3. OBJEKTIF
• Dapat memahami konsep populasi dan
persampelan dalam penyelidikan.
• Dapat membuat persampelan rawak daripada
populasi.
4. Definisi Populasi
Populasi – sekumpulan individu yang
mempunyai ciri-ciri yang sama.
A population is a group of individuals that have
the same characteristic(s)
5. Populasi adalah;
satu set individu di mana masalah wujud.
kumpulan individu atau objek yang dicerap.
mesti mempunyai ciri atau sifat yang sama antara
satu sama lain walau pun berbeza dari segi lain.
Populasi bertaburan secara normal dengan
nilai mutlak sebagai min bagi populasi.
Maklumat populasi dikenali sebagai
paramater.
6. Populasi mestilah dilibatkan dalam penyelesaian
masalah dan mesti dikenal pasti dengan teliti
dan tepat.
Populasi merupakan sasaran bagi penyelesaian
masalah, penyelesaian harus melibatkan
keseluruhan individu dalam populasi, tetapi
isunya, terdapat kekangan untuk mendapatkan
maklumat dari seluruh ahli populasi iaitu:
1. Batasan masa, tenaga dan peruntukan.
2. Tidak logik dan tidak rasional mengkaji semua ahli
populasi.
7. Definisi Sampel
Sampel – kumpulan kecil daripada populasi yang
menjadi sasaran penyelidik untuk melakukan
penyelidikan.
Sampel adalah anggaran
Perbezaan antara anggaran sampel dengan populasi
sebenar adalah ‘ralat persampelan’
A sample is a subgroup of the target population that the
researcher plans to study for the purpose of making
generalizations about the target population.
Samples are only estimates.
The difference between the sample estimate and the
true population is the “sampling error.”
8. Bilangan subjek dalam populasi yang sangat besar sehingga tidak
dapat dikenalpasti dengan tepat. Satu sampel daripada populasi
perlu dipilih secara rawak untuk mewakili populasi kajian.
Sampel merupakan sesuatu yang konkrit, yang dapat diukur dan
dikira secara tepat atau dikaji tingkahlaku setiap subjek dalamnya.
Sampel
9. Populations and
Samples
Sample
Target
Population
Sample
Population
- All teachers in high schools in one city
- College students in all community
colleges
- Adult educators in all schools
of education
Sample
- All high school biology teachers
- Students in one community
college
- Adult educators in five schools of
education in the Midwest
10. Persampelan
Persampelan adalah berkaitan
dengan proses memilih sebilangan
subjek daripada sesuatu populasi
untuk dijadikan responden kajian.
Penggunaan sampel yang tidak
sesuai akan mengurangkan
kesahan dan kebolehpercayaan
kajian.
Perancangan persampelan yang
rapi akan dapat;
Memudahkan pengumpulan
data
Mengurangkan ralat pengukuran
Menjimatkan masa dan
perbelanjaan
Maklumat daripada sampel dikenali
sebagai statistik
Persampelan
Rawak
11. Strategi mendapatkan maklumat tentang sesuatu
populasi daripada sampel yang mewakili populasi
tersebut.
merupakan kaedah statistik untuk mendapatkan
maklumat bagi menyelesaikan masalah tanpa
menggunakan seluruh ahli populasi.
Prinsip utama: untuk memperolehi sampel yang benar-
benar mewakili populasi yang dikaji, dan memastikan
sampel yang diambil melalui persampelan tidak
pincang.
Ujian statistik akan dilakukan ke atas sampel dan nilai
ujian statistik ini akan digeneralisasikan kepada nilai
populasi kajian, yang dinamakan sebagai parameter.
Persampelan…
12. A sample may provide you with needed information quickly.
For example, you are a Doctor and a disease has broken
out in a village within your area of jurisdiction, the disease is
contagious and it is killing within hours nobody knows what it
is. You are required to conduct quick tests to help save the
situation. If you try a census of those affected, they may be
long dead when you arrive with your results. In such a case
just a few of those already infected could be used to provide
the required information.
Why Sampling?
The time factor
13. The very large populations
Many populations about which inferences must be made
are quite large. For example, Consider the population of
graduate student. The responsible agency in the
government has to plan for how they will be absorbed into
the different departments and even the private sector. The
employers would like to have specific knowledge about the
student`s plans in order to make compatible plans to
absorb them during the coming year. But the big size of the
population makes it physically impossible to conduct a
census. In such a case, selecting a representative sample
may be the only way to get the information required from
graduate student.
Why Sampling?
14. The partly accessible populations
There are some populations that are so difficult to get
access to that only a sample can be used.
Like a particular study population may be so costly to
reach like the population of planets that only a sample
can be used.
In other cases, a population of some events may be
taking too long to occur that only sample information can
be relied on.
Why Sampling?
15. Tujuan Persampelan dan
Kebaikannya
• Membuat kesimpulan terhadap populasi daripada sampel
dengan menggunakan statistik inferensi.
• Mengurangkan kos, tenaga, dan masa penyelidikan.
Murah untuk mengumpul maklumat daripada sebahagian
individu berbanding keseluruhan populasi. Namun
penyelidik harus berhati-hati supaya sampel benar-benar
mewakili polulasi.
• Membolehkan kajian dilakukan di kawasan atau ruang
penyelidikan yang lebih besar.
• Membenarkan penyelidik mendapatkan maklumat yang
benar-benar dikehendaki apabila pengukuran menyeluruh
ke atas populasi tidak dapat dilakukan.
16. Istilah berkaitan persampelan
Istilah Makna
Populasi
Kerangka
sampel
Sampel
Parameter
Statistik
Ralat
persampelan
Seluruh kumpulan yang dikaji
Satu senarai elemen populasi yang
akan dibuat persampelan
Sebahagian elemen dalam populasi
Nilai yang berkaitan dengan
populasi
Nilai yang berkaitan dengan sampel
Perbezaan antara nilai statistik
dalam sampel kajian dengan nlai
parameter yang sebenar dalam
populasi.
17. Apa yang menyebabkan sampel tidak mewakili
populasinya?
Salah satu sebab yang seringkali berlaku
adalah ralat persampelan
18. BIAS DAN RALAT DALAM
PERSAMPELAN
Sampel dianggap sebagai cermin kepada
populasi dimana ianya diperoleh, walau
bagaimanapun, tidak ada jaminan bahawa
sampel tersebut benar-benar mewakili populasi
dimana ia berasal.
19. Ralat Persampelan
Ketidak tepatan statistik sampel menganggar
parameter populasi ditentukan oleh ralat persampelan.
Ralat persampelan adalah ralat yang berlaku apabila
sampel digunakan untuk membuat inferens terhadap
populasi.
Ralat persampelan merupakan perbezaan atau variasi
antara min bagi sampel yang dirawak dengan min
populasi yang bertaburan secara normal.
Semakin besar nilai sisihan piawai (sd) sampel,
semakin besar ralat persampelan yang wujud.
Semakin besar saiz sampel, semakin kecil ralat
persampelan.
20. Ralat persampelan berfungsi secara langsung dengan
saiz sampel dan sisihan piawai populasi.
Sekiranya saiz sampel tetap, ralat persampelan akan
meningkat jika sisihan piawai populasi bertambah besar
dan sebaliknya.
Semakin saiz sampel (n) meningkat atau menghampiri
N, semakin ralat persampelan menurun, kerana apabila
n meningkat, sisihan piawai populasi menurun.
Saiz sampel n yang kecil lebih terdedah kepada ralat
persampelan berbanding dengan n yang besar.
Oleh itu, matlamat persampelan adalah untuk
mengurangkan ralat persampelan dan ralat persampelan
boleh dikurangkan dengan menambahkan n.
Ralat Persampelan…
21. variasi pada nilai-nilai individu dalam satu populasi
dengan min populasi menyumbang kepada variasi pada
min sampel rawak dengan min populasi.
Variasi pada nilai individu dalam sampel daripada min
sampel menyumbang kepada variasi pada min-min
sampel dengan min populasi.
Jika min sampel sama dengan min populasi, maka ralat
persampelan adalah sifar (jika maklumat diperolehi
daripada populasi).
Ralat Persampelan…
23. Ralat berlaku disebabkan oleh nasib tidak baik. Terdapat
unit/individu yang unusual dalam sesuatu populasi wujud
dan terpilih.
Contoh: penyelidik memilih sekumpulan murid secara
rawak bagi kajian untuk melihat pencapaian mereka
berdasarkan status sosio-ekonomi. Terdapat seorang
murid yang mendapat pencapaian tertinggi dan seorang
lagi murid mendapat pencapaian yang sangat rendah.
Oleh itu, min skor bagi markah pencapaian keseluruhan
adalah terjejas.
Langkah bagi mengelakkan perkara ini berlaku adalah
dengan mengunakan sampel yang bersaiz besar.
1. Peluang
24. Sampling bias adalah kecenderungan untuk memilih
sampel yang mempunyai ciri-ciri tertentu. Sampling bias
biasanya adalah hasil daripada perancangan
persampelan yang lemah.
Contoh: Kajian dilakukan untuk melihat tahap tekanan
dalam kalangan pelajar universiti. Soal selidik secara
pos sebanyak 100 sampul dihantar secara rawak
kepada pelajar yang terpilih. Sebanyak 52 sampul
sahaja yang dikembalikan, dan keputusannya adalah
pelajar tidak mengalami sebarang tekanan pada masa
tersebut. Namun sebenarnya masa tersebut pelajar
sedang mengalami tekanan disebabkan minggu
peperiksaan, kecuali pelajar tahun akhir yang sedang
menulis tesis mereka.
2. Sampling Bias
25. n perlu ditambah jika:
lebih banyak pembolehubah yang mempengaruhi
pembolehubah bersandar.
apabila terdapat kumpulan-kumpulan yang perlu
dipecahkan lagi.
jika kadar pengguguran subjek yang tinggi.
jika pengukuran pembolehubah bersandar mempunyai
kebolehpercayaan yang rendah (nilai alfa Cronbach yang
rendah)
jika analisis data melibatkan perbandingan antara
kumpulan.
jika ingin meningkatkan ketepatan dalam memerihal dan
mentakbir populasi.
Jika varians populasi besar.
Rules of thumb
27. SAMPLE SIZE
Sebelum menentukan berapa saiz sampel yang perlu,
anda perlu menentukan populasi terlebih dahulu.
Contoh: Populasi adalah semua kanak-kanak di bawah 3 tahun
dalam sebuah daerah. Kemudian, tentukan kerangklan sampel
yang mana menyenaraikan semua kanak-kanak di bawah 3 tahun
yang direkodkan oleh Jabatan Pendaftaran Negara.
Berapa besar saiz sampel anda? Saiz sampel ditentukan
oleh banyak faktor..
Contoh: peruntukan boleh menentukan saiz sampel. Apabila
peruntukan telah ditetapkan, gunakan separuh daripadanya untuk
pengumpulan data, separuh lagi untuk analisis data. Perkara ini
juga menentukan saiz sesatu saple dan juga kaedah pengumpulan
data.
28. Untuk Kajian Tinjauan
For correlational studies, a minimum of 30
tested.
Untuk kajian Eksperimen
Memerlukan sekurang-kurangnya 30 peserta bagi setiap kumpulan
Generalisasi ini adalah berasaskan kepada Krejie dan Morgan (1970) Sila
rujuk artikel berkaitan untuk keterangan yang lebih lanjut.
200 individu
Lebih kurang 400
Lebih 1,000
Populasi besar 5,000 atau lebih
Pilih semua populasi (census
sampling)
Kira-kira 50%
Kira-kira 20%
350 – 500 biasanya mencukupi
29. Formula Pengiraan Saiz Sampel
Cochran (1977)
no
no =
(1 + n0/N)
(t2) (p) (q)
no =
d2
(1.962) (0.5) (0.5)
no =
0.052
no = 384.16
t = 1.96 – nilai t untuk α = 0.05 dan populasi N ≥ 60 (Barlet,
2001)
p dan q = 0.5 – nisbah maksimum yang mungkin
menghasilkan saiz sampel yang maksimum
d – margin kesilapan yanmg boleh diterima bagi bahagian
yang dianggarkan = 0.05
Contoh N = 279, maka: no
n =
(1 + no/N)
384.16
n =
(1 + 384.16/279)
384.16
n = = 161.41
2.38
Saiz sampel yang diperlukan adalah 161
30. Krejcie & Morgan (1970)
X2NP(1 – P)
s =
d2(N-1)+(x2P(1-P)
s = saiz sampel yang diperlukan
N = saiz populasi yang dikenalpasti
P = perkadaran populasi diandaikan 0.5 kerana magnitud ini akan menghasilkan
saiz sampel yang maksimum.
d = darjah ketepatan yang maksimum (0.05)
x2 = nilai khi kuasa dua daripada jadual pada darjah kebebasan 1 iaitu 3.841
Contoh N = 279
maka: 3.841(279)(0.5)(1-0.5)
s =
(0.05)2(279-1)+3.841(0.5)(1-0.5)
3.841(279)(0.5)(0.5) 268
s = = = 161.45 = 161
(0.0025)(278)+1.9205(0.5) 1.66
Saiz sampel yang diperlukan adalah 161
32. Kerangka Persampelan/Sampling
Frame
Senarai populasi yang diperoleh dimana sampel
akan dipilih daripadanya.
Contoh: jika tinjauan melalui telefon digunakan,
nama responden akan dipilih daripada buku
panduan telefon.
33. Jenis-jenis Persampelan
1. Persampelan tidak kebarangkalian
Pemilihan responden disebabkan oleh mereka
mudah diperoleh, senang ditemui atau mewakili
sesuatu ciri yang perlu dikaji oleh penyelidik.
2. Persampelan kebarangkalian
Pemilihan individu daripada populasi yang dapat
mewakili populasi tersebut.
34. Jenis Persampelan
Strategi Persampelan
Kebarangkalian Tidak Kebarangkalian
Persampelan Persampelan Persampelan Persampelan
Rawak Rawak Rawak Rawak
Mudah Sistematik Berkelompok Berlapis
Persampelan Persampelan
Senang Snowball
35. Persampelan Kebarangkalian
1. Persampelan rawak mudah (simple random
sampling)
2. Persampelan rawak berlapis (stratified
random sampling)
3. Persampelan berkelompok (Cluster
sampling)
4. Persampelan rawak bersistematik
(Systematic random sampling)
36. Memilih sampel daripada populasi yang mana
setiap individu daripada populasi tersebut
mempunyai peluang yang sama untuk dipilih.
Apakah Rawak?
37. Persampelan Rawak
Mudah
Setiap individu dalam populasi mempunyai
peluang yang sama untuk dipilih.
Rawak mudah bebas daripada sampling bias.
Penggunaan Jadual Nombor Rawak.
38. Prosedur Persampelan Rawak
Mudah
1. Sediakan senarai subjek populasi.
2. Labelkan subjek mengikut angka.
3. Pilih subjek secara rawak dengan
menggunakan Jadual Nombor Rawak.
41. Persampelan Rawak Berlapis
Digunakan untuk populasi yang tidak seragam.
- contoh: mengkaji komitmen guru mengikut kelulusan akademik.
Tidak boleh mengguna sampel rawak mudah kerana tidak adil jika satu
golongan tidak diwakili mengikut bilangan dalam populasi.
Boleh mengurangkan ralat persampelan iaitu dengan mengurangkan
varians bagi anggaran sampel.
Semakin seragam keadaan dalam lapisan, semakin kecil varians
anggaran sampel.
Diperoleh dengan memilih sampel rawak mudah daripada
lapisan(strata) yang berlainan daripada strata dalam populasi.
Strata dalam populasi mempunyai ciri tertentu seperti gender,
pemilihan dilakukan bagi setiap strata.
Populasi boleh dibahagikan kepada kumpulan berlainan seperti
berdasarkan kepada sesetengah ciri atau pembolehubah seperti
pendapatan.
43. Saiz sampel bagi bangsa
Melayu Cina India
50
Saiz sub sampel
30
20
Langkah-langkah memilih sampel berlapis/strata:
1. Tentukan saiz sub sampel yang diperlukan setiap sub populasi
2. Sediakan senarai subjek untuk setiap sub populasi
3. Gunakan prosedur persampelan rawak mudah untuk memilih
subjek.
44. Contoh – dua lapisan (strata)
Semua
Siswa
Lapisan 1
- Tahun
Tahun 1
Tahun 2
Tahun 3
Tahun 4
Lapisan 2 -
jantina
lelaki
Perempuan
Saiz sub-sampel
10
10
Sampel berlapis diperoleh dengan memilih lapisan daripada
populasi berdasarkan kepada persampelan rawak mudah.
Sampel mewakili bagi setiap lapisan secara konsensus
daripada lapisan yang dipilih.
45. Persampelan Kelompok (Cluster)
Digunakan jika rawak mudah dan rawak mudah berlapis
tidak dapat dilakukan, disebabkan oleh ketiadaan
rangka persampelan.
Pengambilan sampel bila unit persampelan bukan lagi
unsur daripada populasi tetapi unsur daripada kelompok
populasi.
Bilangan kelompok ditentukan mengikut negeri, daerah
atau mukim yang boleh dibuat secara rawak mudah.
Menggunakan setiap unsur dalam kelompok dan pilih
secara rawak.
46. Persampelan Sistematik
Memerlukan rangka persampelan
Cara: pilih satu unit sampel secara rawak daripada unsur
pertama di rangka persampelan.
Memilih setiap “nth” individu atau lokasi dalam populasi
sehingga saiz sampel yang dikehendaki tercapai.
Pengumpulan data yang diringkaskan dengan memilih
setiap unit ke 10 atau ke 100 selepas unit pertama
ditentukan secara rawak.
Kelemahan: penentuan sampel selepas sampel pertama
tidak lagi dibuat secara rawak, oleh itu bercanggah
dengan prinsip rawak dan tidak digalakkan kecuali reka
bentuk lain tidak dapat dilakukan.
Faedah: persampelan mudah dilakukan dan murah
47. Contoh :
Terdapat 100 murid dalam sebuah kelas. Anda
memerlukan 20 murid sebagai sampel daripada
kerangka sampel (senarai pendaftaran yang telah
disusun mengikut abjad). Sekiranya anda memilih untuk
menggunakan persampelan sistematik, bahagikan 100
dengan 20, anda mendapat 5. Pilih secara rawak
nombor mana-mana nombor antara 1 hingga 5. Katakan
anda memilih nombor 4. Ini adalah nombor permulaan
anda. Mulai nombor ini anda akan memilih setiap
nombor yang ke 5, sehingga senarai terakhir. Anda
akhirnya akan mendapat sampel sebanyak 20 orang
murid.
48. Persampelan Tidak Kebarangkalian
1. Persampelan secara berkebetulan
2. Persampelan kuota
3. Persampelan kes kritikal
4. Persampelan Bertujuan (purposive)
5. Persampelan ‘convenience’
49. Persampelan Bertujuan
(Purposive)
Sampel dipilih berdasarkan pengetahuan
atau pengalaman lepas dan sebab-sebab
untuk memilih sampel.
Buat pertimbangan tentang kesesuaian
kumpulan
contoh: kaji pelajar mengikut pencapaian
50. Snowball or chain
sampling
This particular one identifies, cases of interest from
people who know people who know what cases are
information rich, that is good examples for study, good
interview subjects.
The researcher asks participants to identify other
participants to become members of the sample.
This is commonly used in studies that may be looking at
issues like the homeless households. What you do is to
get hold of one and he/she will tell you where the others
are or can be found. When you find those others they will
tell you where you can get more others and the chain
continues.
51. Criterion sampling
Here, you set a criteria and pick all cases that
meet that criteria for example, all ladies six
feet tall, all white cars, all farmers that have
planted onions. This method of sampling is
very strong in quality assurance.
52. A convenience sample results when the more
convenient elementary units are chosen from a
population for observation.
Participants are selected because they are willing
and available to be studied.
Pincang, tidak digalakkan, tidak boleh digunakan
untuk mentakbir populasi.
Jika terpaksa guna, perlu beri penjelasan tentang
latar belakang atau ciri tersendiri bagi kumpulan
yang dikaji.
Kajian perlu diulang.
Persampelan Senang
(The convenient sample )
