LITDIK- 005. POPULASI & SAMPEL PENELITIAN TYO.

(1)

2/16/2012

1

SUBJEK; POPULASI; &

SAMPEL PENELITIAN

Setya Raharja

AP FIP UNY

SETYA RAHARJA AP FIP UNY

SUBYEK PENELITIAN



Sumber data penelitian



Responden penelitian

SETYA RAHARJA AP FIP UNY

POPULASI



Agregat yang terdiri dari semua

observasi yang menjadi minat

peneliti



Keseluruhan subyek penelitian

SETYA RAHARJA AP FIP UNY

SAMPEL



Cuplikan dari populasi; wakil

populasi; contoh



Representatif:

–

menggambarkan karakteristik

populasi

–

Untuk generalisasi



inferensial

(2)

2/16/2012

2

POPULASI

SAMPEL 8

SAMPEL 3 SAMPEL dst.

SAMPEL 2

SAMPEL 7

SAMPEL 6 SAMPEL 1

SAMPEL 4 SAMPEL 5 SAMPEL 9

SETYA RAHARJA AP FIP UNY

METODE PENARIKAN SAMPEL

(TEKNIK SAMPLING)

Proses penarikan sampel:

1. mendefinisikan populasi



karakteristik populasi

2. memilih/menentukan sampel

3. menaksir parameter populasi

berdasarkan pengetahuan yang

diperoleh & harga statistik sampel.

SETYA RAHARJA AP FIP UNY

BERBAGAI TEKNIK

SAMPLING

1. Berpihak (

biased

)

asal nemu (opportunistic/accidental sampling) menurut quota (quota sampling)

bertujuan (purposive sampling)

2. Tidak berpihak (

unbiased

)

rambang sederhana (random sampling) rambang berstrata (stratified sampling) secara sistematik (systematic sampling) menurut daerah/wilayah (cluster sampling)

SETYA RAHARJA AP FIP UNY

TEKNIK BIASED/TIDAK

ADIL/

NON-PROBABILITY

 ASAL NEMU

(OPPORTUNISTIC/ACCIDENTAL

SAMPLING)

–Asal menemukan saja – mana yang ketemu, itulah sampelnya.

 MENURUT QUOTA

(QUOTA SAMPLING)

–Sekedar memenuhi jumlah & cirinya, diperoleh asal nemu

 BERTUJUAN

(PURPOSIVE SAMPLING)

–Berdasar penilaian subjektif peneliti

(3)

2/16/2012

3

TEKNIK UNBIASED/BERKEADILAN/

PROBABILITY: RANDOM = RAMBANG = ACAK

RAMBANG SEDERHANA

(Random sampling)

–Anggota populasi memiliki peluang yang sama untuk menjadi sampel

RAMBANG BERSTRATA

(Stratified random

sampling)

–Proses pengambilan sampel dengan cara membagi suatu populasi ke dalam sejumlah strata

(subpopulasi)

–Kelebihan:

lebih efisien

kesalahan (eror) hanya dalam strata

pemilihan kasus setiap strata lebih tepat & proporsional SETYA RAHARJA AP FIP UNY

TEKNIK UNBIASED/BERKEDALAN/ PROBABILITY: RANDOM = RAMBANG = ACAK

 SECARA SISTEMATIK

(Systematic sampling)

–Penarikan sampel dengan cara terstruktur, biasanya menurut kelipatan tertentu.

–Keuntungan:

hemat waktu kerja

dapat untuk memilih kasus setiap strata

 BERDASARKAN DAERAH

(Cluster sampling)

–Pengambilan sampel menurut wilayah populasi. Sampel diambil dari masing-masing wilayah tsb.

SETYA RAHARJA AP FIP UNY

BERAPA BESAR SAMPEL?

 Makin besar sampel, makin baik !

 Rumus untuk menentukan besar sampel (sederhana), dari Krejcie & Morgan (1970):

 Dimana:

S = besar sampel N = besar populasi P = proporsi populasi kasus

d = 1,96 (derajat akusari dari kesalahan 5% (0,95)

X2_{= harga Kai Kuadrat, db=1, (3,841 taraf signifikansi 95%/0,95).}

Asumsi: Populasi homogen Random sampling

Besar populasi diketahui

(

1

)

(

1

)

1

(

2 2 2

P

X

N

d

P

NP

X

S

SETYA RAHARJA AP FIP UNY

Kapan kita menggunakan sampel,

populasi, subjek penelitian?



Ketika kita akan mengumpulkan data,



Dengan

SAMPEL ……..?



Menggunakan

POPULASI ……?



Menggunakan

SUBJEK ……?

(4)

2/16/2012

4

UNIT ANALISIS



Perorangan



Kelompok



Lembaga/institusi