Cara Memilih dan Menghitung Sampel yang Diperlukan dari Sebuah Populasi

Apa yang dimaksud dengan sampel dan populasi?

Populasi dalam penelitian adalah sekelompok kasus atau pelaku (dapat dalam bentuk individu-individu, organisasi-organisasi, atau negara-negara) yang memiliki beberapa kesamaan karakteristik, dan melalui mereka pertanyaan penelitian dapat dijawab (atau hipotesis dapat diuji).

Sampel adalah sebagian dari total jumlah pelaku (atau kasus) yang diambil dari populasi untuk diteliti. Sebagai peneliti, kita hanya meneliti sampel karena hampir tidak mungkin untuk meneliti seluruh populasi dengan sumber daya yang terbatas.

Tujuan utama dari pengambilan sampel adalah dimungkinkannya peneliti untuk membuat satu kesimpulan umum (generalisasi) yang didasarkan hanya pada beberapa kasus atau pelaku yang diteliti. Beberapa faktor yang perlu diperhatikan untuk mendapatkan generalisasi yang tepat di antaranya: 1) Apakah sampel yang dipilih dapat mewakili populasi?  2) Bagaimana sampel-sampel tersebut dipilih? 3) Berapa banyak sampel yang harus diambil? Tiga hal ini harus dapat dijawab dengan tepat karena pemilihan sampel yang salah dapat berujung pada konklusi yang buruk dan menyesatkan.

1.Menentukan tingkat keterwakilan populasi melalui sampel

Kita, sebagai peneliti, akan mendapatkan sampel yang dapat mewakili populasi ketika karakteristik utama dari populasi muncul dalam sampel tersebut. Penelitilah yang memutuskan, berdasarkan pertanyaan penelitian dan hipotesis, variabel atau karakteristik mana saja yang akan dilihat dari sampel. Sebagai contoh, jika kita mengadakan jejak pendapat pemilihan umum di Indonesia dan mempertimbangkan bahwa perilaku pemungutan suara pada masayarakat sangat tergantung pada gender, maka kita harus memilih sebuah sampel yang mana pria dan wanita diwakilkan dalam sebuah perbandingan (atau proporsi).

Terdapat dua pilihan untuk menggambarkan perbandinagan gender ini dalam sebuah sampel: 1) Menyamakan jumlah pria dan wanita yang akan diteliti (equitable criterion) atau 2) Menentukan perbandingan yang menggambarkan proporsi gender yang sebenarnya dalam sebuah populasi (equivalent criterion). Misalkan, terdapat 65 juta pria dan 35 juta wanita dalam sebuah populasi. Maka peneliti dapat memutuskan untuk mengambil 50 orang pria dan 50 orang wanita sebagai sampel (dalam kasus ini peneliti menggunakan equitable criterion). Atau peneliti dapat memilih 65 orang pria dan 35 orang wanita untuk dijadikan sampel (equivalent criterion). Keputusan akan perbandingan mana yang digunakan tergantung pada tujuan penelitian dan hipotesis yang akan diuji. Penelitian yang bersifat eksperimental cenderung menggunakan equitable criterion. Semntara pada kasus jejak pendapat pemilu, penggunaan equivalent criterion akan lebih tepat.

2. Teknik-teknik pemilihan sampel

Terdapat dua strategi atau metode utama dalam proses sampling yakni: non-random sampling dan random sampling.

a. Non-random sampling: Individu-individu dipilih berdasarkan kriteria yang sifatnya tidak acak, dan tak semua orang memiliki kesempatan yang sama untuk terpilih sebagai sampel. Non-random sampling lebih mudah dan murah untuk dilaksanakan namun memiliki kemungkinan bias yang lebih tinggi sehingga sulit untuk membuat kesimpulan umum yang dapat mewakili populasi. Teknik sampling ini lebih sering digunakan pada penelitian kualitatif yang mana tujuan utamanya adalah memahami sebuah populasi yang jarang diteliti alih-alih menguji hipotesis. Adapun beberapa jenis non-random sampling di antaranya:

  • Convenience Sampling: Dengan teknik ini, individu-individu yang dipilih sebagai sampel adalah mereka yang dapat dengan mudah diakses oleh peneliti. Walaupun ini adalah cara yang mudah dan murah, kita tidak dapat mengetahui apakah sampel dapat merepresentasikan populasi.

Contoh convenience sampling:

Kamu sedang meneliti mengenai tingkat kepuasan penduduk desa terhadap performa perangkat desa dalam menangani pandemi COVID-19. Karena kamu seorang mahasiswa dengan waktu yang terbatas, kamu hanya membagikan survei kepada para penduduk yang tinggalnya di kompleks RT mu saja. Ini adalah cara yang nyaman untuk mengumpulkan data, tetapi survei ini tak dapat mewakili pendapat dari penduduk di seluruh desa dan memiliki kecenderungan untuk bias.

  • Voluntary Response Sampling: Kurang lebih sama dengan convenience sampling, namun di sini bukan peneliti yang memilih & meminta individu untuk berpartisipasi. Tiap individu secara sukarela menjadi partisipan untuk penelitian yang dilaksanakan. Teknik ini juga memiliki kemungkinan bias yang cukup tinggi karena beberapa orang memiliki keinginan untuk berpartisipasi lebih tinggi dibandingkan yang lain.

Contoh voluntary response sampling

Kamu sedang meneliti mengenai tingkat kepuasan mahasiswa terhadap performa universitas dalam menjalani proses pendidikan dalam kondisi pandemi COVID-19. Kamu mengirimkan survei ini kepada seluruh mahasiswa melalui email tanpa adanya paksaan. Mungkin tidak semua mahasiswa akan mengisi survei daring tersebut. Hanya mereka yang peduli dengan tingkat kualitas pendidikan yang akan membagikan pendapatnya dan ini tak bisa mewakili seluruh mahasiswa.

  • Purposive Sampling: Sampling ini juga dikenal dengan judgement sampling, yang mana peneliti menggunakan pengetahuan dan keahliannya untuk memilih sampel yang dapat memenuhi tujuan dari penelitian. Teknik ini sering digunakan dalam penelitian kualitatif di mana peneliti ingin mendapatkan pengetahuan yang mendetail mengenai sebuah fenomena spesifik dari pada membuat sebuah kesimpulan umum berdasarkan inferensi statistik.

Contoh puposive sampling

Kamu ingin mengetahui pendapat dan pengalaman dari mahasiswa dengan disabilitas di universitasmu, sehingga dengan sengaja kamu memilih beberapa mahasiswa dengan kebutuhan yang berbeda agar kamu dapat mengumpulkan data yang beragam mengenai pengalaman mahasiswa dengan disabilitas terhadap layanan kampus.

  • Snowball sampling: Jika sebuah populasi sulit untuk diakses, snowball sampling merupakan salah satu teknik yang dapat digunakan untuk mengumpulkan partisipan melalui partisipan lainnya. Partisipan di awal akan memberikan rekomendasi tentang siapa individu lain yang memiliki karakteristik yang mirip dengannya sehingga aksesmu terhadap orang-orang tersebut menjadi lebih terbuka.

Contoh snowball sampling

Kamu ingin meneliti mengenai fenomena peminta-minta yang ada di kotamu. Karena tidak ada data yang valid mengenai siapa saja pemulung yang ada di kota, akhirnya kamu memutuskan untuk bertemu dengan salah satu peminta yang akhirnya mengenalkanmu kepada peminta lain.

Ilustrasi perbedaan antara 4 jenis non-random sampling | Sumber: Scribbr – Sampling Methods

b. Random sampling: Individu-individu dalam sebuah sampel dipilih secara acak di luar kendali pihak peneliti. Semua pihak dari sebuah populasi memiliki kesempatan yang sama untuk terpilih menjadi sampel. Teknik ini digunakan dalam penelitian kuantitatif karena kecenderungan teknik ini untuk menghindari bias. Adapun beberapa tipe utama dari random sampling:

  • Simple Random Sampling: Tiap pelaku atau individu dalam populasi dipilih dengan cara diundi, sehinggatiapindividu memiliki kesempatan yang sama untuk terpilih sebagai sampel tanpa mempedulikan faktor lainnya. Maka dari itu, peneliti harus memiliki data dari seluruh individu atau kasus yang ada dalam sebuah populasi. Alat yang dapat kamu gunakan untuk memilih sampel salah satunya adalah random number generators yang banyak tersedia di internet.

Contoh simple random sampling

Kamu ingin mengetahui tingkat kepuasan karyawan terhadap layanan HR dan memutuskan untuk menyurvei 20 karyawan dari sebuah perusahaan yang memiliki 100 orang karyawan. Pertama kamu perlu memberikan nomor urut kepada 100 orang tersebut. Untuk memilih secara acak, kamu dapat menggunakan random number generators untuk menentukan karyawan dengan nomer urut mana saja yang dapat dimasukkan ke dalam slot.

  • Systematic Random Sampling: Teknik ini mirip dengan simple random sampling. Setiap anggota dari populasi juga diberi nomor urut dalam daftar populasi yang dibuat. Alih-alih memilih nomor urut secara acak, individu-individu akan dipilih berdasarkan interval regular.

Contoh systematic random sampling

Kamu ingin mengetahui tingkat kepuasan karyawan terhadap layanan HR dan memutuskan untuk menyurvei 20 karyawan dari sebuah perusahaan yang memiliki 100 orang karyawan. Semua nama karyawan dalam perusahaan dituliskan pada sebuah daftar yang diurutkan berdasarkan abjad (dari A-Z). Dari 5 nomor pertama, kamu memilih nomor secara acak sebagai titik awal: misal kamu pilih nomor 4. Mulai dari nomor 4, kamu berikan interval sebanyak 5 untuk memilih orang berikutnya. Jadi orang-orang yang terpilih sebagai sampel adalah mereka dengan nomor urut 4, 9, 14, 19, 24, 29, …, 99.

  • Stratified Random Sampling: Sampel dipilih dengan terlebih dahulu membagikan populasi ke dalam kelompok-kelompok tertentu (strata), entah itu berdasarkan gender atau tingkat pendidikan atau pembagian usia berdasarkan generasi, yang wajib untuk dipenuhi dalam penelitian. Proporsi sampel dari tiap kelompok strata harus mewakili apa yang ada pada populasi. Sampel dari tiap stratanya dipilih dengan menggunakan metode simple atau systematic random sampling.

Contoh stratified random sampling

Misalkan peneliti menginginkan agar proporsi wanita dan pria pada sampel dicerminkan sesuai dengan perbandingan yang ada pada populasi. Sebagai contoh, dalam sebuah populasi terdapat 12.000 pria dan 8.000 wanita, jika sampel yang diperlukan sebanyak 200 orang, 120 orang pria harus dipilih secara acak dari total 12.000 pria yang ada dalam populasi dan 80 wanita harus dipilih juga secara acak dari 8.000 orang wanita yang ada.

  • Cluster Random Sampling: Sampel dipilih dengan terlebih dahulu membagikan populasi kedalam kelompok-kelompok (cluster), yang tiap cluster-nyadianjurkan untuk memiliki karakteristik yang mirip dengan populasi. Alih-alih mengambil individu secara acak dari tiap kelompok, peneliti diminta untuk memilih semua anggota dalam cluster tersebut. Jika dirasa ukurannya masih terlalu besar, peneliti dapat memilih individu secara acak (entah dengan cara systematic atau simple random sampling) dari tiap cluster-nya. Metode ini cocok digunakan untuk populasi yang besar dan posisinya tersebar. Namun risiko erornya juga lebih besar jika dibandingkan metode stratified mengingat adanya kemungkinan perbedaan karakteristik yang mendasar antar cluster.

Contoh cluster random sampling

Seorang peneliti ingin mengetahui performa akademis siswa yang ada di Yogyakarta. Karena sumber daya terbatas, beliau membagi wilayah berdasarkan 14 kecamatan yang ada. Lalu beliau memilih secara acak 3 dari 14 kecamatan. Peneliti dapat memutuskan untuk meneliti semua siswa yang ada dalam 3 kecamatan tersebut atau dapat memilih untuk meneliti siswa dari beberapa sekolah yang ada di 3 kecamatan tadi secara acak.

Ilustrasi perbedaan antara 4 jenis random sampling | Sumber: Scribbr – Sampling Methods

3.Menentukan Ukuran Sampel

Mengetahui ukuran sampel yang harus didapatkan sangatlah penting. Jika kamu terlalu banyak mengirimkan survei, “biaya” yang kamu habiskan akan mahal dan belum tentu dapat memberikan keuntungan yang lebih besar dibandingkan ukuran sampel yang lebih kecil. Namun jika terlalu sedikit sampel yang kamu ambil juga bisa berakibat pada konklusi yang menyesatkan dan sedikit sekali pengetahuan baru yang bisa didapat. Maka dari itu, mendapatkan ukuran sampel yang pas adalah kunci. Berikut adalah beberapa hal yang perlu kamu ketahui dalam menentukan ukuran sampel:

a. Ukuran populasi: Ini merujuk pada seberapa besar jumlah individu yang karakteristiknya sesuai dengan karakteristik demografi yang telah peneliti tetapkan. Sebagai contoh, jika kamu menginginkan untuk meneliti mengenai tingkat kesejahteraan guru di Surabaya, maka ukuran populasinya adalah total jumlah guru yang ada di wilayah Surabaya.

b. Margin of error (confidence interval): Ini mendeskripsikan mengenai seberapa dekat atau tepat kamu, sebagai peneliti, mengharapkan bahwa hasil dari data survei relatif terhadap nilai sebenarnya dari populasi. Dengan kata lain, ini juga berarti seberapa jauh kamu mengijinkan data dari sampel untuk meleset dari rata-rata populasi.

c. Confidence level: Ini merujuk pada seberapa besar keyakinan sang peliti akan tingkat keakuratan data. Angka ini ditunjukkan dalam bentuk persen. Semakin mendekati 100%, artinya semakin tinggi tingkat kepercayaan peneliti terhadap data. Confidence level sebesar 95% adalah angka yang sering digunakan pada penelitian di bidang sosial. Jika kamu melihat confidence level ini dari sisi risiko, maka pertanyaan yang muncul adalah seberapa besar risiko yang akan peneliti ambil? Semakin sedikit risiko yang kamu ambil maka semakin besar confidence level dari penelitian. Ini akan berakibat pada bertambahnya jumlah sampel yang harus kamu ambil.

d. Standard deviation: Ini adalah ukuran dari persebaran sebuah kelompok data (sampel) dari rata-rata sampel itu sendiri. Ini dapat mengukur variabilitas absolut dari sebuah distribusi. Semakin tinggi dispersi atau variabilitas, semakin besar standar diviasi. Jika kamu menanyakan tiap individu mengenai topik yang cukup luas, meka mungkin kamu akan mendapatkan beragam variasi sebagai respons. Tetapi jika kamu menyurvei sebuah populasi yang memiliki karakteristik mirip, tingkat variabilitas akan semakin kecil dan kamu bisa memperkecil jumlah sampel.

Formula untuk menentukan ukuran sampel:

Confidence level yang kamu tetapkan akan dicerminkan pada Z-score yang merupakan nilai konstan yang diperlukan pada persamaan ini. Berikut adalah nilai dari z-score untuk confidence level yang sering digunakan:

90% Confidence level: Z-score = 1,645

95% Confidence level: Z-score = 1,96

99% Confidence level: Z-score = 2,576

Jika kamu memilih level yang berbeda, maka Z-score dapat kamu cari di berbagai sumber daring.

Comments

  • […] untuk diingat bahwa saat menerapkan statistik inferensial, peneliti harus menerapkan metode pengambilan sampel (sampling method) yang acak (random) dan tak bias (unbiased). Jika sampel yang kamu ambil tidak dapat merepresentasikan populasi yang diteliti, maka kamu tak […]

Add a comment
%d bloggers like this: