Metodologi Riset Bisnis Pertemuan 07

Pertemuan ke
ke--7
Sampling

PPIM FE Unimal

Sifat Sampling
•
•
•
•
•

Sampling
Elemen Populasi
Populasi
Sensus
Kerangka Sampling

PPIM FE Unimal

Mengapa Sampel?

Availabilitas
elemen

Sampling
memberikan

Biaya yang
lebih rendah

Akurasi lebih
besar

Lebih cepat

PPIM FE Unimal

Kapan Sensus Tepat?

Mungkin

PPIM FE Unimal

Perlu

Apakah Sampel yang Baik Itu?

Akurat

PPIM FE Unimal

Presisi

Exhibit 15-1 Desain Sampling dalam
Proses Riset

PPIM FE Unimal

Exhibit 15-2 Tipe-Tipe Desain

Sampling
Pilihan
Elemen
Tidak terbatas

Probabilitas

Nonprobabilitas

Simple random

Convenience

Terbatas

Complex random

Purposive

Systematic

Judgment

Cluster

Quota

Stratified
Double
PPIM FE Unimal

Snowball

Langkah-Langkah dalam Desain
Sampling
Apa target populasinya?
Apa saja parameter
kepentingannya?
Apa kerangka sampling-nya?
Apa metode sampling yang

tepat?
Berapa ukuran sampel yang
dibutuhkan?

PPIM FE Unimal

Ukuran Sampel Besar
Varians populasi

Jumlah
subgroups

Presisi yang
diharapkan

Kapan
Rentang
kesalahannya
kecil

Tingkat
keyakinan

PPIM FE Unimal

Simple Random
Kelebihan
• Mudah
diimplementasikan
dengan random
dialing

Kekurangan
• Memerlukan daftar
elemen populasi
• Memakan waktu
• Ukuran sampelnya
besar
• Menghasilkan banyak
eror

• Biaya tinggi
PPIM FE Unimal

Systematic
Kelebihan
• Mudah didesain
• Lebih mudah dari
simple random
• Mudah untuk
menentukan distribusi
sampling rerata atau
proporsi

Kekurangan
• Periodisitas dalam
populasi
memungkinkan
kemencengan sampel
dan hasil
• Trends dalam daftar

memungkinkan
hasilnya bias
• Biayanya moderat

PPIM FE Unimal

Stratified
Kelebihan
• Kontrol ukuran smpel
dalam strata
• Meningkatkan efisiensi
statistik
• Memberikan data untuk
mewakili dan
menganalisis subgroups
• Memungkinkan
penggunaan metode
yang berbeda dalam
strata

Kekurangan
• Peningkatan kesalahan
akan terjadi jika
subgroups dipilih pada
rate yang berbeda
• Menjadi mahal apabila
strata dalam populasi
harus dibuat
• Biaya tinggi

PPIM FE Unimal

Cluster
Kelebihan
• Memberikan estimasi
parameter populasi yang
tidak bias jika dilakukan
dengan benar
• Secara ekonomi lebih
efisien dari simple

random
• Biaya paling rendah per
sampel
• Mudah dilakukan tanpa
list

Kekurangan
• Efisiensi statistikalnya
rendah karena subgroups
menjadi homogeneous
bukan heterogeneous
• Biayanya Moderat

PPIM FE Unimal

Exhibit 15-5 Stratified and Cluster
Sampling
Stratified
• Populasi dibagi ke
dalam subgroups

• Homogenitas dalam
subgroups
• Heterogenitas antara
subgroups
• Pilihan elemen dari
masing-masing
subgroup

Cluster
• Populasi dibagi ke
dalam beberapa
subgroups
• Heterogenitas dalam
subgroups
• Homogenitas antara
subgroups
• Pilihan random dari
subgroups

PPIM FE Unimal

Area Sampling

PPIM FE Unimal

Double
Kelebihan
• Bisa mengurangi
biaya jika langkah
pertama
menghasilkan data
yang cukup untuk
stratifikasi atau
kluster populasi

Kekurangan
• Menambah biaya bila
digunakan secara
diskriminasi

PPIM FE Unimal

Nonprobability Samples
Tidak butuh
untuk
generalisasi
Tujuan
terbatas

Feasibilitas

Isu-Isu
Waktu

Biaya

PPIM FE Unimal

Nonprobability
Sampling Methods
Convenience
Judgment
Quota
Snowball

PPIM FE Unimal

Terminologi Kunci
•
•
•
•

Area sampling
Sensus
Cluster sampling
Convenience
sampling
• Disproportionate
stratified sampling
• Double sampling
• Judgment sampling

•
•
•
•
•
•

Multiphase sampling
Nonprobability sampling
Populasi
Elemen populasi
Parameter population
Population proportion of
incidence
• Probability sampling

PPIM FE Unimal

Terminologi Kunci
• Proportionate
stratified sampling
• Quota sampling
• Sample statistics
• Sampling
• Sampling error
• Sampling frame
• Sequential sampling

•
•
•
•

Simple random sample
Skip interval
Snowball sampling
Stratified random
sampling
• Systematic sampling
• Systematic variance

PPIM FE Unimal

Appendix 15a

Menentukan Ukuran Sampel

PPIM FE Unimal

Exhibit 15a-1
Random Samples

PPIM FE Unimal

Exhibit 15a-2
Meningkatkan Presisi
Reducing the Standard
Deviation by 50%
Quadrupling the Sample

PPIM FE Unimal

Exhibit 15a-3 Tingkat Keyakinan &
Kurva Normal

PPIM FE Unimal

Exhibit 15a-4
Standard Errors
Standard Error
(Z score)

% of Area

Approximate
Degree of
Confidence

1.00

68.27

68%

1.65

90.10

90%

1.96

95.00

95%

3.00

99.73

99%
PPIM FE Unimal

Central Limit Theorem

PPIM FE Unimal

Exhibit 15a-6
Estimasi Kunjungan Makan Malam
Confidence

Z score

% of Area

Interval Range
(visits per month)

68%

1.00

68.27

9.48-10.52

90%

1.65

90.10

9.14-10.86

95%

1.96

95.00

8.98-11.02

99%

3.00

99.73

8.44-11.56

PPIM FE Unimal

Menghitung Ukuran Sampel untuk
Pertanyaan yang Melibatkan Rerata
Presisi
Tingkat Keyakinan
Ukuran perkiraan interval

Penyebaran populasi
Kebutuhan untuk FPA
PPIM FE Unimal

Exhibit 15a-7
Ukuran Sampel Metro U untuk Rerata
Steps
Desired confidence level
Size of the interval estimate
Expected range in
population
Sample mean
Standard deviation
Need for finite population
adjustment
Standard error of the mean
Sample size
PPIM FE Unimal

Information
95% (z = 1.96)
.5 meals per month
0 to 30 meals
10
4.1
No
.5/1.96 = .255
(4.1)2/ (.255)2 = 259

Proxies Penyebaran Populasi
• Riset terdahulu pada topik
• Pilot test or pretest
• Rule-of-thumb calculation
– 1/6 of the range

PPIM FE Unimal

Exhibit 15a-7 Ukuran Sampel
Metro U Untuk Proporsi
Steps
Desired confidence level
Size of the interval estimate
Expected range in population
Sample proportion with given
attribute
Sample dispersion
Finite population adjustment

Information
95% (z = 1.96)
.10 (10%)
0 to 100%
30%
Pq = .30(1-.30) = .21
No

Standard error of the proportion .10/1.96 = .051
Sample size
.21/ (.051)2 = 81
PPIM FE Unimal

Appendix 15a: Terminologi Kunci
•
•
•
•
•
•

Central limit theorem
Confidence interval
Confidence level
Interval estimate
Point estimate
Proportion

PPIM FE Unimal