TEKNIK PROBABILITY SAMPLING
Ada dua metode utama pengambilan sampel. Peneliti
harus memutuskan apakah akan memilih sampel probabilitas (dikenal sebagai
sampel acak) atau sampel non-probabilitas (dikenal sebagai sampel purposive).
Perbedaan di antara mereka adalah: dalam sampel probabilitas peluang anggota
populasi yang lebih luas dipilih untuk sampel diketahui, sedangkan dalam sampel
non-probabilitas peluang anggota populasi yang lebih luas dipilih untuk sampel
tidak diketahui.
Pada tulisan ini, kita akan membahas
mengenai probability sampling (sampel probabilitas). Mengapa disebut sampel
probabilitas? Karena sampel diambil secara acak dari populasi yang lebih luas,
berguna jika peneliti ingin membuat generalisasi, karena mencari keterwakilan
dari populasi yang lebih luas. Sampel probabilitas akan memiliki risiko bias
yang lebih kecil daripada sampel non-probabilitas. Karena pada sampel non-probabilitas
tidak mewakili seluruh populasi, maka dapat menunjukkan kemiringan atau bias.
Jenis-Jenis Teknik Probability Sampling
1.
Simple Random Sampling (Pengambilan Sampel Acak Sederhana)
Dalam pengambilan sampel acak sederhana,
setiap anggota populasi yang diteliti memiliki kesempatan yang sama untuk
dipilih dan probabilitas anggota populasi yang dipilih tidak terpengaruh oleh
pemilihan anggota populasi lainnya. Metode ini melibatkan pemilihan secara acak
dari daftar populasi (kerangka pengambilan sampel) jumlah subjek yang diperlukan
untuk sampel.
2.
Systematical Sampling (Pengambilan Sampel Sistematis)
Metode ini merupakan bentuk modifikasi
dari simple random sampling. Metode ini melibatkan pemilihan subjek dari
daftar populasi secara sistematis daripada secara acak. Peneliti dapat
memutuskan seberapa sering membuat sampling sistematis dengan statistik
sederhana – jumlah total populasi yang lebih luas yang diwakili dibagi dengan
ukuran sampel yang diperlukan:
dimana,
f
= interval frekuensi
N
= total jumlah populasi
sn = jumlah sampel yang dibutuhkan
3.
Stratified Random Sampling (Pengambilan Sampel Berstrata)
Stratified Random Sampling melibatkan
pembagian populasi ke dalam kelompok-kelompok homogen, masing-masing kelompok
berisi subjek dengan karakteristik yang sama, dan kemudian pengambilan sampel
secara acak dalam kelompok-kelompok tersebut. Keputusan mengenai karakteristik
mana yang akan dimasukkan harus sesederhana mungkin, karena semakin banyak
faktor yang ada, tidak hanya semakin rumit pengambilan sampelnya, tetapi
seringkali semakin besar sampelnya harus memasukkan perwakilan dari semua
strata dari populasi yang lebih luas.
4.
Cluster / Area Sampling
Ketika populasi besar dan tersebar luas,
pengumpulan sampel acak sederhana menimbulkan masalah administratif. Dengan cluster
sampling, peneliti dapat memilih sejumlah sekolah tertentu dan menguji
semua siswa di sekolah yang dipilih tersebut. Peneliti harus berhati-hati untuk
memastikan bahwa pengambilan sampel klaster tidak membangun bias. Cluster
sampling banyak digunakan dalam penelitian skala kecil. Dalam sampel
klaster, parameter populasi yang lebih luas sering kali digambarkan dengan
sangat tajam, oleh karena itu, peneliti harus mengomentari generalisasi temuan.
Sumber gambar: iranmoshavere (Pinterest)
Komentar
Posting Komentar