Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta TAHAPAN PENELITIAN

Transkripsi

1 Statistika I Pertemuan 4 Gambaran Umum Metode Sampling Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta TAHAPAN PENELITIAN Perumusan masalah Penentuan sumber data/informasi Penentuan metode pengumpulan data/informasi ukuran& metode Pelaksanaanpenelitian / pengumpulan data primer & sekunder Pengolahandata dananalisis Penarikankesimpulandanpembuatan laporan 1

2 TAHAPAN PERUMUSAN MASALAH Merupakanhalyang paling penting Albert Einstein: Perumusan sebuah permasalahan seringkali lebih esensial dibandingkan pemecahannya itu sendiri Sebuah permasalahan yang didefinisikan dengan baik merupakan setengah dari pemecahan persoalan itu sendiri. Mengkaji tujuan penelitian dengan seksama Mempelajari literatur Mempelajari hasil penelitian orang lain Proses pendefinisian masalah (Zikmund, 1997): (a) Memastikan tujuan, (b) memahami latar belakang permasalahan, (c) Isolasi dan identifikasi permasalahan, (d) Tentukan unit analisis, (e) Tentukan variabel yang relevan, (f) Definisikan riset dalam bentuk pertanyaan dan tujuan yang ingin dicapai. Mendapatkan data Primer Studi Kualitatif Observasi Percobaan Survey Survey lengkap (sensus) mengumpulkan data dari keseluruhan populasi Populasi : kumpulan objek yang menjadi perhatian riset Survei Sampling mengumpulkan data dari sebagian populasi Sample : himpunanbagian daripopulasi yang secara aktual dipelajari

3 Contoh Kasus: Suatu survey dilakukan untuk mendugatotal konsumsi guladi industri Industri yang disurvey? yang terlihat

4 Industri yang disurvey: besar Total = 00 Rata-rata = Industri yang disurvey? yang mudah

5 Industri yang disurvey: kecil Total = 1 Rata-rata = Contoh Kasus: Populasi

6 Contoh Kasus: Populasi Total = 11 Rata-rata = Contoh Kasus lain: Y Populasi X 6

7 Contoh Kasus lain: Y Populasi sampel X Contoh Kasus lain: Y Model sampel X 7

8 Contoh Kasus lain: Populasi vs model sampel ˆ = b + b X Y 0 1 Y X Mengapa harus sampel? Sampling menghemat waktu & uang Pengujian dapat bersifat merusak Umumnya sampling lebih akurat manakala uang dan waktu terbatas Lebih baik menghabiskan uang dan waktu yang ada untuk mendapatkan informasi terperinci yang akurat pada beberapa individu (saja) dibanding berusaha dengan cepat untuk mendapatkan sedikit informasi dari banyak individu 8

9 Sampel harus representatif Sample yang baik: representatif mewakili populasi Jika sampelnya representatif, statistik yang diperoleh dari analisis terhadap data sampel akan mendekati apa yang didapat dari populasi Jika suatu metode sampling cenderung memberi sampel di mana beberapa karakteristik populasi direpresentasikan berlebih atau kurang (over or underrepresented) maka metode sampling tersebut ber-bias Suatu metode sampling yang ber-bias punya kecenderungan memberi sampel yang tidak representatif Representativeness Individu (orang) Karakteristik Demografi (umur, pendidikan ) Karakteristik Psikografi Place (urban vs. rural) Time Seasonality Day of the week Time of the day 9

10 Peranan Metode Sampling? Mendapatkan sampel yang mewakili (representatif) populasi Memilih metode yang tepat Menentukan jumlah sampel yang memadai sesuai dengan tingkat akurasi yang diharapkan MetodeSampling : Probability vsnon Probability Sampling Probability Sampling MetodeSampling yang berbasis padakaidah peluang (pemilihan secaraacak) tingkat akurasi bisa dihitung Acak setiap unit memiliki peluang yang sama untuk terpilih Ł Butuh kerangka contoh (daftar seluruh unit atau anggota populasi) Beberapadefinisi: N = banyaknya objekdalamkerangka contoh(sampling frame) n = banyaknya objekdalamcontoh f = n/n = fraksi contoh

11 Beberapa Metode Sampling (Probability) Penarikan Contoh Acak Sederhana (Simple Random Sampling) Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Penarikan Contoh Sistematis (Systematic Random Sampling) Penarikan Contoh Gerombol (Cluster Random Sampling) Penarikan Contoh Bertahap (Multi-Stage Sampling) Jenis Error dalam survey Error dalam survey sampling error & non sampling error Sampling error: beda antara nilai dugaan (dari sampel) dengan nilai populasi yang sebenarnya Non sampling error non observation & observation error Non observation error non coverage (coverage error) & non response (non response error) Coverage error: sampling frame tidak meng-cover semua anggota populasi Nonresponse error: sampel yang tidak menjawab Observation error measurement error & processing error Measurement error: respon yang tidak tepat karena alat ukur, kesalahan responden, kesalahan surveyor Processing error : kesalahan akibat tidak akuratnya pemrosesan data (salah kode, salah tulis/salah ketik) 11

12 Hubungan Error dengan Ukuran Contoh Error Non sampling error Sampling error n opt Ukuran contoh Hubungan Error dengan Ukuran Contoh Error Non sampling error Sampling error n opt Ukuran contoh 1

13 Memilih Metode Sampling Kenali Populasi sasaran studi Ukuran dan penyebaran geografis Keragaman variabel Tingkat ketelitian yang diinginkan Sumberdaya yang tersedia (dana, sdm, peralatan, dll) Pentingnya mempunyai dugaan yang tepat tentang sampling error Penentuan Ukuran Contoh Mengidentifikasi variabel utama studi Menentukan jenis statistik yang akan diduga (%,rata-rata, rasio,...) Menentukan ketepatan pendugaan yang diinginkan (margin of error, bound of error, sering disebut orang sebagai sampling error) Menetapkan tingkat kepercayaan (confidence level) Melakukan penyesuaian untuk meningkatkan respon rate yang diharapkan 13

14 Ukuran contoh optimum (n) Simple random sampling n = f(ragam, ukuran populasi, ketelitian yang diinginkan, biaya, waktu, resiko) Ukuran contoh yang diperlukan untuk menduga µ dengan batas error pendugaan sebesar B adalah: n = ( N N σ 1) D + σ, dengan D B = 4 Ukuran contoh yang diperlukan untuk mendugap dengan batas error pendugaan sebesar B adalah: n = ( N Np (1 p ) 1) D + p (1 p ) n = n = z z V z NV + ( N 1) ε Z=1.96 dengan SK 95%, V=Std relatif thd mean, ε=batas kesalahan yang diinginkan (% thd mean) z Np (1 p) p(1 p) + ( N 1) ε p Contoh Penentuan ukuran contoh optimum (n) Tentukan ukuran contoh optimum untuk menduga rata-rata produksi petambak jika diketahui N=000 dan range produksi petambak antara -0 ton, dan batas error yang diinginkan B=1 ton. σ range 4 = 4 =.5 n = 000 *.5 1 (000 1) * = Tentukan ukuran contoh optimum untuk menduga proporsi (p) indukan udang yang baik jika diketahui N=000 dan diinginkan batas error B=0.05. Asumsikan proporsi awal tidak diketahui. n = ( N Np (1 p ) 1 ) D + p (1 p ) = ( *. 5 *. 5 = ) * +.5 *

15 Non Probability Sampling Pemilihan tidak dilakukan secara acak Generalisasi terhadap populasi agak sulit dilakukan Seringdigunakan dalam penelitian sosial, marketing research, dll., krn Probability Sampling tidak praktis atau bahkan tidak dapat diterapkan Accidental/Haphazard/Convenience vs Purposive Purposive Ł Model Instance Sampling, Expert Sampling, Quota Sampling, HeterogenetySampling, Snowball Sampling