cara menentukan sampel

1. BAB 3
TEKNIK PENGAMBILAN SAMPEL
3.1 Mengapa kita melakukan pengambilan contoh ?
Ide dasar pengambilan contoh adalah bahwa beberapa elemen atau anggota dalam
suatu populasi bisa menyediakan informasi yang bermanfaat untuk menyimpulkan
karakteristik populasi secara keseluruhan. Elemen tersebut merupakan subyek pengukuran
yang dilakukan dalam penelitian atau disebut juga satuan pengamatan. Sebagai contoh,
setiap pekerja yang ditanyai mengenai jadwal kerja merupakan elemen populasi. Populasi
itu sendiri adalah kumpulan seluruh elemen dimana seorang peneliti akan melakukan
kesimpulan mengenai variabel tertentu terhadap populasi tersebut.
Secara sederhana, pengambilan contoh adalah pengambilan sebagai elemen dari
populasi untuk diamati atau diteliti. Tetapi jika pengamatan atau penelititan dilakukan
terhadap seluruh elemen atau anggota populasi maka kegiatan tersebut mempunyai istilah
khusus, yaitu sensus. Keuntungan ekonomis pengambilan sebagian elemen tersebut
dibandingkan sensus adalah sangat besar, dan hal ini merupakan salah satu faktor penting
yang menjadi pertimbangan mengapa kita melakukan pengmabilan contoh tersebut. Kita
tidak perlu mengeluarkan biaya yang sangat besar dengan melakukan sensus terhadap
seluruh karyawan di Jakarta jika dengan mengamati sebagian kecil tenaga kerja saja kita
bisa memperoleh informasi yang bisa digunakan untuk menyimpulkan suatu karakteristik
tenaga kerja keseluruhan. Misalkan untuk mengetahui motivasi kerja di suatu perusahaan
yang mempunyai tenaga kerja sebanyak 1000 orang, kita bisa melakukan survai hanya
kepada 100 orang diantaranya. Atau jejak pendapat di kalangan profesional dapat
dilakukan kepada sebagaian saja diantaranya.
Deming (1960) di dalam Emory dan Cooper (1992) menyatakan bahwa kualitas
penelitian sering lebih baik dibandingkan dengan melakukan sensus. Dengan pengambilan
contoh kita bisa melakukan investigasi yang lebih lengkap, pengawasan dan pengolahan
data yang lebih baik. Hal ini ditunjukkan dengan hasil penelitian bahwa 90 persen galat
(error) penelitian disebabkan oleh kesalahan non sampling dan hanya 10 persen yang
disebakan kesalahan sampling.
Pengambilan contoh juga bisa menyediakan informasi secara cepat dibandingkan
sensus. Kecepatan ini bisa meminimalkan waktu antara kebutuhan akan suatu informasi
dengan ketersediaan informasi tersebut. Sebagai gambaran, sensus penduduk di Indonesia
mungkin memerlukan beberapa tahun sebelum diperoleh data lengkap yang kemungkinan
besar sudah tidak relevan lagi untuk variabel-variabel tertentu, misalnya tingkat
pendapatan. Pengambilan contoh juga mutlak diperlukan jika populasi sasarannya bersifat
tak terhingga, misalnya, penelitian terhadap kualitas barang yang terus diproduksi atau uji
kualitas lingkungan sepanjang waktu.
Masalah utama mengenai pengambilan contoh ini adalah seberapa jauh
keterwakilan contoh tersebut terhadap populasi sasarannya. Hasil pengolahan dari sampel,
disebut statistik, bisa salah dalam menduga nilai pupulasi yang disebut parameter. Hasil
pengolahan dari sampel tersebut bisa terlalu kecil (underestimate) atau terlalu besar (over
estimate) dari nilai parameter yang sesungguhnya. Keragaman nilai-nilai statistik tersebut

2. Metode PI Ekonomi: Pengambilan Sampel
18
cenderung terjadi kompensasi satu sama lain sehingga nilai statistik tersebut secara umum
mendekati nilai parameter. Masalah ini terkait dengan berapa jumlah elemen dalam sampel
yang cukup mewakili dan bagaiman cara pengambilan contohnya. Sedangkan penjelasan
teoritis mengenai keterwakilan ini adalah prinsip peluang (probability) dan distribusi
sampling.
3.2 Sampel yang baik
Penilaian suatu rancangan penarikan contoh yang terpenting adalah seberapa
baikkah sampel tersebut mewakili karaktaristik populasinya. Dalam istilah yang lebih
terukur, suatu sampel harus bersifat valid. Validitas sampel ini tergantung dua faktor,
yaitu ketepatan (accuracy) dan ketelitian (precision).
x x
x x x x
x x x
x x x x
x x
x x x x x
x x x x
x x x x
x
xx
xxxx
xxx xx
xxxx
xxx
Akurasi rendah
Presisi rendah
Akurasi tinggi
Presisi rendah
Akurasi rendah
Presisi tinggi
Akurasi tinggi
Presisi tinggi
Sasaran
(nilai parameter)
Gambar 4. Akurasi dan presisi pengambilan sampel

3. Metode PI Ekonomi: Pengambilan Sampel
19
3.3 Pengertian-Pengertian dalam Penarikan Sampel
Pengertian dan prinsip dasar dalam proses pengambilan sampel perlu dibahas
terlebih dahulu, terutama mengenai beberapa terminologi dan teori peluang dan
distribusinya. Beberapa pengertian tersebut adalah sebegai berikut:
Populasi
Populasi adalah keseluruhan obyek psikologis yang dibatasi kriteria-kriteria
tertentu. Obyek psikologis bisa merupakan obyek yang bisa diraba atau konkret (tangible)
maupun obyek abstrak (intangible). Misalnya, barang-barang manufakturing dan fisik
orang merupakan contoh obyek yang bersifat konkret, sedangkan motivasi kerja, kesadaran
hukum, atau kredibilitas seorang pemimpin merupakan contoh-contoh obyek yang bersifat
abstrak. Dalam ilmu sosial, misalnya bisnis atau manajemen, obyek psikologis yang sering
diteliti relatif lebih banyak bersifat abstrak.
Banyak obyek psikologis dalam populasi disebut ukuran populasi (population sample)
yang biasanya dilambangkan dengan N. Ukuran populasi ini besarnya bisa terhitung
(countable) maupun tidak terhitung (uncountable). Apabila ukuran populasi berapapun
besarnya tapi masih bisa dihitung maka populasi tersebut dinamakan populasi terhingga
(finite population) sedangkan jika tidak bisa dihitung disebut populasi tak hingga (infinite
population). Contohnya, himpunan bilangan merupakan populasi tak hingga sedangkan
orang merupakan populasi hingga. Dalam penelitian ilmu sosial, populasi yang dihadapi
adalah populasi hingga, misalnya perusahaan-perusahaan dalam suatu wilayah tertentu,
para konsumen, karyawan, barang dan jasa yang ditawarkan, dan lain-lain.
Seorang peneliti pada langkah pertama strateginya harus menentukan secara tegas
dan jelas populasi yang menjadi sasaran penelitiannya. Identifikasi populasi ini
menyangkut penjelasan atau batasan kriteria yang digunakan salam populasi tersebut.
Populasi sasaran adalah populasi yang nantinya akan menjadi cakupan kesimpulan
penelitian. Jadi apabila dalam sebuah hasil penelitian dikeluarkan kesimpulan maka
menurut etika penelitian, kesimpulan tersebut hanya terbatas pada populasi sasaran yang
telah ditentukan. Beberapa contoh populasi sasaran yang dengan tegas didefinisikan dalam
sebuah penelitan adalah sebagai berikut:
1. Populasi karyawan yang akan diteliliti dengan kriteria (1) karyawan tetap yang telah
bekerja selama minimal satu tahun, (20) berusia antara 17 sampai 55 tahun, dan (3)
bekerja di perusahaan berbadan hukum yang lokasi prabriknya di wilayah Jabotabek
2. Populasi keluarga dengan kriteria (1) termasuk kelompok prasejahtera, yang harus
didefinisikan secara tegas, misal berdasarkan definisi dari departemen sosial atau
BKKBN dan (2) mempunyai tempat tinggal atau identitas di wilayah DKI Jakarta
3. Populasi konsumen dengan kriteria (1) Wanita berumur 17 sampai 25 tahun, (3) belum
berkeluarga, (3) mempunyai pendidikan formal minimal SMU, dan (4) tempat tinggal di
wilayah propinsi Jawa Barat.
Satuan Sampling
Sampling adalah proses memilih obyek psikologis dari sebuah populasi tertentu.
Segala sesuatu yang oleh peneliti dijadikan kesatuan (unit) yang nantinya akan menjadi

4. Metode PI Ekonomi: Pengambilan Sampel
20
obyek pemilihan tersebut disebut satuan sampling (sampling unit). Satuan sampling
bentuknya bisa individu yang berdiri sendiri atau kumpulan individu. Misalnya, seorang
konsumen, karyawan, keluarga, perusahaan, desa atau kelurahan, kota besar, dan
sebagainya.
Kerangka Sampling (Sampling frame)
Kerangka sampling adalah suatu daftar yang memuat semua seluruh anggota
populasi yang telah ditentukan secara tegas satuan-satuannya. Daftar tersebut meliputi
nomor urut (yang sangat diperlukan untuk proses pemilihan anggota sampel), nama atau
identitas setiap satuan sampling, atau atribut lainyya. Kerangka sampling bisa berbentuk
daftar perusahaan yang tercatat di Departemen Perindustria, daftar mahasiswa yang tercatat
di sebuah perguruan tinggi, daftar karyawan tetap di sebuah perusahaan, dan sebagainya.
Contoh bentuk kerangka sampling dengan satuan samplingnya adalah mahasiswa sebuah
perguruan tinggi disajikan pada data editor SPSS adalah sebagai berikut:
SPSS
Penjelasan :
Kita akan membuat kerangka sampling yang memuat seluruh
peserta kursus riset bisnis dengan menggunakan Data Editor pada
SPSS. Kerangka sampling ini akan digunakan selanjutnya pada
proses pemilihan beberapa satuan pengamatan dengan teknik
sampling tertentu dan memanfaatkan fasilitas program SPSS
Menu : Data Define
Kita akan mendefinisikan 4 variabel, yaitu nomor, nama, jurusan,
dan tingkat. Ketikkan nama variabel tersebut pada Variable name
dan klik Type lalu pilih String. Klik continue atau OK lalu
mulailah mengetikan datanya pada data editor.
File Save
Gunakan menu ini jika semua data sudah dimasukkan dan
simpanlah kerangka sampling tersebut dengan nama Frame.sav
Tampilan Data editor :
Nomor Nama Jurusan Tingkat
01 Pak A Akuntansi 3
02 Pak B Manajemen 4
…. ……… …
…. ……… …
N ……… …. …………………
………………

5. Metode PI Ekonomi: Pengambilan Sampel
21
Tipe-Tipe Sampling
Proses memilih satuan sampling dari sebuah populasi, atau disebut sampling, bisa
dikelompokkan ke dalam beberapa tipe, yaitu:
1. Berdasarkan aspek cara memilih dibagi menjadi (a) sampling dengan pengembalian dan
(b) sampling tanpa pengembalian. Sampling dengan pengembalian apabila dalam proses
pemilihannya, satuan sampling yang sudah terpilih dikembalikan lagi ke dalam populasi
sebelum pemilihan berikutnya sehingga ada kemungkinan terpilih lebih dari sekali.
Sampling tanpa pengembalian apabila satuan sampling yang sudah terpilih tidak
dikembalikan ke populasi sehingga tidak mungkin terpilih lebih dari sekali. Dalam
prakteknya, yang paling digunakan tipe sampling tanpa pengembalian inilah yang
digunakan
2. Berdasarkan aspek peluang pemilihannya, sampling dikelompokkan menjadi dua tipe
yaitu (a) sampling non peluang atau non probability sampling dan (b) sampling peluang
atau probability sampling/random sampling. Sampling dikatakan sampling non peluang
jika dalam proses memilih satuan-satuan sampling tidak dilibatkan unsur peluang.
Proses ini sangat sederhana dan tidak rumit tetapi mempunyai kerugian relatif besar
yaitu tidak bisa dilakukan uji signifikansinya, artinya analisis inferensial secara statistik
tidak valid. Sedangkan sampling peluang adalah sampling yang dalam proses pemilihan
satuan-satuan samplingnya didasarkan pada unsur peluang sedemikian hingga peluang
setiap satuan sampling untuk terpilih diketahui besarnya.
3.4 Prinsip Dasar Sampling
Prinsip dasar pengambilan sampel dari sebuah populasi yang bersifat probabilistik
mencakup konsep peluang dan distribusi peluang, pendugaan parameter populasi oleh
statistik sampel, serta standar error pendugaannya. Untuk memahami semua prinsip
tersebut, kita lihat ilustrisi berikut. Misalnya diketahui sebuah populasi dengan ukuran
N=5 dengan satuan sampling lengkapnya adalah A, B, C, D, dan E. Variabel yang diukur
dari setiap satuan sampling tersebut adalah X dengan nilai-nilai X untuk setiap satuan
sampling dapat dilihat pada Gambar 5 berikut.
Misalnya kita akan mengambil contoh dengan ukuran sampel n=2 yang diambil dari
populasi tersebut. Peluang masing-masing satuan sampling untuk terpilih ke dalam sampel
adalah sebesar 1/5. Sedangkan banyaknya kemungkinan sampel yang bisa dibentuk adalah
sebanyak 10 atau dengan rumus N!/(n!x(N-n)!). Tapi ingat, kita hanya bekerja dengan satu
sampel saja atau kita tidak mencoba semua kemungkinan sampel tersebut. Jika kita
melakukan sensus terhadap populasi, artinya mengukur nilai X untuk semua anggota
populasi sebanyak 5 buah, maka diperoleh nilai parameter μ (rata-rata X) sebesar 3 dengan
σ2 (keragaman) sebesar …… Nilai kedua parameter tersebut dalan prakteknya tidak
diketahui karena jika ukuran N sangat besarmaka sensus sulit dilakukan dengan
pertimbangan waktu, biaya, atau tenaga. Tetapi melalui proses penelitian kita ingin
menduga atau meyimpulkan parameter tersebut, yang dalam ilustrasi ini dengan mengambil
2 satuan sampling secara acak dari populasi tersebut. Berbagai nilai statistik untuk ke 10
sampel yang mungkin dibentuk dapat dilihat pada Tabel berikut.

6. Metode PI Ekonomi: Pengambilan Sampel
22
D
2
C
3
B
4
A
5
A
5
B
4
C
3
A
5
D
2
E
1
POPULASI
Sampel 1
Sampel 2
Sampel 10
μ =3; θ= 2.5
X=4.5
s2=0.5
X=4.0
s2=2
X=1.5
s2=0.5
E
1
Gambar 5. Prinsip pengambilan sampel acak
Sampel
ke:
Satuan
sampling
Terpilih
Nilai X
X
Keragaman (s2
)
1 A dan B 5 dan 4 4.5 0.5
2 A dan C 5 dan 3 4.0 2
3 A dan D 5 dan 2 3.5 4.5
4 A dan E 5 dan 1 3.0 8
5 B dan C 4 dan3 3.5 0.5
6 B dan D 4 dan 2 3.0 2
7 B dan E 4 dan 1 2.5 4.5
8 C dan D 3 dan 2 2.5 0.5
9 C dan E 3 dan 1 2.0 2
10 D dan E 2 dan 1 1.5 0.5
Rata-rata X dan s2
2.0 2,5

7. Metode PI Ekonomi: Pengambilan Sampel
23
Dari tabel tersebut terlihat bahwa rata-rata X dari sebuah sampel yang diambil
seorang peneliti mungkin lebih kecil, sama dengan atau lebih besar dari rata-rata populasi
(μ =3). Artinya berdasarkan analisis statistik kita bisa menghitung seberapa besar tingkat
kesalahan pendugaan parameter populasi untuk sampel tersebut. Untuk singkatnya, tingkat
kesalahan tersebut disebut dengan standar error, yaitu dengan notasi dan rumus
perhitungannya adalah sex = √[(N-n)/N)x(s2
/n)], dan untuk populasi tak hingga atau
persentase ukuran sampel terhadap ukuran populasi relatif sangat kecil rumus yang
digunakan adalah sex = √(s2
/n). Berdasarkan rumus standar error tersebut secara
umum bisa disimpulkan bahwa presisi penelitian bisa ditingkat (atau standar error semakin
kecil) jika keragaman (heterogenitas populasi) semakin kecil dan atau ukuran sampel
semakin besar.
Ditinjau dari konsep peluang, kita bisa menghitung seberapa besar kemungkinan
bahwa statistik sampel (misalnya rata-rata X di atas) mendekati nilai parameter populasi
(untuk contoh diatas adalah μ=3). Hal ini bisa dijalaskan dengan distribusi sampling yang
menunjukan distribusi peluang rata-rata X untuk keseluruhan sampel. Distribusi sampling
tersebut dapat dilihat pada Gambar 6 berikut.
1 1
2 2 2
1 1
0
1
2
1,5 2 2,5 3 3,5 4 4,5
Frekuensi
Rata-Rata X
Gambar 6. Distribusi rata-rata sampel
Distribusi sampling tersebut menunjukkan bahwa rata-rata X dari sebuah sampling
cukup besar peluangnya berada di sekitar rata-rata populasi. Konsep distribusi sampling ini
digunakan dalam menganalisi secara statistika seberapa jauh tingkat kepercayaan sebuah
penelitian.
3.5 Pengambilan sampel non probabilistik
Haphazard
Teknik haphazard adalah teknik pengambilan sampel dimana satuan
pengamatannya diperoleh secara sembarangan atau seketemunya. Contohnya penelitian di
bidang sejarah dan arkeologi.

8. Metode PI Ekonomi: Pengambilan Sampel
24
Voluntary
Teknik ini dilakukan jika satuan sampling dikumpulkan atas dasar sukarela.
Contohnya banyak digunakan di bidang kedokteran.
Purposive
Taknik pengambilan sampel yang dilakukan dengan memilih satuan sampling atas
dasar pertimbangan sekelompok pakar di bidang ilmu yang sedang diteliti. Contohnya,
penelitan untuk mengetahui indeks biaya hidup yang dilakukan oleh para pakar ekonomi.
Snowball
Teknik pengambilan sampel dimana satuan pengamatan diambil berdasarkan
informasi dari satuan pengamatan sebelumnya yang sudah terpilih. Contohnya adalah
penelitian mengenai penyebaran penyakit AIDS, yaitu dengan menelusuri orang-orang
yang diduga mengidap penyekit ini berdasarkan informasi dari si penderiat pertama yang
ditemukan. Informasi tersebut bisa berupa siapa-siapa saja yang pernah berhubungan
dengan si yang sangat diperlukan untuk melacak penyebaran virus HIV.
Kuota
Teknik pengambilan sampel ini banyak diterapkan pada penelitian pasar dan
penelitian pengumpulan pendapat (opinion poll) atau jejak pendapat. Teknik dilakukan
dengan melakukan penjatahan terhadap kelompok satuan pengamatan secara berjenjang.
Misalnya peneliti menetapkan Kuota 1 yaitu 100 orang eksekutif muda di Jakarta sebagai
jumlah sampelnya. Kuota 1 tersebut selanjutnya dikelompokkan lagi dengan Kuota 2,
misalnya 50 eksekutif pria dan 50 eksekutif wanita. Demikian seterusnya pengelompokkan
dilakukan sesuai dengan tujuan penelitiannya.
3.6 Pengambilan sampel probabilistik
Simple Random Sampling (SRS)
SRS merupakan teknik pengambilan sampel probabilistik yang paling sederhana
dimana satuan pengamatan mempunyai peluang yang sama untuk terpilih ke dalam sampel.
Teknik ini diguanakn apabila (1) variabel yang akan diteliti keadaannya relatif homogen
dan tersebar merata di seluruh populasi. Keuntungannya SRS adalah rumus-rumus
perhitungannya relatif lebih sederhana, tidak memerlukan pembobotan, dan semua teknik-
teknik statistika standar bisa diterapkan secara langsung. Kerugiannya adalah (1)
kemungkinan proses randomisasi (pemilihan secara random) tidak menjamin 100 persen
terutama jika satuan pengamatan tidak menyebar merata dan (2) jika ukuran populasi dan
ukuran sampel relatif sangat besar maka pemilihan SRS secara manual sulit dilakukan,
misalnya pada saat menyusun kerangkan sampling (sampling frame). Langkah kerja
sekengkapnya teknik SRS ini adalah sebagai berikut:

9. Metode PI Ekonomi: Pengambilan Sampel
25
1. Tentukan populasi sasaran secara tegas
2. Tentukan ukuran populasi secara tepat, contohnya 100 satuan pengamatan
3. Tentukan bentuk satuan sampling dan susun kerangka samplingnya secara lengkap.
4. Tentukan ukuran sampel melalui perhitungan tertentu. Ukuran ini bisa ditentukan
berdasarkan pertimbangan statisis (statistical aspect) atau oleh pertimbangan non
statistis (nonstatistical aspect). Aspek statistik ditentukan oleh bentuk parameter
(frekuensi, rata-rata, atau proporsi), teknik sampling yang digunakan, tujuan penelitian
(menaksir atau menguji parameter), sifat penelitian (nonkomparatif atau komparataif),
kedalaman analisis (overall atau elaborasi), variabilitas variabel yang diteliti (homogen
atau heterogen), serta batas kesalahan dan derajat kepercayaan. Aspek nonstatistis
biasanya mempertimbangkan biaya, waktu, tenaga, dan kepraktisan atau ketersediaan
satuan pengamatan di lapangan.
5. Proses pemilihan 10 dari 100 satuan pengamatan secara acak. Proses yang melibatkan
kerangka sampling yang kecil bisa dilakukan dengan cara undian (seperti pengocokan
pemenang arisan). Tetapi yang paling banyak digunakan, terutama untuk kerangka
sampling dan ukuran sampel yang relatif lebih besar, digunakan tabel angka acak.
SPSS
Data (Open) : frame.sav {kerangka sampling yang akan digunakan}
Menu : Data Select cases
Klik Random sample of cases dan sample. Pada kotak dialog
yang muncul, masukkan ukuran sampel yang akan diambil yang
bisa dalam dua cara, yaitu persentase ukuran sampel terhadap
populasi (approximately …. Of cases) atau besarnya sampel
(Exactly …. Cases from the cases).
Output :
Jika sebuah kasus (cases) terpilih maka nomornya tidak dicoret
dan variabel Filter_$ bernilai 1 atau selected, sedangkan kasus
yang tidak terpilih akan dicoret nomornya dan variabel Filter_$
bernilai 0 atau not selected.
Contoh: Kasus yang terpilih
Nama Jurusan Tingkat Filter_$
1 Ujang Ak III 0
2 Otong Ma III 1
3 Teteh Ak IV 0
4 ……. ….. ….. 0

10. Metode PI Ekonomi: Pengambilan Sampel
26
Systematic Random Sampling (SyRS)
Teknik ini digunakan apabila (1) bisa disusun kerangka sampling yang lengkap dan
(2) keadaan variabel yang diteliti relatif homogen dan tersebar di seluruh populasi.
Pemilihan satuan pengamatan kedalam sampel dengan menggunakan SyRS bisa dilakukan
melalui dua pendekatan, yaitu (1) Linear systematic selection (LSS) dan (2) Circular
systematic selection (CSS).
a. LSS
Langkah kerja:
1. Tentukan populasi sasaran dan tentukan satuan-satuan samplingnya yang menunjukkan
ukuran populasi sasaran, misalnya N=1500
2. Susun kerangka sampling
3. Tentukan ukuran sampel, misalnya n=20
4. Sediakan tabel angka random
5. Proses pemilihan 20 dari 1500 satuan samplingnya adalah sebagai berikut:
a. Tentukan interval pemulihan dengan rumus : I = N/n =1500/20 = 75
b. Tentukan secara random sebuah bilangan acak (disebut rendom start (RS) atau
random seed) yang besanrnya memenuhi persyaratan 1< RS < I, atau untuk contoh 1
< RS < 75. Misalnya terpilih angka random 07 (baris ke2, kolom ke1 dan 2 pada tabel
angka acak). Oleh karena nomor satuaan pengamatan pada kerangka samplingnya
terdiri dari 4 digit (0001 sampai 1500), maka SR=0007. RS ini merupakan satuan
sampling pertama yang terpilih.
c. Satuan pengamatan berikutnya dipilih dengan cara menambahkan I=75 kepada nomor
terpilih. Jadi satuan pengamatan yang terpilih kedua adalah 0007 + 75 = 0082, ketiga
adalah 0082 + 75 = 0157, demikian seterusnya sampai terpilih sebanyak 20 satuan
pengamatan
2. CSS
Langkah kerja:
1. Tentukan populasi sasaran dan tentukan ukuran populasi, misalnya N=2111
2. Untuk setiap satuan sampling yang ada dalam populasi sasaran disusun dalam kerangka
sampling
3. Tentukan ukuran sampel (dengan menggunakan rumus atau pertimbangan tertentu),
misalnya n= 13
4. Sediakan tabel angka random
5. Proses pemilihan 13 dari 2111 satuan sampling, yaitu:
a. Tentukan interval (I) dengan rumus I = N/n. Bulatkan ke bilangan bulat terdekat,
yaitu 2111/13 = 162
b. Dari tabel angka acak dipilih RS yang memenuhi persyaratan 1 < RS < N, misalnya
terpilih RS=1842. RS ini adalah satuan pertama yang terpilih ke dalam sampel
c. Satuan sampling berikutnya dipilih dengan cara menambahkan I secara sistematik
kepada RS, yaitu:
1. 1842

11. Metode PI Ekonomi: Pengambilan Sampel
27
2. 2004 (1842+162)
3. 2166 (tidak dipakai karena melebihi nomor dalam kerangka sampling (2111)
maka satuan sampling yang terpilih adalah 2166 - 2111 atau 0055
4. 0217 (0055 + 162), demikianlah setrusnya sampai nomor ke 13
Dibandingkan dengan teknik SRS, SySR mempunyai kelebihan, yaitu:
1. Standar error yang didasarkan pada sampling sistematis paling sedikit sama presisinya
dengan SRS
2. Mudah dilakukan
3. Pada konidisi tertentu, sampling sistematik bisa dilakukan sekalipun tidak ada kerangka
sampling. Contohnya pada traffic survey yaitu dengan mengamati pergerakaan lalu
lintas pada jam-jam tertentu atau urutan pergerakan kendaraan, atau pada penelitian
tingkat laku konsumen, misalnya pengambilan satuan pengamatan dalam pola antrian
tertentu
Sedangkan kerugiannya adalah jika dalam kerangka samplingnya mempunyai periodisitas
yang berimpit dengan interval pemilihan.
SPSS
Data (Open) : frame.sav {kerangka sampling}
Menu : Data Select cases
Langkah-langkahnya sama seperti simple random tetapi kita hanya
memilih 1 kasus dari I (besarnya interval) kasus yang pertama
(aproximately …. Cases from the first I cases). Kasus kedua,
ketiga dan seterusnya diperoleh dengan menambahkan I ke nomor
kasus pertama.
Stratified Random Sampling (StRS)
Sifat homegintas populasi kadang tidak bisa dijamin sepenunya di lapangan.
Semakin tinggi tingkat keragaman (heterogenitas) populasi maka ukuran sampel yang harus
diambil dengan SRS akan semakin besar untuk tingkat ketelitian tertentu. Masalah ini bisa
diatasi dengan membuat sub-sub populasi yang bersifat homogen dan terhadap subpopulasi
itulah proses pengambilan sampel secara SRS dilakukan. Proses pengambilan sampel
setelah populasi keseluruhan yang relatif heterogen dipilah-pilah ke dalam sub populasi
itulah yang dilakukan oleh Teknik StRS. Jadi langkah utama yang membedakan teknik ini
dengan teknik SRS adalah proses pembentukan sub populasi, disebut strata. Sedangkan
proses pemilihan dari setiap strata tersebut bisa dilakukan sama seperti proses pemilihan
satuan sampling dengan teknik SRS. Langkah kerja selengkapnya adalah sebagai berikut:
1. Tentukan populasi sasaran dan tentukan anggota populasi secara keseluruhan (N)
2. Berdasarkan variabel tertentu (kriteria tertentu), populasi dibagi ke dalam strata-strata.
Misal kelompok responden dibagi sesuai jenis kelamin (laki atau perempuan) jika secara
teoritis respon akan berbeda karena perbedaan jenis kelamin, atau populasi perusahaan
dibagia menjadi sub populasi perusahaan kecil, menengah, dan besar
3. Satuan sampling untuk setiap strata didaftar sehingga diperoleh kerangkan sampling
untuk masing-masing strata (N1, N2, dan seterusnya untuk setiap strata ke i) dimana N =
N1 + N2 + … + Ni

12. Metode PI Ekonomi: Pengambilan Sampel
28
4. Dari sebuah populasi selanjutnya kita menentukan ukuran sampel keseluruhan yang
disebut overall sample size.
5. Ukuran sampel sebesar n selanjutnya dialokasikan kesetiap strata (n1, n2, dan
seterusnya) dimana n = n1 + n2 + …. + ni. Penyebaran ini disebut alokasi sampel yang
bisa dilakukan dengan 4 cara yaitu:
a. Alokaso sembarang dimana ukuran sampel masing-masing strata ditentukan secara
sembarang dengan syarat minimal dari sebuah strata adalah harus ada dua satuan
pengamatan yang dipilih. Dalam praktek, alokasi seperti ini jarang dan tidak
disarankan untuk digunakan karena menyebabkan standar error membesar.
b. Alokasi sama besar tanpa melihat perbedaan ukuran masing-masing strata atau
n1=n2=….= ni
c. Alokasi proporsional yaitu ukuran sampel untuk setiap strata sesuai dengan proporsi
ukuran strata tersebut terhadap ukuran sampel keseluruhan, misal n1=N1/N,
n2=N2/N, dan seterusnya
d. Alokasi Newton
6. Dari setiap strata kemudian dipilih satuan sampling melalui teknik SRS. Oleh karena
pemilihan satuan sampling dari setiap strata dilakukan dengan SRS maka keseluruhan
prosesnya disebut stratified random sampling. Jika pemilihan dari setiap strata
dilakukan dengan SyRS maka disebut stratified systematic random sampling.
Jadi teknik ini digunakan apabila (1) keadaan variabel yang kita teliti sangat heterogen
sehingga menimbulkan standar error yang tinggi (atau presisi yang rendah). Stratifikasi
populasi dilakukan untuk memperbesar presisi (atau memperkecil standar error) ini, dan (2)
apabila kita bisa menyusun kerangka sampling yang lengkap dan langsung mengenai
satuan pengamatan.
SPSS
File (Open) : Frame.sav
Menu : Data Sort Cases
untuk mengelompokkan atau mengurutkan data berdasarkan
kategori variabel tertentu sehingga kelompok kasus tersebut relatif
homogen dilihat dari kategori tertentu. Misalkan kerangka
sampling peserta kursus sebanyak 40 akan disort berdasarkan
jurusan, maka hasilnya adalah peserta jurusan akuntansi akan
menempati nomor-nomor awal dari 1 sampai, misalnya 19 dan
peserta jurusan manajemen menempati nomor 20 sampai 40. Jadi
19 nomor pertama adalah strata 1 dan kelompok kedua adalah
strata 2 yang bersifat homogen berdasarkan variabel jurusan.
Data Select cases
Mengambil secara acak sejumlah kasus dari kelompok-kelompok
yang sudah homogen tersebut dengan cara yang sama seperti
simple random sampling

13. Metode PI Ekonomi: Pengambilan Sampel
29
Cluster Random Sampling (CSR)
Kita kadang-kadang tidak bisa menysun kerangka sampling yang lenngkap
mengenai populasi sasaran baik karena kondisi tertentu atau pertimbangan kepraktisannya.
Sebagai contoh, seorang peneliti melakukan penelitian mengenai tingkat konsumsi rata-rata
keluarga prasejahtera di seluruh Indonesia. Masalahnya adalah dari mana sumber
informasi untuk mendata keluarga pra sejahtera seluruh Indonesia dalam bentuk kerangka
sampling yang lengkap. Kalaupun bisa disusun, proses penyusunannyapun memerlukan
waktu, administrasi, dan biaya yang sangat besar. Selain itu, jika telah dilakukan pemilihan
satuan sampling (dalam hal ini sebuah keluarga) maka ada kemungkinan sebaran
wilayahnyapun cukup luas, misalnya keluarga pertama diamati berada di kota Sabang,
keluarga kedua berada di kota Merauke, Keluarga ketiga berada di Menado, demikian
seterusnya sampai keluarga ke n berada di Gunung Kidul. Jadi penggunaan teknik
sampling tersebut sangat sulit dilakukan. Teknik CRS digunakan untuk mengatasi masalah
tersebut.
CSR didasarkan pada prinsip bahwa satuan pengamatan bisa dikumpulkan dalam
kelompok yang lebih besar, misalnya kumpula keluarga prasejahtera dalam satu desa,
kecamatan, kabupaten, demikian seterusnya sampai propinsi sehingga terbentuk
kelompok-kelompok untuk seluruh Indonesia. Kelompok satuan pengamatan tersebut
disebut Cluster. Pemilihan satuan sampling dengan CSR tidak dilakukan secara langsung
terhadap keluarga prasejahtera, tetapi secara bertahap dimulai dari pemilihan kelompok
yang terbesar. Misalkan memilih beberapa propinsi dari 27 propinsi di Indonesia,
kemudian dilanjutkan memilih beberapa kabupaten dari propinsi yang terpilih, demikian
seterusnya sampai diperoleh keluarga prasejahtera. Jadi proses pemilihan secara bertahap
tersebut bisa satu tahap (single stage cluster sampling), dua tahap (Two stage cluster
sampling), dan seterusnya. Dalam prakteknya, disarankan tingkat pemilihan tersebut tidak
lebih dari dua kali untuk menghindari rumus yang kompleks.
a. Single Stage Cluster Sampling (SSCS)
Proses memilih dengan SSCS secara umum dilakukan dengan memilih beberapa
kluster dan untuk kluster yang terpilih tersebut diamati semua satuan sampling yang ada di
dalamnya. Langkah-langkah kerja selengkapnya adalah sebagai berikut:
1. Populasi dibagi-bagi menjadi N buah cluster atau satuan sampling primer (SSP) yang
bersifat heterogen. Misalkan Indonesai terdiri dari 27 propinsi
2. Dipilih n buah cluster dengan menggunakan simple random sampling. Misalkan terpilih
propinsi Jawa Barat dan Timor Timur.
3. Seluruh satuan sampling dari SSP tersebut diteliti. Jadi seluruh keluarga prasejahtera
yang berada di Jawa Barat dan Timor Timur harus diteliti
b. Two Stage Cluster Sampling (TSCS)
Jika contoh penelitian dengan SSCS diatas dilakukan dengan TSCS maka setelah
terpilih 2 propinsi (Jawa Barat dan Timor Timur), kita melakukan pemilihan tahap kedua
yaitu memilih secara acak beberapa kluster yang lebih kecil lagi yaitu kabupaten-kabupaten
yang berada di propinsi terpilih. Cluster yang lebih kecil pada masing-masing SSP disebut

14. Metode PI Ekonomi: Pengambilan Sampel
30
satuan sampling sekunder (SSS). Jika secara acak terpilih 2 kabupaten di Jawa Barat dan
kabupaten di Timor Timur maka pengamatan dilakukan pada seluruh keluarga prasejahtera
yang berada di ke 4 kabupaten tersebut.
Salah satu keunggulan CSR adalah pada saat membentuk kerangka sampling.
Dengan teknik ini, kita tidak perlu mempunyai kerangka sampling lengkap untuk satua
pengamatan sebab kerangka sampling tersebut bisa disusun kemudian. Keunggulan inilah
yang menyebabkan teknik ini, terutama two stage cluster sampling, banyak digunakan
dalam survai. Kerugiannya adalah presisinya kurang baik. Presisi ini bisa ditingkatkan
dengan dengan cara membentuk cluster yang didalamnya bersifat seheterogen mungkin.
Dalam praktek survai pembentukan cluster ini biasanya adalah daerah administratif (desa,
kecamatan, kabupaten, dan setrusnya). Pembentukan cluster berdasarkan wilayah tersebut
menyebabkan teknik tersebut disebut area sampling.
Berdasarkan penjelasan teknik-teknik sampling probabilistik diatas, terlihat bahwa
masing-masing teknik mempunyai kelebihan dan kekurangan. Emory dan Coper
menjelaskan deskripsi, keunggulan, dan kelemahan dari keempat teknik tersebut, seperti
disajikan pada Tabel berikut.
Tipe Deskripsi Keunggulan Kelemahan
Simple random Setiap elemen
populasi mempunyai
peluang yang sama
untuk terpilih ke
dalam sampel.
Proses pemilihan
menggunakan tabel
random
Mudah diimplementasi- kan
dengan otomatisasi atau
komputerisasi
Membutuhkan daftar
anggota poluasi
Memerlukan lebih banyak
waktu
Memerlukan ukuran sampel
besar
Menghasilkan galat besar
Mahal
Systematic Pemilihan elemen
populasi dimulai
dengan random seed
dan elemen
selanjutnya dipilih
setiap elemen ke k
Sederhana untuk diran-cang
Mudah digunakan
dibandingkan simple
random
Mudah menentukan
distribusi sampling dari
rata-rata atau proporsi
Kurang mahal dibandingkan
simple random
Periodisiti dalam populasi
menyebabkan distorsi
sampel dan hasilnya
Jika daftar anggota populasi
cenderung monotonik, akan
menghasilkan estimasi bias
berdasarkan titik mulainya
Stratified Populasi dibagi
menjadi subpopulasi
atau strata dan dari
setiap strata tersebut
dipilih satuan
pengamatan secara
random
Peneliti mengawasi ukuran
sampel dalam strata
Peningkatan efisiensi
statistik
Menyediakan data untuk
menyajikan dan
menganalisis sub populasi
(strata)
Memungkinkan penggunaan
metode berbeda dalam strata
Kesalahan meningkat jika
subgrup dipilih pada ukuran
berbeda
Mahal, khususnya jika strata
harus dibuat sendiri

15. Metode PI Ekonomi: Pengambilan Sampel
31
Cluster Populasi dibagi
menjadi sub
populasi yang
bersifat heterogen.
Beberapa
subpopulasi dipilih
secara random untuk
diteliti lebih lanjut
Memberikan estimasi
parameter tak bias jika
dikerjakan sempurna
Lebih efisien secara
ekonomis dibandingkan
simple random
Biaya termurah per sampel,
terutama kluster geografis
Mudah dilaksanakan tanpa
daftar anggota populasi
Sering menghasilkan
efisiensi statistik yang
rendah (kesalahan tinggi)
yang disebabkan subgrup
relatif homogen