TUGAS METODOLOGI RISET

TUGAS METODOLOGI RISETYUNIA RISWATI332142330708STIMA IMMIProgram Pasca Sarjana

POPULASI, ELEMEN, KERANGKA POPULASI, SAMPEL, DAN SUBJEK

Populasi (Population)Populasi adalah seluruh kelompok manusia atau hal-hal yang ingin diteliti oleh peneliti. Sebagai contoh, jika CEO dari sebuah perusahaan computer ingin tahu tentang strategi periklanan yang cocok untuk perusahaannya di suatu wilayah tertentu, maka seluruh perusahaan computer yang berada di wilayah tersebut merupakan populasinya. Contoh lainnya adalah apabila ada seorang pekerja bank yang ingin mencari tahu tentang perilaku menabung para pekerja menengah ke atas di industry pertambangan di Amerika Serikat, maka seluruh pekerja menengah ke atas di bidang industri pertambangan di negara tersebut merupakan populasinya.

Elemen (Element)Elemen adalah anggota tunggal dari populasi. Misalnya, apabila dalam sebuah organisasi yang menjadi populasi peneliti beranggotakan 1.000 pekerja menengah ke atas, maka setiap orang pekerja menengah ke atas di organisasi tersebut merupakan elemennya.

Kerangka Populasi (Population Frame)Kerangka populasi adalah daftar seluruh elemen populasi dari setiap sampel yang diacak. Misalnya, dalam suatu universitas terdapat banyak daftar mahasiswa, fakultas, administrator, dan para staf pendukung pada universitas tersebut selama satu semester ataupun tahun akademik tertentu. Daftar tersebut bisa menjadi kerangka populsi dari penelitian pada populasi di universitas tersebut.Walaupun kerangka populasi sangat berguna untuk menyediakan daftar setiap elemen dalam populasi, namun dokumen yang disuguhkan tidak selalu terkini. Misalnya, dalam daftar nama anggota sebuah organisasi di sebuah kampus, nama-nama mahasiswa yang ternyata sudah di-DO, mungkin saja masih tercantum dalam daftar nama anggota yang lama. Kerangka populasi memang tidak selamanya valid atau benar. Bagaimanapun juga, peneliti harus bisa mengatur masalah ini dan tidak terkecoh oleh permasalahan ini. Perbedaan yang tidak terlalu signifikan tidak selalu memberikan perubahan yang berarti pada hasil penelitian. Oleh karena itu, apabila peneliti terlalu lama menghabiskan waktu hanya untuk mengatasi hal ini, maka hal tersebut akan percuma, karena hasilnya tidak akan terlalu nampak.

Sampel (Sample)Sampel merupakan bagian dari populasi. Terdiri dari beberapa anggota yang terpilih dari populasi tersebut. Dengan kata lain, beberapa, namun tidak semua, elemen-elemen dalam populasi akan membentuk sampel. Misalnya, dalam sebuah penelitian, jika ditarik 200 anggota secara acak dari populasi 1.000 pekerja menengah ke atas, maka 200 anggota ini merupakan sampel dari peneliatian tersebut. Maka, dari penelitian terhadap 200 anggota ini, peneliti akan mendapatkan kesimpulan terhadap seluruh populasi (1.000 pekerja menengah ke atas) tersebut.

Subjek (Subject)Subjek merupakan anggota tunggal dari sampel, hanya sebagai sebuah elemen yang merupakan anggota tunggal dari populasi. Misalnya, jika 200 anggota dari total populasi 1.000 pekerja menengah ke atas diposisikan sebagai sampel penelitian, maka setiap orang pekerja menengah ke atas dalam sampel tersebut merupakan subjeknya.

SAMPLING

Sampling merupakan proses pemilihan jumlah tertentu dari elemen-elemen sebuah populasi, sehingga penelitian pada sampel dan pengertian dari kelengkapan dan karakteristiknya bisa memungkinkan kita untuk menggeneralisasi menjadi elemen populasi tersebut.Karakteristik populasi, seperti : Rata-rata populasi (population rata-rata) Standar deviasi populasi (population standard deviation) Perbedaan/selisih populasi (population variance)akan menjadi parameter dari sampling tersebut.Kecenderungan utama, penyebaran, dan statistic sampel yang lainnya menjadi focus peneliti yang diposisikan sebagai pendekatan dari kecenderungan utama, penyebaran, dan parameter populasi. Misalnya, seluruh kesimpulan yang diacak dari sampel suatu penelitian disamaratakan pada populasinya. Dengan kata lain, statistic sampel (rata-rata, standar deviasi, dan variasi) digunakan sebagai perkiraan parameter populasi.

Alasan SamplingAlasan menggunakan sampel dibandingkan mengumpulkan data dari seluruh populasi adalah pembuktian untuk diri sendiri. Misalnya, dalam penelitian investigasi yang melibatkan ratusan, atau bahkan ribuan elemen, sangatlah tidak mungkin untuk mengumpulkan data dari seluruh populasi. Jikapun memungkinkan, akan sangat memakan waktu, biaya, dan tenaga. Dengan penggunaan sampel ini memudahkan peneliti untuk mendapatkan hasil yang juga bisa diandalkan. Hal ini dikarenakan kelelahan dan berbagai kesalahan lain yang mungkin muncul bisa diredam. Contoh lain, jika suatu penelitian, ingin meneliti ketahanan hidup bohlam listrik, untuk mengujinya, jika kita membakar seluruh bohlam lampu yang ada di pasaran, maka tidak akan ada yang tersisa lagi. Hal ini biasa disebut sampling destruktif.

Keterwakilan dari SampelKebutuhan untuk mendapatkan sampel yang benar dalam sebuah penelitian investigasi tidak bisa ditekankan. Sebagaimana kita ketahui, sangat jarang sekali sampel yang bisa sangat mewakili populasinya. Sebagai contoh, sampel rata-rata biasanya menyerupai rata-rata populasi. Demikian juga dengan standar deviasi sampelnya, mirip dengan standar deviasi populasinya. Bagaimanapun, jika kita memilih sampel dengan cara yang spesifik, maka kita bisa meyakini bahwa statistic sampel sudah mendekati parameter populasinya.

DISTRIBUSI NORMAL (NORMALITY OF DISTRIBUTION)

Atribut dan karakteristik populasi biasanya didistribusikan secara normal. Ketika atribut, seperti berat dan tinggi badan sudah diketahui, biasanya banyak orang yang akan masuk ke kategori rata-rata. Hanya sedikit orang yang akan masuk ke kategori sangat tinggi atau sangat pendek, maupun sangat kurus dan sangat gemuk. Jika kita memperkirakan karakteristik populasi dari apa yang direpresentasikan oleh sampel dengan akurasi yang masuk akal, sampel tersebut sudah terpilih sebagaimana distribusi karakteristik dari sampel tersebut mengikuti pola yang sama dengan pola distribusi normal seperti pada populasi.Dari teorema limit sentral, kita tahu bahwa distribusi sampling dari rata-rata sampel terdistribusi normal. Ukuran sampel meningkat, sarana sampel acak yang diambil dari populasi hampir setiap mendekati distribusi normal dengan rata-rata dan standar deviasi. Singkatnya, terlepas dari atribut populasi terdistribusi secara normal atau tidak, jika kita memiliki distribusi sampling dari sarana yang memiliki normalitas. Ini adalah alasan bahwa kedua isu penting dalam pengambilan sampel adalah ukuran sampel dan design sampling.Ketika sifat populasi tidak menduduki atau kurang terwakili dalam sampel, kita akan memiliki sampel yang representatif. ketika sampel terdiri dari unsur-unsur dalam populasi yang memiliki nilai yang sangat tinggi pada variabel yang kita pelajari, rata-rata sampel akan jauh lebih tinggi dari rata-rata populasi. Jika, sebaliknya, subyek sampel terdiri dari unsur-unsur dalam populasi dengan nilai-nilai yang sangat rendah pada variabel minat, rata-rata sampel akan jauh lebih rendah daripada populasi yang benar. Jika rancangan sampling dan ukuran sampel yang tepat, namun rata-rata sampel akan berada dalam jarak dekat dari populasi yang sebenarnya. Dengan demikian, melalui desain sampling yang sesuai, kita dapat memastikan bahwa subjek sampel tidak dipilih dari ekstrem, tapi benar-benar mewakili sifat-sifat populasi. Lebih mewakili populasi sampel, temuan penelitian akan semakin merata.

Beberapa tipe design sampling mengingat hal berikut dalam penentuan pilihan :1. Apa target populasi yang relevan dari fokus penelitian?2. Apa sebenarnya parameter yang ingin kita selidiki?3. Apa jenis kerangka sampling yang tersedia?4. Apa ukuran sampel yang dibutuhkan?5. Biaya apa yang melekat pada desain sampling?6. Berapa banyak waktu yang tersedia untuk mengumpulkan data dari sampel?

SAMPLING PROBABILITAS DAN NON PROBABILITAS

Dalam sampling probabilitas, elemen dari populasi diketahui mempunyai kemungkinan-kemungkinan untuk terpilih menjadi subjek sampel. sedangkan dalam sampling nonprobabilitas elemen dari populasi tidak diketahui atau bisa diasumsikan mempunyai kesempatan untuk terpilih menjadi subjek. Design sampling probabilitas digunakan ketika representasi sampel merupakan target utama yang bisa digeneralisasikan dalam penelitian. Ketika waktu atau factor lainnya tidak bisa digeneralisasi, dan menjadi lebih kritis, sampling nonprobabilitas biasanya digunakan.

SAMPLING PROBABILITASKetika elemen dari populasi diketahui mempunyai kemungkinan-kemungkinan untuk terpilih menjadi subjek sampel, kita menggunakan design sampling probabilitas. Sampling probabilitas bisa tidak tertutup (sampling acak sederhana) atau tertutup (sampling probabilitas kompleks).

Sampling Terbuka / Sampling Acak Sederhana (Simple Random Sampling)Dalam design sampling acak sederhana, setiap elemen dari populasi mempunyai kemampuan dan kesempatan yang sama untuk bisa terpilih menjadi subjek. Sebagai contoh, ada 1.000 elemen dalam populasi, dan peneliti membutuhkan 100 sampel. Peneliti bisa membuat pengambilan sampel acak dengan menggunakan kertas yang bertuliskan nama dari setiap elemen, dan mengocoknya dengan mata tertutup. Seperti kita ketahui, kertas pertama mempunyai kemungkinan terpilih 1/1000, kemudian 1/999, dan selanjutnya. Dengan kata lain, peneliti mengetahui bahwa probabilitas dari semuanya untuk bisa terpilih adalah 1 berbanding jumlah total populasinya, sekaligus setiap elemen yang masuk ke dalam kocokan mempunyai probabilitas yang sama untuk bisa terpilih. Sampling acak sederhana mempunyai bias yang sedikit dan memberikan generalisasi yang sangat tinggi. Bagaimanapun, proses sampling ini bisa menjadi tidak praktis dan sangat mahal, mengingat pembaharuan daftar populasi tiidak selalu tersedia.

Sampling Sistematik (Systematic Sampling)Design sampling sistematik melibatkan elemen-elemen dalam populasi, dimulai dengan memilih secara acak elemen antara 1 dan besaran sampel. Contoh :Jika kita ingin sampel 35 rumah tangga dari total populasi 260 rumah di sebuah wilayah tertentu, maka kita bisa mencoba memilih setiap rumah ketujuh diacak mulai dari nomor 1 sampai 7. Seumpama kita memilih acak nomor 7, maka rumah nomor 7, 14, 21, 28, dan seterusnya, akan menjadi sampel sampai 35 rumah yang dipilih.Satu masalah yang harus diingat dalam desain sistematik sampling probabilitas, bisa terjadi bias sistematis pada sampel. Pada contoh di atas, misalnya, setiap rumah ketujuh ada yang menjadi rumah sudut. Jika fokus studi penelitian yang dilakukan industri konstruksi adalah untuk mengontrol 'polusi suara' yang dialami warga dengan menggunakan bahan peredam yang tepat, maka warga rumah sudut mungkin tidak terkena suara sebanyak rumah yang berada di antaranya. Informasi mengenai tingkat kebisingan yang dikumpulkan dari penghuni rumah yang berada di sudut mungkin tidak tertangkap oleh peneliti. Kemungkinan terjadi kesalahan dalam menarik kesimpulan sangat besar. Mengingat ruang kemungkinan terjadinya bias sistematis tersebut, peneliti harus mempertimbangkan rencana dengan hati-hati dan pastikan bahwa desain sistematik sampling yang tepat untuk penelitian, sebelum memutuskan hal itu.

Sampling Acak Sederhana Berlapis (Stratified Random Sampling)Sampel membantu untuk memperkirakan parameter populasi, subkelompok ada mungkin diidentifikasi elemen dalam populasi yang mungkin diharapkan memiliki parameter yang berbeda pada variabel yang menarik bagi peneliti.Sampling acak sederhana melibatkan proses stratifikasi atau segregasi, diikuti oleh pemilihan acak subyek dari lapisan tersebut. Populasi pertama dibagi menjadi kelompok-kelompok yang saling eksklusif yang relevan sesuai dan bermakna pada penelitian.Sampel stratifikasi sangat efisien; yaitu, memberikan informasi lebih banyak dengan ukuran sampel yang diberikan. Stratifikasi harus mengikuti alur pertanyaan penelitian. Jika kita mempelajari preferensi konsumen pada produk, stratifikasi penduduk bisa dengan wilayah geografis, segmen pasar, usia konsumen, gender konsumen, atau gabungan dari semuanya. Stratifikasi memastikan homogenitas dalam setiap lapisan (sangat sedikit perbedaan pada variabelnya).

Sampling Acak Proporsional dan Tidak Proporsional BerlapisSetelah populasi telah dikelompokkan, sampel anggota dari setiap lapisan dapat diambil baik menggunakan sampling acak sederhana atau prosedur sampling sistematis. Subyek yang diambil dari masing-masing lapisan bisa proporsional atau sebanding dengan jumlah elemen dalam lapisan.Keputusan sampling yang tidak proporsional dilakukan ketika beberapa lapisan atau lapisan terlalu kecil atau terlalu besar, atau ketika ada variabilitas yang lebih dicurigai dalam lapisan tertentu. Sebagai contoh, tingkat pendidikan antara pengawas, yang dapat dianggap mempengaruhi persepsi, bisa berkisar dari SD sampai gelar Master. Di sini, lebih banyak sampel di tingkat pengawasan. Sampel proporsional juga kadang-kadang dilakukan ketika lebih mudah, sederhana, dan lebih murah untuk mengumpulkan data dari satu atau lebih lapisan daripada dari orang lain.Singkatnya, sampling acak sederhana melibatkan unsur-unsur stratifikasi dan mengambil sampel proporsional atau tidak proporsional dari lapisan. Desain pengambilan sampel ini lebih efisien daripada desain sampling acak sederhana karena untuk ukuran sampel yang sama, setiap segmen penting dari populasi terwakili, dan lebih berharga dan informasi dibedakan diperoleh sehubungan dengan masing-masing kelompok.

Sampling Kelompok (Cluster Sampling)Biaya unit sampling kelompok jauh lebih rendah dibandingkan dengan desain sampling probability sederhana atau sampling acak berlapis atau sampling sistematik. Namun, sampling kelompok mempunyai kemungkinan bias lebih besar, karena yang terjadi kelompok dalam organisasi tidak mengandung unsur heterogen. Dengan kata lain, kondisi heterogenitas dan homogenitas intracluster intercluster sering tidak terpenuhi.Untuk alasan ini, teknik sampling kelompok tidak umum dalam penelitian organisasi. Lebih lanjut, seperti dalam kasus contoh, duplikasi anggota dalam beberapa kelompok, seperti kelompok warga, pembeli, mahasiswa, atau toko-toko, tidak memiliki banyak heterogenitas antar unsur-unsur. Seperti yang dinyatakan sebelumnya, ada lebih homogenitas intracluster dari heterogenitas dalam kelompok tersebut. oleh karena itu, pengambilan sampel kelompok, meskipun lebih murah, tidak menawarkan banyak efisiensi dalam hal presisi atau keyakinan dalam hasil. Namun, sampling kelompok menawarkan kenyamanan. Misalnya lebih mudah untuk memeriksa berbagai macam unit yang telah dikemas dalam empat kotak (semua elemen dalam empat cluster) daripada membuka 30 kotak dalam pengiriman untuk memeriksa beberapa unit dari masing-masing secara acak.

Sampling Kelompok Satu Tahap dan Sampling Multi Tahap (Single-stage and Multi-stage Cluster Sampling)Melibatkan pembagian populasi ke dalam kelompok yang nyaman, secara acak memilih jumlah yang diperlukan kelompok sebagai sampel subjek, dan menyelidiki semua elemen di masing-masing kelompok yang dipilih secara acak. Sampling kelompok juga dapat dilakukan dalam beberapa tahap dan kemudian dikenal sebagai sampling multi tahap (multistage cluster sampling).Sampling multi tahap melibatkan sampel probabilitas unit utama pengambilan sampel; dari masing-masing unit utama, sampel probabilitas unit sampel sekunder kemudian ditarik; tingkat ketiga sampling probabilitas dilakukan dari masing-masing unit sekunder, dan seterusnya, sampai kita telah mencapai tahap akhir kerusakan untuk unit sampel, ketika kita akan menarik sampel setiap anggota di unit-unit.

Sampling Area (Area Sampling)Desain sampling area merupakan kelompok geografis, yaitu ketika penelitian berkaitan dengan penduduk dalam wilayah geografis yang dapat diidentifikasi seperti kabupaten, blok kota, atau batas-batas tertentu dalam suatu daerah, sampling area dapat dilakukan. Dengan demikian, sampling area adalah bentuk sampling kelompok dalam area.Sampling area lebih murah daripada kebanyakan desain sampling probabilitas lainnya, dan tidak tergantung pada bingkai populasi. peta kota menunjukkan blok kota akan informasi yang memadai untuk memungkinkan peneliti untuk mengambil sampel dari blok dan mendapatkan data dari warga di dalamnya.

Sampling Ganda (Double Sampling)Ketika informasi yang diperoleh sudah didapatkan dari sampel sebelumnya menggunakan sample dari subgrupnya. Sebagai contoh, responden suatu penelitian diwawancara untuk memperoleh data yang diperlukan. Namun wawancara dapat dilakukan kembali dengan menambahkan pertanyaan-pertanyaan baru jika dirasa diperlukan untuk kebutuhan penelitian tersebut.

SAMPLING NON PROBABILITAS Dalam sampling non probabilitas elemen-elemen dalam populasi tidak mempunyai kemungkinan untuk terpilih menjadi subjek sampel. Yang berarti, untuk menemukan sample tidak bisa digeneralisasikan pada seluruh populasi.

Sampling Manfaat (Convenience Sampling)Desain sampling ini merupakan desain sampling yang paling diandalkan dari semua desain sampling dalam hal generalisasi, tapi kadang-kadang mungkin menjadi satu-satunya alternatif variabel ketika informasi membutuhkan waktu yang cepat dan tepat, atau untuk tujuan penelitian eksplorasi.

Sampling Tetap (Purposive Sampling)Bukannya memperoleh informasi dari orang-orang yang paling mudah atau nyaman, mungkin kadang-kadang menjadi perlu untuk mendapatkan informasi dari kelompok sasaran tertentu. Sampling di sini terbatas pada jenis orang tertentu yang dapat memberikan informasi yang diinginkan, baik karena mereka adalah satu-satunya orang yang memilikinya, atau sesuai dengan beberapa kriteria yang ditetapkan oleh peneliti.

Sampling Anggapan (Judgement Sampling)Walaupun dibatasi dalam generalisasi, kadang-kadang mungkin pilihan desain sampling yang terbaik, terutama ketika ada populasi terbatas yang dapat menyediakan informasi yang dibutuhkan.

Sampling Kuota (Quota Sampling)Sering digunakan dengan pertimbangan biaya dan waktu dan kebutuhan untuk cukup mewakili unsur minoritas dalam populasi. Meskipun generalisasi semua desain sampling non probability sangat terbatas, mereka memiliki keunggulan tertentu dan kadang-kadang satu-satunya alternatif bagi peneliti.9