Dokumen ini membahas pentingnya teknik sampling untuk menggeneralisasi hasil dari sampel ke populasi yang lebih besar, mempertimbangkan keterbatasan peneliti seperti biaya dan waktu. Berbagai teknik sampling, seperti simple random sampling, stratified random sampling, dan purposive sampling, dijelaskan sesuai dengan karakteristik populasi serta tujuan penelitian. Ukuran sampel berperan dalam mengurangi kesalahan dan meningkatkan representativitas hasil.

1. TEKNIK SAMPLING

2. Mengapa perlu sample ? Populasi yang besar Pertimbangan keterbatasan peneliti, seperti biaya, waktu, tenaga Perlu sampel yang representatif (benar-benar bisa mewakili populasi); sehingga hasil di sampel bisa digeneralisasikan untuk populasi. Perlu teknik sampling (pengambilan sampel)

3. Besar sampel, dengan rumus Gambaran populasi akurat Dimaksudkan untuk Generalisasi Sampel representatif Menggunakan konsep peluang Analisis, Inferensial (dg uji statistika) Besar sampel, tanpa rumus Gambaran populasi kasar Tidak dimaksudkan untuk Generalisasi Sampel tdk representatif Tanpa menggunakan konsep peluang Analisis, deskriptif (tanpa uji statistika) Probability Sampling Non Probability Sampling

4. Teknik Sampling Probability Sampling NonProbability Sampling Simple random sampling Proportinate stratified random sampling Disproportianate stratified random sampling Cluster random sampling Systematic sampling Quota sampling accidental sampling Purposive sampling Snowball sampling Sensus

5. Simple Random Sampling Untuk populasi yang relatif homogen Mudah dikerjakan Harus ada daftar semua unit Jika sampel menyebar, biaya besar

6. Stratified Random Sampling Populasi relatif heterogen Membutuhkan data yang lebih terinci tentang : - Kriteria pembagian strata - Informasi dasar dari strata Ciri-ciri populasi dapat terwakili Waktu dan biaya besar (sampel mungkin menyebar)

7. Cluster Random Sampling Untuk populasi yang relatif heterogen Tidak perlu daftar semua unit sampel Biaya lebih murah, penyebaran unit populasi dapat ditekan

8. Systematic Sampling Lebih efisien dibanding simple random sampling N populasi tidak pasti (diperkirakan) Sampel tersebar secara uniform

9. Sampling Kuota (Quota Sampling) Memperhitungkan karakteristik di populasi Dasar kuota : umur, sex, pendidikan, letak geografis, dll

10. Sampling Aksidental (Accidental Sampling) Pengambilan sampel yang sudah tersedia dihadapan peneliti Jumlah sampel cukup menurut peneliti

11. Sampling Purposif (Purposive Sampling) Berdasarkan asumsi / pertimbangan / tujuan tertentu (memerlukan dasar yang obyektif untuk membuat ketetapan)

12. Snowball Sampling Sampel awal kecil Bergerak tambah besar sesuai dng informasi dari informasi sampel sebelumnya Dianggap cukup jika sudah tidak ada informasi baru.

13. Sensus Semua anggota populasi dijadikan sampel

14. Ukuran sample ? Jumlah sampel makin besar (makin mendekatai populasi); peluang kesalahan makin kecil Gunakan Tabel Krecjie atau Nomogram Harry King (lihat : Sugiyanto, Statistika utk Penelitian )