PROBABILISTIK & NON PROBABILISTIK

Metode Sampling

Dalam perencanaan suatu penelitian,peneliti dihadapkan pada pilihan untuk mempelajari keseluruhan unsure populasi (manusia atau benda) atau mempelajari hanya sebagian unsure yang diambil dari bagian atau populasi yang lebih besar. Sampling terdiri dari berbagai jenis. Dalam perencanaan sampling akan ditentukan bagaimana unsure diambil dari populasi yang lebih besar atau populasi induk dan berapa jumlah unsure yang akan diambil.

Sifat perencanaan sampling Kebanyakan perencanaan sampling dapat dikategorikan menurut Probability dan Non-probability.

Perencanaan Sampling Probabilitas

Perencanan yang menentukan probabilitas atau besarnya kemungkinan setiap unsure dijadikan sampel. Factor pengawasan yang mendasari semua perencanaan sampling probabilitas yang utama ialah sifat keacakan. Perencanaan sampling probabilitas yang biasa digunakan mencakup :

• Sampling acak sederhana (simple random sampling)

Pengambilan sampel dalam teknik random ini, peneliti ini memperkirakan sampel dalam populasi berkedudukan sama dari segi2 yang akan diteliti. Dengan cara mengambil acak tanpa memperhatikan strata yang ada dalam populasi. Dengan syarat anggota populasi homogen.

Contoh:
Mahasiswa yang baru masuk Perguruan Tinggi Negeri, mereka sama2 tamatan SMA dan sama2 lulus ujian SPMB (seleksi penerimaan mahasiswa baru).
Disini dapat dikatakan bahwa populasi mahasiswa baru tersebut homogen dari asal sekolah dan lulus ujian SPMB. Artinya kita mengambil beberapa saja diantara mereka untuk sampel penelitian, dan yang mana saja, karena kita telah beranggapan bahwa mereka mempunyai kedudukan yang sama dengan kriteria2 yang sama.

• Sampling acak distratifikasi secara proposional (proportioned stratified random sampling)

Jika penelitian kita memerlukan data bertingkat, berstrata atau bergelombang dan berlapis2. Yang mungkin berbentuk kelas,umur,daerah dan kedudukan, atau sejenis maka kita menggunakan sampel stratified dengan mengambil sampel pada strata2 tertentu sesuai dengan penelitian yang dilakukan.

Contoh:
Populasi penelitian seluruh Mahasiswa UNIMED, sampelnya bisa pada strata tingkat I, tingkat II,strata S1 dan seterusnya.

• Sampling acak distratifikasi secara tidak(kurang) proposional(disproportioned stratified random

Sampling Teknik ini digunakan untuk menentukan jumlah sampel, bila populasi berstrata tapi kurang proposional.

Contoh:
Tingkah laku militer, mungkin hanya sedikit jumlah jenderal dalam sampenya sehingga peneliti memutuskan untuk menggunakan semua jenderal dalam sampelnya dan mengurangi proporsi jabatan lain untuk mendapatkan jumlah komposisi sampel. Dengan menggunakan tabel peneliti dapat menggunakan sampel acak pengelompokkan proposional. Dengan menggolongkan sesuai dengan jenis kejahatan. Tetapi ia melihat bahwa populasi yang berisi kasus pemerasan hanya 1%. Akibatnya, sampel berubah menjadi tidak proposional, apabila sampelnya di hasilkan 100, dengan menggunakan 10 kasus pemerasan. Tabel. Distribusi kejahatan populasi dalam militer Jenis kejahatan Frekuensi Persentase dalam [populasi]

Perkosaan 50 5% pembongkaran 100 10% Pencurian mobil 500 50% Penyerangan 10 1% Pencurian 140 14% Perampokan 50 15% Pembunuhan 50 5% Jumlah N= 100 100%

• Sampling area atau gugus (area or cluster sampling)

Teknik sampling daerah digunakan untuk menentukan sampel bila objek yang akan diteliti atau sumber data sangat luas. Dalam penggunaan sampel cluster ini umumnya kesatuan2  yang diteliti, merupakan kelompok2 yang lebih besar.

Contoh:
Kelompok remaja putus sekolah, kelompok kelas, atau sekolah2 dan sebagainya.

Perencanaan Sampling Nonprobabilitas

Teknik pengambilan sampel tidak member peluang/kesempatan sama bagi setiap anggota populasi untuk dipilih menjadi sampel. Tujuan umum dari perencanaan sampling probabilitas ialah memperoleh gambaran kasar dari sekumpulan unsure sampel.

Dalam sampel non probabilitas sukar untuk menentukan jumlah kesalahan sampling, sehingga peneliti tidak dapat menggeneralisasikan secara langsung beberapa temuannya dengan populasi yang lebih besar. Ini karena populasi yang ada sebagian besar tidak teridentifikasi dengan salah satu atau semua variasi sampling nonprobabilitas. Perencanaan sampling non probabilitas yang biasa digunakan mencakup:

• Sampling sistematik

Teknik pengambilan sampel berdasarkan urutan dari anggota populasi yang telah diberi nomor urut. Sampling sistematik biasanya digunakan dalam traffic survey atau marketing research. Ada beberapa peneliti menganggap sampling sistematik bukan merupakan sampling acak, padahal sampling sistematik merupakan sampling acak karena pemilihan pertama (menggunakan random start) dilakukan secara acak. Beberapa peneliti menyebut sampling sistematik sebagai Quasi random sampling atau Pseudo random sampling.

Contoh:
Jika peneliti ingin mengetahui orang2 yang berobat kerumah sakit di sebuah desa, kita telah mengetahui syarat2 untuk berobat di rumah sakit, dengan mendaftar diri ke receptionist dan mendapatkan nomor antrian,sehingga mereka dapat berobat.

• Sampling kuota

Teknik untuk menentukan sampel secara bebas dari populasi yang mempunyai ciri-ciri tertentu sampai jumlah (kuota) yang diinginkan. Penggunaan teknis kuota sampel ini perlu menetapkan strata populasi berdasarkan tanda2 yang mempunyai pengaruh terbesar terhadap variable yang akan diselidikan. Sedangkan penetapan kuota tergantung kepada kepentingan peneliti dapat berdasarkan factor social, factor ekonomi, factor geografis, atau factor politis.

Contoh:

Jika kita ingin meniliti orang2 yang berambut kribo disebuah kota, kita telah mengetahui ciri2nya yaitu rambutnya kribo dan kemudian kita menetapkan kuotanya sejumlah yang telah kita tentukan.

Penggunaan sampel kuota ini dalam penelitian ilmu social sering digunakan oleh para peneliti, karena dapat menentukan sampelnya dengan tidak terlalu ikat.

• Sampling aksidental

Teknik penentuan sampel berdasarkan kebetulan, yaitu siapa saja yang kebetulan bertemu dengan peneliti dapat digunakan sebagai sampel, bila dipandang orang yang kebetulan ditemui itu cocok sebagai sumber data.

Contoh:
Jika kita ingin meneliti orang2 yang telah berambut putih diseluruh kota, sampelnya kita cari disekeliling kota dan dimana dan kapan saja kita menemui orang2 yang berambut putih, kita ambil sebagai sampelnya, jadi semua sampel tersebut hanya secara kebetulan saja dan tak direncanakan. Dalam suatu penelitian ilmiah biasanya cara sampel aksidental ini jarang digunakan, kecuali dalam penelitian2 tertentu yang mungkin dapat menggunakap sampel ini, hal itu tentu sesuai dengan tujuan penelitiannya. Dan bukan penelitian ilmiah.

• Sampling purposive

Teknik penentuan sampel untuk tujuan tertentu saja. Misalnya pada penelitian tentang disiplin pegawai, maka sampel yang dipilih adalah orang yang ahli dalam bidang kepegawaian saja.

Contoh:

Jika penel;iti ingin mengetahui perbedaan sikap antara pemuda2 dikota besar terhadap kenekalan remaja, dalam hal ini mestinya peneliti telah mengetahui lebih dulu ciri2 pemuda diperkotaan. 

Berdasarkan ciri2 tersebut kemudian peneliti memilih daerah kelompok2 tertentu sebagai inti/kuncinya sebagai sampel,sedangkan kelompok dibagian lain kota dapat ditinggalkan.

 • Sampling bola salju (snowball sampling)

Teknik penentuan sampel yang mula-mula jumlahnya kecil, kemudian sampel ini disuruh memilih teman-temannya untuk dijadikan sampel. Begitu seterusnya, sehingga jumlah sampel semakin banyak.

Contoh:
Jika peneliti ingin mengetahui penyebaran informasi medis diantara ahli medis, sampling snowball dapat digunakan untuk menentukan bagaimana seorang ahli medis akhirnya menggunakan obat2an dan peralatan tertentu. Metode tersebut dapat menggambarkan melalui kelompok ahli medis yang mana informasi tentang obat baru yang beredar.

Apakah ahli medis tersebut membacanya dalm suatu jurnal medis atau mendengarkannya pada suatu konferensi medis, dan kalau memang demikian, siapa yang dihubungi diantara teman2 ahli medisnya mengenai hal tersebut? Bagainmana informasi diantara ahli medis menyebar dalam suatu masyarakat tertentu? Sampling snowball dapat menjawab pertanyaan diatas.

• Sampling saturasi

Sama sekali bukan sampling, karena metode tersebuit didefenisikan sebagai perolehan semua unsure sampel dalam suatu populasi tertentu yang mempunyai karakteristik yang diinginkan peneliti.

Contoh:
Jika kita ingin meneliti semua pemakai Honda Beat dalam sebuah komunitas kecil.

 • Sampling dense

Sampling secara padat. Terletak diantara sampling acak sederhana dan sampling saturasi. Dengan menaikkan fraksi sampling menjadi satu setengah dan mengambil mayoritas responden yang memiliki sifat atau karakter yang diinginkan peneliti bisa dianggap sampling dense.

Contoh:
Apabila komunitas Honda Beat terdapat 500 orang di medan, peneliti hanya mengambil setengah dari 500 orang yang memiliki Honda Beat.

Pengantar Statistika 2

BAB I

Latar Belakang

Statistik memegang peran penting dalam penelitian,baik dalam penyusunan model,perumusan hipotesa dalam pengembangan alat dan instrumen  pengumpulan data,dalam penyusunan desain penelitian ,dalam penentuan sampel dan dalam analisa data.dalam bayak hal ,pengolahan dan analisa data tidak luput dari penerapan tehnik dan metode statistik tertentu ,yang mana kehadiranya dapat memberikan dasar bertolak  dalam menjelaskan hubungan-hubungan yang terjadi.statistik dapat digunakan sebagai alat untuk memgetahui apakah hubungan kualitas antara dua atau lebih variabel benar-benar terkait secara benar dalam suatu kualitas empiris atau hubungan tersebut hanya bersifat random atau kebetulan saja.

Di dalam statistik deskriptif kita selalu mengusahakan agar data dapat disajikan dalam bentuk yang lebih berguna, lebih mudah dipahami dan lebih cepat dimengerti. Jika data yang ada hanya sedikit, kita tidak mengalami kesulitan untuk membaca dan mengerti angka-angka itu, tetapi apabila data yang tersedia banyak sekali jumlahnya, maka untuk mengerti data tersebut kita akan mengalami kesulitan. Untuk memudahkannya data harus disusun secara sistematis atau teratur kedalam distribusi frekuensi

2. Tujuan

1.Mencari Nilai Rata-rata,Median,Modus,Range,Simpangan Baku,Ragam

2.Cara menghitung Kemencengan Sebaran (Skewness), dan kecuraman kurva   sebaran(Kurtosis)

BAB II

Data Pengamatan:

1.Mean

Rata-rata atau biasa disebut mean . Hampir setiap penelitian ilmiah menggunakan mean. Berikut ini adalah cara menghitung mean data kelompok, yaitu data yang telah dikumpulkan pada tugas sebelumnya:

2. Median 

Median atau nilai tengah adalah nilai pengamatan yang terletak ditengah data pengamatan setelah data diurutkan. Median membagi dua himpunan dari data pengamatan menjadi dua data pengamatan yang sama besarnya,50% data pengamatan terletak diatas median dan 50% lagi terletak dibawah median. Dalam data kali ini saya menggunakan data kelompok . Formula untuk menentukan median dari tabel data frekuensi adalah sebagai berikut : 

C.Modus

   

Modus adalah data yang paling sering muncul. 

D.Range

Range adalah perbedaan antara data terbesar dengan data terendah yang terdapat pada sekelompok data

Range= Batas atas kelas tertinggi – batas bawah kelas terendah

         = 100 – 40

         = 60

E.Simpangan Baku

Simpangan baku atau juga yang sering kita kenal dengan nama deviasi standard (standard deviation) adalah ukuran persebaran data

F. Ragam

2. Pengertian dan cara menghitung Kemencengan Sebaran (Skewness), dan kecuraman kurva   sebaran(Kurtosis)

A. Kemencengan Kurva Sebaran (Skewness)

Skewness adalah derajat ketidak simetrisan suatu distribusi. Jika suatu kurva frekuensi suatu distribusi memiliki ekor yang lebih memaanjang ke kanan (dilihat dari meannya)maka dinyatakan menceng kanan (positif) dan jika sebaliknya maka menceng kiri (negatif). Secara perhitungan, skewness adalah momen ketiga terhadap mean. Distribusi normal (dan distribusi simetris lainnya, misalnya distribusi t atau Cauchy) memiliki skewness 0 (nol).

B.Kecuraman Kurva Sebaran 

Merupakan derajat atau ukuran tinggi rendahnya puncak suatu distribusi data terhadap distribusi normalnya data. Jika bentuk kurva runcingberarti nilai data terkonsentrasi terhadap nilai rata-tata atau nilai penyebarannya kecil, sebaliknya jika bentuk kurva nya tumpul berarti nilai data tersebar terhadap nilai rata-rata atau nilai penyebaran besar. Keruncingan distribusi data ini disebut juga kurtosis.

Derajat keruncingan suatu distribusi frekuensi dapat dibedakan menjadi tiga, yaitu:
    Leptokurtis
Distribusi data yang puncaknya relatif tinggi atau bentuk distribusi yang ujungnya sangat runcing
    Mesokurtis
Distribusi data yang puncaknya tidak terlalu runcing atau tidak terlalu tumpul
    Platikurtis 
Distribusi data yang puncaknya terlalu rendah atau terlalu mendatar


            Mesokurtis                              leptokurtis                              platikurtis

Derajat keruncingan distribusi data α4 dapat dihitung berdasarkan rumus berikut 
    Data tidak berkelompok
α4 = 1/(nS^4 ) ∑ ( Xi - X ̅)4

    Data berkelompok
α4 = 1/(nS^4 ) ∑ fi ( mi - X ̅ )4

Keterangan :
α4    = Derajat keruncingan
Xi    = nilai data ke – i
        = nilai rata-rata hitung
fi    = frekuensi kelas ke – i
mi    = nilai titik tengah ke –i
S    = simpangan baku
n     = banyaknya data

dari  penggunaan rumus  diatas akan menghasilkan kemungkinan tiga nilai yaitu :

        α4 = 3 distribusi keruncingan data disebut mesokurtis
        α4 > 3 distribusi keruncingan data disebut leptokurtis
        α4 < 3 distribusi keruncingan data disebut platikurtis