LITDIK- 005. POPULASI & SAMPEL PENELITIAN TYO.

2/16/2012

SUBYEK PENELITIAN

SUBJEK; POPULASI; &
SAMPEL PENELITIAN




Sumber data penelitian
Responden penelitian

Setya Raharja
AP FIP UNY
SETYA RAHARJA AP FIP UNY

POPULASI

SETYA RAHARJA AP FIP UNY

SAMPEL






Agregat yang terdiri dari semua
observasi yang menjadi minat
peneliti
Keseluruhan subyek penelitian

SETYA RAHARJA AP FIP UNY



Cuplikan dari populasi; wakil
populasi; contoh
Representatif:
– menggambarkan karakteristik

populasi
– Untuk generalisasi  inferensial
SETYA RAHARJA AP FIP UNY

1

2/16/2012

METODE PENARIKAN SAMPEL
(TEKNIK SAMPLING)

SAMPEL 1

SAMPEL 2

SAMPEL 9

Proses penarikan sampel:
1. mendefinisikan populasi 
karakteristik populasi

2. memilih/menentukan sampel
3. menaksir parameter populasi
berdasarkan pengetahuan yang
diperoleh & harga statistik sampel.

SAMPEL dst.

POPULASI

SAMPEL 3

SAMPEL 8
SAMPEL 5
SAMPEL 7
SAMPEL 4
SAMPEL 6

SETYA RAHARJA AP FIP UNY

BERBAGAI TEKNIK

SAMPLING
1.

Berpihak (biased)
 asal nemu (opportunistic/accidental sampling)
 menurut quota (quota sampling)
 bertujuan (purposive sampling)

2.

Tidak berpihak (unbiased)





rambang sederhana (random sampling)
rambang berstrata (stratified sampling)
secara sistematik (systematic sampling)
menurut daerah/wilayah (cluster sampling)

SETYA RAHARJA AP FIP UNY

SETYA RAHARJA AP FIP UNY

TEKNIK BIASED/TIDAK
ADIL/NON-PROBABILITY


ASAL NEMU (OPPORTUNISTIC/ACCIDENTAL

SAMPLING)
– Asal menemukan saja – mana yang ketemu,
itulah sampelnya.


MENURUT QUOTA (QUOTA SAMPLING)
– Sekedar memenuhi jumlah & cirinya, diperoleh
asal nemu



BERTUJUAN (PURPOSIVE SAMPLING)
– Berdasar penilaian subjektif peneliti
– Menurut maksud peneliti
SETYA RAHARJA AP FIP UNY

2

2/16/2012

TEKNIK UNBIASED/BERKEADILAN/
PROBABILITY: RANDOM = RAMBANG =
ACAK


TEKNIK UNBIASED/BERKEDALAN/
PROBABILITY: RANDOM = RAMBANG =
ACAK

RAMBANG SEDERHANA (Random sampling)



– Anggota populasi memiliki peluang yang sama
untuk menjadi sampel


– Penarikan sampel dengan cara terstruktur,
biasanya menurut kelipatan tertentu.
– Keuntungan:

RAMBANG BERSTRATA (Stratified random

sampling)



– Proses pengambilan sampel dengan cara membagi
suatu populasi ke dalam sejumlah strata
(subpopulasi)

– Kelebihan:












Makin besar sampel, makin baik !
Rumus untuk menentukan besar sampel (sederhana),
dari Krejcie & Morgan (1970):
Dimana:
S = besar sampel
N = besar populasi
P = proporsi populasi kasus

d = 1,96 (derajat akusari dari kesalahan 5% (0,95)
X2 = harga Kai Kuadrat, db=1, (3,841 taraf signifikansi 95%/0,95).
Asumsi:
Populasi homogen
2
Random sampling
2 UNY
2
Besar populasi diketahui SETYA RAHARJA AP FIP

S

X NP (1 P)
d ( N 1) X P(1 P)

hemat waktu kerja
dapat untuk memilih kasus setiap strata

BERDASARKAN DAERAH (Cluster sampling)
– Pengambilan sampel menurut wilayah populasi.

Sampel diambil dari masing-masing wilayah tsb.

lebih efisien
kesalahan (eror) hanya dalam strata
pemilihan kasusSETYA
setiap
strata
RAHARJA
AP FIP UNYlebih tepat & proporsional

BERAPA BESAR SAMPEL?

SECARA SISTEMATIK (Systematic sampling)

SETYA RAHARJA AP FIP UNY

Kapan kita menggunakan sampel,
populasi, subjek penelitian?






Ketika kita akan mengumpulkan data,
Dengan SAMPEL ……..?
Menggunakan POPULASI ……?
Menggunakan SUBJEK ……?

SETYA RAHARJA AP FIP UNY

3

2/16/2012

UNIT ANALISIS




Perorangan
Kelompok
Lembaga/institusi

SETYA RAHARJA AP FIP UNY

4