Professional Documents
Culture Documents
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'.
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.
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
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
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.
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
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.
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.
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.