Sampel dan populasi
Populasi adalah kumpulan lengkap individu, kejadian, atau objek yang menunjukkan perilaku dan/atau memiliki karakteristik yang sesuai dengan tujuan peneliti (Elfil & Negida, 2017; Omair, 2014). Di sisi lain, sampel adalah subkelompok yang mewakili populasi dan dipilih menggunakan metode sampling.
Sampel digunakan untuk mempelajari populasi secara keseluruhan ketika tidak mungkin atau tidak praktis untuk mempelajari seluruh populasi. Proses pemilihan sampel dari populasi dikenal sebagai metode sampling yang harus dilakukan secara ketat untuk memastikan kesalahan dan bias minimum serta meningkatkan representativitas maksimum.
Misalkan kita ingin meneliti tentang persepsi mahasiswa terhadap pinjaman online. Karena jumlah populasi yang sangat besar (dalam kasus ini, seluruh mahasiswa), tentu akan sulit untuk meneliti setiap individu. Oleh karena itu, kita perlu merumuskan strategi untuk mengidentifikasi subkelompok yang dapat mewakili persepsi mahasiswa yang merupakan populasi penelitian kita. Subkelompok ini disebut sebagai sampel dan proses pemilihan subkelompok ini disebut sebagai sampling.
Sampling
Sampling adalah proses pemilihan subkelompok yang mewakili populasi (Shorten & Moorley, 2014). Proses ini bertujuan untuk memastikan error dan bias minimum serta meningkatkan representativitas maksimum. Untuk memastikan sampel dapat mewakili populasi, sampel harus memiliki karakteristik yang serupa dengan populasi.
Misalnya, jika kita ingin mempelajari persepsi mahasiswa terhadap pinjaman online, kita harus memastikan bahwa sampel kita mencakup mahasiswa dari semua provinsi, jenis kelamin, ras dan etnis, dan dari semua universitas.
Pemilihan metode sampling tergantung pada pertanyaan penelitian tertentu yang ingin dijawab. Penting untuk menggunakan metode yang akan menghasilkan sampel yang mewakili populasi. Hal ini akan membantu memastikan bahwa hasil studi akurat dan dapat digeneralisasi untuk populasi secara keseluruhan.
Ada dua jenis metode sampling utama: metode sampling probabilitas (probability sampling) dan non-probabilitas (non-probability sampling).
Probability sampling
Probability sampling atau sampling representatif adalah metode pengambilan sampel di mana setiap anggota populasi memiliki kesempatan yang sama untuk dipilih. Ini berarti bahwa sampel mewakili populasi secara keseluruhan.
“With probability samples the chance, or probability, of each case being selected from the population is known and is usually equal for all cases. This means that it is possible to answer research questions and to achieve objectives that require you to estimate statistically the characteristics of the population from the sample. Consequently, probability sampling is often associated with survey and experimental research strategies.” (Saunders et al., 2007)
Beberapa metode sampling probabilitas yang umum digunakan meliputi:
- Simple random sampling: Ini adalah jenis metode sampling probabilitas yang paling dasar. Setiap anggota populasi memiliki kesempatan yang sama untuk dipilih. Ini dapat dilakukan dengan menggunakan generator nomor acak untuk memilih sampel.
- Systematic sampling: Ini mirip dengan simple random sampling, tetapi alih-alih secara acak memilih setiap anggota populasi, kita memilih setiap anggota ke-n. Misalnya, jika kita ingin memilih sampel 100 orang dari populasi 1000, kita akan memilih setiap orang ke-10.
- Stratified random sampling: Jenis sampling ini digunakan ketika populasi dibagi menjadi strata atau kelompok yang berbeda. Misalnya, kita mungkin membagi populasi berdasarkan usia, jenis kelamin, atau tingkat pendapatan. Kemudian, kita akan memilih sampel secara acak dari setiap stratum. Ini memastikan bahwa sampel mewakili kelompok-kelompok yang berbeda dalam populasi.
- Cluster sampling: Jenis sampling ini digunakan ketika populasi dibagi menjadi klaster atau kelompok individu yang serupa. Misalnya, kita mungkin membagi populasi berdasarkan kode pos. Kemudian, kita akan memilih beberapa klaster secara acak dan kemudian menanyakan semua individu di klaster tersebut. Ini adalah cara yang lebih efisien untuk melakukan survei pada populasi besar, tetapi dapat kurang mewakili populasi secara keseluruhan.
Keunggulan dan kekurangan setiap jenis probability sampling
Setiap jenis probability sampling memiliki kelebihan dan kekurangan masing-masing. Berikut adalah tabel yang merangkum definisi singkat, keunggulan dan kekurangan dari setiap jenis probability sampling.
| Metode Sampling | Keunggulan | Kekurangan |
|---|---|---|
| Simple random sampling: Setiap orang dalam populasi memiliki kesempatan yang sama untuk dipilih. | Prosesnya mudah diikuti dan dianggap adil karena setiap orang dapat dipilih. | Dibutuhkan daftar lengkap dan terbaru untuk semua orang dalam populasi. Informasi ini sering tidak tersedia. |
| Systematic sampling: Pemilihan didasarkan pada algoritma sistematis seperti setiap orang kelima atau kesepuluh. | Lebih mudah dilakukan daripada simple random sampling dan cenderung memilih secara merata di seluruh populasi | Proses seleksi dapat mengabaikan karakteristik penting dari populasi berdasarkan penggunaan algoritma sistematis. |
| Stratified random sampling: Sampling melibatkan membagi populasi menjadi kelompok-kelompok kecil yang disebut stratum, yang terbentuk berdasarkan karakteristik bersama dan/atau unik. Sampel acak dari setiap stratum dipilih secara proporsional dengan ukuran stratum di populasi. | Sampel stratified seharusnya lebih mewakili populasi karena mempertimbangkan karakteristik bersama dan/atau unik selama seleksi. Pendekatan ini harus meningkatkan validitas eksternal dan generalisabilitas studi | Sampling stratified tidak berguna ketika populasi tidak bisa dibagi secara menyeluruh menjadi karakteristik yang bersama atau unik. Masalah lain terjadi ketika stratum tidak dapat dibagi menjadi ukuran proporsional yang sesuai. |
| Cluster sampling: Kelompok-kelompok yang terjadi secara alami dipilih sebagai cluster sampling. Misalnya, sekolah tertentu di suatu wilayah dapat dipilih daripada semua sekolah di wilayah tersebut. | Cluster sampling sangat ekonomis dan layak ketika berurusan dengan populasi besar. Selain itu, cluster sampling biasanya menghindari variasi yang berkurang. | Jika kelompok yang terjadi secara alami yang dipilih sebagai cluster memiliki bias, maka populasi mungkin diasumsikan juga memiliki bias tersebut. Penggunaan seleksi daripada probabilitas acak dapat meningkatkan kesalahan. |
Contoh probability sampling
Contoh Simple Random Sampling:
Kita ingin mengetahui pendapat siswa SMA di Jakarta tentang penerapan sistem pembelajaran online selama pandemi COVID-19. Dalam melakukan hal ini, kita dapat melakukan beberapa langkah, seperti:
- Mengumpulkan daftar nama seluruh siswa dari setiap SMA di Jakarta.
- Menggunakan generator nomor acak untuk memilih sampel siswa yang mewakili seluruh populasi.
- Melakukan survei terhadap siswa yang terpilih dan mengumpulkan data tentang pendapat mereka.
- Menganalisis data yang diperoleh dan menghasilkan kesimpulan tentang pendapat siswa SMA di Jakarta tentang penerapan sistem pembelajaran online selama pandemi COVID-19.
Contoh Systematic Sampling:
Kita ingin mengetahui tingkat kepuasan penggunaan layanan e-commerce di Indonesia. Untuk melakukan hal ini, kita dapat melakukan beberapa langkah, seperti:
- Mengumpulkan daftar email dari seluruh pelanggan e-commerce di Indonesia.
- Menggunakan sistematis sampling dimana kita memilih setiap pelanggan ke-10 dalam daftar email sebagai sampel.
- Melakukan survei terhadap pelanggan yang terpilih dan mengumpulkan data tentang tingkat kepuasan mereka terhadap layanan e-commerce yang mereka gunakan.
- Menganalisis data yang diperoleh dan menghasilkan kesimpulan tentang tingkat kepuasan penggunaan layanan e-commerce di Indonesia.
Contoh Stratified Random Sampling:
Kita ingin mengetahui tingkat kepuasan pelanggan di sebuah restoran cepat saji. Kita tahu bahwa pelanggan restoran cepat saji terdiri dari dua kelompok: remaja dan dewasa. Dalam melakukan hal ini, kita dapat melakukan beberapa langkah, seperti:
- Membagi populasi pelanggan menjadi dua kelompok: kelompok remaja dan kelompok dewasa.
- Mengambil sampel acak dari setiap kelompok yang mewakili persentase yang sama dari jumlah total pelanggan.
- Melakukan survei terhadap pelanggan yang terpilih dan mengumpulkan data tentang tingkat kepuasan mereka terhadap restoran cepat saji tersebut.
- Menganalisis data yang diperoleh dan menghasilkan kesimpulan tentang tingkat kepuasan pelanggan di restoran cepat saji.
Contoh Cluster Sampling:
Kita ingin mengetahui tingkat kepuasan pelanggan di sebuah jaringan restoran cepat saji di seluruh Indonesia. Dalam melakukan hal ini, kita dapat melakukan beberapa langkah, seperti:
- Memilih beberapa kota secara acak.
- Menanyakan semua pelanggan di restoran cepat saji di kota tersebut sebagai sampel.
- Melakukan survei terhadap pelanggan yang terpilih dan mengumpulkan data tentang tingkat kepuasan mereka terhadap jaringan restoran cepat saji tersebut di seluruh Indonesia.
- Menganalisis data yang diperoleh dan menghasilkan kesimpulan tentang tingkat kepuasan pelanggan di jaringan restoran cepat saji di seluruh Indonesia.
