Populasi dan sampel kajian pdf

Simple random sampling Dalam simple random sampling, masing-masing elemen populasi mempunyai kemungkinan pemilihan yang sama. Hal ini berarti setiap elemen dipilih dengan bebas dari setiap elemen lainnya. Sampelnya diperoleh dengan prosedur random dari kerangka sampling. Metode ini hampir sama dengan sistem lotre, yang nama-namanya ditempatkan dala suatu wadah, dan wadah tersebut dikocok-kocok. Nama dari pemenangnya diambil dengan cara yang tidak mengandung bias.

Untuk melakukan simple random sampling, peneliti dapat membuat kerangka sampling yang mana masing-masing elemennya dikelompokkan dalam nomor pengidentifikasian yang unik. Sebagai contoh, kita memiliki elemen populasi, sedangkan yang akan dipilih adalah sebanyak 50, maka setiap elemen mempunyai peluang 0,1 untuk dipilih.

Systematic sampling Dalam systematic sampling, sampel dipilih dengan cara menyeleksi poin-poin random awal dan kemudian mengambil beberapa nomor tertentu untuk mendapatkan kerangka sampling. Masing-masing diberi nomor dalam daftar. Secara sistematik ambilah angka-angka yang berjarak Jika pertama kali diambil dengan mata tertutup kebetulan kena angka 8. Maka sekarang ambilah angka-angka yang berjarak 10 dengan angka 8 dan seterusnya, yaitu angka- angka 8, 18, 28, 38, 48, 58, 58, 78, dan Atau, jika secara kebetulan yang terambil adalah angka 4, maka 10 orang yang disampel itu ialah orang-orang yang nomernya: 4, 14, 24, 34, 44, 54, 64, 74, 84, dan Misalnya untuk menentukan angka yang pertama secara random dengan mat tertutup, anda mengambil angka 5, maka yang diambil ialah angka-angka: 05, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95, 01, dan Systematic sampling memiliki kemiripan dengan simple random sampling, dimana masing-masing elemen populasi mempunyai kemungkinan pemilihan yang sama.

Artinya, peneliti harus mengetahui bahwa dalam populasi ada strata, klas, lapisan, atau ras, misalnya ada klas pegawai negeri, mahasiswa, dan petani. Strata tersebut harus bersifat mutually exclusive dan elemen-elemen dalam setiap populasi seharusnya dikelompokkan menjadi satu dan hanya satu strata tidak ada elemen populasi yang dihilangkan. Sebagai contoh, peneliti ingin mengetahui alasan mahasiswa populasi memilih salah satu perguruan tinggi.

Di dalam perguruan tinggi tersebut terdapat orang mahasiswa yang terdiri dari dua kelompok, yaitu kelompok laki-laki dan perempuan. Jika sampelnya ditetapkan sebanyak dari orang mahasiswa, maka dalam sampel itu banyaknya masing-masing kelompok harus seimbang sama dengan dalam populasi.

Mengenai penetapan siapa-siapa dari masing- masing golongan dilakukan secara acak random seperti dalam simple random sampling. Perlu dipahami bahwa sampling bertingkat berbeda dengan quota sampling. Hal ini dikarenakan elemen-elemen sampel lebih cenderung dipilih berdasarkan kemungkinan dari pada di dasarkan pada penilaian atau keinginan peneliti.

Tujuan utama dari sampling bertingkat adalah untuk meningkatkan ketepatan tanpa meningkatkan biaya. Cluster sampling Berbeda dengan teknik-teknik sampling sebelumnya, dalam teknik sampling ini yang menjadi unit sampling dalam kerangka sampling adalah kelompok-kelompok, bukan individu atau unsur-unsur sampling itu sendiri. Dalam cluster sampling, populasi target pertama-tama dibagi ke dalam sub kelompok atau cluster yang eksklusif.

Tujuan utama dari cluster sampling adalah untuk meningkatkan ketepatan. Sebagai contoh, di kota Malang terdapat kelompok usaha keramik, mereka ini akan diminta tanggapannya tentang kondisi usaha di Malang. Setelah dipertimbangkan, besarnya sampel representative ialah sebanyak 30 kelompok usaha.

Jadi, bukan individu dalam kelompoknya yang menjadi sampel, akan tetapi kelompok usahanya. Untuk menetapkan apakah kita akan memilih nonprobability sampling atau-kah probability sampling, sangat tergantung pada faktor-faktor pembeda dan kondisi yang menguntungkan bagi penggunaan kedua jenis teknik sampling tersebut Malhotra : , seperti yang terlihat dalam tabel 6.

Penelitian yang menggunakan probability sampling biasanya menggunakan wawancara telepon. Stratified sampling dan sistematic sampling digabungkan dengan beberapa bentuk digit random untuk memilih responden. Jika ukuran sampel yang di ambil terlalu besar atau terlalu kecil maka akan menjadi masalah dalam penelitian itu.

Oleh karena itu, ukuran sampel harus betul-betul diperhatikan oleh peneliti dalam melakukan penelitiannya. Tentang berapa ukuran ideal untuk sampel penelitian? Yang jelas, sampel yang baik adalah sampel yang memberikan pencerminan optimal terhadap populasinya representative.

Representative suatu sampel tidak pernah dapat dibuktikan, melainkan hanya didekati secara metodologi melalui parameter yang diketahui dan diakui kebaikannya secara teoritik maupun eksperimental. Berikut ini disajikan pendapat beberapa ahli tentang ukuran sampel; 1. Pendapat ini mengasumsikan bahwa semakin banyak sampel yang diambil, maka akan semakin representatif, dan hasilnya dapat di generalisir.

Roscoe memberikan panduan untuk menentukan ukuran sampel : a. Pada setiap penelitian, ukuran sampel harus berkisar antara 30 dan Apabila faktor yang digunakan dalam penelitian itu banyak, maka ukuran sampel minimal 10 kali atau lebih dari jumlah faktor.

Jika sampel akan dipecah-pecah menjadi beberapa bagian, maka ukuran sampel minimum 30 untuk tiap bagian yang diperlukan. Penelitian deskriptif sebanyak Penelitian korelasional sebanyak Malhotra , besarnya jumlah sampel yang diambil dapat ditentukan dengan cara mengalikan jumlah variabel dengan 5, atau 5 X jumlah variabel.

Jika variabel yang diamati berjumlah 20, maka sampel minimalnya adalah 5 X Faktor-faktor kualitatif yang penting dipertimbangkan dalam penentuan ukuran sampel adalah: a. Pentingnya keputusan. Sifat dari penelitian. Jumlah variabel d. Sifat dari analisa. Ukuran sample dalam penelitian sejenis f. Tingkat luasnya akibat.

Tingkat penyelesaian. Keterbatasan sumber. Sifat dari penelitian juga mempengaruhi ukuran sample. Untuk explaratory research design, seperti yang digunakan dalam riset kualitatif, ukuran sample adalah khusus kecil. Untuk conclusive research, seperti survey deskriptif, sample besar yang akan digunakan.

Keputusan tentang ukuran yang digunakan juga ditentukan oleh pertimbangan- pertimbangan keterbatasan sumber daya yang tersedia, misalnya masalah biaya dan waktu yang terbatas. Keterbatasan yang lain termasuk ketersediaan personel yang berkualitas untuk mengumpulkan data. Faktor terpenting dalam menentukan ukuran sampel yang dibutuhkan untuk mengestimasi sebuah parameter populasi adalah ukuran dari varians populasi. Walaupun periset pemasaran seringkali dipengaruhi oleh keuangan dalam keputusan terhadap ukuran sampel, pada beberapa kejadian dia akan menghitung ukuran sampel yang diperlukan dalam rangka untuk memberikan dia terhadap keluasan interval yang dia inginkan dan derajat kepercayaan yang diinginkan.

Hubungan antara tiga pertimbangan ini telah siap timbul jika diketahui bahwa untuk populasi terbatas setengah dari lebar estimasi interval h adalah sama dengan z. Biasanya estimasinya tentang simpangan baku akan berdasarkan pada pengalaman sebelumnya dalam bekerja dengan populasi yang sama. Tiga komponen tentang hubungan di atas membentuk dasar untuk mengijinkan periset dalam mengembangkan dua tingkat yang diinginkannya pada saat yang ketiga diijinkan untuk mencari tingkatnya sendiri.

Dia memutuskan untuk suatu tingkat kepercayaan sebesar 95 persen dan juga menginginkan lebar intervalnya tidak lebih besar dari 5. Jika dia mengestimasi bahwa populasinya memiliki suatu simpangan baku sebesar 7, berapa besar sampel yang akan diperlukan?

Pada kasus populasi terbatas, harus dicatat bahwa keputusan pada ukuran sampel mungkin jika n 0. Kekurangan akan dasar untuk mengestimasi dia mungkin akan mengambil pendekatan konservatif untuk menjamin bahwa dia mendapatkan suatu sampel yang cukup besar.

Jika hasil kali adalah pada hasil terbesarnya, ukuran sampel adalah terbesar. Teori Limit Tengah Dalam rangka untuk mendapatkan keuntungan penuh dari pengambilan sampel, akan diperlukan untuk mengambil satu sampel dan menarik kesimpulan tentang keseluruhan populasi.

Akan tetapi, sebelum melaksanakan hal ini, perlu untuk mengenal teori yang membuat pengambilan contoh menjadi berarti. Dalam bab ini, kita telah menggunakan dan mendefinisikan simbol-simbol statistik.

Kesalahan umum yang sering dijumpai dalam menentukan besarnya jumlah sampel adalah sebagai berikut: 1. Peneliti gagal dalam menetapkan jumlah anggota populasi yang dapat dipercaya.

Peneliti menggunakan anggota sampel yang terlalu kecil untuk setiap subgroupnya, sehingga analisis statistika parameter tidak berlaku, padahal populasi sebenarnya cukup besar. Menentukan Kandungan. Ujian yang berkesan ialah ujian yang mempunyai kebolehpercayaan dan kesahan. Di sini, kebolehpercayaan bermaksud keupayaan ujian.

Kesahan pula bermaksud keupayaan ujian mengukur apa yang hendak diukur. Sebelum ujian dibina, kandungan bidang yang ingin diukur hendaklah ditentukan. Biasanya, kandungan bidang adalah agak luas. Pakar bidang boleh diguna untuk memastikan sampel kandungan. Jenis Kebolehpercayaan dan Kesahan. Terdapat tiga 3 jenis kebolehpercayaan; iaitu kestabilan stability , kesetaraan. Kebolehpercayaan kestabilan ialah ukuran ketekalan consistency mengikut. Indeks kebolehpercayaan kestabilan ialah korelasi antara skor ujian kali.

Kebolehpercayaan kesetaraan ialah ukuran kesetaraan antara skor bagi dua 2. Ini bermakna ujian yang boleh dipercayai akan memberikan skor yang sama. Indeks kebolehpercayaan kesetaraan ialah korelasi antara skor ujian. Ketekalan Dalaman. Kebolehpercayaan ketekalan dalaman ialah ukuran ketekalan antara skor separuh. Ini bermakna. Seterusnya, terdapat empat 4 jenis kesahan, iaitu kesahan kandungan content validity , kesahan hubungan kriteria criterion-related validity , kesahan konstruk construct validity dan kesahan muka face validity.

Kesahan kandungan sesuatu. Kesahan kandungan boleh ditingkatkan. Kesahan hubungan kriteria terdiri daripada dua 2 bentuk, iaitu kesahan serentak. Kesahan serentak.

Contohnya, satu ujian dibina untuk mengukur perkara yang sama,. Kesahan serentak boleh dikira dengan mencari korelasi antara dua skor ujianujian ini.

Kesahan ramalan pula ialah sejauh mana sesuatu alat ukur itu berupaya. Contohnya, satu ujian dibina untuk mengukur. Kesahan ramalan boleh dikira dengan mencari korelasi antara skor ujian dan gred SPM. Contohnya, alat yang. Kesahan konstruk boleh ditingkatkan dengan memahami maksud. 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 , 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, Menurut Mohd. Majid Konting , persampelan merupakan strategi penyelidikan di mana penyelidik boleh mendapat maklumat mengenai sesuatu populasi daripada sebahagian individu yang menganggotai.

Sebahagian individu yang diambil melalui persampelan bagi mewakili sesuatu populasi yang dikaji dinamakan sampel. Menurut Alias , 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 dipilih sebagai sampel.

Persampelan rawak menunjukkan peluang yang sama untuk memasuki. 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 di pilih. Setiap individu mempunyai kebarangkalian yang sama untuk di pilih berbanding calon lain.

Nama calon yang telah dipilih tidak akan dimasukkan semula kedalam senarai pencalonan. Masaalah dengan teknik ini ialah apabila senarai kesemua calon tidak ada atau tidak lengkap Contohnya: Pilih satu nombor dari nombor-nombor berikut: 2 3 1 7 6 9 45 32 4 56 22 Open navigation menu.

Close suggestions Search Search. User Settings. Skip carousel. Carousel Previous. Carousel Next.