Taburan Persampelan

Menurut Mohd Yusof (2005), populasi ialah sekumpulan besar individu yang

hendak dikaji.Ia juga merupakan objek atau peristiwa yang d ikaji. Perkataan

populasi adalah merujuk kepada himpunan keseluruhan subjek kajian yang tidak

terhad kepada kumpulan manusia sahaja tetapi merangkumi apa sahaja

kumpulan subjek yangmenjadi tumpuan kajian( Bidin Yatim & Sharipah So’aad

Syed Yahaya, 2002).

Populasi merupakan keseluruhan dari objek penelitian yang dapat berupa manusia,

haiwan,tumbuh-tumbuhan, gejala, nilai, peristiwa, sikap hidup, dan sebagainya yang

menjadi pusat perhatian dan menjadi sumber data penelitian. Populasi ialah satu

kumpulan elemen atau kes, sama ada individu, objek atau peristiwa yang menurut

kriteria yang terperinci ataupun individu yang keputusannya boleh dibuat sebagai

kesimpulan umum (Mc Millan, 1996). Mohamad Najib Abdul Ghafar (1999)

menyatakan bahawa jika jumlah populasinya adalah kecil, penyelidik boleh

menggunakan keseluruhan ahli sebagai sampel dan penyelidikan tersebut adalah

sebuah kajian kes. MengikutFraenkel & Wallen,1990 populasi ialah kumpulan

sasaran penyelidik supaya sesuatu dapatankajian dapat diaplikasikan.Sampel ialah

kumpulan yang akan dikaji yang diperolehi daripada populasi.

Persampelan bermaksud membolehkan maklumat diperolehi daripada

sebahagian daripada kumpulan yang lebih besar atau mendapatkan sampel

daripada populasi sasaran. Pengambilan sampel dari populasi mestilah benar-benar

mewakili populasi (Mohd Yusof, 2005). Menurut Aziziet. al (2007), beberapa teknik

dapat digunakan bagi mendapatkan sampel yang mewakilipopulasi dengan tepat.

Menurut Sekaran (2000), persampelan adalah merujuk kepada prosesmemilih

jumlah elemen yang mencukupi daripada populasi supaya pemahaman

terhadapsifat-sifat sampel dapat memungkinkan pengkaji membuat generalisasi

terhadap sifat-sifatpopulasi sampel berkenaan Bagi mendapatkan jumlah bilangan

sampel yang digunakandalam kajian ini, penyelidik telah merujuk kepada Jadual

Penentuan Saiz Sampel yangdikemukakan oleh Krejcie and Morgan (1970) dalam

Azizi et. al (2006).

Kaedah persampelan merupakan pengambilan sebahagian pecahan dari suatu

populasi atau juzuk penuh sebagai mewakili populasi atau juzuk itu (Kerlinger,1973).

Sampel dalam kaedah persampelan merupakan satu subset populasi dan sampel

berupaya mewakili keseluruhanpopulasi. Sampel atau responden-responden yang

terpilih dalam soal selidik haruslah mengikut beberapa kriteria dan juga berkaitan

dengan isu sama ada secara langsung atau tidak langsung.

Terdapat beberapa kaedah persampelan, antaranya adalah

persampelan berkebarangkalian dan persampelan tidak berkebarangkalian.

Persampelan berkebarangkalian pula dibahagikan kepada sampel rawak mudah,

sampel sistematik, sampel berserta dan sampel berkelompok. Persampelan tidak

berkebarangkalian terdiri daripada sampel kuota, sampel "bola salji" dansampel

pertimbangan. Persampelan berkelompok digunakan apabila sesuatu populasi boleh

dibahagikan kepada unit-unit dengan setiap unit mempunyai ciri-ciri populasi.

Selepas beberapa unit telah dipilih secara rawak, unsur-unsur dalam unit ini akan

dipilih secara rawak untuk membentuk sampel berkelompok. Persampelan perlu di

lakukan semasa menjalankan kajian kerana penyelidik tidak dapat mengkaji

kelakuan semua manusia dan perlu menghadkan parameter kajian ( Foong , 2008).

Seseorang penyelidik mungkin tidak berupaya menggunakan semua anggota

populasi dalam kajian. Oleh itu, wakil atau contoh am populasi yang dikenali sebagai
sampel sahaja yang akan digunakan dalam kajian (Mohd. Majid Konting, 2000).

Menurut Mohd. Majid Konting(2004), persampelan merupakan strategi penyelidikan

di mana penyelidik boleh mendapat maklumat mengenai sesuatu populasi daripada

sebahagian individu yang menganggotai populasi tersebut. Sebahagian individu

yang diambil melalui persampelan bagi mewakili sesuatu populasi yang dikaji

dinamakan sampel. Menurut Alias (1992), sampel merangkumi ahli-ahli daripada

kumpulan kecil yang dipilih secara rawak dari populasi untuk mengkaji sifat atau

parameter populasi.

Dua jenis persampelan yang utama ialah rawak dan tidak rawak. Di dalam

persampelan rawak setiap unit di dalam populasi mempunyai kebarangkalian yang

sama untuk dipilihsebagai sampel. Persampelan rawak menunjukkan peluang yang

sama untuk memasuki proses pemilihan. Sebagai contoh, kebanyakan rakyat

Malaysia yang membeli Sijil Simpanan Primium percaya pemenang cabutan Sijil

Simpanan Primium adalah dipilih dari cabutan nombor rawak. Di dalam situasi ini,

ahli-ahli populasi percaya bahawa pemilihan adalah dibuat melalui peluang. Di

dalam sampel tidak rawak pula bukan semua unit populasi mempunyai

kebarangkalian untuk dipilih kedalam sampel. Ahli-ahli persampelan tidak rawak

tidak dipilih melalui peluang. Sebagai contoh, mereka dipilih disebabkan mereka

berada ditempat yang betul dan pada waktu yang betul atau mereka mengetahui

bahawa penyelidik sedang menjalankan penyelidikan. Kadangkala persampelan

rawak dipanggil sebagai persampelan kebarangkalian dan persampelan tidak rawak

dipanggil sebagai persampelan bukan kebarangkalian. Disebabkan oleh setiap unit

populasi tidak mempunyai peluang yang sama dipilih maka untuk meletakkan

sesuatu kebarangkalian adalah mustahil. Dalam penulisan ini saya hanya akan

menerangkan tentang persampelan rawak mudah. Pensampelan rawak mudah

(Simple Random Sampling) Ia merupakan teknik pensampelan yang asas. Ia

memerlukan senarai kesemua calon yang berkemungkinan dipilih. Setiap individu

mempunyai kebarangkalian yang sama untuk dipilih berbanding calon lain. Nama

calon yang telah dipilih tidak akan dimasukkan semula ke dalam senarai

pencalonan.

Ralat persampelan

Ketidaktepatan statistik sampel menganggar parameter populasi ditentukan oleh

ralat persampelan. Ralat persampelan adalah ralat yang berlaku apabila sampel

digunakan untuk membuat inferens terhadap populasi. Ralat persampelan

merupakan perbezaan atau variasi antara min bagi sampel yang dirawak dengan

min populasi yang bertaburan secara normal. Variasi pada nilai-nilai individu dalam

satu populasi dengan min populasi menyumbang kepada variasi pada min sampel

rawak dengan min populasi. Variasi pada nilai individu dalam sampel daripada min

sampel menyumbang kepada variasi pada min-min sampel dengan min populasi.

Jika min sampel sama dengan min populasi, maka ralat persampelan adalah sifar

(jika maklumat diperolehi daripada populasi).

Ralat persampelan berfungsi secara langsung dengan saiz sampel dan

sisihan piawai populasi. Sekiranya saiz sampel tetap, ralat persampelan akan

meningkat jika sisihan piawai populasi bertambah besar dan sebaliknya. Semakin

saiz sampel (n) meningkat atau menghampiri N, semakin ralat persampelan

menurun, kerana apabila n meningkat, sisihan piawai populasi menurun. Saiz

sampel n yang kecil lebih terdedah kepada ralat persampelan berbanding dengan n

yang besar. Oleh itu, matlamat persampelan adalah untuk mengurangkan ralat
persampelan dan ralat persampelan boleh dikurangkan dengan menambahkan n.

Semakin besar nilai sisihan piawai (sd) sampel, semakin besar ralat persampelan

yang wujud. Semakin besar saiz sampel, semakin kecil ralat persampelan.

Hubungan antara taburan persampelan dengan confidence interval dan

pengujian hipotesis

Nilai signifikansi dari suatu hipotesis adalah nilai kebenaran dari hipotesis yang

diterima atau ditolak. Hasil penelitian dapat benar tapi tidak penting.

Signifikansi/probabilitas/α memberikan gambaran mengenai bagaimana hasil kajian

itu mempunyai kebarangkalian untuk benar. Jika kita memilih signifikan sebesar

0,01, maka kita menentukan hasil kajian nanti mempunyai kebarangkalian untuk

benar sebesar 99% dan untuk salah pula adalah sebesar 1%.

Secara umum, kita menggunakan angka signifikansi sebesar 0,01; 0,05 dan 0,1.

Pertimbangan penggunaan angka tersebut didasarkan pada tingkat kepercayaan

(confidence interval) yang diinginkan oleh pengkaji. Angka signifikansi sebesar 0,01

bermakna tingkat kebolehpercayaan atau bahasa umumnya keinginan kita untuk

memperoleh kebenaran dalam penelitian kita adalah sebesar 99%. Jika angka

signifikansi sebesar 0,05, maka tingkat kebolehpercayaan adalah sebesar 95%. Jika

angka signifikansi sebesar 0,1, maka tingkat kebolehpercayaan adalah sebesar

90%.

Ringkasnya, selang keyakinan (atau batas keyakinan) boleh dianggap

sebagai julat nilai atau selang yang mengandungi 'nilai sebenar' 95% dari masa itu.

Ia boleh dikatakan bahawa ujian hipotesis sebenarnya adalah penggunaan teknik

statistik yang tidak baik, dan tidak benar-benar memberikan maklumat yang

diperlukan olehnya.
 'Ujian hipotesis (dan nilai-nilai p) hanya memberikan maklumat mengenai

kemungkinan kumpulan data tertentu di bawah hipotesis nol. Hipotesis nol merupkan

biasanya tidak terdapat perbezaan antara dua atau beberapa kumpulan (atau, dalam

regresi, pembolehubah bergantung tidak dikaitkan dengan pemboleh ubah bebas

tertentu). Apa yang hampir selalu kita minati adalah nilai yang paling tinggi dari

perbezaan sebenar (atau pekali regresi) dan tahap kepastian dalam anggaran kami.

Selang keyakinan memberi kedua-duanya. Manakala, ujian hipotesis tidak

memberikannya. Oleh itu, secara ringkas, selang keyakinan boleh dianggap sebagai

selang yang merangkumi nilai sebenar 95% dari masa itu. Dalam bahasa statistik,

selang keyakinan 100 (-a)% untuk parameter q diberikan oleh (q ,, q [h) di mana

kebarangkalian.

Oleh itu, selang keyakinan merupakan formula untuk mengira selang atau

julat. Apabila eksperimen diulangi berkali-kali, pecahan dari selang-selang ini

meliputi nilai sebenar yang menghampiri 1-kap. Dalam pada itu, q adalah nombor

tetap - parameter asas sebenar (atau nilai). Oleh itu, takrif tidak merujuk kepada

kebarangkalian tentang q, tetapi mengenai hadnya. Jadi, selang memberikan nilai

yang paling munasabah untuk parameter yang sebenar. Apakah kegunaan selang

keyakinan dan apa yang mereka membenarkan kita melakukan kaedah lain (ujian

hipotesis dan nilai p)? Pertama, tidak seperti ujian hipotesis, selang keyakinan

memberikan ukuran lokasi - ia memberikan anggaran yang paling masuk akal bagi

parameter sebenar, memandangkan data yang diperhatikan. Kedua, ia boleh

digunakan untuk mengukur kepentingan. Jika selang keyakinan 95% tidak

mengecualikan nilai O, kita dapat menyimpulkan bahawa 0 bukan merupakan nilai

kemungkinan parameter sebenar.

 Akhirnya, selang keyakinan memberi maklumat mengenai kepastian.

Anggaran dan jumlah variabiliti yang tidak dapat dijelaskan. Selang keyakinan yang

luas menunjukkan banyak variasi yang tidak dapat dijelaskan dan dengan itu muncul

banyak ketidakpastian. Dalam ujian hipotesis, nilai p yang kecil menunjukkan kesan

yang besar, kebolehpercayaan yang rendah, atau kedua-duanya.

Justeru, selang keyakinan secara langsung memberi maklumat ini dengan

menunjukkan saiz kesan. Selang keyakinan juga boleh digunakan apabila

merancang suatu kajian untuk memilih saiz sampel yang bersesuaian. Dengan cara

yang sama, kita boleh mengira saiz sampel untuk tahap kuasa tertentu untuk saiz

kesan yang tertentu. Tambahan pula, kita juga boleh mengira saiz sampel untuk

lebar selang keyakinan tertentu pada saiz kesan tertentu. Dengan itu, kita dapat

menentukan tahap ketepatan yang diperlukan. Secara keseluruhannya, terdapat

banyak kelebihan untuk menyampaikan data dengan menggunakan selang

keyakinan, dan beberapa kelemahan untuk hanya melaporkan nilai-nilai p. Selain itu,

selang keyakinan mudah dikira dan tersedia sebagai pilihan dengan kebanyakan

pakej perisian.