Pengambilan contoh atau sampel merupakan salah satu kegiatan yang banyak dilakukan sebelum melakukan analisis data. Dalam kesempatan kali ini, penulis ingin berbagi mengenai beberapa informasi mengenai metode pengambilan sampel yang tepat sedemikian kesimpulan analisis yang didapatkan valid. (Ditulis oleh : HN Rizka, Januari 2022)
“It matters who is included in the average, and who is excluded.” - David Freeman
Contoh atau sampel merupakan "bahan" utama dalam analisis statistika. Seperti yang telah dibahas di blog Data dan Statistika, sampel digunakan untuk mewakili keadaan populasi. Maka dari itu, anggota dari sampel sangatlah menentukan hasil akhir analisis statistik. Kesalahan dalam pada proses pengambilan sampel tentunya secara langsung tercermin di kesimpulan analisis.
Kategori Metode Sampling
Dalam mengambil sampel, terdapat dua kategori utama yaitu sampling probabilistik dan non-probabilistik. Metode probabilistik mengacu pada pengambilan sampel menggunakan pengacakan. Sedangkan non-probabilistik lebih kemampuan peneliti untuk menentukan anggota sampel.
Sampling Probabilistik
Pengacakan dalam sampling probabilistik memastikan bahwa setiap anggota populasi memiliki peluang untuk terpilih menjadi sampel. Metode ini juga dikenal dengan nama sampling acak. Karena sampling acak memastika setiap anggota populasi dapat terpilih menjadi sampel, dalam penerapan sampling acak, peneliti harus memastikan bahwa setiap anggota populasi teridentifikasi. Dengan kata lain, semua anggota populasi harus dipastikan masuk kedalam proses pengacakan. Jenis dari sampling acak sendiri dibagi berdasarkan metode pengacakannya.
Sampling Acak Sederhana
Metode paling sederhana, dilakukan dengan menyamakan peluang semua anggota populasi untuk terpilih menjadi anggota sampel. Metode ini banyak digunakan ketika peneliti hanya dapat mengidentifikasi anggota sampel namun tidak memiliki informasi lain (seperti struktur) mengenai populasi secara keseluruhan. Contoh : sampling acak pada 1500 siswa SMA Negeri 3 Semarang, maka setiap siswa memiliki peluang terpilih sebesar 1/1500 untuk menjadi sampel.
Sampling Bertingkat
Dalam kasus bertingkat atau strata, peneliti memiliki informasi seperti keadaan populasi yang berkelompok. Pengelompokan ini biasanya berdasarkan kesamaan dalam kelompok dan antar kelompok cenderung memiliki perbedaan yang jelas. Pengacakan dalam metode ini dilakukan untuk masing-masing strata, sehingga pengambilan contoh seolah mirip dengan sampling acak sederhana namun dilakukan untuk masing-masing strata dalam populasi. Contoh : sampling bertingkat untuk tinggi badan pada 1500 siswa SMA Negeri 3 Semarang dilakukan dengan mengelompokan antara siswa laki-laki dan perempuan. Pengelompokan ini didasarkan pada rata-rata tinggi badan laki-laki yang lebih tinggi daripada rata-rata tinggi badan perempuan.
Perbedaan yang terjadi antara sampling acak sederhana dan bertingkat pada ilustrasi ini dikarenakan satu jenis informasi : jenis kelamin.Sampling Sistematis
Sampling sistematis merupakan teknik yang dilakukan ketika data memiliki resiko rendah terhadap manipulasi. Maksud dari manipulasi di data adalah ketika urutan atau struktur dari data diubah-ubah. Dengan kata lain, metode ini cocok digunakan ketika tidak ada pola tertentu dalam populasi. Pengacakan dilakukan dengan menentukan ukuran sampel : k, kemudian membagi banyaknya anggota populasi dengan k tersebut. Hasil pembagian berupa N kemudian menjadi nilai yang diacak pertama, anggota sampel terpilih secara otomatis setelah pengacakan pertama tersebut yaitu dengan menambahkan urutan dari anggota terpilih pertama dengan N. Misalkan pada kasus 1500 siswa SMA Negeri 3 Semarang diinginkan sampling sistematis dengan ukuran sampel 30, maka prosedur yang dilakukan
Urutkan 1500
Nilai N -> 1500/30 = 50
50 siswa pertama diacak untuk mendapatkan sampel
Semua anggota populasi yang memiliki urutan K*N+A dimana K = 0, 1, 2, ..., 29 dan A adalah urutan siswa yang terpilih di pengecakan pertama
Sampling Kluster
Metode kluster memiliki kemiiripan dengan metode bertingkat. Perbedaannya adalah terkait dengan pembagian populasi menjadi kelompok-kelompok dan pengacakannya. Dalam metode kluster peneliti membagi populasi sedemikian menjadi kelompok-kelompok yang kurang lebih antar kelompok memiliki kemiripan dan anggota dalam kelompok cukup variatif untuk merepresentasikan populasi induk. Dengan kata lain, kriteria pembagian kelompok dalam metode ini berlawanan dengan ketika membagi kelompok pada metode bertingkat. Konsekuensi metode pengelompokan ini menyebabkan pengacakan dilakukan pada kelompok-kelompok tersebut. Ilustrasinya : misalkan pada 1500 siswa SMA Negeri 3 Semarang diinginkan sampling kluster, maka yang dapat dilakukan peneliti adalah membaginya berdasarkan kelas (seperti kelas 10 MIPA 1, 11 IPS 2, dst) kemudian mengacak kelas-kelas tersebut. Anggota sampel yang terpilih adalah hanya dari kelas yang terpilih tersebut.
Sampling Tahap Ganda
Realitanya, peneliti banyak menemui kendala sehingga menerapkan metode-metode diatas sering tidak menghasilkan sampel yang representatif. Hal ini kemudian ditangani dengan menggabungkan beberapa metode diatas sedemikian sampel yang didapatkan cukup baik dalam mewakili populasi. Penggabungan metode-metode sebelumnya inilah yang dimaksud dengan tahap ganda. Contoh : pada 1500 siswa SMA Negeri 3 Semarang diinginkan sampling tahap ganda yaitu dengan menggabungkan Kluster, bertingkat, dan sistematis. Pertama dilakukan sampling kluster dimana kelompoknya adalah berdasarkan kelas. Didapatkan kelas terpilih 11 MIPA 4, 10 IPS 2, dan 12 MIPA 6. Kemudian, semua anggota kelas-kelas tersebut dibagi menjadi dua kelompok berdasarkan jenis kelamin. Dilakukan pengacakan untuk masing-masing kelompok dengan metode sistematis terurut absen dan kelas.
Sampling Non Probabilistik
Metode pengambilan sampel yang tidak mengandalkan pengacakan. Metode ini lebih mengandalkan kemampuan peneliti untuk memilih anggota sampel. Hasil pengambilan sampel dengan metode ini rawan dengan bias dan mempersulit anggota populasi untuk menjadi bagian dari sampel secara merata. Lebih seringnya, sampel dari metode-metode non probabilistik hanya digunakan sebatas visualisasi atau sebaats studi awal untuk mempelajari keadaan populasi.
Sampling Seadanya
Sesuai namanya, metode ini hanya mengambil sampel yang didasarkan pada ketersediaan/aksesibilitas bahkan seringkali dalam prakteknya dikenal dengan "sedapatnya". Metode ini sebenarnya cocok ketika menghadapi masalah kelangkaan sampel atau keterbatasan biaya.
Sampling Purposive
Pemilihan sampel yang didasarkan pada niat atau tujuan penelitian. Hanya anggota yang memenuhi kriteria penelitian yang ditetapkan oleh peneliti yang dipilih dari populasi. Seperti contoh jika ingin dilakukan penelitian mengenai proses pemikiran orang-orang yang tertarik untuk mengejar gelar master maka kriteria seleksinya adalah orang-orang yang menjawab "ya" pada pertanyaan “Apakah Anda tertarik untuk Magister..?”.
Sampling Kuota
Metode ini bergantung pada kriteria yang telah ditentukan sebelumnya. Pemilihan sampel dilakukan sedemikian cukup mewakili populasi, tentunya berdasarkan penilaian peneliti. Proporsi sifat/sifat dalam sampel harus sama dengan populasi. Elemen dipilih sampai proporsi yang tepat dari jenis data tertentu diperoleh atau data yang cukup dalam kategori yang berbeda dikumpulkan. Misalkan pada peneiitian tertentu populasinya terdiri atas 45% perempuan dan 55% laki-laki, maka sampel harus mencerminkan persentase yang sama antara laki-laki dan perempuan. Selain berdasarkan kriteria jenis kelamin, peneliti dapat menggunakan usia.
Sampling Snowball
Teknik ini digunakan dalam situasi di mana populasi sama sekali tidak diketahui dan langka. Oleh karena itu digunakan bantuan dari anggota sampel pertama yang dipilih untuk populasi dan memintanya untuk merekomendasikan anggota sampel lain yang sesuai dengan deskripsi sampel yang dibutuhkan. Proses diulangi untuk anggota-anggota sampel yang direkomendasikan hingga kumpulan dari rekomendasi ini terus berlanjut membentuk sampel seperti bola salju.
Dalam menangani hasil sampling, terdapat beberapa analisis yang dapat dilakukan. Pada kasus non probabilistik, menganalisis dengan metode-metode probabilistik seperti regresi dan analisis variansi sangatlah tidak dianjurkan. Hal ini dikarenakan sifatnya yang sangat bergantung pada peneliti dan bias dari sampel sangatlah besar. Sedangkan pada sampel probabilistik, metode analisis yang dapat dilakukan sangatlah beragam dan tidak terdapat kendala dari bias sampel itu sendiri jika sampling dilakukan dengan tepat.
Comments