LANDASAN TEOR
3.3. Teknik Sampling
3.3.2. Nonprobability Sampling
1. Convinience Sampling
Dalam penggunaan nonprobability sampling, pengetahuan, kepercayaan, dan pengalaman seseorang seringkali dijadikan pertimbangan untuk menentukan anggota populasi yang akan dipilih sebagai sampel. Pengambilan sampel dengan memperhatikan faktor-faktor tersebut menyebabkan tidak semua anggota populasi mempunyai kesempatan yang sama untuk dipilih secara acak sebagai sampel.
Terdapat beberapa teknik Nonprobability Sampling, antara lain:
Pengambilan sampel dengan cara ini yaitu dengan cara mengambil anggota populasi yang dianggap sudah mewakili populasi, misalnya akan dilakukan penelitian terhadap mahasiswa tingkat persiapan yang memilliki bubuk A.
6
disini akan diambil sampel dengan cara menutup mata dan kita panggil mahasiswa yang akan ditanyai.
2. Judgement Sampling
Untuk pengambilan sampel dengan cara ini diperlukan tenaga ahli yang akan menentukan anggota populasi yang akan menjadi anggota sampel. Misalnya akan diadakan penelitian tentang penerimaan masyarakat terhadap suatu jenis kosmetika. Para ahli biasanya mengambil segolongan orang yang selalu memakali kosmetika, jadi tidak seluruh penduduk kota akan diambil sebagai pilihan.
3. Quota Sampling
Pada quota sampling, sampel yang diambil adalah sekelompok anggota populasi yang mempunyai karakteristik yang sama, misalnya akan dilakukan penelitian tentang masalah Keluarga Berencana (KB), maka dilakukan pengelompokan golongan penduduk, misalnya penduduk suku Batak, Aceh, Minang, dan sebagainya. Dari tiap golongan diambil dengan cara sebanding dari jumlah keseluruhan.
4. Snowball Sampling
Snowball sampling adalah teknik penentuan sampel yang mula-mula
jumlahnya kecil, kemudian membesar. Ibarat bola salju yang menggelinding lama kelamaan membesar. Dalam penentuan sampel, pertama-tama dipilih satu atau dua orang, kemudian dua orang ini disuruh memilih teman- temannya yang dijadikan sampel. Begitu seterusnya, sehingga jumlah sampel makin banyak.
3.4. ANP (Analytical Network Process)
Analytical Network Process (ANP) adalah Analytic Network Process
adalah metode penilaian multi kriteria untuk strukturisasi keputusan dan analisis yang memiliki kemampuan untuk mengukur konsistensi dari penilaian dan fleksibilitas pada pilihan dalam level subkriteria.7
Saaty (1999) mendefinisikan ANP sebagai metode pengukuran relatif yang digunakan untuk menurunkan rasio prioritas komposit dari skala rasio individu yang mencerminkan pengukuran relatif dari pengaruh elemen-elemen yang saling berinteraksi berkenaan dengan kriteria kontrol.8
7
Isik, Z, Dikmen, I., & Birgonul, M.T. (2007). Using ANP for Performance Measurement in Construction, RICS, Hal.4.
8
Saaty, T. L. (2005). Theory and Applications of the Analytic Network Process. Pittsburgh, PA: RWS Publications, 4922 Ellsworth Avenue, Pittsburgh, PA 15213.
ANP menggunakan jaringan tanpa harus menetapkan level seperti pada hierarki yang digunakan dalam Analytic Hierarchy Process (AHP), yang merupakan titik awal ANP. Konsep utama dalam ANP adalah influence (pengaruh), sementara konsep utama dalam AHP adalah preference (pilihan). AHP dengan asumsi-asumsi dependensinya tentang kluster dan elemen merupakan kasus khusus ANP. ANP merupakan pendekatan baru dalam proses pengambilan keputusan yang memberikan kerangka kerja umum dalam memperlakukan keputusan-keputusan tanpa membuat asumsi-asumsi tentang independensi elemen-elemen pada level yang lebih tinggi dari elemen-elemen pada level yang lebih rendah dan tentang independensi elemen-elemen dalam suatu level (Saaty, 1999).
Perbedaan antara hierarki dan jaringan (network) digambarkan pada Gambar 3.1. dimana hirearki memiliki tujuan (goal) atau titik sumber (source
node) serta kriteria dan sub kriteria atau titik tumpahan (sink node). Bentuknya
berupa struktur linear dari atas ke bawah tanpa adanya timbal balik (feedback) dari level terendah ke level diatasnya. Selain itu, loop hanya terjadi pada pada level terendah. Jaringan (network) menyebar dalam segala arah dan memungkinkan terjadinya pengaruh (influence) dari suatu kluster terhadap cluster lainnya maupun kluster itu sendiri dan timbal balik (feedback) yang membentuk siklus (Saaty, 2004).
Sumber : Saaty, 2004
Gambar 3.1. Perbedaan Hierarki dan Jaringan (Network)
Metode ANP memiliki keuntungsan besar, diantaranya:
a. Dengan ANP, kriteria prioritas dapat ditentukan berdasarkan angka perbandingan berpasangan oleh pembuat keputusan
b. Dengan ANP, pembuat keputusan dapat mempertimbangkan antara faktor
c. ANP dapat mentransformasi nilai kualitatif kedalam nilai angka untuk analisis perbandingan
d. ANP adalah metode yang sederhana bagi pembuat keputusan agar dapat mengerti dengan mudah dan mengaplikasikannya tanpa pengetahuan khusus (Mahmet Kabak dan metin dagdeviren, 2014).
Matriks hasil perbandingan direpresentasikan kedalam bentuk vertikal dan horisontal dan berbentuk matriks yang bersifat stokastik yang disebut sebagai supermatriks. Supermatriks diharapkan dapat menangkap pengaruh dari elemen- elemen pada elemen-elemen lain dalam jaringan (Saaty, 2004). Matriks merupakan suatu kumpulan angka-angka (sering disebut elemen-elemen) yang disusun menurut baris dan kolom sehingga berbentuk empat persegi panjang, dimana panjang dan lebarnya ditunjukkan oleh banyaknya kolom-kolom dan baris-baris. Supermatriks adalah dua dimensional matriks dari elemen terhadap elemen (matriks dari matriks-matriks). Supermatriks dibangun dengan menempatkan kluster dan semua elemen masing-masing kluster dalam urutan secara vertikal di sebelah kiri dan secara horizontal di sebelah atas. Vektor prioritas dari perbandingan berpasangan nampak dalam suatu kolom yang sesuai dari suatu supermatriks (Saaty, 1999).
Supermatriks terdiri dari 3 tahap yaitu :
1. Tahap supermatriks tanpa bobot (unweighted supermatrix)
Merupakan supermatriks yang didirikan dari bobot yang diperoleh dari matriks perbandingan berpasangan.
Merupakan supermatriks yang diperoleh dengan mengalikan semua elemen di dalam komponen dari unweighted supermatrix dengan bobot kluster yang sesuai sehingga setiap kolom pada weighted supermatrix memiliki jumlah 1. Jika kolom pada unweighted supermatrix sudah memiliki jumlah 1, maka tidak perlu membobot komponen tersebut pada weighted supermatrix.
3. Tahap supermatriks batas (limit supermatrix)
Merupakan supermatriks yang diperoleh dengan menaikkan bobot dari
weighted supermatrix. Menaikkan bobot tersebut dengan cara mengalikan
supermatriks itu dengan dirinya sendiri sampai beberapa kali. Ketika bobot pada setiap kolom memiliki nilai yang sama, maka limit matrix telah stabil dan proses perkalian matriks dihentikan.
Hasil akhir perhitungan memberikan bobot prioritas dan sintesis. Prioritas merupakan bobot dari semua elemen dan komponen. Didalam prioritas terdapat bobot limiting dan bobot normalized by kluster. Bobot limiting merupakan bobot yang didapat dari limit supermatrix sedangkan bobot normalized by kluster merupakan pembagian antara bobot limiting elemen dengan jumlah bobot limiting elemen-elemen pada satu komponen. Sintesis merupakan bobot dari alternatif. Didalam sintesis terdapat bobot berupa ideals, raw dan normals. Bobot normals merupakan hasil bobot alternatif seperti terdapat pada bobot normalized by kluster prioritas. Bobot raw merupakan hasil bobot alternatif seperti terdapat pada bobot
limiting prioritas atau limit matrix. Bobot ideals merupakan bobot yang diperoleh
dari pembagian antara bobot normals pada setiap alternatif dengan bobot normals terbesar diantara alternatif-alternatif tersebut.
Adapun langkah-langkah dalam pengerjaan metode ANP yakni9 a. Bangun model permasalahan secara terstruktur
:
Dalam langkah ini hal yang perlu ditekankan adalah pendefinisian masalah yang akan menjadi objek penelitian harus jelas. Kriteria, subkriteria, maupun alternatif dipilih berdasarkan brainstorming atau metode pengumpulan ide lainnya. Selanjutnya membuat kluster-kluster dari kriteria, subkriteria dan alternatif tersebut sehingga membentuk jaringan (Network).
b. Perhitungan matriks berpasangan dan prioritas
Adapun langkah langkah dalam perhitungan matriks berpasangan dan prioritas adalah sebagai berikut:
1. Jumlahkan harga dari semua elemen dalam 1 kolom 2. Bagikan nilai dari setiap elemen dengan harga tersebut
3. Jumlahkan nilai setiap elemen dalam setiap baris dan dibagikan dengan jumlah elemennya. Hal ini disebut dengan prioritas relatif tiap elemen. c. Membangun Supermatriks
Adapun langkah-langkah dalam membangun supermatriks adalah sebagai berikut:
1. Mendapatkan unweight supermatrix dari prioritas setiap elemen 2. Mendapatkan weighted supermatrix.
3. Mendapatkan limiting supermatrix.
4. Menghitung total bobot setiap alternatif dan didapatkanlah peringkat dari masing-masing alternatif yang dibandingkan.
9
3.5. Preference Ranking Organization Method for Enrichment Evaluations