RUMUS PENENTUAN JUMLAH SAMPEL

Beberapa rumus untuk menentukan jumlah sampel antara lain :

1. Formula Slovin (dalam Riduwan, 2005:65)     

     N = n/N(d)² + 1     

 Keterangan :

• n = sampel; 
• N = populasi; 
• d = nilai presisi 95% atau sig. = 0,05.

Misalnya, jumlah populasi adalah 125, dan tingkat kesalahan yang dikehendaki adalah 5%, maka jumlah sampel yang digunakan adalah :  
N = 125 / 125 (0,05)² + 1 = 95,23, dibulatkan 95
 
2. Formula Jacob Cohen (dalam Suharsimi Arikunto, 2010:179)

               N = L / F^2 + u + 1

Keterangan :

• N = Ukuran sampel
• F^2 = Effect Size
• u = Banyaknya ubahan yang terkait dalam penelitian
• L = Fungsi Power dari u, diperoleh dari tabelPower (p) = 0.95 dan Effect size (f^2) = 0.1
• Harga L tabel dengan t.s 1% power 0.95 dan u = 5 adalah 19.76

Maka dengan formula tsb diperoleh ukuran sampelN = 19.76 / 0.1 + 5 + 1 = 203,6, dibulatkan 203

3. Ukuran Sampel berdasarkan Proporsi (Tabel Isaac dan Michael)
Tabel penentuan jumlah sampel dari Isaac dan Michael memberikan kemudahan penentuan jumlah sampel berdasarkan tingkat kesalahan 1%, 5% dan 10%. Dengan tabel ini, peneliti dapat secara langsung menentukan besaran sampel berdasarkan jumlah populasi dan tingkat kesalahan yang dikehendaki.

4. Cohran’s Formula

Data Continues

            N = (t^2) * (s^2) / (d^2)      

 dimana,

• N = ukuran sampel, 
• t = nilai t berdasarkan alpha tertentu,
• s =  standard deviasi dari populasi, dan 
• d = margin error

Contoh :
(1.96)^2 (1.167)^2 /  (7*.03)^2 = 118

Data Kategori

              N = (t)^2 * (p)(q) / (d)^2

Dimana,

• N = ukuran sampel, 
• t = nilai t berdasarkan alpha tertentu, 
•  (p)(q) = estimate of variance, 
• d = margin of error yang diterima

Contoh :
(1.96)^2(0.5)(0.5) / (.05) ^ 2 = 384

5. Formula Lemeshow Untuk Populasi tidak diketahui

                n = Z^2 P(1− P)/d^2          

dimana

• z = 1.96
• p = maximal estimasi = 0.5
• d = alpha (0.05)

Dengan demikian
1.96^2 . 0.5 (1-0.5) / 0.05^2= 384

Read More

DATA DAN TEKNIK PENGAMBILAN SAMPLE

APA ITU DATA

• Data (jamak → datum): himpunan angka yang berasal dari hasil pengukuran peneliti
• Kumpulan data disebut: agregat

KLASIFIKASI DATA

• Menurut Tingkat Pengolahanya:

Raw data: data mentah dan belum diolah

• Misal: umur mhs: 20, 31, 45, 23, 19

Array data: data yang belum diolah, tetapi sudah diurutkan

• Misal: umur mhs: 19, 20, 23, 31, 45

Ungrouped data: raw data yang belum dikelompokan

• Misal: A(23, Pria, Islam), B (30, Pria, Katolik), C (25, Wanita, Islam), D (19, Pria, Kristen)

Gruoped data: data yang telah dikelompokan dalam kelas tertentu:

• Misal: Umur: kelompok (11-20), (21-29), (31-39)

Agama:

Menurut bentuk angka

1. Data Diskrit: data yang angkanya bulat
2. Data kontinue: data yang angkanya pecahan (desimal)

Menurut Sifatnya

1. Data Kuantitatif: data yang berwujud angka
2. Data Kualitatif: data yang tidak berwujud angka

Menurut Sumbernya

1. Data Primer: data yang diukur atau dihitung sendiri oleh peneliti
2. Data Skunder: data yang didapat dari sumber lain, yang tidak diukur atau dihitung sendiri oleh peneliti

Menurut Skala Pengukuranya

Skala Nominal: data yang hanya dapat membedakan (mengkatagorikan), tidak diketahui tingkat perbedaanya dan tidak ada urutanya

• Misal: jenis kelamin, agama, alamat, status perkawinan

Skala Ordinal: data yang mempunyai kategori, mempunyai tingkat perbedaanya, teapi tidak diketahui berapa nilai tingkat perbedaanya

• Misal: golongan, pangkat, tingkat pendidikan

Skala Interval: data yang mempunyai kategori, diketahui tingkat perbedaanya, ada urutan, tidak ada nilai nol mutlak (artinya mempunyai nilai nol → realnya ada nilai nol)

• Misal: suhu badan, nilai ujian

Data Skala Ratio: data yang mempunyai kategori, diketahui tingkat perbedaanya, ada urutan, mengakui nilai nol mutlak (artinya tidak ada nilai nol → realnya tidak ada)

• Misal: berat badan, umur

POPULASI DAN SAMPLE

• Populasi: kumpulan semua individu atau obyek yang mempunyai kateristik tertentu yang akan dihitung/diukur dalam penelitian
• Misal: penduduk Jombang, pasien poli kandungan, perawat puskesmas

Macam Populasi:

1. Populasi Finit (terhingga): diketahui jumlahnya
2. Populasi Infinit (tak terhingga): tidak diketahui jumlahnya, dapat diubah menjadi terhingga dengan cara membatasi wilayah atau jumlah

• Sampel: adalah perwakilan dari populasi dengan karakteristik tertentu, yang dapat mewakili keadaan populasi yang sebenarnya

• Pengambilan sample (sampling) dilakukan dengan cara acak/random dan non acak/random
• Sampling random → agar semua anggota populasi mempunyai kesempatan yang sama untuk dipilih (untuk penelitian deskriptif dan analitik)
• Sampling non random → hanya untuk penelitian deskriptif

CARA PENGAMBILAN SAMPLE RANDOM

1. Simple Random Sampling
2. Systematic Random Sampling
3. Stratified Random Sampling
4. Cluster Random Sampling
5. Multistage Random Sampling

CARA PENGAMBILAN SAMPEL NON RANDOM

1. Quota sampling (pengambilan besar sampel ditentukan oleh peneliti)
2. Accidental sampling (pengambilan sampel seadanya/ yang ada saat penelitian)
3. Expert sampling (pengambilan sampel berdasarkan saran ahli)
4. Purposive sampling: pengambilan sampel dengan pertimbangan

SIMPLE RANDOM SAMPLING

• Pengambilan sample dengan menggunakan tabel random atau diundi
• Random sampling: 88, 00, 23, 67, 14, 45, 17, 48, 79, 59, 42, 08, 54, 65, 61, 84, 86, 33, 64, 90, 15, 69, 97, 58, 80, 25, 72, 52, 35, 40, 98, 24, 21, 66, 01, 08, 23, 15, 55, 02, 32, 83, 24, 54, 52, 07, 44, 53, 64, 33, 80, 87, 18, 01, 39, 84, 62, 25, 72, 07, 17, 52, 86, 14, 06, 33, 70, 75, 89, 10, 22, 91 dst

SYSTEMATIC RANDOM SAMPLING

• Populasi diurutkan terlebih dahulu
• Pemilihan random diperoleh dengan cara mencari angka kelipatan
• Angka kelipatan diperoleh dari: populasi/sample → misal: 100/50 = 2
• Hasil pemilihan sample dengan angka kelipatan 2 adalah: 00, 02, 04, 06, 08, 10, 12, 14, 16, 18, 20, 22 dst

STRATIFIED RANDOM SAMPLING

• Populasi dibagi menjadi beberapa kelompok atau strata → baru dilakukan random sampling
• Misal penelitian IQ siswa SD → dikelompokan dulu per kelas → lalu masing2 kelas dilakukan random sampling
• Misal jumlah sample 60 siswa → maka masing2 kelas diambil 10 sample dipilih secara random

CLUSTER RANDOM SAMPLING

• Cluster sampling dipergunakan saat unit samplingnya terdiri lebih dari satu elemen populasi (kelompok)
• Misalnya: survey kualitas air minum penduduk didesa atau test IQ
• Penduduk kita kelompokan dulu → dapat berdasar RT/RW, jalan, sungai, kelompok siswa berprestasi dan tidak berprestasi

MULTISTAGE RANDOM SAMPLING

• Teknik pemilihan sample yang dilakukan secara bertingkat dan biasanya berdasarkan pembagian wilayah kerja suatu pemerintahan
• Misal: survey jamban di jawa timur → kita tentukan dulu berapa kabupaten/kota yang disampling → berapa kecamatan → berapa desa → berapa dusun → berapa RW → berapa RT

BESAR SAMPLE

BESAR SAMPLE (TABEL)

CONTOH SOAL

• Jumlah responden 1000, terdiri S1=50, D3=300, SMA=500, SMP=50, SD=100
• Berapa jumlah sample berdasarkan tabel?
• Berapa jumlah sample untuk masing-masing tingkat pendidikan?

• Populasi = 1000 → besar sample 278
• Sample berdasarkan tingkat pendidikan:
• S1 =50/1000 x 278 = 13,9 = 14
• D3 = 300/1000 x 278 = 83,4 = 83
• SMA = 500/1000 x 278 = 139
• SMP = 50/1000 x 278 = 13,9 = 14
• SD = 100/1000 x 278 = 27,8 = 28
• Total = 14 + 83 + 139 + 14 + 28 = 278

CONTOH SOAL 2

• Penelitian tentang status gizi anak balita di kelurahan X dengan jumlah populasi 923.000, dimana kasus atau prevalensi gizi kurang pada populasi tsb tidak diketahui.
• Berapa jumlah sampel yg harus diambil apabila menghendaki derajat kemaknaan 95% dan dengan estimasi penyimpangan 0,05?

JAWAB

BESAR SAMPLE JAWAB

• Sampel lebih besar akan memberikan hasil yang lebih akurat, tapi perlu tenaga, waktu, biaya yg lebih besar
• Pengambilan sampel secara acak akan memberikan data kuantitatif yg lebih representatif
• Besar kecilnya sample bukan satu-satunya penentuan representatif, tetapi lebih kepada cara pengambilan sample

CONTOH SOAL 3

• Penelitian tentang status gizi anak balita di kelurahan X dengan jumlah populasi 3.000, dimana kasus atau prevalensi gizi kurang pada populasi tsb tidak diketahui.
• Berapa jumlah sampel yg harus diambil apabila menghendaki derajat kemaknaan 95% dan dengan estimasi penyimpangan 0,05?

JAWAB CONTOH SOAL 3

Read More

Populasi dan Sampel

Populasi

Populasi merupakan keseluruhan (universum) dari objek penelitian yang dapat berupa manusia, hewan, tumbuh-tumbuhan, gejala, nilai, peristiwa, sikap hidup, dan sebagainya yang menjadi pusat perhatian dan menjadi sumber data penelitian. Apabila kita lihat definisi tersebut, pengertian populasi bisa sangat beragam sehingga kita harus mendefinisikan populasi tersebut dengan jelas dan tepat.

Berikut ini adalah contoh suatu populasi:

• Populasi Mahasiswa Universitas Padjadjaran (Unpad)
• Populasi Mahasiswa Fakultas Pertanian (Faperta)
• Populasi Mahasiswa Agroteknologi, Faperta, Unpad
• Populasi Mahasiswa Agroteknologi Angkatan 2009, Faperta, Unpad
• Populasi Mahasiswa Agroteknologi Kelas A, Angkatan 2009, Faperta, Unpad

Apabila kita perhatikan contoh populasi di atas, pengertian populasi di sana bersifat relatif, pendefinisiannya tergantung dari si Peneliti, apakah dia ingin mengetahui Populasi Mahasiswa Unpad secara keseluruhan ataukah hanya tertarik pada populasi mahasiswa Agroteknologi angkatan 2009 saja.

Kita harus hati-hati dalam mendefinisikan suatu populasi. Populasi harus didefinisikan dengan jelas dan tepat. Misalnya, kita ingin mengetahui rata-rata nilai IPK mahasiswa Unpad. Berarti parameter/sifat/ciri yang ingin diketahui adalah rata-rata nilai IPK mahasiswa dan obyek yang ditelitinya adalah Mahasiswa Unpad. Jika kita merumuskan populasi seperti ini, rumusannya sudah jelas tapi belum tepat. Jelas maksudnya: (1) parameter yang ingin diteliti sudah jelas, yaitu Nilai IPK mahasiswa Unpad dan bukan parameter lain, seperti tinggi, nilai IQ dan sebagainya (2) populasinya hanya mahasiswa Unpad bukan nilai IPK mahasiswa dari universitas lain. Belum tepat maksudnya, apabila kita berbicara tentang mahasiswa Unpad cakupannya cukup luas. Apakah kita akan mendata nilai IPK semua mahasiswa Unpad dari semua angkatan, baik yang masih aktif, non aktif, meninggal, DO, maupun yang sudah lulus?

Dengan demikian, batasan ruang lingkup dari populasi yang akan diteliti harus didefinisikan dengan jelas dan tepat, karena semua kesimpulan yang nantinya akan diperoleh dari hasil penarikan contoh (sampel) hanya berlaku untuk populasi yang dimaksud, bukan untuk populasi yang berada diluar batasan ruang lingkup yang diberikan.

Perhatikan pendefinisian populasi berikut:

“Populasi dalam penelitian ini adalah Mahasiswa Agroteknologi Angkatan 2009, Faperta Unpad, yang masih aktif”

Pendefinisian populasi seperti ini sudah jelas batas ruang lingkupnya, sehingga kesimpulan apapun yang diberikan terhadap suatu sampel yang diambil dari populasi tersebut hanya berlaku untuk populasi yang dibatasi oleh Mahasiswa Agroteknologi Angkatan 2009, Faperta, Unpad, yang masih aktif kuliah dan tidak berlaku untuk mahasiswa lainnya yang berada diluar ruang lingkup tersebut.  Jadi hanya menggambarkan keadaan rata-rata nilai IPK mahasiswa pada ruang lingkup tersebut.

Populasi dapat dibagi berdasarkan keadaan (kompleksitasnya) dan berdasarkan ukurannya. Menurut keadaannya populasi dapat dibagi menjadi dua bagian yaitu Populasi Homogen, dan Populasi heterogen. Berdasarkan ukurannya, populasi juga dibagi menjadi dua bagian yaitu Populasi terhingga, dan Populasi tak terhingga.

Populasi berdasarkan keadaannya:

Populasi Homogen: populasi dikatakan homogen apabila unsur-unsur dari populasi yang diteliti memiliki sifat-sifat yang relatif seragam satu sama lainnya. Karakteristik seperti ini banyak ditemukan di bidang eksakta, misalnya air, larutan, dsb. Apabila kita ingin mengetahui manis tidaknya secangkir kopi, cukup dengan mencoba setetes cairan kopi tersebut. Setetes cairan kopi sudah bisa mewakili kadar gula dari secangkir kopi tersebut.

Populasi Heterogen: populasi dikatakan heterogen apabila unsur-unsur dari populasi yang diteliti memiliki sifat-sifat yang relatif berbeda satu sama lainnya. Karakteristik seperti ini banyak ditemukan dalam penelitian sosial dan perilaku, yang objeknya manusia atau gejala-gejala dalam kehidupan manusia yang bersifat unik dan kompleks. Misalnya, apabila kita ingin mengetahui rata-rata IQ mahasiswa Unpad angkatan 2009 (berarti rata-rata dari semua Fakultas). Jelas, rata-rata IQ mahasiswa antar Fakultas kemungkinan besar bervariasi, IQ mahasiswa Fakultas Kedokteran relatif lebih tinggi dibanding dengan rata-rata IQ mahasiswa Fakultas lainnya, sehingga kita bisa mengatakan bahwa populasi tersebut keadaannya heterogen. Untuk mengatasi populasi yang heterogen dalam melakukan penelitian, perlu adanya pengelompokan berdasarkan karakteristiknya, sehingga dari populasi yang ada digrupkan dalam beberapa kelompok, yang nantinya kelompok-kelompok tersebut akan hogomen dalam kelompoknya, tetapi kelompok-kelompok tersebut sangat heterogen diantara kelompkonya. Pada pemisalan sebelumnya, kelompok identik dengan Fakultas.

Populasi berdasarkan ukurannya:

Populasi terhingga: Populasi dikatakan terhingga bilamana anggota populasi dapat diperkirakan atau diketahui secara pasti jumlahnya, dengan kata lain, jelas batas-batasnya secara kuantitatif, misalnya:

• Banyaknya Mahasiswa Agroteknologi Kelas A, Angkatan 2009, Faperta, Unpad
  
• Tinggi penduduk yang ada di kota tertentu
  
• Panjang ikan di sebuah danau
  

Populasi tak hingga: populasi dikatakan tak hingga bilamana anggota populasinya tidak dapat diperkirakan atau tidak dapat diketahui jumlahnya, dengan kata lain, batas-batasnya tidak dapat ditentukan secara kuantitatif, misalnya:

• Air di lautan
  
• Banyaknya pasir yang ada di Pantai Pangandaran.
  
• Banyaknya anak yang menderita kekurangan gizi
  
• Kedalaman suatu danau yang diukur dari berbagai titik
  

Namun demikian, dalam praktek kehidupan sehari-hari banyak kita jumpai adanya populasi terhingga dianggap sebagai populasi tak terhingga, dan hal seperti ini dibenarkan secara statistika, misalnya banyaknya orang Indonesia yang merokok, banyaknya penduduk Indonesia sekarang, dan sebagainya.

Sampel

Dalam statistik inferensial, kita ingin mengetahui gambaran karakteristik tertentu dari suatu populasi, namun terkadang hal tersebut terkadang tidak mungkin dan tidak praktis untuk mengamati seluruh obyek/individu yang menyusun suatu populasi. Pedagang eceran beras hanya meneliti segenggam beras untuk menentukan kualitas sekarang beras. Pedagang emas hanya meneliti bekas gosokan dari perhiasan tersebut untuk menentukan kualitas emas perhiasan tersebut. Peneliti lingkungan hanya meneliti beberapa milliliter air untuk menentukan kualitas air pada suatu sungai atau danau. Pertanyaannya, mengapa tidak meneliti secara keseluruhan, bukankah hasilnya akan lebih baik dan lebih tepat?

Mengingat seorang peneliti dalam melakukan penelitian penuh dengan keterbatasan baik dari segi biaya, waktu, dan lain sebagainya maka penelitian yang dilakukan untuk mengumpulkan informasi atau data yang diinginkan sesuai dengan permasalah yang diteliti ditempuh dengan mengambil sebagian dari populasi, dengan mempertimbangkan ketebatasan yang ada dari peneliti. Bagian dari populasi tersebut sebagai tempat untuk mengumpulkan informasi dinamakan contoh (sampel).

Dengan demikian, sampel merupakan bagian dari populasi yang dipilih dengan menggunakan aturan-aturan tertentu, yang digunakan untuk mengumpulkan informasi/data yang menggambarkan sifat atau ciri yang dimiliki populasi.

Dari definisi tersebut jelas bahwa sampel yang kita ambil digunakan untuk menggambarkan karakteristik suatu populasi, atau dengan kata lain, sampel digunakan untuk menggeneralisasi suatu populasi.  Dengan demikian, sampel harus betul-betul bersifat representatif sehingga dapat mewakili dan mencerminkan karakteristik populasi dari mana sampel itu diambil.

Gambaran Sampel Representatif

Seorang peneliti, jarang mengamati keseluruhan populasi karena dua alasan:

• Biaya terlalu tinggi dan
• Populasi bersifat dinamis, yaitu unsur-unsur populasi bisa berubah dari waktu ke waktu.

Ada tiga keuntungan utama pengambilan sampel:

• Biaya lebih rendah,
• Pengumpulan data lebih cepat, dan
• Hal ini mungkin untuk memastikan keseragaman dan untuk meningkatkan akurasi dan kualitas data karena kumpulan data lebih kecil .

Jenis-Jenis sampel

Dalam proses pemilihan sampel ada dua faktor penentu yang berperan yaitu:

• Ada atau tidak adanya faktor pengacakan, dan
  
• Peran orang yang memilih (mengambil) sampel tersebut.
  

Pada proses pengambilan sampel dengan menggunakan faktor pengacakan didalamnya termasuk unsur-unsur peluang, sedangkan peran dari orang pemilih sampel dapat bersifat obyektif dan dapat pula bersifat subyektif.

Yang dimaksud dengan sikap obyektif dalam memilih sampel adalah suatu cara pemilihan sampel yang menggunakan metode tertentu yang jelas, sehingga penarikan sampel tersebut bila dilakukan oleh orang lain akan diperoleh hasil yang tidak jauh berbeda dari penarikan sampel sebelumnya, dalam menduga sifat atau ciri populasinya. Jadi dengan pengambilan sampel dengan menggunakan metode tertentu dan jelas, akan diperoleh sampel yang konsisten, artinya bila pengambilan sampel dilakukan secar berulang-ulang terhadap populasi yang sama hasilnya tetap terkendali dalam arti tetap menggambarkan sifat atau ciri dari populasinya, walaupun hasilnya tidak persis sama antara yang satu dengan yang lainnya.

Sifat subyektif dalam memilih sampel adalah suatu pemilihan sampel dengan melibatkan pertimbangan pribadi dari pengambil sampel untuk mengambil sampel yang baik menurut versinya sendiri (versi peneliti). Dengan demikian sampel yang diperoleh merupakan sampel yang berbias, apalagi orang yang memilih cotnoh sampel mempunyai latar belakang yang kurang terhadap konsep statistika khususnya konsep tentang teori penarikan sampel.

Sumber Referensi:

• Bungin, Burhan. 2006. Metode Penelitian Kuantitatif Komunikasi, Ekonomi, dan Kebijakan Publik serta Ilmu-ilmu Sosial Lainnya.  Prenada Media Group. Jakarta.
• http://en.wikipedia.org/wiki/Sampling_(statistics)
• Walpole, R.E. 1992. Pengantar Statistika. PT Gramedia Pustaka Utama, Jakarta.
• Sumber lainnya

Sumber : http://smartstat.wordpress.com/

Read More

Teknik sampling

Dalam penelitian kuantitatif, apalagi jika dirancang sebagai sebuah penelitian survei (survey research), keberadaan populasi dan sampel penelitian nyaris tak dapat dihindarkan. Populasi dan sampel merupakan sumber utama untuk memperoleh data yang dibutuhkan dalam mengungkapkan fenomena atau realitas yang dijadikan fokus penelitian kita. Demi mencapai keakuratan dan validitas data yang dihasilkan, populasi dan sampel yang dijadikan objek penelitian harus memiliki kejelasan baik dari segi scope, ukuran, maupun karakteristiknya. Dengan kata lain, kejelasan populasi dan ketepatan pengambilan sampel dalam penelitian akan menentukan validitas proses dan hasil penelitian kita.

Apa itu populasi penelitian? Apa itu sampel dan bagaimana kaitan antara populasi dan sampel dalam sebuah penelitian? Simak uraian-uraian di bawah ini.

KONSEP DASAR POPULASI DAN SAMPEL PENELITIAN

Populasi atau sering juga disebut universe adalah keseluruhan atau totalitas objek yang diteliti yang ciri-cirinya akan diduga atau ditaksir (estimated). Ciri-ciri populasi disebut parameter. Oleh karena itu, populasi juga sering diartikan sebagai kumpulan objek penelitian dari mana data akan dijaring atau dikumpulkan. Populasi dalam penelitian (penelitian komunikasi) bisa berupa orang (individu, kelompok, organisasi, komunitas, atau masyarakat) maupun benda, misalnya jumlah terbitan media massa, jumlah artikel dalam media massa, jumlah rubrik, dan sebagainya (terutama jika penelitian kita menggunakan teknik analisis isi (content analysis).

Populasi penelitian terdiri dari populasi sampling dan populasi sasaran. Populasi sampling adalah keseluruhan objek yang diteliti, sedangkan populasi sasaran adalah populasi yang benar-benar dijadikan sumber data. Sebagai contoh, misalnya kita akan meneliti bagaimana rata-rata tingkat prestasi akademik mahasiswa Fakultas Ilmu Komunikasi Unpad dan kita hanya akan memokuskan penelitian kita pada mahasiswa yang aktif di lembaga-lembaga kemahasiswaan, maka seluruh mahasiswa Fakultas Ilmu Komunikasi Unpad adalah populasi sampling, sedangkan seluruh mahasiswa yang aktif dalam lembaga kemahasiswaan adalah populasi sasaran.

Konsep lainnya yang harus dipahami-dan tidak boleh dikelirukan- adalah jumlah populasi (population numbers) dan ukuran populasi (population size). Jumlah populasi adalah banyaknya kategori populasi yang dijadikan objek penelitian yang dinotasikan dengan huruf K. Misalnya, ketika kita meneliti tingkat rata-rata prestasi akademik mahasiswa Fakultas Ilmu Komunikasi Unpad (Fikom Unpad), maka jumlah populasinya adalah satu, yakni kategori mahasiswa. Sementara itu, jika kita meneliti sikap sivitas akademika Fikom Unpad terhadap kebijakan rektor dalam menaikkan biaya pendidikan, maka jumlah populasinya sebanyak kategori yang terkandung dalam konsep sivitas akademika, misalnya terdiri dari kategori mahasiswa, dosen, dan staf administratif. Jadi, jumlah populasinya ada tiga. Ukuran populasi adalah banyaknya unsur atau unit yang terkandung dalam sebuah kategori populasi tertentu, yang dilambangkan dengan huruf N. Misalnya, ketika kita meneliti bagaimana rata-rata tingkat prestasi akademik mahasiswa Fikom Unpad, maka jumlah populasinya adalah satu dan ukuran populasinya 8.236 orang (sesuai dengan jumlah mahasiswa yang terdaftar resmi di Fikom Unpad).

Jika kita menggunakan seluruh unsur populasi sebagai sumber data, maka penelitian kita disebut sensus. Sensus merupakan penelitian yang dianggap dapat mengungkapkan ciri-ciri populasi (parameter) secara akurat dan komprehensif, sebab dengan menggunakan seluruh unsur populasi sebagai sumber data, maka gambaran tentang populasi tersebut secara utuh dan menyeluruh akan diperoleh. Oleh karena itu, sebaik-baiknya penelitian adalah penelitian sensus. Namun demikian, dalam batas-batas tertentu sensus kadang-kadang tidak efektif dan tidak efisien, terutama jika dihubungkan dengan ketersedian sumber daya yang ada pada peneliti. Misalnya, bila dikaitkan dengan fokus penelitian, keterbatasan waktu, tenaga, dan biaya yang dimiliki oleh peneliti.

Dalam keadaan peneliti tidak memungkinkan untuk melakukan sensus, maka peneliti boleh mengambil sebagian saja dari unsur populasi untuk dijadikan objek penelitiannya atau sumber data. Sebagian unsur populasi yang dijadikan objek penelitian itu disebut sampel. Sampel atau juga sering disebut contoh adalah wakil dari populasi yang ciri-cirinya akan diungkapkan dan akan digunakan untuk menaksir ciri-ciri populasi. Oleh karena itu, jika kita menggunakan sampel sebagai sumber data, maka yang akan kita peroleh adalah ciri-ciri sampel bukan ciri-ciri populasi, tetapi ciri-ciri sampel itu harus dapat digunakan untuk menaksir populasi. Ciri-ciri sampel disebut statistik. Sama halnya dengan populasi, dalam sampel pun ada konsep jumlah sampel dan ukuran sampel. Jumlah sampel adalah banyaknya kategori sampel yang diteliti yang dilambangkan dengan huruf k, yang jumlahnya sama dengan jumlah populasi (k=K). Sedangkan ukuran sampel (dilambangkan dengan huruf n) adalah besarnya unsur populasi yang dijadikan sampel, yang jumlahnya selalui lebih kecil daripada ukuran populasi (n). Mengapa kita harus benar-benar memahami (tidak mengelirukan) pengertian istilah jumlah sampel dengan ukuran sampel, sebab jumlah sampel dan sifat sampel yang diteliti (terutama untuk penelitian eksplanatif, misalnya penelitian korelasional) akan sangat menentukan uji statistik inferensial yang mana yang harus digunakan untuk menguji hipotesis yang dirumuskan dalam penelitian kita. Ketepatan dalam memilih uji statistik inferensial itu merupakan salah satu unsur penentu validitas atau kesahihan penelitian kita. Dalam menguji korelasi di antara variabel-variabel yang diteliti, misalnya, ada uji statistik inferensial yang hanya berlaku untuk menguji satu sampel, dua sampel independen, dua sampel berhubungan, dan k sampel independen atau k sampel berhubungan, dan sebagainya (Silakan baca buku Statistik Nonparametrik untuk Ilmu-Ilmu Sosial tulisan Sidney Siegel).

Karena data yang diperoleh dari sampel harus dapat digunakan untuk menaksir populasi, maka dalam mengambil sampel dari populasi tertentu kita harus benar-benar bisa mengambil sampel yang dapat mewakili populasinya atau disebut sampel representatif. Sampel representatif adalah sampel yang memiliki ciri karakteristik yang sama atau relatif sama dengan ciri karakteristik populasinya. Tingkat kerepresentatifan sampel yang diambil dari populasi tertentu sangat tergantung pada jenis sampel yang digunakan, ukuran sampel yang diambil, dan cara pengambilannya. Cara atau prosedur yang digunakan untuk mengambil sampel dari populasi tertentu disebut teknik sampling.

UKURAN SAMPEL

Ukuran sampel atau besarnya sampel yang diambil dari populasi, sebagaimana diungkapkan di atas, merupakan salah satu faktor penentu tingkat kerepresentatifan sampel yang digunakan. Pertanyaannya, berapa besar sampel harus diambil dari populasi agar memenuhi syarat kerepresentatifan?

Dalam menentukan menentukan ukuran sampel (n) yang harus diambil dari populasi agar memenuhi persyaratan kerepresentatifan, tidak ada kesepakatan bulat di antara para ahli metodolologi penelitian (hal ini wajar, sebab dalam dunia ilmu yang ada adalah sepakat untuk tidak sepakat asal masing-masing konsisten dengan rujukan yang digunakannya, sehingga ilmu itu bisa terus berproses dan berkembang). Pada umumnya, buku-buku metodologi penelitian menyebut angka lima persen hingga 10 persen untuk menegaskan berapa ukuran sampel yang harus diambil dari sebuah populasi tertentu dalam penelitian sosial. Pendapat ini tentu saja sulit untuk dijelaskan apa alasannya jika ditinjau dari aspek metodologi penelitian.

Sehubungan dengan hal itu, I Gusti Bagoes Mantra dan Kasto dalam buku yang ditulis oleh Masri Singarimbun dan Sofian Effendi, Metode Penelitian Survai (1989), menyatakan bahwa sebelum kita menentukan berapa besar ukuran sampel yang harus diambil dari populasi tertentu, ada beberapa aspek yang harus dipertimbangkan yaitu:

1. Derajat Keseragaman Populasi (degree of homogenity). Jika tinggi tingkat homogenitas populasinya tinggi atau bahkan sempurna, maka ukuran sampel yang diambil boleh kecil, sebaliknya jika tingkat homogenitas populasinya rendah (tingkat heterogenitasnya tinggi) maka ukuran sampel yang diambil harus besar. Untuk menentukan tingkat homogenitas populasi sebaiknya dilakukan uji homogenitas dengan menggunakan uji statistik tertentu.

2. Tingkat Presisi (level of precisions) yang digunakan. Tingkat presisi, terutama digunkan dalam penelitian eksplanatif, misalnya penelitian korelasional, yakni suatu pernyataan peneliti tentang tingkat keakuratan hasil penelitian yang diinginkannya. Tingkat presisi biasanya dinyatakan dengan taraf signifikansi (α) yang dalam penelitian sosial biasa berkisar 0,05 (5%) atau 0,01 (1%), sehingga keakuratan hasil penelitiannya (selang kepercayaannya) 1–α yakni bisa 95% atau 99%. Jika kita menggunakan taraf signifikansi 0,01 maka ukuran sampel yang diambil harus lebih besar daripada ukuran sampel jika kita menggunakan taraf signifikansi 0,05.

3. Rancangan Analisis. Rancangan analisis yang dimaksud adalah sesuatu yang berkaitan dengan pengolahan data, penyajian data, pengupasan data, dan penafsiran data yang akan ditempuh dalam penelitian. Misalnya, kita akan menggunkan teknik analisis data dengan statistik deskripti; penyajian data menggunakan tabel-tabel distribusi frekuensi silang (tabel silang) atau tabel kontingensi dengan ukuran 3X3 atau lebih dimana pasti mengandung sel sebanyak 9 buah, maka ukuran sampelnya harus besar. Hal ini untuk menghindarkan adanya sel dalam tabel tersebut yang datanya nol (kosong), sehingga tidak layak untuk dianalisis dengan asumsi-asumsi kotingensi. Jika kita menggunakan rancangan analisisnya hanya menggunakan analisis statistik inferensial, maka ukuran sampelnya boleh lebih kecil dibandingkan apabila kita menggunakan rancangan analisis statistik deskriptif saja. Dengan kata lain, rancangan penelitian deskriptif membutuhkan ukuran sampel yang lebih besar daripada rancangan penelitian eksplanatif.

4. Alasan-alasan tertentu yang berkaitan dengan keterbatasan-keterbatasn yang ada pada peneliti, misalnya keterbatasan waktu, tenaga, biaya, dan lain-lain. (Catatan: Alasan ke-4 ini jangan digunakan sebagai pertimbangan utama dalam menentukan ukuran sampel, sebab hal ini lebih berkaitan dengan pertimbangan peneliti (tanpa akhiran an) dan bukan pertimbangan penelitian (metodologi).

Selain mempertimbangkan faktor-faktor di atas, beberapa buku metode penelitian menyarankan digunakannya rumus tertentu untuk menentukan berapa besar sampel yang harus diambil dari populasi. 

Jika ukuran populasinya diketahui dengan pasti, Rumus Slovin di bawah ini dapat digunakan.

Rumus Slovin:

                                           N

                                n = ———

                                      1 + Ne²

Keterangan;

• n = ukuran sampel


• N = ukuran populasi


• e = kelonggaran ketidaktelitian karena kesalahan pengambilan sampel yang ditololerir, misalnya 5%. 


• Batas kesalahan yang ditolelir ini untuk setiap populasi tidak sama, ada yang 1%, 2%, 3%, 4%,5%, atau 10%.

Jika ukuran populasinya besar yang didapat dari pendugaan proporsi populasi, maka Rumus Yamane yang harus digunakan.

                                              N

                                   n = ———–

                                            Nd² + 1

d = batas toleransi kesalahan pengambilan sampel yang digunakan.

Misalnya, kita ingin menduga proporsi pembaca koran dari populasi 4.000 orang. Presisi ditetapkan di antara 5% dengan tingkat kepercayaan 95%, maka besarnya sampel adalah:

                                                     4000

                                     n = ————————- =    364

                                               4000 x (0,05)² + 1

KERANGKA SAMPLING (SAMPLING FRAME)

Di atas sudah ditegaskan, bahwa tingkat krepresentatifan sampel selain ditentukan oleh ukuran sampel yang diambil juga ditentukan oleh teknik sampling yang digunakan. Di antara teknik-teknik sampling tersebut, dalam penggunaannya, ada yang mempersyaratkan tersedianya kerangka sampling. Kerangka sampling (sampling frame) adalah sebuah daftar yang memuat data mengenai seluruh unit atau unsur sampling yang terdapat pada populasi sampling. Secara gampang orang sering mengatakan, kerangka sampling adalah daftar nama-nama yang kerkandung dalam populasi penelitian.

JENIS SAMPEL DAN TEKNIK SAMPLING

Berdasarkan prosedur atau cara yang digunakan dalam mengambil sampel dari populasi (teknik sampling), kita dapat mengidentifikasi dua jenis sampel, yaitu: sampel probabilitas (probability sampling) dan sampel nonprobabilitas (nonprobability sampling). Sampel probabilitas atau disebut juga sampel random (sampel acak) adalah sampel yang pengambilannya berlandaskan pada prinsip teori peluang, yakni prinsip memberikan peluang yang sama kepada seluruh unit populasi untuk dipilih sebagai sampel. Sebaliknya, sampel nonprobabilitas atau sampel nonrandom (sampel tak acak) adalah sampel yang pengambilannya didasarkan pada pertimbangan-pertimbangan tertentu (bisa pertimbangan penelitian maupun pertimbangan peneliti). Sampel probabilitas diambil dengan menggunakan teknik sampling probabilitas atau teknik sampling random, sedangkan untuk mengambil sampel nonprobabilitas atau sampel nonrandom digunakan teknik sampling nonprobabilitas, yakni pertimbangan-pertimbangan tertentu. Sampel probabilitas cenderung memiliki tingkat representasi yang lebih tinggi daripada sampel nonprobabilitas.

Teknik Sampling Probabilitas (Teknik Sampling Random)

a. Teknik Sampling Random Sederhana (Simple Random Sampling)

Sampel acak sederhana adalah sebuah sampel yang diambil sedemikian rupa sehingga setiap unit penelitian atau satuan elementer dari populasi mempunyai kesempatan yang sama untuk dipilih sebagai sampel. Peluang yang dimiliki oleh setiap unit penelitian untuk dipilh sebagai sampel sebesar n/N, yakni ukuran sampel yang dikehendaki dibagi dengan ukuran populasi.

Dalam menggunakan Teknik Sampling Random Sederhana ini ada beberapa syarat yang harus dipenuhi, antara lain (Singarimbun dan Effendy, 1989):

1. Harus tersedia kerangka sampling atau memungkinkan untuk dibuatkan kerangka samplingnya (dalam kerangka sampling tidak boleh ada unsur sampel yang dihitung dua kali atau lebih).

2. Sifat populasinya harus homogen, jika tidak, kemungkinan akan terjadi bias.

3. Ukuran populasinya tidak tak terbatas, artinya harus pasti berapa ukuran populasinya.

4. Keadaan populasinya tidak terlalu tersebar secara geografis.

Teknis pelaksanaannya ada dua cara, yakni:

1. Dengan mengundi unsur-unsur penelitian atau satuan-satuan elementer dalam populasi. Langkah awal yang perlu dilakukan adalah menyusun semua unit penelitian atau unit elementer ke dalam kerangka sampling, mulai dari nomor terkecil hingga nomor ke-n (tergantung berapa besar ukuran populasinya). Selanjutnya masing-masing nomor unsur populasi itu ditulsikan dalam secarik kertas, digulung, dan dimasukkan ke dalam sebuah kotak atau toples. Lalu lakukan pengocokan secara merata, dan ambil sejumlah gulungan kertas tersebut sebanyak ukuran sampel yang dikehendaki. Nomor-nomr yang terambil itu menjadi unit elementer yang terpilih sebagai sampel. Pengundian juga dapat dilakukan seperti halnya ibu-ibu anggota kelompok arian menentukan pemenang arisannya. Gulungan kertas yang di dalamnya sudah berisi nomor unit elementer, dimasukkan ke dalam toples yang diberi tutup dengan lubang sebesar kira-kira dapat dilalui oleh setiap gulungan kertas yang ada di dalamnya. Lalu kocok berulang-ulang hingga keluar sejumlah gulungan kertas sesuai dengan ukuran sampel yang direncanakan. Penggunaan cara ini (cara pengundian) seringkali tidak praktis, terutama apabila ukuran populasinya relatif besar, sebab: pertama, hampir tidak mungkin kita dapat melakukan pengocokan secara saksama dan merata seluruh gulungan kertas undian; dan kedua, ada kecenderungan kita untuk tergoda memilih angka-angka tertentu. Dalam keadaan yang demikian, gunakan teknik kedua, yakni dengan mengundi Tabel Angka Random.

2. Dengan menggunakan Tabel Angka Random. Cara ini dipilih karena selain meringankan pekerjaan, juga lebih memberikan jaminan yang lebih besar bahwa setiap unit elementer mempunyai peluang yang sama untuk terpilih sebagai sampel. Caranya adalah sebagai berikut: misalnya, dari satuan elementer dlam populasi (N) yang besarnya 500 orang, akan dipilih 50 satuan elementer sebagai sampel (n). Bilangan 500 ini terdiri dari tiga dijit (digit), oleh karena itu dalam kerangka sampling satuan elementernya diberi nomor mulai dari 001 sampai 500. Selanjutnya lihat Tabel Angka Random atau Tabel Bilangan Random yang selalu ada pada lampiran buku-buku metodologi penelitian atau buku-buku metode statistika. Karena angka-angka yang yang terdapat dalam Tabel Bilangan Random itu disusun secara kebetulan (randomly assorted), maka pemakai tabel tersebut dapat mulai melihatnya dari baris dan kolom mana saja. Di samping itu, ia dapat juga mengikutinya ke arah mana saja. Penentuan angka pertama dapat dilakukan, misalnya, dengan cara menjatuhkan pensil dengan mata pensil mengarah ke bawah pada lembaran kertas yang di dalamnya terdapat tabel bilangan random yang kita gunakan. Angka random yang terkena oleh mata pensil tadi adalah unsur sampel pertama yang kita pilih. Selanjutnya, kita dapat menentukan unsur sampel lainnya dengan cara berjalan ke atas mengikuti kolom yang sama, atau ke samping mengikuti baris, ke bawah mengikuti kolom, atau cara apa saja yang dianggap mudah.

b. Teknik Sampling Random Sistematik (Systematic Random Sampling)

Apabila ukuran populasinya sangat besar, hingga tidak memungkinkan dilakukan pemilihan sampel dengan cara pengundian, maka teknik sampling random sederhana tidaklah tepat untuk digunakan. Dalam keadaan populasi yang demikian, gunakanlah teknik sampling random sistematik. Persyaratan yang harus dipenuhi agar teknik sampling ini dapat digunakan, sama dengan persyaratan untuk sampel random sederhana, yakni tersedianya kerangka sampling (ukuran populasinya diketahui dengan pasti), dan populasinya mempunyai pola beraturan yang memungkinkan untuk diberikan nomor urut serta bersifat homogen.

Cara penggunaan teknik sampling random sistematik ini mirip dengan cara sampling random sederhana. Bedanya, pada teknik sampling sistematik perandoman atau pengundian hanya dilakukan satu kali, yakni ketika menentukan unsur pertama dari sampling yang akan diambil. Penentuan unsur sampling selanjutnya ditempuh dengan cara memanfaatkan interval sampel. Interval sampel adalah angka yang menunjukkan jarak antara nomor-nomor urut yang terdapat dalam kerangka sampling yang akan dijadikan patokan dalam menentukan atau memilih unsur-unsur sampling kedua dan seterusnya hingga unsur ke-n. Interval sampel biasanya dilambangkan dengan huruf k.

Interval sampel atau juga disebut sampling rasio diperoleh dengan cara membagi ukuran populasi dengan ukuran sampel yang dikehendaki (N/n). Misalnya, dari populasi (N) berukuran 500 kita akan mengambil sampel (n) berkuran 50, maka interval samplingnya adalah 500/50=10 atau k =10. Andaikan yang terpilih sebagai unsur sampling pertama adalah satuan elementer yang bernomor s, maka penentuan unsur-unsur sampel berikutnya adalah:

• Unsur pertama = s


• Unsur kedua = s + k


• Unsur ketiga = s + 2k 


• Unsur keempat = s + 3k, dan seterusnya hingga unsur ke-n.

Untuk lebih jelasnya, di bawah ini diberikan contoh konkret.

Misalnya ukuran populasinya 500 (N=500) dan ukuran sampel yang akan diambil sebesar 50 (n=50), maka pasti k = 10. Andaikan saja unsur sampel pertama yang terpilih adalah nomor urut 005, maka unsur-unsur selanjunya yang harus diambil adalah nomor 015, 025, 035, 045, 055, 065, 075, dan seterusnya dengan berpatokan pada penambahan angka 10 dari nomor urut terakhir.

c. Teknik Sampling Random Berstrata (Stratified Random Sampling)

Teknik sampling ini digunakan apabila populasinya tidak homogen (heterogen). Makin heterogen suatu populasi, makin besar pula perbedaan sifat-sifat antara lapisan tersebut. Padahal, sebagaimana telah diungkapkan di atas, presisi dan tingkat kerepresentatifan sampel yang diambil dari suatu populasi antara lain dipengaruhi oleh derajat keseragaman (tingkat homogenitas) populasi yang bersangkutan. Untuk dapat menggambarkan secara tepat tentang sifat-sifat populasi yang heterogen, maka populasi yang bersangkutan harus dibagi-bagi kedalam lapisan-lapisan (strata) yang seragam atau homogen, dan dari setiap strata dapat diambil sampel secara random (acak).

Untuk dapat menggunakan teknik sampling random strata, ada beberapa syarat yang harus dipenuhi, antara lain (Singarimbun dan Effendi, 1989:162-163):

1. Harus ada kriteria yang jelas yang akan dipergunakan sebagai dasar untuk menstratifikasi populasi ke dalam lapisan-lapisan. Sebagai contoh, populasi penelitian Anda adalah seluruh mahasiswa Unpad. Dalam kenyataannya karakteristik mahasiswa Unpad tidak sama (tidak homogen) sebab di Unpad terdapat program pendidikan jenjang D3, S1, S2, dan S3 yang tentu saja karakteristik (terutama karakteristik akademisnya) berbeda-beda. Maka dalam keadaan populasi yang demikian, mahasiswa Unpad sebagai populasi harus dibagi kedalam strata (subpopulasi) mahasiswa D3, mahasiswa S1, mahasiswa S2, dan mahasiswa S3. Secara teoretis, yang dapat dijadikan kriteria untuk pembagian strata itu ialah variabel-variabel yang akan diteliti atau variabel-variabel yang menurut peneliti mempunyai hubungan yang erat dengan variabel-variabel yang hendak diteliti itu. Misalnya, tingkat motivasi belajar mahasiswa erat kaitannya dengan jenjang pendidikan yang diikutinya. Jadi, dalam penelitian tentang motivasi belajar mahasiswa (misalnya), jenjang pendidikan dijadikan dasar dalam menentukan strata populasi.

2. Harus ada data pendahuluan dari populasi mengenai kriteria yang dipergunakan untuk menstratifikasi. Misalnya, data mengenai pembagian jenjang pendidikan pada mahasiswa Unpad didasarkan pada kenyataan bahwa di Unpad memang terdapat berbagai jenjang pendidikan.

3. Jumlah satuan elementer dari setiap strata (ukuran setiap subpopulasi) harus diketahui dengan pasti. Hal ini diperlukan agar peneliti dapat membuat kerangka sampling untuk setiap subpopulasi atau strata yang akan dijadikan sumber dalam menentukan sampel atau responden. (Harap dicatat, bahwa teknik sampling random strata ini baru efektif dalam menentukan ukuran sampel yang harus diambil dari setiap strata dan belum mampu menentukan siapa saja sampel yang harus diambil untuk dijadikan responden penelitian). Untuk menentukan saampel sasaran atau responden masih perlu dilanjutkan dengan menggunakan teknik sampling random sederhana atau teknik sampling random sistematik, setelah sebelumnya dibuatkan kerangka sampling untuk setiap subpopulasinya.

Sampel strata terdiri dari dua macam, yakni sampel strata proporsional dan sampel strata disproporsional. Teknik sampling random strata proporsional digunakan apabila proporsi ukuran subpopulasi atau jumlah satuan elementer dalam setiap strata relatif seimbang atau relatif sama besar. Dalam sampel strata proporsional, dari setiap strata diambil sampel yang sebanding dengan besar setiap strata dengan berpatokan pada pecahan sampling (sampling fraction) yang sama yang digunakan. Pecahan sampling adalah angka yang menunjukkan persentase ukuran sampel yang akan diambil dari ukuran populasi tertentu. Sebagai contoh, jumlah keseluruhan mahasiswa Unpad ada 25.000 orang, sehingga ukuran populasinya 25.000. Berdasarkan perhitungan tertentu, misalnya kita menggunakan Rumus Slovin, sampel yang harus diambil sebesar 2.500 orang mahasiswa, maka pecahan samplingnya adalah 0,10 (10%) yang diperoleh dengan cara membagi ukuran sampel yang dikehendaki dengan ukuran populasinya (n/N). Dengan demikian, maka dari setiap lapisan populasi (strata) harus diambil sampel sebesar 10 % sehingga akhirnya diperoleh ukuran sampel secara keseluruhan yang merepresentasikan populasi. Untuk lebih jelasnya, perhatikan tabel di bawah ini.

Tabel 1

Sampel Berstrata Proporsional untuk Penelitian Motivasi Belajar

di Kalangan Mahasiswa Universitas Padjadjaran

Jenjang Ukuran % dalam Pecahan n % dalam

Pendidikan       Populasi       Populasi       Sampling     Sampel     Sampel

D3                    10.000          40%               0,10            1.000          40%

S1                      8.000          32%               0,10               800          32%

S2                      5.000          20%               0,10               500          20%

S3                      2.000          8%                 0,10               200            8%

_______ ______ ______ _____

25.000 100% 2.500 100%

Keterangan:

• Ditentukan ukuran sampel 2.500


• Pecahan sampling 2.500/25.000 = 0,10


• Setiap jenjang pendidikan diwakili dalam sampel proporsinya dalam populasi.

Penggunaan Teknik Sampling Random Strata Proporsional agak kurang tepat jika proporsi ukuran subpopulasinya (jumlah satuan elementer pada strata) tidak seimbang, ada yang jumlahnya besar ada pula yang jumlahnya kecil, sehingga kalau digunakan teknik sampling strata proporsional dapat kejadian ukuran subpopulasinya sama dengan ukuran sampelnya. Padahal, jika ukuran sampelnya sama dengan ukuran populasinya (total sampling atau sensus) maka data yang diperoleh dari sampel tersebut tidak bisa diolah atau dianalisis dengan menggunakan analisis statistik inferensial. Oleh karena itu, dalam keadaan populasi yang demikian, gunakanlah Teknik Sampling Random Strata Disproporsional.

Pada Sampel Strtata Disproporsional, ukuran sampel yang diambil dari setiap subpopulasi (strata) sama besarnya, yang berbeda adalah pecahan samplingnya. Satu hal yang perlu dicatat dan diingat, jika menggunakan teknik sampling ini, nanti pada waktu analisis data, data yang diperoleh dari sampel masing-masing strata harus dikalikan dengan bobot yang disesuaikan pada strata tersebut. Teknis pengambilan sampel strata disproporsional dapat dilihat pada contoh tabel di bawah ini.

Tabel 2

Sampel Berstrata Disproporsional untuk Penelitian Motivasi Belajar

di Kalangan Mahasiswa Universitas Padjadjaran

Jenjang Ukuran % dalam Pecahan n Bobot Bobot

Pendidikan       Populasi       Populasi     Sampling        Sampel        Disesuaikan

D3                   10.000             40%               0,063                  625                15,87 5

S1                   8.000               32%               0,078                 625                 12,82 4

S2                   5.000               20%               0,125                 625                   8,30

S3                   2.000                 8%               0,313                 625                   3,19 1

                      _______       _____           _____

                      25.000          100%            2.500

Keterangan:

· Ukuran sampel ditetapkan 2500, dibagi rata pada setiap strata (625).

· Pecahan sampling berbeda-beda pada setiap strata (n/N).

· Karena sampel setiap strata tidak proporsional dengan strata yang bersangkutan dalam populasi, maka data pada setiap strata harus dikalikan dengan bobot (bobot yang disesuaikan). Bobot diperoleh dengan rumus: 1/ps atau satu dibagi pecahan smpling. Untuk memudahkan perhitungan, bobot dibulatkan dengan angka terrendah sebagai standar (bernilai 1). Misalnya, 15,87/3,19 = 4,97, dibulatkan menjadi 5.

d. Teknik Sampling Random Klaster (Cluster Random Sampling)

Teknik ini digunakan apabila ukuran populasinya tidak diketahui dengan pasti, sehingga tidak memungkinkan untuk dibuatkan kerangka samplingnya, dan keberadaannya tersebar secara geografis atau terhimpun dalam klaster-klaster yang berbeda-beda. Misalnya, populasi puah penelitian kita adalah seluruh murid Sekolah Dasar (SD) yang ada di Wilayah Kota Bandung. Tidak mungkin kita dapat menghimpun semua data anak SD dalam sebuah daftar yang akurat, kalaupun mungkin, pasti daftar itu akan sangat panjang dan memerlukan waktu serta biaya yang tidak sedikit untuk menyusunnya. Maka kelompok siswa SD itu kita buat berdasarkan nama sekolahnya. Kelompok anak SD itu disebut klaster. Klater dapat berupa sekolah, kelas, kecamatan, desa, kelurahan, RW, RT, dan sebagainya. Apabila klaster itu bersifat wilayah geografis yang kecil, maka pengambilan sampelnya dapat dilakukan satu tahap (simple cluster sampling). Misalnya, wilayah penelitian kita ada di Kelurahan Gunung Sampah, yang terdiri dari 10 RW, maka kita dapat memilih beberapa RW secara random untuk dijadikan wilayah penelitian dengan konsekuensi seluruh penduduk sasaran di RW itu harus dijadikan sampel (responden).

Akan tetapi jika klasternya besar atau wilayah geografisnya besar, maka pengambilan sampel tidak cukup hanya satu tahap, melainkan harus beberapa tahap. Dalam keadaan yang demikian gunakanlah teknik sampling klaster banyak tahap (multistage cluster sampling). Misalnya kita akan meneliti pendapat seluruh ibu rumah tangga yang ada di wilayah Kota Bandung tentang konversi bahan bakar minyak tanah ke gas elpiji. Populasi penelitiannya adalah seluruh ibu rumah tangga yang ada di Kota Bandung. Kota Bandung kita bagi dulu ke dalam Wilayah Bandung Timur, Bandung, Barat, Bandung Selatan, dan Bandung Utara. Dari setiap wilayah itu kita jabarkan lagi pada kecamatan-kecamatan, lalu ambil secara random, misalnya, dua kecamatan dari setiap wilayah sehingga diperoleh delapan kecamatan. Apabila kita berhenti sampai di sini, maka seluruh ibu rumah tangga yang berdomisi di delapan kecamatan terpilih itu adalah sampel penelitian kita. Tetapi jika kita merasa jumlahnya masih terlalu besar, maka kita boleh menjabarkan wilayah kecamatan terpilih itu menjadi kelurahan-kelurahan, sehingga wilayah kecamatan tadi kita jadikan populasi sampling. Dari situ secara random, misalnya, kita ambil dua kelurahan dri setiap kecamatan terpilih, sehingga kita memiliki 16 kelurahan sebagai wilayah penelitian dengan konsekuensi seluruh ibu rumah tangga di 16 kelurahan itu harus dijadikan responden. Jika dirasakan masih terlalu banyak jumlahnya, kita diperbolehkan untuk menurunkan lagi wilayah penelitian pada wilayah yang lebih kecil, misalnya RW, dan seterusnya dengan cara yang sama.

Teknik Sampling Nonprobabilitas (Teknik Sampling Nonrandom)

Dalam menentukan sampel dengan menggunakan taknik sampling nonrandom, tidak menggunakan prinsip kerandoman (prinsip teori peluang). Dasar penentuannya adalah pertimbangan-pertimbangan tertentu dari peneliti atau dari penelitian. Sebagai konsekuensinya, teknik sampling nonrandom ini tidak dapat digunakan apabila penelitian kita dirancang sebagai sebuah penelitian eksplanatif yang akan menguji hipotesis tertentu, misalnya penelitian korelasional, karena rumus uji statistik inferensial tidak dapat diterapkan untuk data yang berasal dari sampel nonrandom. Teknik sampling ini secara luas sering digunakan untuk penelitian-penelitian eksploratif atau penelitian deskriptif.

Ada beberapa jenis sampel nonrandom yang sering digunakan dalam penelitian sosial/penelitian komunikasi, di antaranya adalah:

1. Sampel Aksidental (accidental sampling). Sampel ini sering disebut sebagai sampel kebetulan yang pengambilannya didasarkan pada pertimbangan kemudahan bagi peneliti (bukan penelitian), sehingga sampel ini sering kali disebut convenience sampling atau sampel keenakan. Orang-orang ilmu statistika bahkan menyebutnya sebagai sampel kecelakaan, karena saking tidak representatifnya sampel tersebut. Sebisa mungkin, hindari untuk menggunakan sampel ini, jika kesimpulan penelitian kita ingin memperoleh kemampuan generalisasi yang tepat.

2. Sampel Kuota (quota sampling). Teknik sampling kuota merupakan teknik sampling yang sejenis dengan teknik sampling strata. Perbedaannya adalah ketika mengambil sampel dari setiap strata tidak menggunakan cara-cara random, tetapi menggunakan cara-cara kemudahan (convenience). Caranya, tentukan ukuran sampel dari masing-masing strata lalu teliti siapa sejumlah orang yang sesuai dengan ukuran sampel yang ditentukan tadi, siapa saja asal berasal dari strata tersebut.

3. Sampel Purposif (purposeful sampling). Teknik ini disebut juga judgemental sampling atau sampel pertimbangan bertujuan. Dasar penetuan sampelnya adalah tujuan penelitian. Sampel ini digunakan jika dalam upaya memperoleh data tentang fenomena atau masalah yang diteliti memerlukan sumber data yang memilki kualifikasi spesifik atau kriteria khusus berdasarkan penilaian tertentu, tingkat signifikansi tertentu. Misalnya, untuk meneliti kualitas cerita Film Ayat-ayat Cinta kita memerlukan reponden yang memiliki kualifikasi komptensi dalam bidang perfilman atau bidang komunikasi. Maka sampelnya adalah para kritikus film, para dosen produksi film, para ahli sinematografi, dan lain-lain.

Beberapa Masalah dalam Penelitian yang Berkaitan dengan Sampel

Dalam setiap penelitian, tidak tertutup kemungkinan untuk terjadi permasalahan atau penyimpangan. Besarnya penyimpangan yang dapat ditoleransi dalam suatu penelitian, tergantung pada sifat penelitian itu sendiri. Ada penelitian yang dapat mentolerannsikan penyimpangan yang besar; sebaliknya ada juga penelitian yang menghendaki penyimpangan yang kecil, sebab penyimpangan yang besar dapat menimbulkan kesimpulan yang salah.

Dalam suatu penelitian, ada kemungkinan timbul dua macam penyimpangan, yaitu:

1. Penyimpangan karena Pemakaian Sampel (Sampling Error)

Seandainya tidak ada kesalahan pada pengamatan, satuan-satuan ukuran, definisi operasinal variabel, pengolahan data, dan sebagainya, maka perbedaan itu hanya disebabkan oleh pemakaian sampel. Mudah dimengerti bahwa semakin besar sampelnyang diambil, semakin kecil pula terjadi penyimpangan. Apabila sampel itu sudah sama besar dengan populasi, maka penyimpangan oleh pemakaian sampel pasti akan hilang.

2. Penyimpangan Bukan oleh Pemakaian Sampel (Non-Sampling Error)

Jenis penyimpangan ini dapat ditimbulkan oleh berbagai hal, di antaranya adalah:

• · Penyimpangan karena kesalahan perencanaan. Misalnya karena tidak tepatnya definisi operasional variabel, kriteria satuan-satuan ukuran, dan sebagainya, memberikan peluang penyimpangan atau kesalahan pada hasil penelitian.


• · Penyimpangan karena Penggantian Sampel. Hal ini berkaitan dengan adanya perbedaan antara sampel yang diteliti dengan sampel yang ditetapkan. Misalnya, seseorang mahasiswa yang telah ditetapkan sebagai sampel tidak bisa dihubungi pada waktu akan diwawancarai atau diminta untuk mengisi kuesioner, lalu kita menggantinya dengan mahasiswa yang lain.


• · Penyimpangan karena salah tafsir dari petugas pengumpulan data maupun responden, yang dapat menyebabkan jawaban yang diperoleh dari responden menyimpang dari yang sebenarnya.


• · Penyimpangan karena salah tafsir responden. Biasanya disebabkan karena responden sudah lupa akan masalah yang ditanyakan.


• · Penyimpangan karena responden sengaja salah dalam menjawab pertanyaan. Hal ini dapat terjadi jika responden merasa curiga terhadap maksud dan tujuan penelitian, atau mungkin juga responden mempunyai maksud-maksud tertentu secara terselubung.


• · Penyimpangan karena kesalahan pengolahan data, misalnya salah dalam menambahkan, mengalikan, dan sebagainya.

Sementara itu, masalah yang dihadapi dalam Pembuatan Kerangka Sampling, di antaranya adalah sebagai berikut:

• Blank Foreign Elements. Yakni jika data populasi yang diperoleh dari sesuatu sumber tidak sesuai dengan kenyataannya di lapangan, sehingga terjadi orang yang sudah terpilih sebagai sampel tidak ditemui di lapangan. Hal ini disebabkan mungkin karena pendataannya yang tidak akurat atau datanya sudah kadaluarsa.


• Incomplete Frame. Ketidaklengkapan kerangka sampling terjadi karena ada unsur populasi (orang) yang seharusnya masuk di dalamnya, justeru tidak tercatat.


• Cluster of Elements. Kerangka sampling yang kita miliki tidak selamanya sama dengan yang kita butuhkan. Misalnya, jika kita ingin meneliti pelajar sekolah dasar yang bertempat tinggal di Kota A, kita tidak akan memperoleh daftarnya, yang kita temukan hanyalah daftar nama sekolah dasar yang ada di Kota A.

Referensi :

1. Jalaluddin Rakhmat, 1995, Metode Penelitian Komunikasi, Bandung: P.T. Remaja Rosdakarya.

2. Arthur Asa Berger, 2000, Media and Communication Research Methods, Thousand Oaks, London, New Delhi: Sage Publications, Inc.

3. Bridget Somekh and Cathy Lewin, 2005, Research Methods in The Social Sciences, London, Thousand Oaks, New Delhi: Sage Publications, Inc.

4. Masri Singarimbun dan Sofian Effendi, 1989, Metode Penelitian Survai, Jakarta: LP3ES.

5. Bambang Prasetyo dan Lina Miftahul Jannah, 2005, Metode Penelitian Kuantitatif: Teori dan Aplikasi, Jakarta: P.T. Radjagrafindo Persada.

6. Rachmat Kriyantono, 2006, Teknik Praktis Riset Komunikasi, Jakarta: Kencana Prenada Media Group.

Read More