Review Teknik Sampling

Transkripsi

1 Review Teknik Sampling

2 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 : himpunan bagian dari populasi yang secara aktual dipelajari

3 Konsep Strategi Isu Design [Memilih Skema Sampling] Implementasi [Skema Pengumpulan Data] Inference [Drawing Conclusions] Voluntary Response, Convenience/Purposive Sample, Simple Random Sample, Systematic Sample, Cluster Sample, Stratified Random Sample Mail Questionnaires, Phone interviews, Personal Interviews, Actual Measurements Ukuran keakuratan berbasis teori sampling Bias Pemilihan Sample Non Response Response Bias Assumptions Confounding

4 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

5 Potential Problem : BIAS BIAS Sampel yang digunakan hanya mewakili satu atau beberapa kelompok saja dalam populasi. Tidak semua kelompok terwakili dengan baik. Suatu metode sampling ber-bias jika ia cenderung memberi sampel di mana beberapa karakteristik populasi direpresentasikan berlebih atau kurang (over or underrepresented) Bias ada di dalam metode, bukan di dalam sampel

6 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 Dalam praktek, kita tidak mengetahui apakah sampel tertentu representatif, tetapi kita dapat mengatakan apakah metode samplingnya baik (tak bias) Suatu metode sampling ber-bias punya kecenderungan memberi sampel yang tidak representatif Jika kita menggunakan suatu metode sampling yang tak bias, kita akan mendapatkan sampel yang representatif

7 Representativeness Individu (orang) Karakteristik Demografi (umur, pendidikan ) Karakteristik Psikografi Place (urban vs. rural) Time Seasonality Day of the week Time of the day

8 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)

9 Simple random sampling Keunggulan Sederhana Sampling error mudah diukur Kekurangan Membutuhkan sampling frame (daftar dari semua unit) Tidak selalu menghasilkan keterwakilan yang terbaik (best representativeness) Unit yang terpilih mungkin menyebar 9

10 Simple random sampling Misal: mengevaluasi kesehatan gigi 1200 siswa SD di suatu kecamatan buat daftar nama ke-1200 siswa SD tersebut Tiap siswa dinomori dari 1 sampai 1200 ukuran sampel = 100 anak-anak Pilih secara acak 100 angka antara 1 sampai 1200 Bagaimana memilih secara acak? 10

11 Simple random sampling 11

12 Table of random numbers

13 Systematic sampling N = 1200, dan n = 60 sampling fraction = 1200/60 = 20 Buat Daftar siswa dari 1 sampai 1200 Pilih Secara Acak angka diantara 1 & 20 (misal : 8) siswa pertama yang terpilih adalah siswa ke-8 dalam daftar siswa kedua yang terpilih adalah siswa ke = 28 dst... 13

14 14 Systematic sampling

15

16 Systematic sampling 16

17 Stratified sampling Prinsip : Mengelompokkan populasi ke dalam kelompokkelompok yang homogen (strata) Menarik sampel pada setiap strata 17

18 Stratified sampling Advantages Lebih tepat jika variabel berasosiasi dengan strata Semua sub-sub kelompok terwakili, memungkinkan memberikan kesimpulan terpisah tentang masingmasing strata Disadvantages Sampling error lebih sulit diukur Ketepatan berkurang jika banyaknya individu terpilih dalam strata sangat kecil 18

19 Example: Stratified sampling Menentukan pemenuhan vaksinasi dalam suatu negera Satu sample ditarik pada setiap daerah Niliai dugaan (estimasi) dihitung untuk masingmasing Strata Masing-Masing strata diboboti untuk memperoleh nilai dugaan (rata-rata) bagi negera 19

20 Prinsip Cluster sampling Sampel acak berupa grup ( clusters ) dari unit Pada clustrer terpilih, seluruh unit atau sebagian individu dalam cluster diikutkan sebagai sampel 20

21 Example: Cluster sampling Section 1 Section 2 Section 3 Section 5 Section 4 21

22 Cluster sampling Advantages Sederhana karena sampling frame di dalam populasi tidak diperlukan Menghemat sumberdaya (perjalanan) karena cukup datang ke beberapa lokasi Disadvantages Tidak tepat jika individu dalam cluster bersifat homogen Sampling error sulit diukur 22

23 Multiple stage sampling Prinsip = sampling berurutan misal: unit sampling= rumah tangga langkah-1: pilih area atau blok langkah-2: pilih bangunan, rumah langkah-3: pilih rumah tangga 23

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

25 Selecting a sampling method Kenali Populasi sasaran studi Ukuran dan penyebaran geografis Keragaman variabel Tingkat akurasi yang diinginkan Sumberdaya yang tersedia (dana, sdm, peralatan, dll) Pentingnya mempunyai dugaan yang tepat tentang sampling error

26 Steps in estimating sample size Mengidentifikasi variabel utama studi Menentukan jenis statistik yang akan diduga (%,rata-rata, rasio,...) Menentukan akurasi 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

27 Ukuran contoh optimum (n) n = f(ragam, ukuran populasi, ketelitian yang diinginkan, biaya, waktu, resiko) Ukuran contoh yang diperlukan untuk menduga dengan batas error pendugaan sebesar B adalah: n ( N 2 N 2 1) D, dengan D Ukuran contoh yang diperlukan untuk menduga P dengan batas error pendugaan sebesar B adalah: n ( N Np(1 p) 1) D p(1 p) B 4 2 n n z 2 Simple random sampling z 2 V 2 z p(1 2 2 z NV 2 ( N 1) Z=1.96 dengan SK 95%, V=Std relatif thd mean, =batas kesalahan yang diinginkan (% thd mean) Np(1 p) ( N 2 p) 2 1) p 2

28 Sumber kesalahan dalam survei TOTAL ERROR SAMPLING ERROR NON- OBSERVATION NON- COVERAGE NON- RESPONSE INADEQUATE SAMPLING FRAME NON- CONTACT REFUSALS NOT AT HOME CAN T LOCATE EXPLICIT SENSITIVE TOPIC OVERBURDENING NON-SAMPLING ERROR FIELD DATA COLLECTION INTERVIEW BIAS IMPLICIT LACK OF MOTIVATION OBSERVATION ERROR OFFICE PROCESSING EDITING CODING ANALYSES

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

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

31 Terima Kasih

32 ERROR DALAM SURVEI (versi-2)

33 Contoh Kasus: Suatu survey dilakukan untuk menduga total konsumsi gula di industri

34 Industri yang disurvey? yang terlihat

35 Industri yang disurvey: besar Total = 1000 Rata-rata =

36 Industri yang disurvey? yang mudah

37 Industri yang disurvey: kecil Total = 110 Rata-rata =

38 Contoh Kasus: Populasi

39 Contoh Kasus: Total = 1110 Rata-rata = 111 Populasi

40 Contoh Kasus lain: Y Populasi X

41 Contoh Kasus lain: Y Populasi sampel X

42 Contoh Kasus lain: Y Model sampel X

43 Y Contoh Kasus lain: Populasi vs model sampel Yˆ b0 b1 X X