TEKNIK PENARIKAN SAMPEL

TEKNIK PENARIKAN SAMPEL Konsep-konsep Dasar Sampling Salah satu hal yang menakjubkan dalam penelitian ialah kenyataan bahwa kita dapat menduga sifat-sifat suatu kumpulan objek penelitian hanya dengan mempelajari dan mengamati sebagian dart kumpulan itu. Bagian yang diamati itu disebut sampel, sedangkan kumpulan objek penelitian disebut populasi. Objek penelitian dapat berupa orang, umpi, organisasi, kelompok, lembaga, buku, kata-kata, surat kabar dan lainlain. Dalam penelitian, objek penelitian ini disebut satuan analisis (units of analysis) atau unsur-unsur populasi. Bila kita meneliti seluruh unsur populasi, kita melakukan sensus. Sensus mudah dilakukan bila jumlah populasi terbatas. Pimpinan fakultas ingin mengetahui reaksi mahasiswa di fakultasnya terhadap kurikulum yang baru. Ia dapat mewawancarai semua mahasiswa, tanpa kecuali. Tentu saja, ada kemungkinan beberapa orang tidak sempat diwawancarai karena sakit, tidak pernah muncul di fakultas, atau ... menghindari penelitian. Sensus, memang, tidak selamanya sempurna. Hasil sensus, yang mengungkapkan karakteristik populasi (seperti rata-rata, ragam, modus, atau range), disebut parameter. Bila jumlah unsur populasi itu terlalu banyak, padahal kita ingin menghemat biaya dan waktu, kita harus puas dengan sampel. Karakteristik sampel disebut statistik. Kita sebetulnya tidak tertarik pada statistik. Kita ingin menduga secara cermat parameter dart statistik. Metode pendugaan inilah yang dikenal sebagai teori sampling. 

Ini berarti sampel harus mencerminkan semua unsur dalam populasi secara proporsional. Sampel seperti itu dikatakan sampel tak bias (unibased sample) atau sampel yang representatif. Sebaliknya sampel bias adalah sampel yang tidak memberikan kesempatan yang sama pada semua unsur populasi untuk dipilih. Memang, sampel mungkin menunjukkan karakteristik yang menyimpang dari karakteristik populasi. Penyimpangan dari karakteristik populasi disebut galat sampling (sampling error). Jadi, galat sampling adalah perbedaan antara hasil yang diperoleh dari sampel dengan hasil yang didapat dari sensus (Neter, Wasserman, Whitmore, 1979: 195). Statistik dapat membantu kita menentukan sampling error hanya bila kita menggunakan sampel tak bias. Sampel tak bias adalah sampel yang ditarik berdasarkan probabilitas (probability sampling). Dalam sampel probabilitas, setiap unsur populasi mempunyai nilai kemungkinan tertentu untuk dipilih. Karena sampel ini mengasumsikan kerandoman (randomness), maka sampel probabilitas lazim juga disebut sebagai sampel random. Bila kita mengambil sampel tertentu berdasarkan pertimbangan-pertimbangan tertentu, kita memperoleh sampel pertimbangan (judgemental sampling), disebut juga sampel non-probabilitas. Untuk kedua jenis sampling ini, ada beberapa alternatif teknik penelitian sampel. Teknik penarikan sampel sering disebut rencana sampling atau rancangan sampling (sampling design). Rancangan Sampling Ada empat rancangan sampling dalam kategori sampel probabilitas: (1) sampling random sederhana, (2) sampling sistematis, (3) sampling berstrata, dan (4) sampling Master. Kita akan membicarakan hal-hal praktis dari setiap rancangan ini. Sampling random sederhana adalah yang paling banyak dipakai. Untuk menarik sampel seperti ini, kita dapat menuliskan semua unsur populasi dalam secarik kertas, kemudian mengundinya sampai kita memperoleh jumlah yang dikehendaki. Unsur-unsur yang jatuh itulah yang menjadi sampel. Cara ini tidak praktis bila populasinya besar. Karena itu, umumnya peneliti menggunakan cara kedua: menggunakan tabel random. Apa pun metode yang digunakan, sampling random sederhana harus memiliki kerangka sampling (sampling frame). Kerangka sampling adalah daftar lengkap semua unsur populasi. Jadi, bila populasi kita penduduk Dusun X , maka kita harus memiliki daftar penduduk Dusun X yang lengkap, kita harus menomori setiap orang dari 1 sampai N. Berdasarkan kerangka sampling, ditarik sejumlah orang, yang nanti menjadi sampel. Sampling sistematis juga menggunakan kerangka sampling. Hanya di sini, unsur yang pertamalah yang dipilih secara random. Unsur-unsur lainnya ditarik dengan mengambil jarak tertentu. Misalnya, populasi berjumiah 1000. Kita hanya memerlukan 40 unsur. Perbandingan ukuran populasi dengan ukuran sampel, yakni 40 1000 = 25, disebut sampling rasio. Untuk contoh kita, misalkan unsur yang pertama kita pilih nomor 10. Nomor-nomor berikutnya yang menjadi sampel ialah 35, 60, 85, 110, ..., 960, 985. Sampling berstrata, seperti ditunjukkan namanya, melibatkan pembagian populasi ke dalam kelas, kategori, atau kelompok yang disebut strata. Karakteristik strata boleh jadi kota, daerah, suku bangsa, jenis kelamin, status, usia, dan sebagainya. Ada dua jenis sampel strata: proporsional dan disproporsional. Dalam sampel strata proporsional, dari setiap strata diambil sampel yang sebanding dengan besar setiap strata. Angka yang menunjukkan berapa persen dari setiap strata diambil disebut pecahan sampling (sampling fraction). Pada sampel strata, pecahan sampling untuk setiap strata sama. Cara ini akan mengalami kesukaran bila ada sebagian strata yang jumlahnya terlalu kecil atau sebagian lagi terlalu besar. Bila ada 10.000 orang mahasiswa dan 10 orang dosen, lalu dari setiap strata kita ambil 10%, kita memperoleh sampel yang terdiri dari 1.000 orang mahasiswa dan I orang down. Dalam hal seperti itu disarankan metode sampling strata disproporsional. Di sini, dari setiap strata diambil jumlah sampel yang sama. Nanti dalam analisis data, dan data untuk setiap strata dikalikan dengan bobot strata tersebut.