Sampling

Designs
 Sampling Designs (1)

Idealnya sampel yang didapat representa5f.

Misalnya: populasi = mahasiswa program S1
FKG UI berar5 sampel ada mahasiswa dari 5ap-
angkatan-yang-ada-di-populasi dengan proporsi
yang sama, jumlah pria dan wanita yang
proporsinya sama, yang kos, di rumah, lainnya,
dan seterusnya sesuai karakteris5k populasi.
Sangat susah.
 Sampling Designs (2)
Dapat dilihat sangat kecil kemungkinan bisa didapat
sampel yang 100% representa5f terhadap sampel
karena populasi target 5dak diketahui semua
karakteris5k dari populasi (parameter2).

Oleh karena itu is#lah representa#f kemudian
mengacu pada karakteris#k2 populasi yang spesik
yang mau diteli5 dan 5dak pada kualitas sampel secara
keseluruhan.
 Sampling Designs (3)
Kualitas sampel dilihat dari prosedur yang digunakan yaitu
sampling design-nya (seper5 juga bagian2 lain, prosedur benar
hasil pas5 benar).

Sampling design mengacu pada bagian dari rencana peneli5an

yang menjelaskan bagaimana kasus2 dipilih untuk diteli5.

Sampling design:
Probability sampling
Non-probability sampling
 Sampling Designs (4)
Probability sampling:
se5ap anggota populasi memiliki known probability untuk
terpilih menjadi sampel dan
se5ap sampel diambil secara acak.

Lebih dapat diterima daripada nonprobability

sampling.

Nonprobability sampling: peluang anggota populasi
5dak diketahui karena pengambilan sampel 5dak
dilakukan secara acak.
 Sampling Designs (5)
Kelebihan probability sampling:
Tidak ada inves5gator biases dalam pemilihan sampel
Hukum probabilitas dapat dipakai untuk menghitung
es5masi keakuratan sampel, generalisasi dapat dilakukan
dan batas2 generalisasi dapat diketahui.

C:With nonprobability sampling, the popula4on itself
is undened and the laws of probability do not apply.
SAMPLING ada 2 macam:
Probability Sampling
Non-Probability Sampling

Probability Sampling
 Probability Sampling

Probability sampling selalu menggunakan

proses seleksi secara random/acak dengan
beberapa tahapan.

Probability sampling:
A. Simple random sampling
B. Stra5ed random sampling
C. Cluster sampling
D. Systema5c sampling
 Probability Sampling:
Simple random sampling (A1)
Simple random sampling: se5ap anggota populasi punya
kesempatan sama untuk terpilih. Misalnya mengambil secara
acak dari suatu da]ar.

Sampling error, standard error, condence level, condence

interval, principles of probability sampling theory:
Menggunakan data brapa jumlah rata2 silverqueen yang dimakan
mahasiswa dalam satu hari sebagai ilustrasi.
Populasi: delapan mahasiswa. Jumlah sampel: dua mahasiswa (bisa
lebih).
Kemungkinan pasangan tertentu (dua mahasiswa) terpilih jadi
sampel: 1/28
 Probability Sampling:
Simple random sampling (A2)

Mean Mean count Probability

Mahasiswa Silverqueen
0.5 1 0.04
A 3 1 1 0.04
B
C
1
0
1 1.5
2
3
3
0.11
0.11
2.5 4 0.14
D 2
3
3 4 0.14 0.64
E 3 3.5 4 0.14
4 3 0.11
F 4
4.5 3 0.11
G 6 5 1 0.04
H 5 5.5 1 0.04

Pasangan AB AC AD AE AF AG AH BC BD BE BF BG BH CD
Mean 2 1.5 2.5 3 3.5 4.5 4 0.5 1.5 2 2.5 3.5 3 1

Pasangan CE CF CG CH DE DF DG DH EF EG EH FG FH GH
Mean 1.5 2 3 2.5 2.5 3 4 3.5 3.5 4.5 4 5 4.5 5.5

2
 Probability Sampling:
Simple random sampling (A3)

Distribusi Mean Tiap Pasangan

4
Mean count

0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6
Mean
 Probability Sampling:
Simple random sampling (A4)

Selisih antara sample sta5s5c (misalnya mean) dengan

popula5on parameter disebut sampling error. Contoh dalam
kasus ini, mean sampel 0.5 nilai sampling error-nya 2.5 karena
mean populasi (kebetulan diketahui) 3.0. Mean sampel 1.5,
sampling error-nya 1.5. Satuan pengukuran untuk rataan dari
error2 dari seluruh distribusi sampel disebut standard error.

Semakin besar sampel semakin kecil standard error-nya
(semakin besar sampel semakin dekat mean sampel-nya
dengan popula5on mean semakin kecil standard error-nya).
 Probability Sampling:
Simple random sampling (A5)

Mean populasi adalah antara 2.0 sampai 4.0 (condence interval)

dengan probability or level of condence (5ngkat kepercayaan)
89%

Untuk peneli5an biasanya 99% atau 95%, untuk bisnis 90%

kadang2 sudah bisa diterima.

Sering condence level 5dak disebut, hanya condence interval

(sampel precision)-nya saja, misalnya margin of error +/- 4%
dengan N = 750.

Sampel precision bisa di5ngkatkan dengan sampling design

stra5ed random sampling.
 Contoh
Suatu peneli5an dilakukan di SD Tarakan. jika
diketahui jumlah murid adalah 600 sedangkan
besar sampel yang diingikan 20 murid saja,
bagaimana mengambil 20 murid dari 600
murid di SD Tarakan tsb?
 Langkah penyelesaian
Memberi label (nomer) untuk se5ap murid (Lihat da]ar
absensi.
Lakukan proses acak. Proses acak dapat memanfaatkan
bilangan random.
Melakukan pemilihan nomer bisa dengan menyamping
ke kanan atau kebawah.
Nomer 121 dianggap sebagai sampel pertama. Sampel
ke dua dan seterusnya dapat dilakukan dengan cara
memilih ke samping kanan atau ke bawah.
 Bilangan acak
1214 0211 4761 3567
0265 6513 4323 0123
1113 4535 9564 1433
5462 4334 0095 3432
4353 0015 0056 3221
3549 0228 0547 2300
2118 0238 6568 1231
4117 4227 3228 1232

Probability Sampling:

Stra5ed random sampling (B2)

Populasi dibagi menjadi dua segmen atau lebih yang

mutually exclusive yang disebut strata, berdasarkan
kategori2 dari satu atau lebih variabel yang relevan,
baru kemudian dilakukan simple random sampling.

Stra5fying by variables correlated with the dependent
variable increases the precision of es5mates because it
systema5cally introduces relevant sources of variability
(or heterogeneity) in the popula5on into the sample.
 Untuk n yang sama, stra5ed random sampling
lebih esien dibanding simple random
sampling.

Selain meningkatkan esiensi, stra5ed random
sampling juga digunakan untuk memas5kan
kategori-kategori yang proporsinya kecil dalam
populasi cukup terwakili.

 Misalnya di populasi, orang jawa 90%, orang sunda 5%,
orang bali 5%. Sampel 100 orang berar5 90 orang jawa,
5 orang sunda, 5 orang bali. Kedua kelompok terlalu
sedikit sehingga dalam sta5s5cal es5mates,
tenggelam.

Bisa saja digunakan sampel 30 orang jawa, 30 orang
sunda, 30 orang bali dispropor#onate stra#ed
random sampling. Perlu sta5s5cal adjustment sebelum
menges5masi parameter populasi.
 Gambar
Populasi (seluruh SD)

SD Negeri SD MI Boarding
Swasta School

Sampel
Sampel Sampel Sampel
 Langkah-langkah
Menentukan populasi sasaran.
Menentukan sub-klaster yang dapat didasarkan pada
karakteris5k populasi. Ini lebih sering dikenal dengan
alokasi sampling.
Melakukan proses random (acak) untuk se5ap sub
klaster.
jumlah Sampel yang terambil untuk se5ap sub-klaster
adalah sama.
Melakukan Pengambilan sampel stra5kasi
 Contoh
Suatu peneli5an dilakukan di Serpong tentang kepatuhan
guru melaksakan SIGIBER. Yang dianggap sebagai
populasi adalah semua guru yang berada di seluruh SD
dan MI se kecamatan Serpong. Jika seluruh guru yang
bekerja di Serpong ada 200 sedangkan sampel yang
dibutuhkan sebesar 20 bagaimana cara memilih 20 guru
dari 200 guru yang ada diwilayah kecamatan Serpong.

Probability Sampling:

Simple random sampling dan stra5ed random sampling

berasumsi ada list lengkap dari anggota populasi. Kalau
5dak ada? Cluster sampling bisa digunakan.
Per5mbangan biaya juga merupakan alasan lainnya.

Populasi dibagi-bagi menjadi sekelompok kasus yang
disebut clusters biasanya berdasarkan pembagian alami
seper5 lokasi, golongan sosioekonomi, dsb.

Probability Sampling:

Beda dengan stra5ed: stra5ed mengambil sampel

dari 5ap strata, cluster sampling 5dak mengambil
sampel dari 5ap cluster, hanya cluster yang dipilih saja.
Jika semua anggota cluster menjadi sampel single-
stage cluster sample. Jika suatu cluster terdiri dari
clusters lagi dan sampel diambil dari clusters di
bawahnya mul5stage cluster sampling.
Primary sampling units secondary sampling units dst.

Probability Sampling:

Kurang akurat dibandingkan dengan

simple random sampling atau stra5ed
random sampling untuk jumlah n yang
sama.

Akurasi dapat di5ngkatkan dengan
mengambil sampel dari cluster2 lain.
 Contoh
Suatu peneli5an dilakukan untuk mengetahui
cakupan program Pit & Fissure Sealant pada
anak sekolah di kecamatan Senen, Jakarta
Pusat. Jika sampel yang dibutuhkan sebesar
200 anak sedangkan seluruh populasi 2.000
anak di kecamatan tsb. Bagaimana mengambil
200 anak dari 2.000 anak di wilayah
Kecamatan Senen?

Probability Sampling:

Systema5c sampling(D1)

Systema5c sampling: memilih kasus se5ap interval dari list

lengkap anggota populasi. Syaratnya dua:
Sampling interval (K)
Dan lokasi start.
Misalnya perlu sampel 100 dari 2500 orang, inter val =
2500/100 = 25 (sampling interval). Kemudian tentukan
nomor secara acak dari 1 sampai 25. Misalnya 19,
berikutnya berar5 44, 69, dan seterusnya.
 Pengambilan sampel Sistema5k (sistema4c
random sampling)
Pengambilan sampel ini lebih menekankan pada
sistem interval
Langkah-langkah;
Memberi angka (nomer) untuk seluruh populasi.
penentuan angka didasarkan proporsi terbanyak-
terkecil.
Interval sampel.
Melakukan proses acak untuk interval pertama.
Hasil acak interval pertama sebagai sampel no 1.
 Bilangan acak

1214 0211 4761 3567

0265 6513 4323 0123
1113 4535 9564 1433
5462 4334 0095 3432
4353 0015 0056 3221
3549 0228 0547 2300
2118 0238 6568 1231
4117 4227 3228 1232
 Contoh
Suatu peneli5an dilakukan di RSGM. Yang
dianggap sebagai populasi adalah dokter gigi.
Jika seluruh dokter gigi di RSGM adalah
sebagai populasi (300 drg) sedangkan sampel
yang diingikan sebesar 30 drg. Bagaimana
mengambil 30 drg dari 300 drg yang ada di
RSGM?
 SAMPLING ada 2 macam:
Probability Sampling
Nonprobability Sampling

Nonprobability Sampling
 Nonprobability Sampling (1)

Semua proses pemilihan kasus yang bukan

dengan cara random selec5on.

Kelemahan:
Tidak ada kontrol terhadap inves5gator bias
dalam pemilihan sampel
Variabilitasnya 5dak bisa dihitung menggunakan
probability sampling theory 5dak bisa
menghitung sampling error atau sample precision.
 Nonprobability Sampling (2)

Dalam banyak kasus, cara sampling ini lebih

tepat atau prak5s:
Situasi di mana jumlah kasus yang bisa diteli5
terlalu sedikit, misalnya karena biaya terlalu besar
untuk menyelidiki banyak kasus (misalnya unit
analisa kota, negara, atau yang besar-besar
lainnya), sementara probability sampling kurang
reliabel untuk jumlah kasus yang terlalu sedikit.
Peneli5 hanya bisa bekerja dengan kasus yang ada
saja
Nonprobability Sampling (3)

Di awal peneli5an suatu permasalahan, di

mana tujuannya baru mengumpulkan
informasi mengenai gejala (tujuan
eksplora5f), cukuplah menggunakan
nonprobability sampling, belum diperlukan
generalisasi sta5s5k yang akurat.
Kalau populasinya sendiri jumlah
anggotanya kecil (misalnya di bawah 100).
 Nonprobability Sampling (4)

Tiga 5pe utama nonprobability sampling:

Convenience sampling
Purposive sampling
Quota sampling

Nonprobability Sampling:
Convenience sampling (1)

Alias: incidental, accidental, haphazard, fortuitous

sampling

Peneli5 memilih sejumlah kasus yang conveniently/

readily available.

Metode ini cepat, mudah, dan murah.

Kalau peneli5an permasalahan baru tahap awal dan

generalisasi bukan masalah, metode ini boleh2 saja.

Nonprobability Sampling:
Convenience sampling (2)

Tapi karena sampel yang cuma sedapatnya,

5dak bisa ditentukan hasil peneli5an ini bisa
diterapkannya ke mana kecuali ke sampel itu
sendiri.

Nonprobability Sampling:

Purposive sampling (1)

Peneli5 menggunakan expert judgement untuk memilih kasus2
yang representa5f atau 5pikal dari populasi.

Pertama, iden5kasi sumber2 variasi yang pen5ng dari populasi.
Berikutnya memilih kasus2 sesuai sumber2 variasi tersebut.

Bisa dipilih satu kasus atau satu subpopulasi yang dianggap
representa5f atau 5pikal yang memiliki karakteris5k
tertentu. Atau memilih beberapa kasus yang mewakili
perbedaan2 utama dalam populasi.

Nonprobability Sampling:

Purposive sampling (2)

Teknik purposive sampling lainnya, biasanya untuk
prediksi hasil elec5on, adalah memilih propinsi tertentu
yang telah bertahun-tahun memprediksikan hasil
penghitungan suara nasional secara tepat.

Misalnya kalau di propinsi A partai X menang maka

diprediksikan dengan sangat yakin (keyakinan sebesar
korelasi historisnya) bahwa secara nasional partai X
bakal menang.

Nonprobability Sampling:

Purposive sampling (3)

Tetap kurang bisa diterima dibandingkan probability sampling
jika diperlukan generalisasi yang tepat dan akurat. Tetapi kalau
berbagai hal membatasi, ya boleh lah.

Secara umum lebih kuat dibandingkan convenience sampling

tapi sangat tergantung expert judgement-nya peneli5.

Kelemahan utama: informed selec5on seper5 itu memerlukan

pengetahuan yang cukup mengenai populasi.

Nonprobability Sampling:

Quota sampling (1)

Quota sampling adalah sejenis purposive sampling yang
ada kemiripan dengan propor5onate stra5ed random
sampling:
Pertama, populasi dibagi-bagi menjadi strata yang relevan
seper5 usia, jenis kelamin, lokasi, dsb.
Proporsi 5ap strata diperkirakan atau ditentukan
berdasarkan data eksternal kemudian total sampel dibagi-
bagi sesuai proporsi ke 5ap strata (kuota).
Untuk memenuhi jumlah sampel untuk 5ap strata, peneli5
menggunakan expert judgement-nya.

Nonprobability Sampling:

Quota sampling (2)

Misalnya populasi 55% pria 45% wanita. Sampel 100
orang berar5 55 pria dan 45 wanita. Pemilihan
sampelnya sendiri tergantung penilaian peneli5.

Bedanya dengan stra5ed random sampling, sampel

diambil secara acak sedangkan dalam quota sampling,
sampelnya dipilih berdasarkan pendapat subjek5f
peneli5 pokoknya kuotanya terpenuhi (mirip2
convenience sampling).

Nonprobability Sampling:

Quota sampling (3)

Total sampel juga a convenience sample tapi

ada kemiripan dengan populasi dalam
karakteris5k2 pen5ng tertentu (karena
pembuatan stratanya).

Bias peneli5 sangat mempengaruhi: pemilihan
teman sebagai sampel, milih lokasi2 yang
nyaman, dan sebagainya.

Nonprobability Sampling:

Quota sampling (4)

Keuntungan:
5dak perlu membuat sampling frame
kalau perlu konrmasi 5nggal cari lagi yang
baru asal kuota terpenuhi, 5dak perlu
menghubungi responden yang telah
diwawancarai.

Cepat, mudah dan murah.
 Other Sampling Designs
Gabungan dari probability dan nonprobability sampling
Referral sampling:
Network sampling: responden diminta mengiden5kasi
anggota2 dari target populasi yang ada hubungan dengan
dirinya
Snowball sampling: chain referral, responden diminta
memberikan nama dan kontak dari anggota lain dari target
populasi. Asumsinya sesama anggota saling mengenal.
Misalnya: hackers.
 Faktor - Faktor Yang
Mempengaruhi Sampling Design.

Tergantung pada:
1. Apa saja tahap peneli5an yg akan digunakan?
2. Bagaimana data tsb digunakan?
3. Apa sumberdaya yg tersedia utk menggambarkan
sampel?
4. Bagaimana data dikumpulkan?
Faktor2 yang Mempengaruhi Sampling Design
(1)
Tahap peneli5an dan penggunaan data
Akurasi 5dak terlalu pen5ng kalau baru
eksplorasi gejala, hal yang pen5ng adalah
menemukan pola2 tertentu dulu dan
membuat hipotesis2 untuk peneli5an
lanjutan.
Peneli5 perlu menggunakan good
judgement mereka untuk mendapatkan
sampel yang tepat nonprobability
sampling bisa digunakan.
Faktor2 yang Mempengaruhi Sampling Design
(2)
Kalau cuma pingin me-list semua varians,
cukup dengan sejumlah sampel dengan
pendekatan nonprobability.
Kalau hasil peneli5an akan menjadi bahan
decision making pemerintah misalnya,
presisi diperlukan. Perlu probability sampling
yang terkontrol dan jumlah sampel yang
rela5f banyak.
Faktor2 yang Mempengaruhi Sampling Design
(3)
Ketersediaan resources
Jika akurasi menjadi per5mbangan utama, perlu
digunakan sampling design yang menghasilkan
sampel yang paling presisi. Tapi biayanya bisa jadi
sangat mahal.
Waktu, uang, bahan2 yang diperlukan, lokasi
melimitasi sampling design.
Sampling design disesuaikan kemampuan, kecil
tapi jika prosedur-nya bagus hasilnya pun
bagus.
Faktor2 yang Mempengaruhi Sampling Design
(4)
Pada metoda pengumpulan data
Keempat pendekatan (eksperimen, eld research,
survey research, documentary research) masing-
masing berurusan dengan sampel.
Eksperimen biasanya pakai convenience sampling,
survai biasanya probability sampling, eld research
biasanya convenience atau purposive, documentary
research sering menggunakan probability sampling.