week 3 - teknik sampling (2)

1. Populasi dan Sampel

• Populasi: seluruh set individu yang menjadi ketertarikan peneliti.

• Sampel: seperangkat individu yang dipilih dari populasi untuk merepresentasikan populasi.

• Populasi target: kelompok dengan karakteristik spesifik sesuai fokus penelitian.

  • Contoh: semua anak dengan orang tua bercerai; semua remaja dengan bulimia nervosa.

• Populasi yang dapat diakses: bagian dari populasi target yang bisa dijangkau peneliti.

• Sampling: proses memilih individu untuk partisipasi penelitian.

Representasi Sampel

• Sampel representatif: karakteristik sama dengan populasi.

• Sampel bias: karakteristik berbeda dengan populasi (karena bias seleksi/sampling).

• Sampling error: perbedaan antara statistik sampel dan parameter populasi.

Ukuran Sampel

• Semakin besar ukuran sampel → semakin representatif.

• Tidak ada patokan baku → biasanya mengikuti literatur sebelumnya.

2. Jenis Sampling

• Probability sampling (random sampling):

  • Populasi diketahui.

  • Setiap individu punya peluang spesifik untuk dipilih.

  • Seleksi dilakukan secara random, tidak bias.

• Non-probability sampling (non-random sampling):

  • Populasi tidak diketahui dengan pasti.

  • Probabilitas individu terpilih tidak bisa dihitung.

  • Sampel dipilih berdasarkan kemudahan/common sense.

3. Teknik Sampling Probability

Simple Random Sampling

• Semua individu punya peluang sama.

• Dengan pengganti: individu yang sudah dipilih dikembalikan ke populasi.

• Tanpa pengganti: individu yang dipilih tidak dikembalikan.

• Syarat: setiap seleksi setara & independen.

• Contoh salah: mengambil kertas dari posisi tertentu tanpa pengocokan → tidak independen.

Systematic Sampling

• Mendaftarkan semua individu, pilih secara acak partisipan pertama, lalu setiap urutan ke-n.

• Kelemahan: tidak semua partisipan punya peluang sama.

Stratified Random Sampling

• Membagi populasi ke subgroup spesifik, lalu random sampling tiap subgroup dengan jumlah setara.

• Kelebihan: semua subgroup terwakili.

• Kelemahan: perbedaan besar jumlah anggota bisa mendistorsi sampel.

Proportionate Stratified Sampling

• Mengambil sampel sesuai proporsi nyata subgrup dalam populasi.

• Kelebihan: hasil sesuai proporsi populasi.

• Kelemahan: rumit & butuh usaha besar.

Cluster Sampling

• Populasi sudah terbagi dalam kluster alami.

• Peneliti memilih beberapa kluster secara acak, bukan individu satu per satu.

• Efisien untuk sampel besar sekaligus.

Combined Strategy Sampling

• Menggabungkan beberapa teknik.

• Contoh:

  • Populasi: mahasiswa di Tangerang.

  • Stratified: SES tinggi, sedang, rendah.

  • Cluster: mahasiswa manajemen dari universitas tertentu.

Simpulan Probability Sampling

• Cenderung menghasilkan sampel representatif, tapi tidak selalu menjamin.

• Prosesnya lama, mahal, membosankan.

• Cocok untuk populasi kecil/terlokalisasi (sekolah, rumah sakit) atau survei skala besar.

4. Teknik Sampling Non-Probability

Convenience Sampling

• Memilih partisipan yang mudah dijangkau & bersedia.

• Kelemahan: bias seleksi besar.

• Kelebihan: praktis, sering dipakai di penelitian perilaku.

• Bisa dimodifikasi agar lebih representatif (melibatkan semua anggota populasi yang tersedia).

• Contoh: mahasiswa kelas C Metopen Kuantitatif berusia 19–21 tahun.

Quota Sampling

• Identifikasi subgrup → tetapkan kuota → pilih sampel dengan convenience sampling.

• Bisa menyerupai stratified/proportionate stratified sampling.

5. Perbandingan Probability vs Non-Probability Sampling

6. Contoh Soal (Kuis)

1. Matthieu meneliti depresi siswa SMA, daftar semua SMA di Tangerang, pilih SMA acak → Cluster Sampling.

2. Mona meneliti dukungan sosial remaja korban bullying, daftar berdasarkan SES tinggi/menengah/rendah, pilih tiap urutan ke-3 → Systematic Stratified Sampling.

3. Eben meneliti identitas nasional Tionghoa, pilih pria & wanita dari berbagai kelompok usia → Quota Sampling.

4. Dewi meneliti intervensi welas diri untuk stres mahasiswa tingkat akhir FPsi UPH → Convenience Sampling.

7. Simpulan

• Sampel harus merepresentasikan populasi agar hasil bisa digeneralisasi.

• Probability sampling → lebih representatif, tapi sulit & mahal.

• Non-probability sampling → lebih praktis, tapi rawan bias.

• Pilihan teknik sampling tergantung tujuan, sumber daya, dan konteks penelitian.