang telah diberi no urut
Misal :
anggota populasi yang terdiri dari 100 orang, dan telah diberi no urut
Pengambilan
sampelnya bisa no ganjil saja atau genap saja atau kelipatan dari
bilangan tertentu
b. Sampling
Kuota
Teknik untuk
menentukan sampel dari populasi dengan ciri tertentu sampai jumlah (kuota) yang
diinginkan.
Contoh :
penelitian kepuasan layanan mau dilakukan terhadap 100 orang pembeli mobil
avanza, maka selama belum tercapai 100 orang, , penelitian belum dianggap
selesai
c. Sampling
Insidental
Teknik
penentuan sampel berdasarkan kebetulan/secara kebetulan bertemu dengan peneliti
dan dipandang cocok.
d. Sampling Purposive
Teknik
penentuan sampel dengan pertimbangan tertentu
Contoh :
penelitian tentang kualitas makanan, maka sampelnya harus ahli makanan.
e. Sampling Jenuh (sensus)
Teknik
penentuan sampel bila semua anggota populasi digunakan sebagai sampel. Sering
digunakan jika populasinya kurang dari 30
f. Snowball
Sampling
Teknik
pengumpulan sampel, yang mula-mula jumlahnya kecil kemudian membesar
Contoh :
meneliti provokator kerusuhan/jaringan teroris
- Contoh Menentukan Ukuran Sampel
Akan
dilakukan penelitian untuk mengetahui tanggapan kelompok masyarakat terhadap
pelayanan yang diberikan pemerintah daerah tertentu. Kelompok masyarakat itu
terdiri 1000 orang, yang dapat dikelompokkan berdasarkan jenjang pendidikan,
yaitu lulusan S1 = 50, Sarjana Muda = 300, SMK = 500, SMP = 100, SD = 50
(populasi berstrata).
Dengan
menggunakan Tabel 3.1 bila jumlah pupulasi = 1000, kesalahan 5%, maka jumlah
sampelnya = 258, karena populasinya berstrata, maka sampelnya juga berstrata.
Stratanya ditentukan menurut jenjang pendidikan. Dengan demikian masing-masing
sampel untuk tingkat pendidikan harus proporsional sesuai dengan pupulasi.
Berdasarkan perhitungan dengan cara berikut ini jumlah sampel untuk kelompok S1
= 13, Sarjana Muda (SM) = 77, SMK = 129, SMP = 26, dan SD = 13.
S1
= 50/1000 ×
258
= 12,9
= 13
SM
= 300/1000 ×
258
= 77,4
= 77
SMK
= 500/1000 ×
258
=
129 = 129
SMP
= 100/1000 ×
258
= 25,8
= 26
SD
= 50/1000 ×
258
= 12,9
= 13
Jumlah
258 = 258
Jadi jumlah
sempelnya = 12,9 + 77,4 + 129 + 25,8 + 12,9 = 258. Jumlah yang pecahan bisa
dibulatkan, sehingga jumlah sampel menjadi 13 + 77 + 129 + 26 + 13 = 258.
Pada
perhitungan yang menghasilkan pecahan (terdapat koma) sebaiknya
dibulatkan ke atas sehingga jumlah sampelnya lebih 259. Hal ini lebih aman
daripada kurang dari 258. Gambaran jumlah populasi dan sampel dapat ditunjukkan
pada gambar 3.8 berikut:
Gambar 3.2
Sampel yang
diambil dari populasi berstrata dengan kesalahan 5%
- Cara Menentukan Anggota Sampel
Untuk
Probability sampling (peluang sama)/random sampling :
- Dengan bilangan random, komputer atau undian
- Bila dengan undian, harus diberi nomor
- Harus memiliki peluang yang sama (dipulihkan)
- Normalitas Data
a.Kurva
Normal
1)
Asumsi data variabel membentuk distribusi normal
2)
Bila data tidak normal, teknik statistik parametris tidak dapat digunakan untuk
analisis
Suatu
data membentuk distribusi normal bila jumlah data di atas dan di bawah
rata-rata adalah sama, demikian juga simpangan bakunya
Lihat gambar
:
2
4
6
8
10
2,27
%
13,59 %
34,13 %
34,13 %
13,59 %
34,13 %
1 S
1 S
2 S
2 S
3
S
3 S
Penjelasan
-
Secara teoritis, kurva tidak akan pernah menyentuh garis dasar, sehingga
luasnyapun tidak sampai 100 %, tetapi hanya mendekati (99,999 %)
-
Bentuk kurva sistematif : luas rata-rata mean ke kiri dan ke kanan
masing-masing mendekati 50 %, tetapi dalam prakteknya dinyatakan dalam 50 %
-
Disamping kurva normal umum, terdapat kurva normal standar, karena nilai
rata-ratanya = 0, dan simpangan bakunya = 1,2,3,4 dst
Nilai
Simpangan baku
Simbol nilai
simpangan baku : z
Kurva normal
umum dapat dirubah ke dalam kurva normal standar, dengan rumus
:
_
Z
= (xi – x )
s
Dimana :
Z
= simpangan baku untuk kurva normal standar
Xi
= Data ke-I dari suatu kelompok data
_
X
= Rata-rata kelompok
S
= simpangan baku
Harga z ada
kaitannya dengan prosentase daerah kurva itu
KURVA NORMAL STANDAR
RATA-RATA 0,
SIMPANGAN BAKU 1,2,3
Prosentase Luas Kurva Normal
2,27 %
13,59
%
34,13 %
34,13 %
13,59 %
34,13 %
1 S
1 S
2 S
2 S
3
S
3 S
- Contoh Penggunaan Kurva normal
Terdapat 200
mahasiswa yang ikut ujian mata kuliah statistik. Nilai rata-ratanya
adalah 6 dan simpangan bakunya adalah 2. Berapa orang yang mendapat nilai
8 ke atas ?
Jawab
:
_
Rata-rata (
x)
= 6
S
= 2
Maka
_
z
= (xi – x )
= (8 – 6)
= 1 = 34,13 %
s
2
Harga 1,
menunjukkan prosentase jumlah mahasiswa yang mendapat nilai 6 – 8.
Dengan
demikian prosentase yang mendapat nilai 8 ke atas adalah :
50 % – 34,13
% = 15,87 % = 15, 87 % x 200 = 31,74 orang
Dibulatkan
= 32 orang
Keterangan :
50 % adalah setengah kurva di atas mean (rata-rata)
- c. Pengujian Normalitas Data
- Statistik parametris didasarkan atas asumsi bahwa data setiap variabel dianalisis berdasakan distribusi normal.
- Sebelum menggunakan teknik statistik parametris, maka kenormalan data harus diuji terlebih dahulu.
- Bila data tidak normal, maka statistik parametris tidak dapat digunakan, sehingga digunakan statistik non parametris.
- Penyebab ketidaknormalan data : kesalahan alat dan pengumpulan data.
- Pengujian normalitas data menggunakan Chi Kuadrat (Χ2), dilakukan dengan cara membandingkan kurva normal yang terbentuk dari data yang telah terkumpul (B) dengan kurva normal baku/standar (A) atau (B : A)
- Bila B tidak berbeda secara signifikan dengan A, maka B merupakan data yang berdistribusi normal.
Rata-rata 0, Simpangan Baku, 1,2,3
?
?
?
?
?
?
Distribusi
data yang akan diuji normalitasnya
Semua Data
harus dikelompokkan menjadi 6 kelas, sesuai 6 bidang kurva normal
Contoh
Misalkan
sebaran nilai statistik 150 mahasiswa adalah sebagai berikut :
INTERVAL
|
F
|
13 – 2728
– 42
43 – 57
58 – 72
73 – 87
88 – 102
|
321
56
45
21
4
|
Langkah-langkah
- Menentukan jumlah kelas interval. Jumlah kelas interval disesuaikan dengan jumlah bidang = 6
- Menentukan panjang kelas interval
Panjang
kelas = (Data terbesar – Dat terkecil)
6
- Menyusun ke dalam tabel distribusi frekuensi, sekaligus tabel penolong untuk menguji harga chi kuadrat hitung
- Menghitung fh (frequensi yang diharapkan)
Prosentasi
luas tiap bidang kurva x jumlah total data
- Menghitung total (fo-fh)2
fh
- 6. Membandingkan harga chi Kuadrat Hitung dengan Chi Kuadrat Tabel. Jika Chi kuadrat hitung lbih kecil dari chi kuadrat Tabel, maka distribusi data dinyatakan normal, dan bila lebih bsar dinyatakan tidak normal
Tabel
Penolong untuk pengujian Normalitas Data dengan Chi Kuadrat
INTERVAL
|
Fo
|
Fh =
( % x n)
|
Fo-fh
|
(fo-fh)2
|
(fo-fh)2fh
|
13 – 27
28 – 42
43 – 57
58 – 72
73 – 87
88 – 102
|
3
21
56
45
21
4
|
42051
51
20
4
|
-115
-6
1
0
|
1125
36
1
0
|
0,250,050,49
0,70
0,05
0
|
JUMLAH
|
150
|
150
|
0
|
|
1,55
|
Bandingkan
Chi Kuadrat Hitung dengan Chi Kuadrat Tabel
Chi Kuadrat Hitung
= 1,55
Chi Kuadrat
Tabel dengan :
db = 6-1
: 5
tingkat
kesalahan
: 5 %
Adalah
: 11,070
Kesimpulan :
Jika Chi
Kuadrat Hitung < Chi Kuadrat Tabel, maka data dinyatakan normal, tapi
Jika Chi
Kuadrat Hitung > Chi Kuadrat Tabel, maka data dinyatakan tidak normal,
Hasil
:
Karena Chi
Kuadrat Hitung (1,55) < Chi Kuadrat Tabel (11,070), maka data
dinyatakan normal,
Tidak ada komentar:
Posting Komentar