Professional Documents
Culture Documents
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
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
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)