prosedur sampling

Tutorial ini berusaha untuk mengidentifikasi prosedur utama yang digunakan dalam
penelitian sampling. Mengapa hal ini merupakan langkah penting yang perlu
dipertimbangkan dalam melakukan riset apa pun? Hal ini karena dalam penelitian
pengambilan sampel, kita ingin mendapatkan sampel yang representatif. Itu adalah
contoh yang terlihat seperti penduduk yang dapat diterima dalam margin
kesalahan. Untuk memahami lebih baik ini, kami akan memulai dengan
mendefinisikan beberapa sampel penelitian jargon yang akan terus digunakan
dalam diskusi. Namun, penekanan akan dilakukan pada perbedaan antara dua jenis
utama prosedur sampling: probabilitas dan non-probabilitas sampling dan
bagaimana mereka menerapkan penelitian di berbagai situasi. Terakhir, kami akan
mengambil tes singkat di akhir pelajaran ini untuk menyegarkan pikiran kita dengan
konsep-konsep yang dibahas.
Pengambilan Sampel Dalam Penelitian
Mugo Fridah W.
PENDAHULUAN
Tutorial ini adalah suatu diskusi mengenai sampling dalam penelitian ini terutama
dirancang untuk eqiup pemula dengan pengetahuan tentang isu-isu umum di
sampling yang merupakan tujuan pengambilan sampel dalam penelitian, bahaya
pengambilan sampel dan bagaimana meminimalisir mereka, jenis sampel dan
panduan untuk memutuskan ukuran sampel. Untuk aliran ide yang jelas, beberapa
definisi dari istilah yang digunakan diberikan.
Apakah yang dimaksud dengan penelitian?
Menurut Webster (1985), untuk penelitian ini adalah untuk mencari atau
menyelidiki secara mendalam. Ini adalah hati-hati atau rajin mencari, rajin
penyelidikan atau pemeriksaan khususnya investigasi atau eksperimen yang
bertujuan untuk penemuan dan penafsiran fakta-fakta, revisi atas teori atau hukum
diterima dalam terang dari fakta-fakta baru atau penerapan praktis seperti baru
atau merevisi teori atau hukum, itu dapat juga pengumpulan informasi tentang
topik tertentu.
Apa ini merupakan contoh?
Sampel adalah bagian yang terbatas dari populasi statistik sifat-sifat yang dipelajari
untuk memperoleh informasi tentang keseluruhan (Webster, 1985). Ketika
berhadapan dengan orang-orang, itu dapat didefinisikan sebagai seperangkat
responden (orang) yang dipilih dari populasi yang lebih besar untuk tujuan survei.
Suatu populasi adalah sekelompok individu orang, benda, atau item dari sampel
yang diambil untuk pengukuran misalnya populasi presiden atau dosen, buku atau
siswa.
What is sampling? Sampling adalah tindakan, proses, atau teknik memilih sampel
yang sesuai, atau seorang wakil bagian dari populasi untuk tujuan menentukan
parameter atau karakteristik dari seluruh penduduk.
Apa tujuan sampling? Untuk menarik kesimpulan tentang populasi dari sampel, kita
harus menggunakan statistik inferensial yang memungkinkan kita untuk
menentukan `s karakteristik populasi dengan langsung mengamati hanya sebagian
(atau contoh) dari populasi. Kami mendapatkan sampel daripada enumerasi
lengkap (sensus) dari penduduk karena berbagai alasan. Jelas, itu lebih murah
untuk mengamati bagian bukan keseluruhan, tapi kita harus mempersiapkan diri
untuk menghadapi bahaya menggunakan sampel. Dalam tutorial ini, kita akan
menyelidiki berbagai macam prosedur sampling. Ada yang lebih baik daripada yang
lain tetapi semua dapat menghasilkan sampel yang tidak akurat dan tidak bisa
diandalkan. Kita akan belajar bagaimana untuk meminimalkan bahaya tersebut,
namun beberapa kesalahan potensial adalah harga yang kita harus bayar untuk
kenyamanan dan tabungan menyediakan sampel.
Tidak akan ada kebutuhan untuk teori statistik jika bukan sensus sampel selalu
digunakan untuk memperoleh informasi tentang populasi. Tapi sebuah sensus
mungkin tidak praktis dan ini hampir tidak pernah ekonomis. Ada enam alasan
utama untuk pengambilan sampel bukannya melakukan sensus. Ini adalah;-
Ekonomi-Ketepatan waktu-ukuran besar dari banyak populasi-tidak dapat
diaksesnya beberapa populasi-destruktif dari pengamatan-ketepatan
Keuntungan ekonomi menggunakan sampel dalam penelitian Jelas, mengambil
sampel memerlukan sumber daya lebih sedikit dari sensus. Sebagai contoh, mari
kita asumsikan bahwa Anda adalah salah satu yang sangat ingin tahu siswa sekitar.
Anda telah mendengar begitu banyak tentang Cornell dan sekarang terkenal bahwa
Anda berada di sana, Anda ingin dengar dari orang dalam. Anda ingin tahu apa
semua siswa di Cornell berpikir tentang kualitas pengajaran yang mereka terima,
Anda tahu bahwa semua siswa yang berbeda-beda sehingga mereka cenderung
memiliki persepsi yang berbeda dan Anda yakin Anda harus mendapatkan semua
persepsi ini sehingga Anda memutuskan karena Anda ingin sebuah pandangan
Indepth setiap mahasiswa, Anda akan melakukan wawancara pribadi dengan
masing-masing dari mereka dan Anda ingin hasil dalam 20 hari saja, mari kita
asumsikan waktu tertentu ini Anda melakukan riset Cornell Anda hanya memiliki
20.000 mahasiswa dan orang-orang yang membantu sangat cepat di wawancara
seni yang bersama-sama Anda dapat wawancara paling tidak 10 murid per orang
per hari di samping kredit 18 Anda tentu saja jam kerja. Anda akan memerlukan
100 asisten peneliti selama 20 hari dan karena Anda akan membayar upah
minimum sebesar $ 5.00 per jam selama sepuluh jam ($ 50.00) per orang per hari,
Anda akan memerlukan $ 100.000,00 hanya untuk melengkapi wawancara, analisis
hanya akan menjadi mustahil. Anda mungkin memutuskan untuk menyewa asisten
tambahan untuk membantu analisis pada $ 100.000,00 dan lain sebagainya asumsi
Anda memiliki jumlah tersebut pada account Anda.
Seperti tidak realistis seperti contoh ini, itu tidak menggambarkan biaya yang
sangat tinggi sensus. Untuk jenis informasi yang diinginkan, bijaksana kecil sampel
yang dipilih dari Cornell siswa dapat melayani tujuan. You don `t bahkan harus
menyewa satu asisten. Anda dapat menyelesaikan wawancara dan analisis
mengenai Anda sendiri. Jarang circustance memerlukan sebuah sensus penduduk,
dan bahkan lebih jarang satu membenarkan biaya.
Faktor waktu.
Contoh dapat memberi Anda informasi yang dibutuhkan dengan cepat. Sebagai
contoh, Anda adalah seorang Dokter dan penyakit telah pecah di sebuah desa di
dalam wilayah yurisdiksi Anda, penyakit ini menular dan itu membunuh dalam
hitungan jam tak ada yang tahu apa itu. Anda diminta untuk melakukan tes cepat
untuk membantu menyelamatkan situasi. Jika Anda mencoba sensus dari mereka
yang terkena dampak, mereka mungkin sudah lama mati ketika Anda tiba dengan
hasil Anda. Dalam kasus seperti itu hanya beberapa dari mereka yang sudah
terinfeksi dapat digunakan untuk menyediakan informasi yang diperlukan.
Populasi yang sangat besar
Banyak penduduk tentang kesimpulan yang harus dibuat cukup besar. Sebagai
contoh, Pertimbangkan penduduk senior sekolah tinggi di amerika serikat, agroup
berjumlah 4.000.000. Instansi yang bertanggung jawab di pemerintah untuk
merencanakan bagaimana mereka akan diserap ke dalam differnt bahkan
departemen dan sektor swasta. Pengusaha yang ingin memiliki pengetahuan
khusus tentang mahasiswa `s rencana untuk membuat rencana untuk menyerap
compatiple mereka selama tahun yang akan datang. Tapi ukuran besar
penduduknya secara fisik tidak mungkin untuk melakukan sensus. Dalam kasus
seperti itu, memilih sampel yang representatif mungkin satu-satunya cara untuk
mendapatkan informasi yang dibutuhkan dari SMU.
Diakses populasi yang sebagian
Ada Beberapa populasi yang begitu sulit untuk mendapatkan akses ke sampel yang
hanya dapat digunakan. Seperti orang-orang di penjara, seperti kecelakaan
pesawat terbang di laut yang dalam, presiden dll Yang mungkin tidak dapat
diaksesnya ekonomi atau waktu terkait. Seperti populasi studi tertentu mungkin
sangat mahal untuk mencapai seperti penduduk planet yang hanya dapat
digunakan sampel. Dalam kasus lain, penduduk dari beberapa kejadian dapat
mengambil terlalu lama terjadi bahwa hanya informasi sampel dapat diandalkan.
Misalnya bencana alam seperti banjir yang terjadi setiap 100 tahun atau mengambil
contoh dari banjir yang terjadi di Nuh `s hari. Tidak pernah terjadi lagi.
Sifat yang merusak pengamatan Kadang-kadang tindakan yang sangat mengamati
charecteristic yang diinginkan unit menghancurkan penduduk itu untuk tujuan
penggunaannya. Contoh yang baik ini terjadi dalam pengawasan mutu. Sebagai
contoh untuk menguji kualitas dari sebuah sekering, untuk menentukan apakah itu
rusak, maka harus dimusnahkan. Untuk mendapatkan sensus kualitas beban
sebuah truk sekering, Anda harus menghancurkan mereka semua. Hal ini
bertentangan dengan tujuan dilayani oleh pengujian pengendalian kualitas. Dalam
kasus ini, hanya sampel harus digunakan untuk menilai kualitas sekering
Akurasi dan sampling Sebuah sampel mungkin lebih akurat dari sensus. Sebuah
sensus dilakukan sembarangan dapat memberikan informasi yang kurang dapat
diandalkan dengan hati-hati yang diperoleh dari sampel.
BIAS DAN KESALAHAN DALAM SAMPLING Sampel adalah cermin diharapkan
populasi dari mana ia datang, namun tidak ada jaminan bahwa setiap sampel akan
tepat mewakili populasi dari mana ia datang. Kesempatan dapat menentukan
bahwa jumlah yang tidak proporsional pengamatan untypical akan dibuat seperti
untuk kasus pengujian sekering, sekering sampel dapat terdiri dari lebih atau
kurang salah sekering dari populasi yang sebenarnya proporsi kasus salah. Dalam
prakteknya, ini jarang diketahui bila sampel representatif dan harus dibuang.
Sampling error
Apa yang dapat membuat sampel representatif dari populasi? Salah satu penyebab
yang paling sering adalah sampling error.
Kesalahan sampling terdiri dari perbedaan antara sampel dan populasi yang
disebabkan oleh semata-mata untuk unit tertentu yang terjadi telah dipilih.
Sebagai contoh, anggaplah bahwa sampel dari 100 american perempuan diukur
dan semuanya ditemukan lebih tinggi dari enam meter. Hal ini sangat jelas bahkan
tanpa statistik membuktikan bahwa ini akan menjadi sangat tidak representatif
sampel yang mengarah ke kesimpulan yang tidak valid. Ini adalah sangat tidak
mungkin terjadi karena kasus yang jarang terjadi secara alamiah seperti
didistribusikan secara luas di kalangan penduduk. Tapi itu bisa terjadi. Untungnya,
ini adalah kesalahan yang sangat jelas dan dapat etected sangat mudah.
Kesalahan yang lebih berbahaya adalah sampling error kurang jelas terhadap alam
yang menawarkan perlindungan yang sangat kecil. Sebuah contoh akan seperti
contoh di mana ketinggian rata-rata berlebihan hanya satu inci atau dua daripada
satu kaki yang lebih jelas. Ini adalah kesalahan yang unobvious banyak perhatian.
Ada dua penyebab dasar sampling error. Salah satunya adalah kesempatan: Itu
adalah kesalahan yang terjadi hanya karena nasib buruk. Ini dapat menyebabkan
untypical pilihan. Unit yang tidak biasa dalam suatu populasi memang ada dan
selalu ada kemungkinan bahwa abnormal jumlah besar dari mereka akan dipilih.
Sebagai contoh, dalam sebuah studi baru-baru ini di mana saya melihat jumlah
pohon, saya memilih rumah tangga sampel secara acak, tapi cukup aneh, dua
rumah tangga di seluruh penduduk, yang memiliki jumlah pohon tertinggi (10.018
dan 6345) yang kedua dipilih membuat sampel rata-rata lebih tinggi daripada
seharusnya. Dengan rata-rata dua ekstrem ini dihapus adalah 828 pohon. Agaisnt
perlindungan utama jenis kesalahan ini adalah dengan menggunakan sampel yang
cukup besar. Penyebab kedua sampling sampling bias.
Sampling bias adalah kecenderungan untuk mendukung pemilihan unit yang
memiliki karakteristik paticular.
Sampling bias biasanya merupakan hasil dari rencana pengambilan sampel yang
miskin. Yang paling penting adalah non respon bias ketika untuk beberapa alasan
beberapa unit tidak memiliki kesempatan untuk tampil dalam sampel. Sebagai
contoh, ambillah kasus hipotetis di mana survei yang dilakukan baru-baru ini oleh
sekolah Pascasarjana Cornell untuk mengetahui tingkat stres mahasiswa
pascasarjana yang akan lewat. Sebuah surat kuesioner dikirim kepada 100
mahasiswa pascasarjana yang dipilih secara acak. Hanya 52 menanggapi dan
hasilnya adalah bahwa siswa tidak berada di bawah strees pada waktu itu ketika
kasus yang sebenarnya adalah bahwa itu adalah waktu tertinggi stres bagi semua
siswa, kecuali orang-orang yang sedang menulis tesis mereka dengan langkah
mereka sendiri. Rupanya, ini adalah kelompok yang punya waktu untuk
menanggapi. Para peneliti yang sedang melakukan studi kembali ke kuesioner
untuk mengetahui apa masalahnya dan menemukan bahwa semua orang yang
telah menjawab ketiga dan keempat adalah mahasiswa PhD. Bias bisa sangat
mahal dan harus gaurded melawan sebanyak mungkin. Untuk kasus ini, $ 2.000,00
sudah habis dan tidak ada hasil yang dapat diandalkan Selain itu, biaya yang
pekerjaannya sejak reseacher majikannya berpikir kalau dia sudah memenuhi
syarat, ia seharusnya tahu bahwa sebelum tangan dan merencanakan tentang cara
untuk menghindarinya. Sebuah cara untuk memilih unit analisis harus didesain
untuk menghindari bentuk-bentuk yang lebih jelas bias. Contoh lain akan di mana
Anda ingin tahu pendapatan rata-rata dari beberapa komunitas dan Anda
memutuskan untuk menggunakan nomor telepon untuk memilih sampel dari total
jumlah penduduk di suatu wilayah di mana hanya orang kaya dan rumah tangga
kelas menengah memiliki saluran telepon. Anda akan berakhir dengan pendapatan
rata-rata yang tinggi akan mengakibatkan keputusan kebijakan yang salah.
Non sampling error (kesalahan pengukuran)
Penyebab utama lainnya dari sampel tidak representatif non sampling error. Jenis
kesalahan ini dapat terjadi apakah sebuah sensus atau sampel sedang digunakan.
Seperti sampling error dan non sampling error mungkin baik dihasilkan oleh peserta
dalam studi statistik atau menjadi tidak bersalah oleh produk dari rencana
pengambilan sampel dan prosedur.
Non sampling error adalah kesalahan yang semata-mata hasil dari cara
pengamatan yang dibuat.
Contoh paling sederhana non sampling error tidak akurat karena pengukuran
malfuntioning instrumen atau prosedur miskin. Sebagai contoh, Pertimbangkan
pengamatan bobot manusia. Jika orang diminta untuk menyatakan beban mereka
sendiri sendiri, tidak ada dua jawaban akan sama kehandalan. Orang-orang akan
menimbang diri pada skala yang berbeda di berbagai negara caliberation miskin.
Seorang individu `s berat berfluktuasi diurnally oleh beberapa kilogram, sehingga
waktu untuk menimbang akan mempengaruhi jawaban. Skala membaca juga akan
berbeda dengan orang keadaan `s menanggalkan pakaian. Karena itu tanggapan
tidak akan berlaku kecuali sebanding semua orang ditimbang dalam keadaan yang
sama.
Pengamatan bias karena pengukuran yang tidak akurat dapat tidak bersalah tetapi
sangat merusak. Sebuah kisah yang menceritakan tentang seorang astronom
Perancis yang pernah mengajukan teori baru berdasarkan pengukuran spektroskopi
cahaya yang dipancarkan oleh bintang tertentu. Ketika colleques menemukan
bahwa alat ukur telah tercemar oleh asap rokok, mereka menolak temuan.
Dalam survei karakteristik pribadi, kesalahan yang tidak disengaja dapat terjadi
dari:-Cara yang menimbulkan respon-desirabilitas sosial dari orang yang disurvei-
Tujuan dari studi-bias pribadi dari pewawancara atau survei penulis
Efek yang interwiers
Tidak ada dua pewawancara yang sama dan orang yang sama dapat memberikan
jawaban berbeda pewawancara yang berbeda. Cara di mana pertanyaan yang
dirumuskan juga dapat mengakibatkan tanggapan yang tidak akurat. Individu
cenderung untuk memberikan jawaban palsu pertanyaan tertentu. Sebagai contoh,
beberapa orang ingin merasa lebih muda atau lebih tua karena alasan tertentu
yang dikenal untuk mereka sendiri. Jika Anda bertanya seperti orang usia mereka
bertahun-tahun, lebih mudah bagi idividual hanya untuk berbohong kepada Anda
oleh lebih menyatakan usia mereka oleh satu atau lebih tahun daripada jika Anda
bertanya yang tahun mereka lahir karena akan memerlukan sedikit aritmetika
cepat untuk memberikan tanggal yang salah dan tanggal lahir pasti akan lebih
akurat.
Efek responden
Responden mungkin juga memberikan jawaban yang salah untuk mengesankan
pewawancara. Jenis kesalahan ini adalah yang paling sulit untuk mencegah karena
hasil dari luar penipuan kanan pada bagian respondee. Contoh dari hal ini adalah
apa yang saya saksikan dalam studi baru-baru ini di mana saya bertanya petani
berapa banyak jagung mereka panen tahun lalu (1995). Dalam kebanyakan kasus,
orang-orang cenderung untuk berbohong dengan mengatakan suatu angka yang
merupakan hasil yang diharapkan yang direkomendasikan adalah 25 kantong per
hektar. Tanggapan dari laki-laki tampak begitu seragam sehingga aku menjadi
curiga. Aku dibandingkan dengan tanggapan dari istri-istri orang-orang ini dan
tanggapan mereka semua berbeda. Untuk memutuskan mana yang benar,
bilamana mungkin aku bisa dalam cara yang bijaksana memverifikasi dengan putra
atau putri yang lebih tua. Penting untuk mengakui bahwa faktor-faktor psikologis
tertentu menyebabkan tanggapan yang salah dan sangat hati-hati harus diambil
untuk merancang sebuah studi yang meminimalkan efek mereka.
Mengetahui tujuan studi
Mengetahui mengapa studi yang sedang dilakukan dapat membuat salah
tanggapan. Sebuah contoh klasik adalah pertanyaan: Apakah penghasilan Anda?
Jika sebuah badan pemerintah meminta, sosok yang berbeda dapat diberikan dari
responden akan memberikan pada aplikasi untuk hipotek rumah. Salah satu cara
untuk menjaga terhadap bias semacam itu adalah untuk kamuflase studi `s tujuan;
obat lain adalah untuk membuat pertanyaan yang sangat spesifik, sehingga tidak
ada ruang untuk interpretasi pribadi. Sebagai contoh, "Di mana kau bekerja?" dapat
diikuti dengan "Apakah gaji Anda?" dan "Apakah Anda mempunyai pekerjaan
tambahan?" Sebuah rangkaian pertanyaan seperti itu dapat menghasilkan informasi
yang lebih akurat.
Induced bias
Akhirnya, perlu dicatat bahwa prasangka pribadi baik perancang studi atau
pengumpul data yang cenderung menyebabkan bias. Dalam merancang kuesioner,
mungkin pertanyaan miring sedemikian rupa sehingga respons tertentu akan
diperoleh walaupun inacurrate. Sebagai contoh, seorang agronomis berlaku pupuk
untuk plot kunci tertentu, tahu bahwa mereka akan memberikan hasil lebih
menguntungkan daripada yang lain. Untuk melindungi terhadap akibat bias, nasihat
dari seorang individu yang terlatih dalam statistik harus dicari dalam perancangan
dan orang lain menyadari kesulitan pencarian harus melayani dalam kapasitas
audit.
MEMILIH THE SAMPLE
Bagian sebelumnya telah meliput masalah yang paling umum yang berhubungan
dengan studi statistik. Keinginan prosedur sampling tergantung pada kerentanan
terhadap kesalahan dan biaya. Namun, ekonomi dan kehandalan bersaing berakhir,
karena, untuk mengurangi kesalahan yang sering memerlukan peningkatan
pengeluaran sumber daya. Dari dua jenis kesalahan statistik, sampling error hanya
dapat dikontrol dengan menjalankan perawatan dalam menentukan metode untuk
memilih sampel. Bagian sebelumnya telah menunjukkan bahwa sampling error
mungkin disebabkan oleh bias atau kesempatan baik. Kesempatan komponen
(kadang-kadang disebut random error) yang muncul tidak peduli betapa hati-hati
prosedur pemilihan dilaksanakan, dan satu-satunya cara untuk memperkecil
kesempatan kesalahan pengambilan sampel adalah dengan memilih sampel yang
cukup besar (ukuran sampel dibahas menjelang akhir tutorial ini). Sampling bias di
sisi lain dapat diminimalkan oleh pilihan bijak prosedur sampling.
JENIS SAMPEL
Ada tiga jenis utama contoh: kenyamanan, penilaian sampel, dan sampel acak.
Mereka berbeda dalam cara di mana unit dasar dipilih.
Sampel yang nyaman
Sebuah hasil sampel kenyamanan ketika unit SD lebih nyaman dipilih dari suatu
populasi untuk observasi.
Penghakiman sampel
Sebuah penilaian sampel diperoleh sesuai dengan kebijaksanaan dari seseorang
yang akrab dengan karakteristik yang relevan dari populasi.
Sampel acak
Ini mungkin tipe yang paling penting sampel. Sebuah sampel acak memungkinkan
probabilitas yang telah diketahui bahwa setiap unit SD akan dipilih. Untuk alasan
ini, kadang-kadang disebut sebagai sampel probabilitas. Ini adalah jenis sampling
yang digunakan dalam undian dan khalayak. Sebagai contoh, jika Anda ingin
memilih 10 pemain secara acak dari populasi 100, Anda dapat menulis nama
mereka, lipat mereka, mereka benar-benar campuran kemudian memilih sepuluh.
Dalam hal ini, setiap nama punya kesempatan yang sama yang ditangkap. Angka
acak juga dapat digunakan (lihat halaman Lapin 81).
JENIS SAMPEL RANDOM
Sampel acak sederhana
Sampel acak sederhana diperoleh dengan memilih unit dasar untuk mencari cara
bahwa setiap unit dalam populasi memiliki kesempatan yang sama untuk dipilih.
Sampel acak sederhana bebas dari sampling bias. Namun, dengan menggunakan
tabel nomor acak untuk memilih unit dasar dapat praktis. Jika sampel yang akan
dikumpulkan oleh orang terlatih dalam statistik, maka instruksi dapat disalahartikan
dan pilihan dapat dilakukan secara tidak benar. Alih-alih menggunakan bilangan
acak setidaknya, pengumpulan data dapat disederhanakan dengan memilih
mengatakan setiap 10 atau 100 unit setelah unit pertama telah dipilih secara acak
seperti yang dibahas di bawah ini. prosedur semacam ini disebut sampling acak
sistematis.
Sampel acak sistematis
Sebuah sampel acak sistematis diperoleh dengan memilih salah satu unit yang
masuk secara serampangan dan memilih unit SD tambahan secara merata jarak
interval sampai jumlah unit yang diinginkan diperoleh. Sebagai contoh, ada 100
siswa di kelas Anda. Anda menginginkan sampel 20 dari 100 dan Anda memiliki
nama-nama mereka tercantum pada selembar kertas mungkin berada pada urutan
abjad. Jika Anda memilih untuk menggunakan sampling acak sistematis, membagi
100 dengan 20, Anda akan mendapatkan 5. Secara acak memilih angka antara 1
dan lima. Misalkan nomor yang Anda telah memilih adalah 4, yang akan menjadi
nomor awal Anda. Jadi nomor siswa 4 telah dipilih. Dari sana Anda akan memilih
nama setiap 5 sampai Anda mencapai yang terakhir, nomor seratus. Anda akan
berakhir dengan 20 murid yang dipilih.
Sebuah sampel bertingkat
Sebuah sampel stratifikasi diperoleh dengan memilih secara independen terpisah
sampel acak sederhana dari masing-masing strata populasi. Suatu populasi dapat
dibagi menjadi kelompok-kelompok yang berbeda mungkin didasarkan pada
beberapa karakteristik atau variabel seperti pendapatan pendidikan. Seperti tubuh
dengan sepuluh tahun pendidikan akan berada di grup A, antara 10 dan 20
kelompok B dan antara 20 dan 30 kelompok C. Kelompok ini disebut sebagai strata.
Anda dapat kemudian secara acak memilih dari masing-masing strata suatu jumlah
unit yang dapat didasarkan pada proporsi seperti jika grup A memiliki 100 orang
sementara grup B mempunyai 50, dan C memiliki 30 Anda mungkin memutuskan
anda akan mengambil 10% dari masing-masing. Jadi Anda mengakhiri dengan 10
dari grup A, 5 dari kelompok B dan 3 dari grup C.
Sekelompok sampel
Sekelompok sampel diperoleh dengan memilih kelompok dari populasi berdasarkan
sampling acak sederhana. Sampel terdiri dari sensus masing-masing kelompok
dipilih secara acak. Sebagai contoh, sebuah cluster mungkin ada beberapa hal
seperti sebuah desa atau sekolah, sebuah negara. Jadi Anda memutuskan semua
sekolah dasar di newyork Negara adalah gugus. Anda ingin 20 sekolah yang dipilih.
Anda dapat menggunakan sederhana atau sistematik random sampling untuk
memilih sekolah, maka setiap sekolah dipilih menjadi sebuah cluster. Jika Anda
tertarik adalah dengan mewawancarai guru pada pendapat Thei beberapa program
baru yang telah diperkenalkan, maka semua guru di sebuah cluster harus
diwawancarai. Meskipun sampling cluster sangat ekonomis sangat rentan terhadap
bias sampling. Seperti untuk kasus di atas, Anda akan mendapatkan tanggapan
serupa dari guru dalam satu sekolah karena fakta bahwa mereka berinteraksi
dengan satu sama lain.
Tujuan SAMPLING
Sampling bertujuan memilih kasus kaya informasi untuk studi Indepth. Ukuran dan
kasus-kasus tertentu tergantung pada tujuan penelitian.
Ada sekitar 16 jenis sampling bertujuan. Mereka secara singkat dijelaskan di bawah
ini bagi Anda untuk mengetahui dari mereka. Rincian dapat ditemukan dalam
Patton (1990) Pg 169-186.
Kasus ekstrim dan menyimpang sampling melibatkan ini sangat tidak biasa belajar
dari manifestasi dari fenomena bunga, suchas kesuksesan luar biasa, penting
kegagalan, kelas atas, putus sekolah, peristiwa eksotis, krisis.
Intensitas sampling ini adalah informasi kasus kaya fenomena yang sangat nyata,
tetapi tidak sangat, seperti siswa yang baik, siswa miskin, rata-rata di atas / bawah
rata-rata.
Variasi maksimum sampling melibatkan ini sengaja memilih berbagai variasi
dimensi kepentingan. Dokumen ini unik atau beragam variasi yang muncul dalam
beradaptasi dengan kondisi yang berbeda. Ini juga mengidentifikasi pola-pola yang
penting Common memotong variasi. Seperti dalam contoh wawancara mahasiswa
Cornell, Anda mungkin ingin mendapatkan mahasiswa dari berbagai negara, latar
belakang profesi, budaya, pengalaman kerja dan sejenisnya.
Homogenious sampling ini salah satu variasi mengurangi, menyederhanakan
analisis, memfasilitasi wawancara kelompok. Seperti bukan memiliki jumlah
maksimum kebangsaan seperti dalam kasus di atas variasi maksimum, hal itu
mungkin fokus pada satu kebangsaan Amerika mengatakan hanya.
Kasus yang khas sampling ini melibatkan mengambil contoh dari apa yang akan
menelepon khas, normal atau rata-rata untuk fenomena tertentu,
Stratified sampling bertujuan charecteristics Hal ini menggambarkan subkelompok
tertentu minat dan memfasilitasi perbandingan antara kelompok yang berbeda.
Kasus kritis sampling> Hal ini memungkinkan generalisasi dan maksimum logis
penerapan informasi kasus-kasus lain seperti "Jika benar untuk satu kasus ini,
kemungkinan akan berlaku untuk semua kasus-kasus lain. Anda pasti sudah
mendengar pernyataan seperti jika happenned untuk jadi dan sehingga kemudian
hal ini bisa terjadi pada siapa pun. Atau jika begitu dan begitu melewati ujian itu,
maka siapa pun bisa lewat.
Sampling bola salju atau rantai yang satu ini menunjukkan, kasus-kasus yang
menarik dari orang-orang yang mengenal orang-orang yang tahu apa yang kaya
informasi kasus, contoh-contoh yang baik untuk belajar, subyek wawancara yang
baik. Ini umumnya digunakan dalam studi yang mungkin melihat isu-isu seperti
tunawisma rumah tangga. Apa yang Anda lakukan adalah untuk mendapatkan satu
dan dia akan memberitahu Anda di mana orang lain atau dapat ditemukan. Bila
Anda menemukan orang-orang lain mereka akan memberitahu Anda di mana Anda
bisa mendapatkan lebih banyak orang lain dan rantai terus berlanjut.
Kriteria pengambilan sampel Di sini, Anda menetapkan kriteria dan memilih semua
kasus yang memenuhi kriteria itu misalnya, semua wanita enam kaki tingginya,
semua mobil putih, semua petani yang menanam bawang. Metode sampling ini
sangat kuat dalam jaminan kualitas.
Teori berdasarkan sampling konstruksi atau operasional. Mencari perwujudan dari
sebuah teoritis membangun minat sehingga rumit dan memeriksa konstruksi.
Membenarkan dan kasus disconfirming mengelaborasi dan memperdalam analisis
awal seperti jika Anda sudah mulai melakukan beberapa studi, Anda sedang
mencari informasi lebih lanjut atau mengkonfirmasi beberapa isu-isu yang muncul
yang tidak jelas, mencari pengecualian dan variasi pengujian.
Sampling oportunistik berikut ini melibatkan petunjuk baru selama pekerjaan
lapangan, mengambil keuntungan dari fleksibilitas tak terduga.
Random sampling ini bertujuan menambah kredibilitas ketika tujuan sampel lebih
besar dari satu bisa mengatasinya. Mengurangi penilaian dalam kategori tujuan.
Tetapi tidak untuk generalisasi atau keterwakilan.
Sampling politis kasus-kasus penting jenis sampling ini menarik atau menghindari
perhatian menarik perhatian yang tidak diinginkan oleh purposisefully
menghilangkan dari sampel kasus-kasus politik. Ini mungkin individu, atau daerah.
Convenience sampling ini berguna untuk mendapatkan ide-ide umum tentang
fenomena yang menarik. Sebagai contoh Anda memutuskan Anda akan wawancara
sepuluh orang pertama Anda bertemu besok pagi. Menghemat waktu, uang dan
usaha. Ini adalah cara yang paling miskin mendapatkan sampel, memiliki
kredibilitas terendah dan menghasilkan informasi-kasus miskin.
Kombinasi atau campuran tujuan sampling sampling ini menggabungkan berbagai
strategi untuk mencapai sampel yang diinginkan. Ini membantu dalam triangulasi,
memungkinkan fleksibilitas, dan memenuhi berbagai kepentingan dan kebutuhan.
Ketika memilih strategi sampling perlu bahwa itu sesuai dengan tujuan penelitian,
sumber daya yang tersedia, pertanyaan yang ditanyakan dan kendala yang
dihadapi. Ini berlaku bagi strategi pengambilan sampel, serta ukuran sampel.
SAMPLE SIZE
Sebelum memutuskan berapa besar sampel harus, Anda harus mendefinisikan
populasi studi Anda. Sebagai contoh, semua anak di bawah usia tiga di Tomkin `s
County. Kemudian menentukan kerangka sampling yang bisa daftar semua chidren
di bawah tiga sebagaimana dicatat oleh Tomkin `s County. Anda kemudian dapat
berjuang dengan ukuran sampel.
Pertanyaan mengenai seberapa besar seharusnya sampel adalah sulit. Ukuran
sampel dapat ditentukan oleh berbagai kendala. Sebagai contoh, pendanaan yang
tersedia mungkin prespecify ukuran sampel. Ketika biaya penelitian adalah tetap,
yang berguna aturan adalah untuk menghabiskan sekitar satu setengah dari jumlah
total untuk pengumpulan data dan separuh lainnya untuk analisis data. Kendala ini
mempengaruhi ukuran sampel maupun desain sampel dan prosedur pengumpulan
data.
Secara umum, ukuran sampel tergantung pada sifat dari analisis yang akan
dilakukan, ketepatan yang dikehendaki perkiraan satu keinginan untuk mencapai,
jenis dan jumlah perbandingan yang akan dibuat, jumlah variabel yang harus
diperiksa secara simultan dan bagaimana heterogen alam semesta adalah sampel.
Misalnya, jika analisis kunci percobaan acak terdiri dari rata-rata untuk
experimentals komputasi dan kontrol dalam sebuah proyek dan membandingkan
perbedaan-perbedaan, maka sampel dibawah 100 mungkin akan memadai, dengan
asumsi bahwa asumsi-asumsi statistik lainnya terus.
Dalam penelitian non-eksperimental, yang paling sering, variabel yang relevan
harus dikontrol kelompok statistik karena berbeda oleh faktor-faktor selain
kesempatan.
Pertimbangan teknis lebih menyarankan bahwa ukuran sampel yang diperlukan
adalah fungsi dari ketepatan estimasi yang ingin dicapai, variabilitas atau varians,
seorang pun mengharapkan untuk menemukan dalam populasi dan tingkat
kepercayaan statistik seseorang ingin digunakan. Ukuran sampel N yang
dibutuhkan untuk estimasi mean populasi (rata-rata) dengan tingkat presisi yang
diberikan adalah:
Akar kuadrat dari N = (1,96 presisi mana & )*(&)/ adalah populasi deviasi standar
untuk variabel yang berarti orang yang tertarik dalam memperkirakan. Presisi
mengacu pada lebar interval seseorang bersedia menoleransi dan 1,96
mencerminkan tingkat keyakinan. Untuk rincian tentang hal ini silahkan lihat Salant
dan Dillman (1994).
Misalnya, untuk memperkirakan pendapatan berarti dalam suatu populasi dengan
akurasi sebesar $ 100 per tahun, dengan menggunakan interval kepercayaan 95%
dan dengan asumsi bahwa standar deviasi dari pendapatan dalam populasi adalah
$ 1600,0, ukuran sampel yang diperlukan adalah 983: [(1,96) ( 1600/100)] kuadrat.
Menentukan ukuran sampel untuk penelitian kualitatif bahkan dapat lebih sulit
daripada kuantitatif karena tidak ada aturan yang pasti harus diikuti. Ini akan
tergantung pada apa yang Anda ingin tahu, tujuan dari penyelidikan, apa yang
dipertaruhkan, apa yang akan berguna, apa yang akan memiliki kredibilitas dan apa
yang dapat dilakukan dengan waktu dan sumber daya yang tersedia. Dengan
sumber daya tetap yang selalu terjadi, Anda dapat memilih untuk belajar satu
fenomena di kedalaman tertentu dengan ukuran sampel yang lebih kecil atau
ukuran sampel yang lebih besar bila mencari luas. Dalam tujuan sampling, sampel
harus dinilai berdasarkan tujuan dan dasar pemikiran untuk setiap kajian dan
strategi pengambilan sampel yang digunakan untuk mencapai tujuan penelitian.
Validitas, meangfulness, dan wawasan yang dihasilkan dari penelitian kualitatif
lebih berkaitan dengan informasi-kekayaan dari kasus yang dipilih dan pengamatan
/ kemampuan analitis peneliti dibandingkan dengan ukuran sampel.
KESIMPULAN
Sebagai kesimpulan, dapat dikatakan bahwa menggunakan sampel dalam
penelitian terutama menghemat uang dan waktu, jika strategi sampling yang cocok
digunakan, ukuran sampel yang sesuai dipilih dan diperlukan tindakan pencegahan
yang diambil untuk mengurangi pada pengambilan sampel dan pengukuran
kesalahan, maka akan menghasilkan sebuah sampel berlaku dan informasi yang
dapat diandalkan. Rincian sampling dapat diperoleh dari referensi termasuk di
bawah ini dan banyak buku lain pada statistik atau penelitian kualitatif yang dapat
ditemukan di perpustakaan.
Referensi
Webster, M. (1985). Webster `s nith kamus perguruan tinggi baru. Meriam -
Webster Inc
Salant, P. dan D. A. Dillman (1994). Bagaimana melakukan survei Anda sendiri. John
Wiley & Sons, Inc
Patton, M.Q. (1990). Evaluasi dan penelitian kualitatif metode. SAGE Publications.
Newbury Park London, New Delhi.
Lapin, L. L. (1987). Statistik untuk mordern keputusan bisnis. Harcourt Brace
Jovanovich, Inc