Gambaran Umum Metode Sampling

Presentasi berjudul: "Gambaran Umum Metode Sampling"— Transcript presentasi:

1 Gambaran Umum Metode Sampling
Ari Wibowo Prodi PAI Jurusan Tarbiyah-STAIN Ska

2 Hal-Hal Penting dalam Penelitian
Mengapa & untuk apa penelitian/riset dilakukan  pengembangan iptek, membantu dalam pengambilan keputusan, dll.  riset menjadi aktivitas global : Think globally, do locally !  Kapan riset dibutuhkan  Kendala waktu  Ketersediaan data  ada/tidak, bagaimana cara memperoleh, berapa biayanya  Sifat keputusan (strategis/taktis)  Manfaat vs biaya

3 TAHAPAN PENELITIAN Perumusan masalah Penentuan sumber data/informasi
Penentuan metode pengumpulan data/informasi  ukuran & metode Pelaksanaan penelitian / pengumpulan data  primer & sekunder Pengolahan data dan analisis Penarikan kesimpulan dan pembuatan laporan

4 TAHAPAN PERUMUSAN MASALAH
Merupakan hal yang paling penting Albert Einstein: “Perumusan sebuah permasalahan seringkali lebih esensial dibandingkan pemecahannya itu sendiri”  Sebuah permasalahan yang didefinisikan dengan baik merupakan setengah dari pemecahan persoalan itu sendiri. Mengkaji tujuan penelitian dengan seksama Mempelajari literatur Mempelajari hasil penelitian orang lain Proses pendefinisian masalah (Zikmund, 1997): (a) Memastikan tujuan, (b) memahami latar belakang permasalahan, (c) Isolasi dan identifikasi permasalahan, (d) Tentukan unit analisis, (e) Tentukan variabel yang relevan, (f) Definisikan riset dalam bentuk pertanyaan dan tujuan yang ingin dicapai.

5 Bagaimana Mendapatkan Data Primer?
Studi Kualitatif Survey Survey lengkap (sensus)  mengumpulkan data dari keseluruhan populasi Populasi: kumpulan objek yang menjadi perhatian riset Survei Sampling mengumpulkan data dari sebagian populasi Sampel (contoh): himpunan bagian dari populasi  yang secara aktual dipelajari Observasi Percobaan Instrumen pengumpulan data: Kuesioner Wawancara Observasi Alat ukur

6 Mengapa Harus Sampel ? Sampling menghemat waktu & uang
Pengujian dapat bersifat merusak Umumnya sampling lebih akurat manakala uang dan waktu terbatas… Lebih baik menghabiskan uang dan waktu yang ada untuk mendapatkan informasi terperinci yang akurat pada beberapa individu (saja) dibanding berusaha dengan cepat untuk mendapatkan sedikit informasi dari banyak individu

7 Sampel harus representatif
Sampel yang baik: representatif  mewakili populasi Jika sampelnya representatif, statistik yang diperoleh dari analisis terhadap data sampel akan mendekati apa yang didapat dari populasi Jika suatu metode sampling cenderung memberi sampel di mana beberapa karakteristik populasi direpresentasikan berlebih atau kurang (over or under-represented) maka metode sampling tersebut ber-bias Suatu metode sampling yang ber-bias punya kecenderungan memberi sampel yang tidak representatif

8 Representativeness Individu (orang) Place (urban vs. rural) Time
Karakteristik Demografi (umur, pendidikan…) Karakteristik Psikografi Place (urban vs. rural) Time Seasonality Day of the week Time of the day

9 Peranan Metode Sampling?
Mendapatkan sampel yang mewakili (representatif) populasi Memilih metode yang tepat Menentukan jumlah sampel yang memadai  sesuai dengan tingkat akurasi yang diharapkan Metode Sampling : Probability vs Non Probability Sampling

10 Probability Sampling Metode Sampling yang berbasis pada kaidah peluang (pemilihan secara acak)  tingkat akurasi bisa dihitung Acak  setiap unit memiliki peluang yang sama untuk terpilih  Butuh kerangka contoh (daftar seluruh unit atau anggota populasi) Beberapa definisi: N = banyaknya objek dalam kerangka contoh (sampling frame) n = banyaknya objek dalam contoh f = n/N = fraksi contoh

11 Memilih Metode Sampling
Kenali Populasi sasaran studi Ukuran dan penyebaran geografis Keragaman variabel Tingkat ketelitian yang diinginkan Sumberdaya yang tersedia (dana, sdm, peralatan, dll) Pentingnya mempunyai dugaan yang tepat tentang sampling error

12 Beberapa Metode Sampling (Probability)
Penarikan Contoh Acak Sederhana (Simple Random Sampling) Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Penarikan Contoh Sistematis (Systematic Random Sampling) Penarikan Contoh Gerombol (Cluster Random Sampling) Penarikan Contoh Bertahap (Multi-Stage Sampling) Error  Sampling Error vs Non Sampling Error

13 Jenis Error dalam survey
Error dalam survey  sampling error & non sampling error Sampling error: beda antara nilai dugaan (dari sampel) dengan nilai populasi yang sebenarnya Non sampling error  non observation & observation error Non observation error  non coverage (coverage error) & non response (non response error) Coverage error: sampling frame tidak meng-cover semua anggota populasi Nonresponse error: sampel yang tidak menjawab Observation error measurement error & processing error Measurement error: respon yang tidak tepat karena alat ukur, kesalahan responden, kesalahan surveyor Processing error : kesalahan akibat tidak akuratnya pemrosesan data (salah kode, salah tulis/salah ketik)

14 Hubungan Error dengan Ukuran Contoh
Non sampling error Sampling error Ukuran contoh Error nopt

15 Hubungan Error dengan Ukuran Contoh
Non sampling error Sampling error nopt Ukuran contoh

16 Penentuan Ukuran Contoh
Mengidentifikasi variabel utama studi Menentukan jenis statistik yang akan diduga (%,rata-rata, rasio,...) Menentukan ketepatan pendugaan yang diinginkan (margin of error, bound of error, sering disebut orang sebagai sampling error) Menetapkan tingkat kepercayaan (confidence level) Melakukan penyesuaian untuk meningkatkan respon rate yang diharapkan

17 Ukuran Contoh Optimum (n)
Simple random sampling n = f(ragam, ukuran populasi, ketelitian yang diinginkan, biaya, waktu, resiko) Ukuran contoh yang diperlukan untuk menduga  dengan batas error pendugaan sebesar B adalah: Ukuran contoh yang diperlukan untuk menduga P dengan batas error pendugaan sebesar B adalah: Z=1.96 dengan SK 95%, V=Std relatif thd mean, =batas kesalahan yang diinginkan (% thd mean)

18 Contoh Penentuan Ukuran Contoh Optimum (n)
Tentukan ukuran contoh optimum untuk menduga rata-rata produksi petambak jika diketahui N=10000 dan range produksi petambak antara ton, dan batas error yang diinginkan B=1 ton. Tentukan ukuran contoh optimum untuk menduga proporsi (p) indukan udang yang baik jika diketahui N=2000 dan diinginkan batas error B= Asumsikan proporsi awal tidak diketahui.

19 Non Probability Sampling
Pemilihan tidak dilakukan secara acak Generalisasi terhadap populasi agak sulit dilakukan Sering digunakan dalam penelitian sosial, marketing research, dll., krn Probability Sampling tidak praktis atau bahkan tidak dapat diterapkan Accidental/Haphazard/Convenience vs Purposive Purposive  Model Instance Sampling, Expert Sampling, Quota Sampling, Heterogenety Sampling, Snowball Sampling