SAMPLING BERPELUANG (PROBABILITY SAMPLING)
Syarat Probabilitas :
a. Diketahuinya besar dr populasi target
b. Diketahuinya kerangka sampel
c. Besarnya sampel yg diinginkan telah ditentukan
d. Setiap unsur/elemen populasi hrs memiliki peluang yg sama utk dijadikan sbg sampel dalam populasi target
a. Random sampling (pengambilan sampel secara acak)
Syarat: - Ada kerangka sampel (daftar yg memuat nama, tempat, sifat2 yg diteliti)
- Karakteristik populasi cenderung homogen
- Populasi tdk terlalu menyebar scr geografis
Cara : -Adanya tabel angka acak
-Undian : 1. pengembalian
2. non pengembalian (simple random sampling)
- Menentukan langsung proporsi populasi yg akan dijadikan sampel (2%, 5%, 10% dst)
Dasar penentuan :
Ø jika N sgt besar, % kecil
Ø Tdk kurang dari 30 (n)
Ø Disesuaikan dgn anggaran, waktu dan tenaga
Kelebihan: Sederhana dan mudah
Kesulitan : ☺ Jika sampel yg dipilih sgt menyebar scr geografis
☺ Diperlukan kerangka sampel
☺ Jika populasi terpilih tdk mencerminkan keadaan populasi
b. Stratified Random Sampling (pengambilan acak dgn stratifikasi)
Kondisi : Populasi tdk homogen melainkan heterogen (terbagi atas lapisan-lapisan)
Strata/lapisan : Didalam satu strata homogen
Misal: *Strata anak SD, maka semua yg masuk strata tsb adl anak berpendidikan SD
*Strata buruh tani, maka semua yg masuk dlm strata tsb berprofesi sbg buruh tani
Teknik ini digunakan bila :
1. Populasi memiliki karakteristik yg dipertimbangkan dalam penelitian (terdapat pengklasifikasian atas suatu pertimbangan/kriteria)
2. Jika ingin menekankan estimasi yg lebih tepat (mewakili masing-masing strata/kelas) dr populasi
3. Jika permasalahan sampel berbeda-beda antar kelas/strata dari populasi
Cara:
a. Krn tdk homogen, maka dibuat strata-strata (homogen sesuai strata)
b. Memilih sampel dr masing-masing strata dgn cara acak/sistematik
Keuntungan :
-Estimasi karakteristik populasi lebih tepat
-tepat/baik scr administrasi
Kesulitan :
1. Diperlukan daftar populasi pd setiap strata
2. Biaya (transportasi) besar apbl populasi menyebar scr geografis
Pengambilan sampel dlm strata, anggota dlm setiap strata dpt dilakukan : stratified proportional random sampling
Stratified quota random sampling
- Systematic Random Sampling (pengambilan sampel secara acak sistematis)
>Strategi memilih anggota sampel yg hanya dibolehkan melalui peluang & suatu “sistem” utk menentukan keanggotaan dlm sampel
>Sistem adl strategi yg direncanakan utk memilih, umumnya penggunaan interval (fraksi sampelnya 1/k)
>Yg diacak hanya unsur pertama dlm kerangka sampel
>misal : Populasi 1000; jml sampel 100
fraksi sampel 1/10
(1 ; 2 ; 3 ; 4 ; 5 ; 6 ; 7 ; 8 ; 9 ; 10)
Hasil: 5,15,25,35,45, dst)
Syarat : Kerangka sampel tdk sistematis
- Cluster Random Sampling (pengambilan sampel scr acak berumpun)
>Syarat harus ada kerangka sampel (meskipun tdk praktis/tidak detail)
>Cluster (tandan, rumpun, kelompok)
>Yang diambil adalah kelompok/rumpun/tandan bukan individu/unsur sampling
>Pengelompokan yg banyak didasarkan atas geografis, sering disebut dgn area sampling
>Biasanya dilakukan scr bertahap (multi-stage random sampling);
tahap I : Dipilih bbrp klpk dari semua klpk
tahap II : Dipilih klpk yg lebih kecil
Contoh : Sampel dipilih sebanyak 100 dari 1000 KK di suatu desa yg tdr dr 10 RW, dan setiap RW ada 10 RT, dan setiap Rt 10 KK.
Sampel dipilih dgn cara mengambil 30 RT scr acak dr 100 RT yg ada shg didpt sampel 10x10=100KK
Keuntungan :
-Tdk perlu kerangka sampel yang detail
-Biaya pendaftaran & transportasi dpt dikurangi
Perbedaan antara stratifikasi dan cluster adl:
1. Pengelompokan pd cluster masih sederhana
2. Mempertahankan heterogenitas baik dlm subkelompok ataupun antar subkelompok
Dalam kasus2 ttt, untuk meningkatkan keterwakilan populasi, bisa juga dilakukan penggabungan diantara bbrp teknik di atas
Misal: Krn lokasi tersebar luas : → dibuat cluster
Krn di dlm setiap cluster heterogen :
→distratifikasi, terus di acak
Cluster stratified random sampling
Karena di setiap sudah homogen
→acak sederhana
→sistematik random sampling
→non-probabilistik
Maka namanya menjadi :
Cluster stratified random sampling
Cluster random sampling
Cluster sistematic random sampling dst
Tidak ada komentar:
Posting Komentar