TL;DR
Teknik sampling kebagi dua kubu. Probability sampling ngasih tiap anggota populasi peluang yang sama buat kepilih, jadi hasilnya bisa digeneralisasi ke populasi. Non-probability sampling milih responden pakai pertimbangan peneliti atau kemudahan akses, jadi hasilnya cuma berlaku buat sampel itu sendiri. Yang nentuin kamu bisa pakai yang mana cuma satu hal: ada atau nggaknya daftar lengkap anggota populasi.
Teknik sampling kebagi dua kubu: probability sampling yang ngasih tiap anggota populasi peluang sama buat kepilih, dan non-probability sampling yang milih responden berdasarkan pertimbangan atau kemudahan akses.
Yang nentuin kamu masuk kubu mana cuma satu pertanyaan. Kamu punya daftar lengkap nama anggota populasinya atau nggak?
Kalau punya, kamu bisa ngundi dan hasilnya bisa digeneralisasi. Kalau nggak punya, kamu masuk kubu kedua dan harus lebih hati-hati pas nulis kesimpulan.
Teknik sampling adalah cara ngambil sebagian anggota populasi buat diteliti, dengan harapan hasilnya nyeritain kondisi populasi keseluruhan. Yang dipilih bukan cuma berapa banyak, tapi juga siapa dan gimana cara milihnya. Jumlah sampel ngurusin presisi, teknik sampling ngurusin apakah sampel kamu miring atau nggak.
Dua hal ini sering ketuker. Sampel 400 orang yang semuanya diambil dari satu grup WhatsApp tetap miring, sebesar apa pun angkanya.
Buat nentuin jumlahnya, pakai tabel Krejcie-Morgan. Artikel ini ngurusin bagian siapa yang diambil.
Probability sampling butuh sampling frame, yaitu daftar lengkap semua anggota populasi. Tanpa daftar itu, kamu nggak bisa mastiin tiap orang punya peluang kepilih. Non-probability sampling nggak butuh daftar, jadi lebih murah dan cepat, tapi kamu kehilangan hak buat bilang hasilnya mewakili populasi.
| Aspek | Probability | Non-probability |
|---|---|---|
| Butuh daftar populasi lengkap | Ya | Nggak |
| Peluang tiap anggota kepilih | Diketahui dan sama | Nggak diketahui |
| Bisa hitung margin error | Bisa | Nggak bisa |
| Boleh digeneralisasi ke populasi | Boleh | Nggak boleh |
| Biaya dan waktu | Lebih mahal | Lebih murah |
| Cocok buat | Penelitian kuantitatif, survei resmi | Studi awal, kualitatif, populasi susah dijangkau |
Baris ketiga yang paling sering dilanggar di skripsi. Banyak yang pakai purposive sampling lalu tetap nulis margin error 5 persen di bab 3. Dua hal itu nggak nyambung.
Semua anggota diundi acak, kayak arisan. Cocok kalau populasinya homogen dan daftarnya rapi. Di spreadsheet, kasih nomor acak ke tiap baris lalu ambil urutan teratas sebanyak sampel yang kamu butuh.
Contoh: 300 karyawan pabrik dikasih nomor 1 sampai 300, lalu 169 nomor diundi.
Ambil tiap kelipatan k dari daftar yang udah diurutin. Nilai k didapat dari populasi dibagi jumlah sampel. Populasi 1.000 dengan sampel 200 berarti ambil tiap orang ke-5, dimulai dari titik acak antara 1 sampai 5.
Hati-hati kalau daftarnya punya pola berulang. Kalau daftar karyawan diurutin per regu 5 orang dengan ketua di urutan pertama, ngambil tiap kelipatan 5 bisa bikin sampel kamu isinya ketua semua.
Populasi dipecah dulu jadi kelompok berdasarkan karakter yang penting buat penelitian, misalnya jenis kelamin, kelas, atau sektor usaha. Baru tiap kelompok diundi proporsional. Idenya mirip segmentation di analisis data.
Ini teknik paling aman kalau populasinya nggak seragam. Kelompok kecil dijamin kebagian jatah.
Yang diundi bukan orangnya, tapi kelompoknya. Misalnya dari 40 sekolah di satu kecamatan, diundi 8 sekolah, lalu semua siswa di 8 sekolah itu diteliti.
Dipakai kalau populasinya kesebar luas secara geografis dan biaya jalan jadi masalah. Tukarannya, hasilnya lebih kasar dibanding simple random dengan jumlah sampel yang sama.
Peneliti milih responden yang dianggap paling tau soal topiknya. Contohnya wawancara 6 kepala dinas soal kebijakan pajak daerah. Kriterianya wajib ditulis eksplisit di bab 3, misalnya minimal 5 tahun menjabat.
Kamu tetapin jatah per kelompok dulu, misalnya 50 pria dan 50 wanita, lalu isi jatahnya dengan siapa pun yang ketemu duluan. Mirip stratified, bedanya pengisian jatahnya nggak diundi.
Siapa pun yang kebetulan ada dan mau ngisi. Kuesioner yang disebar di story Instagram masuk sini. Paling gampang, paling lemah.
Responden pertama diminta ngenalin responden berikutnya. Dipakai buat populasi yang susah dicari daftarnya, misalnya pengrajin batik tulis alami atau mantan pekerja migran.
Semua anggota populasi dipakai. Ini pilihan wajar kalau populasinya di bawah 100 orang, misalnya seluruh karyawan satu UMKM.
Buat ngitung jumlah anggota tiap kelompok di spreadsheet, pakai COUNTIF. Kalau kriterianya lebih dari satu, misalnya sektor plus kota, pakai COUNTIFS.
Ada 420 UMKM binaan di satu kabupaten, kebagi tiga sektor: kuliner 240, kerajinan 120, dan jasa 60. Aku mau survei kepuasan mereka terhadap program pendampingan.
Pakai rumus Krejcie-Morgan, populasi 420 butuh 201 responden.
Dengan stratified proportional, jatahnya dibagi begini:
| Sektor | Populasi | Proporsi | Sampel |
|---|---|---|---|
| Kuliner | 240 | 57,1% | 115 |
| Kerajinan | 120 | 28,6% | 57 |
| Jasa | 60 | 14,3% | 29 |
| Total | 420 | 100% | 201 |
Sekarang bandingin sama simple random sampling. Aku undi 201 dari 420 nama tanpa mecah sektor dulu.
Hasil satu kali undian: kuliner 122, kerajinan 60, jasa 19.
Sektor jasa cuma dapat 19 responden dari 29 yang seharusnya. Buat kelompok itu doang, margin error-nya melar jadi 18,7 persen, bukan 5 persen.
Artinya kalau kamu nulis kesimpulan soal UMKM jasa, angkanya bisa meleset hampir 19 poin ke atas atau ke bawah. Terlalu longgar buat rekomendasi kebijakan.
Ini alasan praktis kenapa stratified layak dipilih tiap kali kelompok terkecil kamu ukurannya di bawah 20 persen populasi.
1. Nulis random padahal accidental. Sebar kuesioner di grup WhatsApp lalu ditulis simple random sampling. Ini yang paling sering ketahuan pas sidang.
2. Ngitung margin error dari sampel non-probability. Rumus margin error berdiri di atas asumsi pengambilan acak. Kalau ngambilnya nggak acak, angkanya jadi hiasan doang.
3. Nggak nulis kriteria purposive. Purposive tanpa kriteria tertulis itu sama aja dengan milih sesuka hati.
4. Sampling frame kedaluwarsa. Daftar anggota koperasi tahun 2021 dipakai buat penelitian 2025. Banyak nama yang udah nggak aktif, dan kualitas data kamu jatuh dari awal.
5. Ngeganti responden yang nggak bisa dihubungi dengan tetangganya. Begitu diganti sembarangan, sifat acaknya ilang. Siapin daftar cadangan yang juga diundi dari awal.
Nggak ada yang paling bagus buat semua kasus. Kalau kamu punya daftar lengkap populasi dan penelitianmu kuantitatif, stratified random sampling biasanya pilihan paling aman karena kelompok kecil tetap kebagian. Kalau daftarnya nggak ada, purposive sampling dengan kriteria yang ditulis jelas lebih jujur daripada maksa nulis random. Yang dinilai penguji itu kesesuaian teknik sama tujuan penelitian.
Boleh, dan sering kepakai di penelitian dengan populasi terbatas kayak manajer atau tenaga ahli. Konsekuensinya, kamu nggak boleh bilang hasilnya mewakili populasi yang lebih luas. Tulis di bagian keterbatasan penelitian kalau generalisasi hasilnya terbatas pada karakteristik responden yang kamu pilih. Kejujuran ini justru bikin skripsimu lebih kuat pas dipertanyakan.
Dua-duanya mecah populasi jadi kelompok dan ngasih jatah per kelompok. Bedanya di cara ngisi jatah. Stratified ngundi anggota di tiap kelompok, jadi masih probability. Quota ngisi jatah dengan siapa pun yang ketemu duluan, jadi masuk non-probability. Kelihatan mirip di tabel bab 3, tapi konsekuensi statistiknya beda jauh.
Pakai snowball kalau anggota populasinya susah diidentifikasi dari luar, misalnya pengidap penyakit tertentu, pekerja informal, atau komunitas tertutup. Kamu mulai dari beberapa orang yang kamu kenal, lalu minta mereka nunjuk kandidat berikutnya. Risikonya, sampel kamu cenderung mirip satu sama lain karena mereka satu lingkaran pertemanan. Catat itu sebagai keterbatasan.
Kalau jumlah populasi nggak diketahui, probability sampling praktis nggak bisa dipakai karena kamu nggak punya daftar buat diundi. Pilihan yang wajar adalah quota atau purposive dengan kriteria ketat, dan pakai patokan 384 responden buat ukuran sampelnya. Yang penting, sebutin dengan terang di metodologi kalau populasinya nggak terhingga dan generalisasinya terbatas.
Dua hal yang perlu kamu bawa. Pertama, ada tidaknya daftar populasi yang nentuin kamu boleh ngundi atau nggak. Kedua, kalau kelompok terkecil di populasimu ukurannya mungil, stratified nyelametin kamu dari kesimpulan yang meleset belasan poin.
Tulis alasan pemilihan tekniknya di bab 3 dalam dua kalimat. Itu yang bikin penguji berhenti nanya.
Lanjut ke pengertian populasi dan sampel menurut para ahli buat sitasi bab 3, atau ke tabel Krejcie-Morgan buat nentuin jumlah respondennya.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Kolom datetime nyimpen tanggal, jam, hari, semuanya nempel jadi satu. Accessor .dt di pandas ngeluarin tiap bagian jadi kolom sendiri buat dianalisa.
Nama toko ketik campur huruf besar-kecil, spasi nyasar di ujung, atau kode produk nempel jadi satu. Accessor .str di pandas ngerapiin semua itu tanpa loop.
Model machine learning cuma ngerti angka, bukan teks kayak merah atau biru. get_dummies ngubah kolom kategori jadi kolom 0/1 dalam satu baris kode.