p e l an

r s a m
Pe
TOPIK
4
Latar Belakang Sa m pel
a m pe l an ≠
ns
r a ng ka Pe
• POPULASI Ke
• SAMPEL
• KERANGKA PENSAMPELAN (SAMPLING
FRAME)
• Senarai semua ahli dalam populasi yang dikaji (Sabitha, 2005)
• Senarai diperolehi untuk tempoh suatu masa tertentu sahaja.
• Bilangan sebenar dalam populasi mungkin berubah-ubah
setiap hari (Contoh, Populasi Rakyat Malaysia)
• Oleh itu, Kerangka Pensampelan tidak 100% sama dengan
Populasi yang sebenar
Pensampelan
• Apabila sebilangan kecil dijadikan wakil kepada
satu kelompok keseluruhan (Saran, 2012).
• Pensampelan yang IDEAL adalah memilih sampel
yang MENYAMAI ciri-ciri populasi.
• DUA jenis pensampelan:
• Pensampelan Kebarangkalian
• Pensampelan Bukan Kebarangkalian
Pensampelan Kebarangkalian

Kaedah pensampelan yang berpandukan prinsip rawak atau

peluang kebarangkalian sesuatu elemen dalam populasi yang
akan dipilih adalah diketahui (Engel & Schutt, 2014)

Prinsip/Syarat Utama:
1. Semua elemen dalam populasi memilik peluang yang hampir SAMA untuk
dipilih sebagai sampel
2. Sampel mempunyai SEMUA VARIASI yang wujud dalam populasi
3. Penyelidik perlu mengetahui/memiliki MAKLUMAT ASAS SETIAP
ELEMEN (cth: Nama atau Kod Identiti) dalam populasi.
Jenis-Jenis Pensampelan
Kebarangkalian
• Rawak Mudah (Simple Random Sampling)
• Sistematik (Systematic Sampling)
• Berstrata (Stratified Random Sampling)
• Kelompok (Cluster Sampling)
Pensampelan Rawak Mudah
• Setiap elemen dalam Sampling Frame mempunyai
peluang yang sama untuk terpilih sebagai sampel
• Kedah yang paling mudah dalam kategori
Pensampelan Kebarangkalian
• Boleh dilakukan secara manual (cth: cabutan
bertuah/Jadual Rawak) mahupun berpandu kepada
perisian komputer (cth: SPSS, Excel)
Pensampelan Sistematik
• Pemilihan secara rawak tetapi mengikut urutan yang
ditetapkan.
• Berpandu kepada senarai dalam Sampling Frame,
mulakan pemilihan secara rawak, kemudian pilih
elemen yang ke-N dan seterusnya.
• Penentuan pilihan ke-N =
Saiz Populasi ÷Saiz Sampel
1. Jane 18. Steve 35. Fred
2. Bill 19. Sam 36. Mike
3. Harriet 20. Marvin 37. Doug
4. Leni 21. Ed. T. 38. Ed M.
5. Micah 22. Jerry 39. Tom
• Populasi = 50
6. Sara 23. Chitra 40. Mike G. • Sample yang
7. Terri 24. Clenna 41. Nathan diperlukan = 10
8. Joan 25. Misty 42. Peggy
9. Jim 26. Cindy 43. Heather
• Pilihan ke-N = 5
10. Terrill 27. Sy 44. Debbie • Pilih satu nama
11. Susie 28. Phyllis 45. Cheryl secara rawak (tutup
12. Nona 29. Jerry 46. Wes mata)
13. Doug 30. Harry 47. Genna

14. John S. 31. Dana 48. Ellie

• Setiap yang ke 5 akan
15. Bruce A. 32. Bruce M. 49. Alex
dilpilih
16. Larry 33. Daphne 50. John D.
17. Bob 34. Phil
Pensampelan Berstrata
• Boleh mengatasi DUA kelemahan di atas
• Kaedah pemilihan dalam pemilihan.
• Sebelum pemilihan dilakukan, Sampling Frame
dibahagikan mengikut kategori-kategori yang
diingini seperti Jantina, Bangsa.
• Selepas itu, pemilihan rawak mudah dilakukan
dalam setiap kategori tersebut
• Kaedah ini menjanjikan sampel yang lebih
seimbang dari segi VARIASI/KEPELBAGAIAN
Proportional vs. Disproportional

• Pensampelan Berstrata yang seimbang (Proportional

Stratified Sampling)
• Bilangan peratusan ahli untuk setiap kategori (Strata) dalam
sampel adalah SAMA peratusan elemen untuk setiap kategori
(Strata) dalam populasi

• Pensampelan Berstrata yang tidak seimbang

(Disproportional Stratified Sampling)
• Bilangan peratusan ahli dalam setiap kategori (Strata) dalam
sampel adalah Mengikut Budi Bicara Penyelidik dan
TIDAK SAMA dengan peratusan elemen dalam setiap
kategori (Strata) dalam populasi
Pensampelan Kelompok
• Meliputi populasi yang sangat besar
• Tidak ada Sampling Frame yang lengkap
• Dipilih secara kelompok (Rawak mudah atau
Sistematik)
• Dalam populasi, ada beberapa kelompok yang
Hampir Sama. Cth: DPP Mas vs. DPP TNB.
• Antara semua kelompok yang sama ini, pilih
beberapa kelompok secara rawak
Pensampelan Kelompok Pelbagai Tahap
(Multi-stage Cluster Sampling)
• Ini adalah susulan daripada pensampelan kelompok
dan dilakukan DUA kali dan ke atas.
• Selepas Memilih beberapa kelompok (Beberapa
DPP) daripada semua kelompok (Semua DPP),
semua elemen dalam kelompok-kelompok yang
terpilih diambil sebagai sampel ATAU pensampelan
kelompok diteruskan lagi dalam proses memilih
elemen secara rawak dari sesuatu kelompok yang
terpilih (Misalnya Pilih Blok-Blok dalam DPP Mas)
Pensampelan Bukan Kebarangkalian

Kaedah pensampelan yang mana peluang kebarangkalian

sesuatu elemen yang akan dipilih tidak diketahui (Engel & Schutt,
2014)

Prinsip/Syarat Utama:
1. Semua elemen dalam populasi memilik peluang yang hampir SAMA untuk
dipilih sebagai sampel
2. Sampel mempunyai SEMUA VARIASI yang wujud dalam populasi
3. Penyelidik perlu mengetahui/memiliki MAKLUMAT ASAS SETIAP
ELEMEN (cth: Nama atau Kod Identiti) dalam populasi.
Message for Social Workers
• Despite its advantages, probability
sampling is impossible or inappropriate
in many of the research situations faced
by social workers (Rubin & Babbie,
2011, p. 316)

• Contoh: Kajian tentang pelacur, mat

rempit, homoseksual…. Sukar dapatkan
Sampling Frame.
Jenis-Jenis Pensampelan Bukan
Kebarangkalian
• Mudah (Convenient Sampling/Availability
Sampling/Accidental Sampling)
• Bertujuan (Purposive Sampling/Judgmental
Sampling )
• Kuota (Quota Sampling)
• Berantai (Snowball Sampling)
Pensampelan Mudah (Convenient Sampling/
Availability Sampling/Accidental Sampling)

• Cuba teliti perkataan: Mudah, Availability dan

Accidental
• Memilih individu yang kebetulan berada di hadapan
kita atau yang kita kenali sebagai responden tanpa
mengambil kira ciri-ciri kepelbagaian dalam populasi.
• Tiada unsur kewakilan (representativeness) dan tidak
boleh menghuraikan sesuatu fenomena sepenuhnya
• Sesuai untuk menguji sesuatu soal-selidik
Pensampelan Bertujuan (Purposive
Sampling/Judgmental Sampling )
• Penyelidikan menetapkan kriteria-kriteria yang
diperlukan (Contoh: umur, jantina, pengalaman
kerja…)
• Pilih elemen dalam Sampling frame (jika ada) yang
memenuhi kriteria-kriteria tersebut
• Tiada ada satu penetapan awalan tentang bilangan
sampel yang hendak dipilih. Bilangan itu
bergantung kepada berapa ramai elemen yang
memenuhi kriteria-kriteria yang ditetapkan
Contoh
• Katakan di sebuah Rumah Anak Yatim
• Terdapat 138 kanak-kanak (Sampling Frame)
• Kriteria penyelidikan: Kanak-kanak yang berusia 7
hingga 9 tahun
• Daripada 138 kanak-kanak, hanya 48 kanak-kanak
yang memenuhi kriteria yang ditetapkan.
• Kesemua 48 kanak-kanak akan dijemput untuk
menyertai kajian
Pensampelan Kuota (Quota Sampling)

• Memainkan peranan atau fungsi yang SAMA

seperti Pensampelan Berstrata
• Namun, ia ada masalah:
• Kerangka Kuotanya tidak merangkumi maklumat yang
terkini yang boleh menyamai Kerangka Sampel
• Melanggar prinsip peluang yang SAMA untuk dipilih
disebabkan BIAS pemilihan
• Pemilihan tidak rawak iaitu Gabungan Pensampelan
Berstrata dengan Pensampelan Mudah (Convenient)
Pensampelan Berantai (Snowball
Sampling)
• Ahli dalam populasi yang dikaji adalah SUKAR
untuk dicari
• Sampling Frame adalah tidak jelas
• Soal “pemilihan” tidak lagi menjadi tugas utama
berbanding tugas “pencarian”
• Pensampelan ini bermula dengan seorang atau
beberapa ahli daripada populasi yang nak dikaji.
Pencarian ahli baru diteruskan dengan bantuan
daripada ahli-ahli yang telah menyertai kajian.
Contoh
• Kajian tentang pelajar lelaki Gay di UUM
• Sampling frame tidak diketahui
• Bermula dengan seseorang individu yang mengaku
dirinya Gay. Dengan bantuan dia, penyelidik
mencari lagi individu-individu Gay yang ada dalam
kampus
• Sesuai untuk kajian penerokaan dan BUKAN untuk
kewakilan (representativeness)
Terminologi lain
• Ralat persampelan = perbezaan di antara sampel dan
ciri-ciri populasi (Sampling error = difference
between sample and population characteristics)
• Mengurangkan ralat persampelan adalah matlamat
dalam mana-mana teknik persampelan (Reducing
sampling error is the goal of any sampling
technique)
• Sedang saiz sampel bertambah, ralat persampelan
mengurang (As sample size increases, sampling
error decreases)
Saiz Sampel
Roscoe (1975 dalam Sekaran, 2004, p. 295)
• Minimum saiz sampel 30 dan Maksimum saiz
sampel 500
• Minimum saiz untuk setiap strata dalam sampel
adalah 30
• Untuk kajian yang melibatkan Multivariate Analysis,
saiz sampel perlu 10 kali ganda daripada jumlah
pembolehubah yang dikaji
• Untuk kajian eksperimen, saiz sample 10 hingga 20
adalah memadai
Penentuan
Saiz Sampel

Cohen (1969 dalam Fauzi Hussin

et al., 2014, p. 95)
Pensampelan Kualitatif
• Kebanyakan kajian kualitatif menggunakan
Pensampelan BUKAN kebarangkalian
• Antara yang popular adalah seperti
• Pensampelan Bertujuan
• Pensampelan Berantai
Tujuan
• Persampelan dalam kajian kualitatif bukan
bertujuan untuk mewakili Populasi.
• Ia adalah proses pengumpulan data (pemerhatian,
temubual, analisis data sekunder) yang berterusan
sehingga ke tahap tepu (saturation)
Berapa yang diperlukan?
• Soal berapa peserta perlu ada? Berapa data sekunder
perlu dianalisis? Berapa temubual perlu dilakukan?
Tidak Penting.
• Yang penting data yang diperolehi memenuhi
Kualiti yang diperlukan untuk pembinaan Tema-
tema.
• Tema-tema ini dapat dihubungkaitkan untuk
mengesah dan menguji kerangka konsep yang
dibentuk berdasarkan sesuatu teori.