Penentuan sampel merupakan
langkah penting dalam penelitian kuantitatif, konsep dasar dari penentuan
sampel adalah bahwa agregasi dari orang, rumah tangga atau organisasi yang
sangat besar dapat dikaji secara efektif dan efisien serta akurat melalui pengkajian yang terinci
dan hati-hati pada sebagian agregasi yang terpilih. Agregasi
(Keseluruhan) disebut populasi atau universe yang terdiri dari
unit total informasi yang ingin diketahui. Dari populasi yang ingin dikaji
kemudian ditentukan sampelnya, melalui prosedur sampling yang sesuai
dengan karakteristik populasinya.
Penelitian bidang sosial
dan Pendidikan banyak dilakukan dengan menggunakan sampel (Sampling Methods),
hal ini tidak hanya karena alasan biaya dan waktu, tapi juga untuk menghindari
kekeliruan akibat pengumpulan, pemrosesan dan penganalisaan data dari agregasi yang sangat besar. Dengan
penarikan sampel maka estimasi dapat dilakukan serta hipotesis dapat diuji yang
hasilnya dapat berlaku terhadap populasi darimana sampel itu diambil.
Pengkajian terhadap sampel pada dasarnya dimaksudkan untuk menemukan generalisasi atas populasi atau
karakteristik populasi (Parameter), sehingga dapat dilakukan penyimpulan
(inferensi) tentang universe, oleh karena itu penarikan sampel jangan
sampai bias dan harus menggambarkan
seluruh unsur dalam populasi secara proporsional, hal ini bisa dilakukan
dengan cara memberikan kesempatan yang sama pada seluruh elmen dalam populasi.
Adapun langkah-langkah
dalam penentuan sampel adalah :
a.
Mendefinisikan
populasi yang akan dijadikan obyek penelitian
b.
Menentukan
prosedur sampling
c.
Menentukan
besarnya sampel
pendefinisian populasi merupakan langkah pertama yang
sangat penting, dari sini dapat tergambar bagaimana keadaan populasi, sub-sub
unit populasi, karakteristik umum populasi serta keluasan dari populasi
tersebut. Dalam hubungan ini perlu dibedakan antara populasi target (Target/actual
population) dan populasi terjangkau (Accessible population),
populasi target adalah populasi yang ingin digeneralisasi oleh peneliti,
sedangkan populasi terjangkau adalah populasi yang dapat digeneralisasi oleh
peneliti, target populasi merupakan pilihan ideal dan populasi terjangkau
merupakan pilihan yang realistis.
Sesudah diperoleh gambaran tersebut kemudian ditentukan prosedur apa
yang akan diambil dalam penentuan sampel, sesudah langkah ini baru kemudian
ditentukan besarnya sampel yang akan dijadikan obyek penelitian. Sebagai Contoh
akan dikemukakan berikut ini:
Masalah
penelitian yang akan dikaji
: Akibat pemanfaatan
media elektronik terhadap prestasi belajar Siswa Sekolah Dasar di Kabupaten
Kuningan.
Populasi Target : Seluruh Siswa Sekolah Dasar di Kabupaten Kuningan
Populasi
Terjangkau : Seluruh Siswa Sekolah Dasar di
Kecamatan Kuningan Kabupaten Kuningan
Kerangka Sampel
: Daftar Nama siswa yang tercatat pada Dinas Pendidikan Kecamatan
Kuningan
Sampel : Lima belas persen Siswa Sekolah Dasar di Kecamatan
Kuningan Kabupaten Kuningan
Masalah
penelitian yang akan dikaji
: Hubungan antara
Motivasi Berprestasi dengan Kinerja Guru di Kabupaten Kuningan.
Populasi
Target : Seluruh Guru di Kabupaten Kuningan
Populasi Terjangkau : Seluruh Guru SMU di Kabupaten Kuningan
Kerangka Sampel :
Daftar Guru SMU yang tercatat pada Dinas Pendidikan Kabupaten Kuningan
Sampel : Dua puluh persen Guru SMU di Kabupaten Kuningan
Penentuan
prosedur sampling (Sampling Method) yang akan dipergunakan pada dasarnya
sebagian besar tergantung pada ada tidaknya kerangka sampel (Sampling Frame
: daftar unit-unit analisis dari populasi yang akan diambil sampelnya))
yang lengkap dan akurat, jika tidak demikian maka diperlukan pembaruan daftar
tersebut agar sampel dapat benar-benar menjadi representasi dari populasi
Hal yang perlu diperhatikan
dalam pengambilan sampel adalah bahwa semakin sempit (sedikit) peneliti
mendefinisikan (membatasi) populasi semakin efisien dalam waktu dan dana, namun
semakin terbatas kemampuan melakukan generalisasi, untuk itu peneliti harus
mencari jalan yang efisien dalam waktu dan dana serta kemampuan generalisasi
yang lebih luas, dan untuk menghindari kekeliruan pembaca, maka peneliti perlu
menggambarkan populasi dan sampel secara rinci, sehingga orang yang membaca
hasil penelitian dapat menentukan daya terap (Aplicability) penemuan
hasil penelitian terhadap situasi yang berbeda.
Sebagaimana
diketahui bahwa terdapat banyak metode pengambilan sampel yang dapat dilakukan
dengan caranya sendiri-sendiri, namun dalam prakteknya cara pengambilan sampel
campuran (Multistage sampling) banyak juga dipergunakan dalam
penelitian, karena masing-masing cara
terkadang diperlukan dalam tahap-tahap tertentu. Untuk tujuan-tujuan
penyimpulan (inference) persyaratan yang paling penting adalah perlunya
sampel diambil secara random (Probability samples), dimana setiap elemen
populasi punya kesempatan yang sama (Fair Chance) untuk terpilih menjadi
sampel (Nonzero probability of selection), sifat random bermakna
penggunaan metode probabilitas yang tidak bias dalam memilih sampel.
3.1. Simple Random Sampling
Pengambilan sampel acak
sederhana adalah cara pengambilan sampel dimana setiap unsur yang membentuk
populasi diberi kesempatan yang sama untuk terpilih menjadi sampel, cara ini
akan sangat mudah apabila telah terdapat daptar lengkap unsur-unsur populasi.
Prosedur yang cukup akurat untuk pengambilan sampel secara acak adalah dengan
menggunakan tabel angka acak (Table of random numbers), disamping itu
dapat pula dilakukan dengan cara mengundi.
Pengambilan
sampel acak yang dilakukan sesuai prosedur sama sekali bukan jaminan bahwa suatu
sampel akan menjadi representasi sempurna dari populasi, karena bisa saja
terjadi pengambilan sampel secara random dalam kenyataannya menghasilkan suatu
sampel yang unik, akan tetapi perlunya pengambilan sampel secara acak harus
dipahami dalam konteks proses kemungkinan, apabila sampel acak diambil dari
suatu populasi secara berulang-ulang, maka secara umum seluruh sampel tersebut
akan mampu memberikan estimasi yang lebih akurat terhadap populasi, demikian
juga variabilitas atau kekeliruan dapat diestimasi dan uji signifikansi
statistik juga menunjukan probabilitas
hasil dengan mempertimbangkan kekeliruan pengambilan sampel (Sampling Error).
3.2. Pengambilan Sampel secara Sistimatis
Systematic Sampling merupakan Alternatif lain
pengambilan sampel yang sangat bermanfaat untuk pengambilan sampel dari
populasi yang sangat besar. Pengambilan sampel secara sistematis adalah suatu
metode dimana hanya unsur pertama dari
sampel yang dipilih secara acak, sedang unsur-unsur selanjutnya dipilih secara
sistematis menurut suatu pola tertentu. Sebagai contoh Kepala Dinas Pendidikan
ingin mengetahui bagaimana Motivasi Kerja Kepala Sekolah di Kabupaten Kuningan
yang berjumlah 1000 orang dan akan mengambil sempel 100 orang Kepala sekolah,
kemudian Nama-nama Kepala Sekolah disusun secara alpabetis, lalu dipilih sampel
per sepuluh Kepala Sekolah, untuk itu disusun nomor dari 1 sampai 10, lalu
diundi untuk memilih satu angka, jika angka lima yang keluar, maka sampelnya
adalah nomor 5, 15, 25, 35, dan seterusnya sampai diperoleh jumlah sampel yang
dikehendaki.
Dalam pengambilan sampel secara sistematis dikenal
dua istilah yaitu interval pengambilan sampel (Sampling intervals),
yaitu perbandingan antara populasi dengan sampel yang diinginkan, dan proporsi
pengambilan sampel (sampling Fraction/Sampling Ratio) yaitu perbandingan
antara ukuran sampel dengan
populasi. Dari contoh di atas
Sampling intervalnya adalah 1000 : 100 = 10, dan sampling rationya adalah 100 :
1000 = 0,1. Contoh tersebut juga dapat disebut sebagai Systematic Sampling
with random start, dimana awal penentuan sampel dilakukan secara acak, baru
sesudah itu dilakukan langkah-langkah sistematis sesuai dengan prosedurnya.
Cara pengambilan sampel seperti ini menurut
Jack R. Fraenkel dan Norman E Wallen bisa dikategorikan
sebagai random sampling jika
daftar populasi disusun secara random dan sampel diambil dari daftar tersebut.
3.3 . Pengambilan Sampel berstrata (Stratified Sampling)
Pengambilan sampel berstrata merupakan teknik pengambilan sampel dimana
populasi dikelompokan dalam strata tertentu, kemudian diambil sampel secara
random dengan proporsi yang seimbang sesuai dengan posisinya dalam populasi.
Sebagai contoh : seorang Kepala Sekolah ingin mengetahui tanggapan Siswa
tentang pelaksanaan program Keterampilan. Jumlah Siswa sebanyak 2000 orang
dengan komposisi kelas 3 sebanyak 600 siswa, kelas 2 sebanyak 400 siswa dan
kelas 1 sebanyak 1000 siswa, besarnya sampel yang akan diambil adalah 200
orang, jika stratanya berdasarkan Kelas maka langkah yang harus dilakukan adalah
:
a. Tetapkan proporsi strata dari populasi
hasilnya kelas 3 sebesar 30%, Kelas 2 sebesar 20% dan kelas 1 sebesar 50%.
b. Hitung besarnya sampel untuk
masing-masing strata, hasilnya kelas 3 sebanyak 60 siswa, kelas 2 sebanyak 40
siswa dan kelas 1 sebanyak 100 siswa
c. Kemudian pilih anggota sampel untuk
masing-masing strata secara acak (random sample).
Cara lain penentuan sampel berstrata adalah menentukan
dulu proporsi sampel atas populasi, dalam kasus di atas proporsinya adalah 10 %
kemudian proporsi ini dikalikan jumlah siswa pada tiap strata dan hasilnya akan
sama dengan cara diatas. Sesudah langkah tersebut dilakukan baru instrumen
penelitian disebarkan kepada anggota sampel yang sudah terpilih. Apabila jumlah
sampel disamakan untuk tiap strata, cara itu disebut penarikan sampel strata
tidak proporsional (Disproportional Stratified Sampling), sedangkan jika
disesuaikan dengan proporsi strata dalam populasi disebut pengambilan sampel
strata proporsional (Proportional Stratified Sampling)
3.4. Pengambilan sampel Kelompok (Cluster Sampling)
Pengambilan
sampel dengan cara yang sudah disebutkan di atas umumnya dilakukan pada
populasi yang bersifat terbatas (Finit), sementara itu untuk Populasi yang
jumlah dan identitas anggota populasinya tidak diketahui (Infinit) pengambilan
sampel biasanya dilakukan secara tidak acak (Non random Sampling).
Adapun yang termasuk pada cara ini adalah :
1.
Quota
Sampling : yaitu
penarikan sampel yang hanya menekankan pada jumlah sampel yang harus dipenuhi.
2.
Purposive
Sampling :
pengambilan sampel hanya pada individu yang didasarkan pada pertimbangan dan
karakteristik tertentu.
3.
Accidental
Sampling :
pengambilan sampel dengan jalan mengambil individu siapa saja yang dapat
dijangkau atau ditemui.
3.5. Menentukan Besarnya Sampel (Sample Size)
Besarnya sampel sebaiknya
sebanyak mungkin; semakin besar sampel yang diambil umumnya akan semakin
representatif dari populasinya dan hasil penelitian lebih dapat
digeneralisasikan. Masalah besarnya sampel merupakan hal yang sulit untuk
dijawab sebab terkadang dipengaruhi oleh dana yang tersedia untuk melakukan
penelitian. Namun demikian hal yang penting untuk diperhatikan adalah
terdapatnya alasan yang logis untuk pemilihan teknik sampling serta besarnya
sampel dilihat dari sudut metodologi Penelitian.
Dilihat dari substansi
tujuan penarikan sampel yakni untuk memperoleh representasi populasi yang
tepat, maka besarnya sampel yang akan diambil perlu mempertimbangkan karakteristik
populasi serta kemampuan estimasi. Pertimbangan karakteristik
populasi akan menentukan teknik pengambilan sampel, ini dimaksudkan untuk
mengurangi atau menghilangkan bias, sementara kemampuan estimasi berkaitan
dengan presisi dalam mengestimasi populasi dari sampel serta bagaimana sampel
dapat digeneralisasikan atas populasinya, upaya untuk mencapai presisi yang
lebih baik memerlukan penambahan sampel, seberapa besar sampel serta
penambahannya akan tergantung pada variasi dalam kelompok, tingkat kesalahan
yang ditoleransi serta tingkat kepercayaan.
Menurut
Pamela L. Alreck dan Robert B. Seetle dalam bukunya The Survey
Research Handbook untuk Populasi yang besar, sampel minimum kira-kira 100
responden dan sampel maksimumnya adalah 1000 responden atau 10% dengan kisaran
angka minimum dan maksimum, secara lebih rinci Jack E. Fraenkel dan
Norman E. Wallen menyatakan
(meskipun bukan ketentuan mutlak) bahwa minimum sampel adalah 100 untuk studi
deskriptif, 50 untuk studi korelasional, 30 per kelompok untuk studi
kausal komparatif. L.R Gay
dalam bukunya Educational Research menyatakan bahwa untuk riset
deskriptif besarnya sampel 10% dari populasi, riset korelasi 30 subjek, riset
kausal komparatif 30 subjek per kelompok, dan riset eksperimental 50 subjek per
kelompok. Sementara itu Krejcie dan Morgan menyusun ukuran
besarnya sampel dalam bentuk tabel sebagai berikut :
Tabel 2.1
Besarnya Sampel
menurut besarnya Populasi
Populasi
|
Sampel
|
Populasi
|
Sampel
|
Populasi
|
Sampel
|
5
|
5
|
220
|
140
|
1200
|
291
|
10
|
10
|
230
|
144
|
1300
|
297
|
15
|
14
|
240
|
148
|
1400
|
302
|
20
|
19
|
250
|
152
|
1500
|
306
|
25
|
24
|
260
|
155
|
1600
|
310
|
30
|
28
|
270
|
159
|
1700
|
313
|
35
|
32
|
280
|
162
|
1800
|
317
|
40
|
36
|
290
|
165
|
1900
|
320
|
45
|
40
|
300
|
169
|
2000
|
322
|
50
|
44
|
320
|
175
|
2200
|
327
|
55
|
48
|
340
|
181
|
2400
|
331
|
60
|
52
|
360
|
186
|
2600
|
335
|
65
|
56
|
380
|
191
|
2800
|
338
|
70
|
59
|
400
|
192
|
3000
|
341
|
75
|
63
|
420
|
196
|
3500
|
346
|
80
|
66
|
440
|
201
|
4000
|
351
|
85
|
70
|
460
|
205
|
4500
|
354
|
90
|
73
|
480
|
210
|
5000
|
357
|
95
|
76
|
484
|
214
|
6000
|
361
|
100
|
80
|
500
|
217
|
7000
|
364
|
110
|
86
|
550
|
226
|
8000
|
367
|
120
|
92
|
600
|
234
|
9000
|
368
|
130
|
97
|
650
|
242
|
10000
|
370
|
140
|
103
|
700
|
248
|
15000
|
375
|
150
|
108
|
750
|
254
|
20000
|
377
|
160
|
113
|
800
|
260
|
30000
|
379
|
170
|
118
|
850
|
265
|
40000
|
380
|
180
|
123
|
900
|
269
|
50000
|
381
|
190
|
127
|
950
|
274
|
75000
|
382
|
200
|
132
|
1000
|
278
|
100000
|
382
|
210
|
136
|
1100
|
285
|
1000000
|
384
|
Dikutif dari Metodologi
Penelitian Sosial dan Pendidikan, (Sumanto 1995)
3.6. Kesalahan Pengambilan Sampel (Sampling Error)
Secara umum peneliti harus
dapat memperoleh besarnya sampel minimum yang diperlukan agar dapat
merepresentasikan populasi secara akurat, namun disadari bahwa sampel bukanlah
populasi sehingga kemungkinan melakukan kesalahan dapat saja terjadi. Oleh
karena itu peneliti harus memandang hasil dari sampel bukanlah hasil yang
pasti, tapi sebatas estimasi. Kesalahan pengambilan sampel terjadi apabila
sampel yang diproleh tidak/kurang akurat dalam merepresentasikan populasi,
masalahnya berapa besar kesalahan sampling yang ditoleransi agar generalisasi
dari suatu penelitian sampel dapat diandalkan
Sebagaimana telah
diketahui bahwa besarnya sampel yang diperlukan agar dapat merepresentasikan
populasi tidak hanya tergantung pada ukuran besarnya populasi tapi juga pada
heterogenitas variansi variabel dalam populasi. Semakin besar populasi, semakin
besar sampel yang diperlukan, demikian juga semakin heterogen variabel dalam
populasi semakin besar sampel yang diperlukan dalam penelitian.
Teori pengambilan sampel (Sampling
Theory) menyatakan bahwa jika banyak sampel (dengan jumlah tertentu)
diambil dari suatu populasi, maka sebagian besar Mean sampel akan berada
dekat dengan Mean populasi , dan hanya sedikit saja yang berada jauh dari
mean populasi , hal ini berarti bahwa jika sampel diambil secara tepat,
maka penyimpulan atas sampel akan mendekati (akibat sampling error)
penyimpulan atas populasi.
Dari
suatu populasi dapat digambarkan suatu distribusi sampel Mean (Sampling
distribution), dan menurut Teorema batas pusat (Central limit Theorem)
mean-mean dari sampel akan berdistribusi normal diseputar mean populasi serta
mean dari mean semua sampel akan sama
dengan nilai mean populasi. Namun demikian kemungkinan melakukan kekeliruan
tetap saja ada, dan untuk menghitung/mengetahui kekeliruan tersebut
pertama-tama perlu dilihat dulu bagaimana variasi dalam suatu populasi, akan
tetapi karena variasi populasi secara empirik tidak diketahui, maka yang dapat
digunakan adalah nilai variasi sampel, adapun ukuran-ukuran untuk mengetahui
variasi suatu data penelitian yang biasa dipergunakan adalah Mean Deviasi (X –), Varians (X – )2/N), dan Standar Deviasi yaitu akar pangkat dua
dari Variance ( (X – )2 / N
).
Sebelum mengetahui nilai kesalahan
pengambilan sampel terlebih dahulu perlu diketahui Standard Error, dan
ukuran variasi Standard Deviasi merupakan ukuran yang baik untuk
mengetahui rata-rata penyimpangan, adapun
rumus perhitungan Standard Error adalah Standar Deviasi dibagi akar pangkat
dua jumlah sampel ( SD : N (jumlah
sampel) ),standar deviasi (SD) yang digunakan dalam rumus tersebut
mestinya SD populasi, tapi karena yang diteliti adalah sampel, maka SD sampel yang dipergunakan
dengan asumsi SD sampel sama dengan SD populasi. Standar Error
merupakan estimasi terbaik bagi Sampling Error; semakin kecil Standar
deviasi,dan semakin besar jumlah sampel maka semakin kecil Standard Error,
yang berarti semakin kecil Sampling error, karena Kesalahan penarikan
sampel merupakan perkalian antara Standard error dengan nilai z pada tingkat
kepercayaan tertentu ( 95% = 1,96; 99% = 2,58).
Tidak ada komentar:
Posting Komentar