RANDOMISASI

Pengacakan adalah metode pengambilan sampel dimana masing-masing individu memiliki

kesempatan yang sama
atau kemungkinan pemilihan individu untuk membentuk sampel. Pilihan satu individu masuk
tidak ada cara lain terikat dengan yang lain. Individu sampel diambil secara independen dari populasi.
Semua
anggota populasi pada dasarnya memiliki probabilitas yang sama untuk dipilih. Berikut ini adalah
karakteristik utama pengacakan:
1. Setiap individu populasi memiliki kesempatan yang sama untuk diangkat ke sampel.
2. Seseorang tidak berpengaruh dalam pemilihan yang lain. Tidak ada dasi satu sama lain.
3. Bebas dari faktor subjektif atau kesalahan atau bias pribadi dan prasangka atau imajinasi
peneliti.
4. Ini memastikan bahwa sampel terbentuk dengan metode ini. mungkin mewakili populasi.
Metode Pengacakan
Berikut ini adalah metode pengacakan utama:
(a) Metode pengacakan undian.
(b) Mengeluarkan metode koin (kepala atau ekor).
(c) Melontarkan dadu.
(d) Metode buta terlipat.
(e) Tabel acak (Tabel Randomisasi Tiptt).
Pengacakan dapat dilakukan dengan menggunakan salah satu metode untuk memilih subyek sampel
dari populasi. Umumnya tabel acak digunakan untuk membentuk sampel dalam penelitian
pendidikan.
Keuntungan dari Randomisasi
Berikut ini adalah keuntungan utama pengacakan:
1. Ini adalah metode sampling yang obyektif.
2. Ini adalah metode ekonomis dari uang, sudut pandang energi.
3. Merupakan pendekatan sampling yang mudah dilakukan di bidang penelitian.
4. Ini memungkinkan penerapan perangkat statistik dan perawatan data. Kesalahan karena sampling
bisa diestimasi
5. Ini mempertahankan keakuratan dalam analisis hasil.
6. Ini adalah metode sampling yang praktis.
7. Sampel yang representatif dapat dipilih dengan menggunakan pengacakan.
Batasan Pengacakan
Berikut ini adalah keterbatasan utama metode ini:
Pengacakan tidak menjamin keterwakilan penduduk. Contoh acak mungkin
perwakilan yang baik atau mungkin tidak Tidak ada jaminan untuk representativitas populasi oleh
metode.
Jika pengacakan tidak dilakukan dengan ketat, mungkin dilakukan untuk area pribadi atau
subjektivitas.
Pengacakan aktual melibatkan beberapa operasi praktis, jika situasinya tidak menguntungkan
Proses pengacakan bisa dilakukan.
Perencanaan Penelitian dan Pengambilan Sampel
Metode pengacakan tidak dapat digunakan secara efektif dalam penelitian pendidikan, karena
prinsip,
kepala tidak dapat mengizinkan untuk memilih subyek secara acak dari kelas atau institusi. Jadi, subjek
yang dipilih
mungkin tidak bekerja sama
JENIS DESAIN SAMPLING
Beberapa metode telah dirancang untuk memilih sampel yang representatif. Secara umum dua jenis
teknik
dari sampling adalah sebagai berikut:
1. Probability Sampling: Metode sampling yang memberikan probabilitas bahwa sampel kita adalah
Perwakilan populasi dikenal sebagai probability sampling.
2. G.C. Halmstadter: Sebuah sampel Probabilitas adalah salah satu yang telah dipilih sedemikian rupa
sehingga
setiap elemen yang dipilih memiliki probabilitas yang diketahui untuk disertakan. Umumnya
probability sampling
digunakan dalam Penelitian Fundamental (F.R.) sejak di F.R. Tujuan kami adalah menggeneralisasi
hasilnya.
Ada dua hukum probabilitas sampling:
(1) Hukum Regularitas Reguler, dan (2) Hukum Inersia Sampel Besar.
1. Hukum Regularitas Reguler: Hukum ini melibatkan prinsip probabilitas. Sampel kecil
Mungkin representatif yang baik dari populasi, jika subjek sampel dipilih pada
acak. Kesimpulan yang diambil dari sampel dapat digeneralisasi untuk populasi.
Sampel 'statistik' adalah perkiraan parameter populasi. Uji parametrik
signifikansi dapat digunakan untuk tujuan ini.
2. Hukum Inersia Sampel Besar: Ini adalah akibat wajar dari hukum pertama. Sampel besar adalah
lebih stabil atau representatif baik dibandingkan dengan sampel kecil. Kesalahan sampelnya adalah
berbanding terbalik dengan ukuran sampel. Hal ini dapat ditunjukkan dengan bantuan berikut ini
rumus:
𝜎
SEM=
√𝑁
Jika ukuran N sampel meningkatkan kesalahan sampling atau kesalahan standar berarti penurunan.
Jika
Ini cenderung tak terhingga, kesalahan sampling akan menjadi nol.
𝜎
SEM= 𝛼 = 0
√
Oleh karena itu, uji parametrik digunakan untuk tujuan inferensial.
2. Non-probability Sampling: Jika tidak ada ide probabilitas seperti itu maka metode sampling
dikenal sebagai non probability sampling. Non probability sampling umumnya digunakan dalam Action
Penelitian (A.A.), karena di A.R. kita belajar kelas tanpa tujuan generalisasi.

Karakteristik Sampling Probabilitas

Berikut ini adalah karakteristik utama dari probability sampling:
1. Pada kemungkinan sampling yang kita lihat dari sampel serta populasi.
2. Dalam probabilitas sampling setiap individu populasi memiliki probabilitas yang sama untuk diambil
ke dalam sampel
3. Sampel probabilitas mungkin mewakili populasi.
4. Pengamatan (data) dari sampel probabilitas digunakan untuk tujuan inferensial.
5. Sampel probabilitas bukan dari distribusi untuk variabel apapun.
6. Statistik inferensial atau parametrik digunakan untuk sampel probabilitas.
7. Ada risiko untuk menarik kesimpulan dari sampel probabilitas.
8. Probabilitasnya komprehensif. Keterwakilan mengacu pada karakteristik.
Kelengkapan mengacu pada ukuran dan luas area.
Karakteristik Sampel Non-Probabilitas: Berikut ini adalah karakteristik utama nonprobability
mencicipi:
1. Tidak ada gagasan populasi dalam sampling non-probabilitas.
2. Tidak ada kemungkinan untuk memilih individu manapun.
3. Sampel non-probabilitas memiliki distribusi bebas.
4. Pengamatan sampel non-probabilitas tidak digunakan untuk tujuan generalisasi.
5. Statistik non-parametrik atau statistik non-inferensial digunakan pada sampel non probabilitas.
6. Tidak ada risiko untuk menarik kesimpulan dari sampel non-probabilitas.
1. Jenis atau Teknik Probabilitas Sampling: Ada sejumlah teknik pengambilan
sampel probabilitas Tapi disini hanya enam teknik penting yang telah dibahas sebagai berikut:
1. Simple random sampling.
2. Sistematik sampling.
3. Stratified sampling.
4. Multiple atau Double sampling.
5. Multi stage sampling.
6. Cluster sampling.
2. Jenis Sampel Non-Probabilitas: Ada empat jenis non-probabilitas berikut
mencicipi:
(1) Sampel insidentil atau tidak disengaja.
(2) Sampel Purposive.
(3) sampel kuota
(4) Contoh penghakiman.

SAMBUNGAN PROBABILITAS
1. Simple Random Sampling
Sampel acak sederhana adalah satu di mana setiap elemen populasi memiliki persamaan dan independen
kesempatan untuk disertakan dalam sampel yaitu sampel yang dipilih dengan metode pengacakan dikenal
sebagai
Contoh simple-random dan teknik ini simple random-sampling. Aandomization adalah metode dan
dilakukan dengan menggunakan sejumlah teknik sebagai berikut:
(a) Menempatkan koin
(b) Melontarkan dadu.
(c) metode undian.
(d) Metode buta terlipat.
(e) Dengan menggunakan tabel acak 'Tippett's Table'.

Perencanaan Penelitian dan Pengambilan Sampel

Keuntungan
(a) Hal ini membutuhkan pengetahuan minimum tentang populasi.
(b) bebas dari subjektivitas dan bebas dari kesalahan pribadi.
(c) Ini menyediakan data yang sesuai untuk tujuan kita.
(d) Pengamatan sampel dapat digunakan untuk tujuan inferensial.

Kekurangan
(a) Keterwakilan sampel tidak dapat dipastikan dengan metode ini.
(b) Metode ini tidak menggunakan pengetahuan tentang populasi.
(c) Ketepatan kesimpulan yang dapat disimpulkan bergantung pada ukuran sampel.

2. Sampling Sistematik
Pengambilan sampel sistematis adalah perbaikan dari simple random sampling. Metode ini membutuhkan
informasi lengkap tentang populasi Harus ada daftar informasi semua individu
dari populasi dengan cara yang sistematis. Sekarang kita tentukan ukuran sampelnya.
Biarkan ukuran sampel = n
dan ukuran populasi = N
Sekarang kita memilih masing-masing individu N / n dari daftar dan dengan demikian kita memiliki
ukuran sampel yang diinginkan
yang dikenal sebagai sampel yang sistematis. Jadi untuk teknik sampling populasi ini seharusnya
diatur secara sistematis.

Keuntungan
(a) Ini adalah metode sederhana untuk memilih sampel.
(b) mengurangi biaya lapangan
(c) Statistik inferensial dapat digunakan.
(d) Sampel mungkin komprehensif dan mewakili populasi.
(e) Pengamatan sampel dapat digunakan untuk menarik kesimpulan dan generalisasi.

Kekurangan
(a) Hal ini tidak bebas dari kesalahan, karena ada subjektivitas karena berbagai cara daftar sistematis
oleh individu yang berbeda. Pengetahuan tentang populasi sangat penting.
(b) Informasi masing-masing individu sangat penting.
(c) Metode ini tidak dapat menjamin keterwakilan.
(d) Ada risiko dalam menarik kesimpulan dari pengamatan sampel

3. Stratified Sampling
Ini adalah perbaikan dari metode sebelumnya. Saat menggunakan teknik ini, peneliti membaginya
populasinya di strata berdasarkan beberapa karakteristik dan dari masing-masing homogen ini lebih kecil
kelompok (strata) menarik secara acak sejumlah unit yang telah ditentukan. Peneliti harus memilih itu
karakteristik atau kriteria yang nampaknya lebih relevan dalam penelitiannya.
Stratified sampling mungkin terdiri dari tiga jenis:
1. Sampling stratifikasi tidak proporsional.
2. Proportionate stratified sampling.
3. Optimal alokasi stratified sampling.
1. Sampling yang tidak proporsional berarti bahwa ukuran sampel di setiap unit tidak proporsional
untuk ukuran unit tetapi tergantung pada pertimbangan yang melibatkan penilaian pribadi dan
kenyamanan. Metode pengambilan sampel ini lebih efektif untuk membandingkan strata yang ada
kemungkinan kesalahan yang berbeda Ini kurang efisien untuk menentukan karakteristik populasi.
2. Proportionate sampling mengacu pada pemilihan dari masing-masing sampel unit sampel yaitu
sebanding dengan ukuran unit. Keuntungan dari prosedur ini meliputi keterwakilan
sehubungan dengan variabel yang digunakan sebagai dasar klasifikasi kategori dan peluang peningkatan
mampu membuat perbandingan antara strata. Kurangnya informasi tentang proporsi
populasi di setiap kategori dan klasifikasi yang salah dapat dicatat sebagai kerugian dari hal ini
metode.
3. Optimal alokasi stratified sampling bersifat representatif sekaligus komprehensif dibanding yang lainnya
sampel bertingkat Ini mengacu pada pemilihan unit dari setiap lapisan harus proporsional
strata yang sesuai dengan populasi. Jadi sampel yang diperoleh diketahui optimal
alokasi sampel bertingkat.

Ketiga jenis ini jelas dari tabel seperti yang diberikan di bawah ini:
Tingkat
Str tidak proporsional Contoh
Str yang proporsional Contoh
Alokasi optimalisasi Sampling yang distratifikasi
TABEL
Keuntungan
(a) Ini (lebih tepatnya cara ketiga) merupakan representasi yang baik dari populasi.
(b) Ini adalah perbaikan dari sebelumnya.
(c) Ini adalah metode sampling yang obyektif.
(d) Pengamatan dapat digunakan untuk tujuan yang berbeda.

Kekurangan
(a) Kerugian yang serius dari metode ini adalah sulit bagi peneliti untuk menentukan
kriteria yang relevan untuk stratifikasi
(b) Hanya satu kriteria yang bisa digunakan untuk stratifikasi, namun pada umumnya nampak lebih dari
satu
kriteria yang relevan untuk stratifikasi
(c) Metode yang mahal dan memakan waktu.
(d) Sampel terpilih mungkin mewakili dengan mengacu pada kriteria yang digunakan tetapi tidak untuk
lain.
(e) Ada risiko dalam generalisasi.

4. Sampling ganda atau ganda atau berulang

Umumnya ini bukan metode baru tapi hanya aplikasi baru dari sampling yang kita bahas di atas.
Ini paling sering digunakan untuk menetapkan reliabilitas sampel. Saat menggunakan surat.
Perencanaan Penelitian dan Pengambilan Keputusan
Kuesioner, double sampling terkadang digunakan untuk mendapatkan 'sampel yang lebih representatif. Ini
sudah selesai
karena beberapa subjek yang dipilih secara acak yang dikirim kuesioner mungkin tidak
mengembalikannya. Jelas,
Data yang hilang akan bias hasil penelitian, jika orang yang gagal menjawab 'query berbeda pada beberapa
cara mendasar dari yang lain sehubungan dengan fenomena yang diteliti. Untuk menghilangkan bias ini, a
Sampel kedua dapat diambil secara acak dari non-responden dan orang-orang yang diwawancarai
dapatkan informasi yang diinginkan Dengan demikian teknik ini juga dikenal sebagai repeat atau multiple
sampling.
Teknik sampling ganda ini memungkinkan seseorang untuk memeriksa keandalan informasi yang
diperoleh
sampel pertama Jadi, double sampling, dimana satu sampel dianalisis, dan informasi yang didapat adalah
Digunakan untuk menarik sampel berikutnya untuk memeriksa masalah lebih lanjut.

Keuntungan
(a) Prosedur sampling ini mengarah pada kesimpulan ketepatan menentukan secara gratis berdasarkan a
jumlah pengamatan
(b) Teknik sampling ini mengurangi kesalahan.
(c) Metode ini mempertahankan prosedur temuan untuk mengevaluasi reliabilitas sampel.
Kekurangan
(a) Teknik sampling ini tidak dapat digunakan untuk sampel yang besar. Hal ini berlaku hanya untuk kecil
mencicipi.
(b) Teknik ini memakan waktu, mahal, dan membutuhkan lebih banyak kompetisi.
(c) Perencanaan dan administrasinya lebih rumit.

5. Multi-Stage Sampling
Sampel ini lebih komprehensif dan representatif dari populasi. Dalam jenis sampling ini
unit sampel utama adalah kelompok inklusif dan unit sekunder adalah subkelompok dalam hal ini
unit yang akan dipilih yang termasuk dalam satu dan hanya satu kelompok. Tahapan populasi biasanya
tersedia
dalam kelompok atau populasi, kapan stratifikasi dilakukan oleh peneliti. Individu adalah
dipilih dari berbagai tahap untuk membentuk sampling multi tahap.
Keuntungan
(a) Ini adalah representasi yang baik dari populasi.
(b) Multi stage sampling adalah perbaikan dari metode sebelumnya.
(c) Ini adalah prosedur sampling yang obyektif.
(d) Pengamatan dari sampel multi tahap dapat digunakan untuk tujuan inferensial.
Kekurangan
(a) Ini adalah metode sampling yang sulit dan kompleks.
(b) Ini melibatkan kesalahan saat kita mempertimbangkan tahap primer dan sekunder.
(c) Sekali lagi merupakan fenomena subjektif.

6. Cluster Sampling
Untuk memilih grup utuh secara keseluruhan dikenal sebagai Cluster sampling. Di Cluster sampling
sampel
unit berisi kelompok elemen (cluster), bukan anggota individu atau item dalam populasi.
Daripada mencantumkan semua anak sekolah dasar di kota tertentu dan memilih 15 persen secara acak
Siswa-siswa ini untuk sampel, seorang peneliti mendaftarkan semua sekolah dasar di kota, memilih di
acak 15 persen dari kelompok unit ini, dan menggunakan semua anak di sekolah terpilih sebagai
mencicipi.
Keuntungan
(a) Ini mungkin merupakan representasi yang baik dari populasi.
(b) Ini adalah metode yang mudah.
(c) Ini adalah metode ekonomis.
(d) Hal ini praktis dan sangat berlaku dalam pendidikan.
(e) Pengamatan dapat digunakan untuk tujuan yang berbeda.
Kekurangan
(a) Cluster sampling tidak bebas dari kesalahan.
(b) Ini tidak komprehensif.
Semua ini di atas adalah teknik sampling probabilitas

7. Teknik Sampling Non-Probabilitas

Non-probabilitas juga dikenal sebagai sampling non-parametrik yang digunakan untuk tujuan tertentu.

1. Penugasan Insidentil atau Tidak Bersalah

Istilah insidental atau kebetulan diterapkan pada sampel yang diambil karena paling banyak
Sering tersedia, yaitu hal ini mengacu pada kelompok yang digunakan sebagai sampel populasi karena
mereka
sudah tersedia atau karena peneliti tidak dapat menggunakan metode pengambilan sampel yang lebih dapat
diterima.
s
Keuntungan
(a) Metode sampling yang sangat mudah.
(b) Hal ini sering digunakan dalam ilmu perilaku.
(c) Ini mengurangi waktu, uang dan energi, itu adalah metode yang ekonomis.
Kekurangan
(a) Ini bukan perwakilan dari populasi.
(b) Hal ini tidak bebas dari kesalahan.
(c) Statistik parametrik tidak dapat digunakan.

2. Judgment Sampling
Ini melibatkan pemilihan kelompok dari populasi berdasarkan informasi yang tersedia
pikir. Ini harus mewakili populasi total. Atau pemilihan kelompok dengan intuisi di
dasar kriteria yang dianggap jelas. Umumnya penyidik harus mengambil sampel penilaiannya
Sampling ini sangat berisiko.
Keuntungan
(a) Pengetahuan tentang penyidik bisa paling baik digunakan dalam teknik pengambilan sampel ini.
(b) Teknik pengambilan sampel ini juga ekonomis.
Kekurangan
(a) Teknik ini objektif.
(b) Hal ini tidak bebas dari kesalahan.
(c) Ini termasuk variasi yang tidak terkendali.
(d) Statistik inferensial tidak dapat digunakan untuk pengamatan sampling ini, jadi generalisasi adalah
tidak memungkinkan.

3. Sampling Purposive
Pengambilan sampel secara purposive dipilih dengan metode yang sewenang-wenang karena diketahui
mewakili total populasi, atau diketahui bahwa itu akan menghasilkan kelompok yang sesuai. Ide
adalah memilih sampel dalam kaitannya dengan beberapa kriteria, yang dianggap penting untuk tujuan
tertentu
belajar. Metode ini tepat bila studi menempatkan penekanan khusus pada kontrol yang pasti
variabel spesifik
Keuntungan
(a) Penggunaan pengetahuan terbaik yang tersedia mengenai subyek sampel.
(b) Pengendalian variabel yang lebih baik.
(c) Data kelompok sampel dapat dengan mudah disesuaikan.
(d) Homogenitas subjek yang digunakan dalam sampel.
Kekurangan
(a) Reliabilitas dari kriteria tersebut dipertanyakan.
(b) Pengetahuan tentang populasi sangat penting.
(c) Kesalahan dalam mengklasifikasikan subyek sampling.
(d) Ketidakmampuan untuk memanfaatkan statistik parametrik inferensial.
(e) Ketidakmampuan membuat generalisasi mengenai jumlah penduduk.

4. Quota Sampling
Ini menggabungkan sampling penilaian dan probabilitas sampling. Populasi diklasifikasikan
ke dalam beberapa kategori: berdasarkan pertimbangan atau asumsi atau pengetahuan sebelumnya,
proporsinya
dari populasi yang jatuh ke dalam masing-masing kategori diputuskan. Setelah itu kuota kasus yang akan
ditarik adalah tetap dan
pengamat diperbolehkan untuk sampel sesukanya. Quota sampling sangat sewenang-wenang dan
cenderung masuk
Survei kota
Keuntungan
(a) Ini adalah perbaikan dari penilaian pengambilan keputusan.
(b) Ini adalah teknik sampling yang mudah.
(c) Hal ini paling sering digunakan dalam survei sosial.
Kekurangan
(a) Ini bukan sampel yang representatif.
(b) Hal ini tidak bebas dari kesalahan.
(c) Memiliki pengaruh faktor geografis dan sosial regional.
Karena desain penelitian adalah rencana dimana sampel penelitian dapat dipilih dari populasi dan populasi
dimana perlakuan eksperimental diberikan dan dikendalikan sehingga mempengaruhi efek
sampel dapat diukur Oleh karena itu, langkah kedua dalam pembentukan desain eksperimental adalah
dengan
pilih perawatan yang akan digunakan untuk mengendalikan sumber perubahan pembelajaran pada subyek
sampel

KARAKTERISTIK SAMPEL YANG BAIK

Berikut ini adalah karakteristik utama dari contoh yang baik:
1. Sampel yang baik adalah perwakilan sebenarnya dari populasi yang sesuai dengan propertinya.
Populasi dikenal sebagai agregat dari sifat tertentu dan sampel disebut sub agregat
dari alam semesta.
2. Sampel yang baik bebas dari bias, sampel tidak mengizinkan prasangka pembelajaran dan prakonsepsi,
imajinasi penyidik untuk mempengaruhi pilihannya.
3. Sampel yang baik adalah tujuan, mengacu pada objektivitas dalam memilih prosedur atau tidaknya
unsur subjektif dari situasinya.
4. Sampel yang baik menjaga akurasi. Ini menghasilkan perkiraan atau statistik yang akurat dan tidak
melibatkan kesalahan
5. Sampel yang baik bersifat komprehensif. Fitur sampel ini terkait erat dengan
benar-representativeness. Komprehensif adalah kualitas sampel yang dikontrol oleh
tujuan spesifik penyelidikan Sampel mungkin bersifat komprehensif, tapi mungkin tidak
menjadi perwakilan yang baik dari populasi.
6. Sampel yang bagus juga ekonomis dari pandangan energi, waktu dan uang.
7. Subjek sampel yang baik mudah didekati. Alat penelitian dapat dikelola
pada mereka dan data dapat dikumpulkan dengan mudah.
8. Ukuran sampel yang baik sedemikian rupa sehingga menghasilkan hasil yang akurat. Probabilitas
kesalahan
bisa diestimasi
9. Sampel yang baik membuat penelitian lebih layak dilakukan.
10. Sampel yang baik memiliki kepraktisan untuk situasi penelitian.

Keuntungan Teknik Sampling menurut R.A. Nelayan

Fisher telah menyebutkan empat kelebihan teknik sampling berikut ini:
1. Memiliki kemampuan beradaptasi yang lebih baik.
2. Ini adalah teknik ekonomis.
3. Memiliki kecepatan tinggi untuk generalisasi.
4. Memiliki ketelitian dan akurasi yang lebih tinggi dalam pengamatan.

Keuntungan Teknik Sampling menurut W.G. Cocharan. Dia telah memberikan empat hal berikut
kelebihan teknik sampling:
1. Teknik ini memiliki akurasi yang besar.
2. Memiliki kecepatan lebih besar dalam melakukan penelitian.
3. Memiliki ruang lingkup yang lebih luas di bidang penelitian.
4. Ini mengurangi biaya pengamatan atau pengumpulan data.

Jenis Kesalahan dalam Sampling

Sampel penelitian perilaku tidak representatif dan menderita dua jenis kesalahan:
(1) Kesalahan acak, dan (2) Kesalahan sistematik.
Kesalahan ini dapat diklasifikasikan sebagai:
(a) Kesalahan sampling dan (b) Kesalahan pengukuran
Dengan demikian, ia menyediakan klasifikasi empat arah dan telah ditunjukkan dengan cara berikut:

Acak konstan
A B
Pengukuran
C D
sampel

Cell A mengacu pada kesalahan yang tidak dapat dihindari yang terjadi kapanpun sampling dilakukan.
Sampel dipilih
Secara acak mungkin tinggi, rendah atau rata-rata berkenaan dengan sifat yang diukur. Kesalahan ini bisa
diminimalkan
dengan memilih sampel yang besar.
Sel B mengacu pada kesalahan bias dalam sampling, yaitu kesalahan sampling yang tidak membatalkan,
lebih baik
ramping secara sistematis dalam satu atau arah lain dari nilai populasi. Kesalahan ini disebabkan oleh
apapun
keputusan peneliti untuk memilih subyek untuk sampel. Kesalahan sistematik ada, datanya ada
Penggunaan terbatas sebagai dasar generalisasi terhadap populasi. Jadi, Sel A dan B mengacu pada
kesalahan dan
contoh.
Sel C dan D mengacu pada kesalahan. Dalam proses pengukuran, bukan kesalahan dalam sampling.
Kesalahan dalam Cell C yang terjadi dari pengukuran fakta sederhana yang berasal dari instrumen apapun
kurang dari keandalan lengkap tak terelakkan dalam beberapa tingkat kesalahan. Kesalahan pengukuran
adalah
dibatalkan dengan memilih sampel yang besar. Jumlah kesalahan pengukuran selalu nol.
Masalah sel D berkaitan dengan bias lain-yaitu karena kesalahan pengukuran yang sistematis. Jika, di
pengujian subjek untuk kecerdasan, administrator tes mengizinkan tiga menit tambahan untuk tes tersebut,
mungkin akan ada kecenderungan sistematis untuk statistik sampel menjadi lebih tinggi daripada populasi
parameter.
Kesalahan sistematis adalah kesalahan yang buruk baik dalam pengambilan sampel maupun pengukuran.
Besarnya
dari kesalahan sampling acak karena mempengaruhi statistik sampel seperti yang diberikan di bawah ini:
𝜎
SEM=
√𝑁

Jika diperlukan akurasi yang lebih besar, dapat diperoleh dengan meningkatkan ukuran sampel atau
homogenitas variabel yang sedang diselidiki atau dengan menggunakan desain sampling yang memadai.
Jika hasil yang diperoleh secara sistematis lebih tinggi atau lebih rendah dari nilai sebenarnya yang sesuai,
maka
Sampel bias dan perbedaannya disebut kesalahan bias.

Ukuran Sampel
Salah satu pertanyaan pertama yang biasanya ditanyakan oleh peneliti, berkaitan dengan jumlah subjek
yang ada
perlu disertakan dalam sampelnya. Secara teknis, ukuran sampel tergantung pada ketepatan
peneliti menginginkan untuk memperkirakan parameter populasi pada tingkat kepercayaan tertentu. Tidak
ada
aturan tunggal yang dapat digunakan untuk menentukan ukuran sampel.
Jawaban terbaik untuk pertanyaan ukuran adalah dengan menggunakan sebanyak mungkin sampel. Sampel
yang lebih besar adalah
lebih mungkin untuk mewakili populasi. Selanjutnya dengan sampel data yang besar
cenderung lebih akurat dan tepat. Hal itu ditunjukkan dalam hal semakin besar sampelnya, semakin kecil
kesalahan standar Secara umum, kesalahan standar dari mean sampel berbanding terbalik dengan kuadrat
akar dari n. Jadi, untuk melipatgandakan ketepatan estimasi seseorang, ukuran sampel perlu dilakukan
empat kali lipat.
Sering disarankan bahwa seseorang harus memasukkan setidaknya 30 subjek dalam sampel sejak nomor
ini
izin penggunaan statistik sampel yang besar. Secara statistik, sampel n = 30 dianggap besar,
Karena dengan ini n, t-distribusi dan kurva normal praktis sama untuk pengujian hipotesis
tujuan. Dalam penelitian eksperimental, seseorang harus memilih sampel yang masing-masing akan
mengizinkan paling sedikit 30
kelompok. Penelitian deskriptif biasanya menggunakan sampel yang lebih besar; Kadang-kadang
disarankan agar seseorang melakukannya
pilih 10-20 persen populasi yang dapat diakses untuk sampel.
Tentukan Ukuran Sampel: Ini adalah masalah krusial bagi para ilmuwan penelitian untuk ditentukan
ukuran sampel Dalam sebuah penelitian eksperimental, penting untuk menyamakan kontrol dan
eksperimental
kelompok, namun dalam sampel penelitian survei harus mewakili populasi. Oleh karena itu, ukuran sampel
adalah
sebuah aspek penting untuk representativeness. Mouly telah menyarankan sebuah kriteria statistik untuk
menentukan
ukuran sampelnya.
Hal lain yang sama, semakin besar sampelnya, semakin tinggi presisi dan ketepatan data
itu menyediakan Ini adalah kepercayaan umum bahwa ketepatan data ditentukan terutama oleh ukuran
sampel, bukan oleh persentase populasi yang terwakili dalam sampel. Istilah 'besar
Sampel 'tidak jelas, berbeda dengan sifat belajarnya. Prosedur yang tepat untuk menentukan sampel
Ukuran yang dibutuhkan berbeda dengan sifat variabel dan distribusi samplingnya, namun prosedur
dasarnya
dapat diilustrasikan sehubungan dengan mean sampel acak berdasarkan distribusi probabilitas normal.
Kemungkinan 95 sampai 5 bahwa sampel dalam sampling terpisah akan jatuh dalam interval M ± 1,96
SEM.
Pertanyaan selanjutnya adalah tingkat akurasi yang dibutuhkan. Umumnya 95 sampai 99 persen
kepercayaan diri
interval dapat diterima yaitu kesalahan 5 sampai 1 persen. Jika variabel penelitiannya adalah kecerdasan
dan
Kesalahan sampling disimpan dalam 5 persen pada tingkat keyakinan 95 persen. Penyidik bisa
gunakan rumus untuk kesalahan standar mean untuk memberikan ukuran sampel yang dibutuhkan.
1.96 SEM = 5,
𝜎
1.96 =5
√𝑛

Dimana
r = S.D. dari populasi
n = Ukuran sampel
5 adalah persentase kesalahan sampling
Dalam ilustrasi ini, I.Q. distribusi s = 16
16
√𝑛= 1.96 x 5 = 9.30
n = 96
Jika penyidik ingin lebih tepat, kesalahan sampling dijaga dalam 1 persen pada tingkat kepercayaan 99
persen. Rumus berikut digunakan untuk menentukan ukuran sampel:
𝜎
2.58 SEM = 1 ; 2.58 𝑛 = 1
√
2.58 × 16 = √𝑛 √𝑛= 41.28
n = 16

Perencanaan Penelitian dan Pengambilan Keputusan

Dengan demikian, ia memerlukan sampel 96 kasus untuk memenuhi kondisi kesalahan 5 persen pada 95
tingkat kepercayaan persen. Dia akan meminta sampel 1681 kasus untuk 1 persen kesalahan pada 99
persen
tingkat kepercayaan diri.
Umumnya dalam penelitian perilaku lebih dari satu variabel diambil dalam sebuah penelitian. Dalam
situasi seperti itu
dia harus mempertimbangkan penyimpangan standar dari distribusi variabel. S.D. tertinggi adalah untuk
menjadi
dipertimbangkan untuk menghitung ukuran sampel. Dengan cara ini peneliti bisa menentukan ukuran
pastinya
dari sampel menunjukkan kesalahan sampling dalam persen. Dia seharusnya tidak menggunakan kriteria
yang sewenang-wenang untuk ditentukan
ukuran sampelnya.

SIKLUS SAMPLING
Lima tahap siklus sampling diusulkan di sini, seperti yang digambarkan pada gambar. Dalam siklus ini,
peneliti
mengidentifikasi alam semesta yang relevan untuk masalah penelitiannya dan kemudian mengidentifikasi
populasinya, yaitu,
bagian alam semesta yang memiliki akses kepadanya. Kemudian dengan menerapkan teknik untuk sampel
Seleksi, dia menentukan seberapa besar sampel yang dia butuhkan, memilih, dan mengundang nomor
tersebut untuk berpartisipasi. Untuk
Poin ini, peneliti telah menyelesaikan kontrol atas proses tersebut, namun pada saat ini responden
Anggap sebagian besar kontrol. Untuk saat ini, ada yang melakukannya dan yang lainnya tidak menerima
undangan itu, dan biasanya
Undangan lebih banyak diperpanjang sampai jumlah yang cukup diterima sehingga sampel berukuran yang
diinginkan. Mereka
yang menerima dari sampel penerimaan maka peneliti menerapkan teknik pengumpulan datanya
sampel penerimaan tergantung pada faktor seperti desain, teknik dan teknik pengumpulan data,
semua atau hanya sebagian dari sampel penerima sebenarnya menghasilkan data. Mereka yang berbentuk
data produksi
Sampel, dari data inilah peneliti memperoleh temuannya dan membuat kesimpulannya

PERWAKILAN
Melengkapi siklus sampel dengan menerapkan temuan dan generalisasi ke populasi dan alam semesta
Masuk akal dalam satu rangkaian keadaan saja, bila berbagai sampel bisa dianggap representatif
dari populasi dan alam semesta. Tapi seperti Siklus Sampel dimaksudkan untuk menggambarkan dan
menekankan,
keterwakilan adalah perhatian yang kuat selama proses sampel. Saat kita mengidentifikasi alam semesta
relevansi untuk responden dan masalah penelitian kami dan pilih populasi, kita hadapi yang pertama
Pertanyaan perwakilan dapatkah populasi dianggap mewakili alam semesta? Jika bisa bergerak
untuk mengidentifikasi dan memilih sampel yang diundang, dan dari sini memperoleh sampel penerima.
Di panggung ini
ada perhatian kedua dengan keterwakilan sampel penerima terhadap populasi.
Saat alat pengumpulan data dikelola dan peneliti belajar seperti apa
Pengaitan telah terjadi dalam hal data yang menghasilkan sampel yang telah muncul. dia harus
menghadapi masalah kritis untuk menentukan apakah dia dapat mempertimbangkan data yang
menghasilkan sampel perwakilan dari penerimaan
sampel dan oleh karena itu populasi tapi kami menggunakan konsep ambigu di jantung diskusi ini
"wakil". Kami ingin setiap tahap menjadi perwakilan tahap lanjut namun mewakili di
istilah umur, sepatu, ukuran, jenis kelamin, catatan suara, kita bisa memperluas daftar karakteristik
manusia yang mungkin
dan atribut tanpa henti. Kami ingin representativeness dalam hal variabel-variabel ini yang diketahui
terkait dengan fenomena yang diteliti.

MENGIDENTIFIKASI SAMPEL REPRESENTATIF

Isu perwakilan datang ke empat yang pertama dalam identifikasi populasi di alam semesta.
Untuk setiap masalah penelitian ada satu alam semesta yang benar-benar relevan, namun sejumlah
populasi.
Misalnya, untuk sebuah penelitian yang berkaitan dengan kemampuan mengajar relatif dari tindakan
liberal lulusan dan
lulusan sekolah pendidikan, jagad relevansi yang jelas adalah semua tindakan liberal dan lulusan
pendidikan
berfungsi sebagai guru yang lulus dua tahun sebelum tanggal studi tersebut akan mengumpulkannya
data. Tapi jelas tidak ada peneliti yang bisa mengakses alam semesta ini.
Langkah selanjutnya dalam siklus sampling adalah identifikasi sampel yang diundang pada tahap ini yang
bisa kita cari
untuk menjamin bahwa sampel yang diundang mewakili populasi pada karakteristik yang dipilih. Di
Dengan demikian kita harus mempertimbangkan dua aspek keterwakilan yang berbeda: (1) memastikan
bahwa semua signifikan
aspek karakteristik ditunjukkan dalam sampel, dan (2) memastikan bahwa masing - masing aspek
proporsi sampel yang sama seperti populasi.
Menjamin bahwa semua aspek signifikan dari karakteristik diwakili dalam sampel tercapai
melalui proses yang disebut stratifikasi. Ini melibatkan pembagian populasi menjadi sub kelompok atau
strata
berdasarkan karakteristik yang kita cari keterwakilan dan menciptakan sampel kita oleh
pilihan terpisah untuk setiap strata.
Singkatnya, mungkin diulang bahwa tidak ada desain sampling terbaik. Validitas data sampel,
seperti validitas semua data, adalah konsep spesifik yang harus dievaluasi dari sudut pandang kasus
tertentu. Saya t
Oleh karena itu, sulit untuk disosialisasikan. Namun demikian, secara umum benar aspek pengambilan
sampel
Penyidik masalah pendidikan mungkin paling menguntungkan mencurahkan perhatian mereka adalah
meminimalkan
Bias yang mungkin dan bukan merancang desain yang rumit.

KEHANDALAN SAMPLING
Ada tiga cara untuk menentukan keandalan sampel:
1. Dengan Memilih Contoh Paralel Lainnya
Hasil analisis untuk sub-sampel dan bandingkan dengan sampel utama. Proses ini menetapkan reliabilitas
dari sampel
2. Teknik Statistik
Keandalan statistik juga menunjukkan reliabilitas sampel ini dapat diperkirakan dengan menggunakan
statistik
Metode: metode adalah standar kesalahan mean-Sarana sampel yang dipilih secara acak, yang biasanya
didistribusikan, memiliki standar deviasi mereka sendiri, yang dikenal sebagai standar deviasi, atau standar
error, dari
artinya. Kesalahan standar rata-rata sampel dihitung dari rumus:
Perencanaan Penelitian dan Pengambilan Sampel
= Kesalahan standar mean
= Standar deviasi penduduk
= Ukuran sampel.
Kesalahan standar dari sampel berarti bahwa ia memiliki nilai lebih kecil dari standar deviasi
skor individu Hal ini bisa dimaklumi karena dalam menghitung sarana Sampel, ekstrim
skor tidak diwakili oleh mean yang nilai nilai tengahnya:
𝜎
dengan formula 𝜎𝑀 = , jelas bahwa seukuran sampel N mendekati tak terhingga,
√𝑁
rata-rata mendekati mean populasi dan standar error mean mendekati nol.
𝜎
𝜎𝑀 =𝜎𝑀 = =0
√𝑁
Karena N berkurang ukurannya dan mendekati satu, kesalahan standar mean mendekati nilainya
dari standar deviasi nilai populasi.
𝜎
𝜎𝑀 = = 𝜎
√1
Analisis ini menunjukkan bahwa faktor lain adalah kesimpulan statistik yang sama berdasarkan sampel
kecil
memiliki margin kesalahan yang lebih besar daripada yang didasarkan pada sampel yang lebih besar.
Dengan demikian, distribusi sampel
artinya sama dengan distribusi populasi, n skor kecuali kisaran mean sampel dan meannya
Standar deviasi lebih kecil nilainya.
Nilai mean sebenarnya dari populasi tak terbatas tidak diketahui, karena tidak dapat dihitung. Satu
mungkin mengatakan bahwa itu "hanya diketahui oleh Tuhan:". Tapi rata-rata tertentu dihitung dari yang
dipilih secara acak
Sampel dapat dikaitkan dengan mean populasi dengan cara sebagai berikut:
Sekitar 68 persen dari mean sampel akan berada dalam kisaran 𝜎𝑀 populasi
berarti. 95 persen sampel berarti akan berada pada ± 1.96 𝜎𝑀 dari mean populasi.
99 persen mean sampel akan berada dalam ± 2,58 𝜎𝑀 dari mean populasi.
Rata-rata sampel berarti akan mendekati mean populasi.

APLIKASI TEKNIK SAMPLING DALAM BERBAGAI JENIS PENELITIAN

PENELITIAN SEJARAH
Dalam penelitian sejarah, masalah sampling tidak begitu penting karena penelitian historis didasarkan
pada catatan masa lalu, kejadian dan fakta namun dalam sampel penilaian Metode Studi Kasus dan sampel
purposif
digunakan karena tujuan metode studi kasus adalah memperbaiki kasus dan tidak menyimpulkannya
non "probability sampling diterapkan.

METODE SURVEI NORMATIF

Dalam metode ini random sampling sering digunakan karena dalam survei normatif sampel besar dipilih
secara sistematis,
multi stage dan multiple sampling juga dapat digunakan dalam metode survei normatif.
METODE EKSPERIMENTAL
Dalam metode eksperimen metode pengambilan sampel yang paling tepat dan komprehensif lebih disukai.
Karena itu,
Teknik sampling bertingkat digunakan namun dalam situasi pendidikan seringkali sulit untuk
menggunakan stratified ini
Pengambilan sampel dari pada teknik cluster sampling lebih diutamakan.
Di bidang teknik sampling penelitian teknik sampling yang paling sering digunakan dan memang ada
beberapa keterbatasan namun memiliki kegunaan dalam mengajarkan situasi belajar dan penelitian
pendidikan.
LATIHAN

1. Apa yang Anda maksud dengan desain penelitian? Bedakan antara metodologi penelitian dan penelitian
Desain. Ilustrasikan jawaban Anda dengan contoh yang sesuai.
2. Menghitung karakteristik desain penelitian yang baik dan menunjukkan potensi masalah dalam
penyiapan
sebuah desain penelitian.
3. Tentukan istilah 'Sampling'. Bedakan antara sampel dan populasi dan gambarkan jawaban Anda
dengan contoh.
4. Bedakan antara probability sampling dan non probability sampling. Sebutkan asumsi
dari sampling probabilitas
5. Apa yang Anda maksud dengan istilah 'Randomisasi'? Tunjukkan metode pengacakan dan
keuntungan dan keterbatasan.