Populasi dan Sampel

You are here:
< Back

Populasi adalah “kelompok subjek yang hendak dikenai generalisasi hasil penelitian (Azwar, 2017).”

Populasi subjek penelitian harus memiliki karakteristi (ciri-ciri) yang sama, meliputi:

  • Aspek demografis (lokasi/ wilayah tempat tinggal).
  • Usia.
  • Jenis kelamin.
  • Jenjang pendidikan.
  • Status pekerjaan.

Populasi dalam penelitian psikologi lebih menekankan pada karakteristik individual.

Penelitian psikologi lebih mementingkan tercapainya validitas internal daripada validitas eksternal (keluasan generalisasi).

Penelitian psikologi lebih memusatkan pada studi mengenai variabel, bukan pada studi mengenai subjek yang memiliki variabel tersebut.

Semakin sedikit ciri populasi yang diidentifikasi maka populasi akan semakin heterogen (lebih banyak variasi), karena adanya ciri lainnya yang tidak teramati dari subjek dalam populasi tersebut.

Semakin banyak ciri subjek yang disyaratkan untuk menjadi anggota populasi penelitian (semakin spesifik karakteristik populasi), maka populasi tersebut akan semakin homogen (lebih sedikit variasinya).

Untuk penelitian yang menekankan generalisasi hasil penelitian, maka peneliti harus menentukan karakteristik populasi secara spesifik sebelum proses pengambilan sampel.

Karakteristik sampel = karakteristik populasi.

Mengapa perlu pengambilan sampel? Bayangkan, jika anda harus meneliti populasi yang jumlahnya sangat banyak!

Penelitian dengan hanya mengambil sampel dari sebuah populasi akan lebih menghemat sumber daya terkait:

  • Waktu untuk pengambilan data.
  • Tenaga peneliti & tenaga lapangan yang banyak sekali jika meneliti populasi keseluruhan.
  • Dana yang sangat besar (diluar jangkauan peneliti) jika meneliti populasi yang jumlahnya banyak.

Sampel adalah “sebagian dari populasi; dengan kata lain, sampel merupakan bagian dari populasi (Azwar, 2017)”

Data penelitian diambil dari sampel penelitian > dianilisis > hasil analisis digeneralisasikan pada populasi.

Sampel yang representatif > berbagai cara/ tehnik pengambilan sampel (sampling techniques).

Sampel yang tidak representatif = sampel bias. Sampel yang bias disebabkan oleh:

  1. Adanya karakteristik populasi yang dapat berpengaruh terhadap variabel penelitian, namun belum teridentifikasi.
  2. Kesalahan memilih tehnik sampling yang tepat untuk kondisi populasi atau tidak sesuai dengan tujuan penelitian.

Tehnik Pengambilan Sampel (Sampling Techniques)

1. Probability Sampling

“setiap subjek dalam populasi memiliki peluang yang besarnya sudah diketahui untuk terpilih menjadi sampel.”

Random sampling (Randomisasi): di mana setiap subjek dalam populasi memiliki peluang yang sama besar untuk terambil sebagai sampel.

Random = acak (bukan berarti anggota sampel diambil secara sembarang/ sekenanya).

Hasil proses randomisasi > sampel yang diambil akan mempresentasikan karakteristik populasinya.

a. Simple Randomized Sampling (Random Sederhana)

Prosedur:

  1. Membuat daftar lengkap terkait nama atau nomor subjek yang memenuhi karakteristik populasi.
  2. Nama atau nomor subjek tersebut lalu diundi (menggunakan gulungan kertas ataupun dengan bantuan komputer).
  3. Diambil sejumlah sampel yang dibutuhkan peneliti.
  • Layak digunakan untuk populasi yang kondisinya relatif homogen, karena populasi yang tidak homogen akan sulit untuk memperoleh sampel yang representatif jika diambil secara random.
  • Digunakan pada populasi yang tidak terlalu besar, karena semakin besar populasi maka semakin banyak karakter anggota populasi sehingga populasi menjadi heterogen.

Diskusi:

  • Apa yang dimaksud dengan populasi yang homogen?
  • Apa yang dimaksud dengan populasi yang heterogen?
  • Bagaimana membentuk populasi yang homogen?

b. Stratified Random Sampling (Random Berstrata)

Prosedur:

  • Populasi terbagi atas beberapa strata atau sub-kelompok yang berjenjang.
  • Setiap subkelompok ditetapkan sampel masing-masing secara terpisah, kemudian dijadikan satu.

1) Sampel Berstrata Proporsional

Prosedur:

  • Banyaknya subjek dalam setiap subkelompok/ strata harus diketahui dahulu perbandingannya.
  • Tentukan presentase besarnya sampel dari keseluruhan populasi.
  • Presentase tsb diterapkan dalam pengambilan sampel bagi setiap subkelompok/ strata.

2) Sampel Berstrata Disproporsional

Alasan penggunaan teknik ini:

  • Dilakukan karena analisis data penelitian mengharuskan kesetaraan jumlah subjek pada masing-masing subkelompok/ strata (sehingga jika dibuat proporsional, maka tidak akan relevan).
  • Jika diambil secara proporsional maka perbandingan sampel dalam satu subkelompok/strata yang tidak berimbang (kemungkinan terlalu kecil sampel dalam suatu subkelompok).
  • Sampel yang jumlahnya setiap subkelompok/strata-nya tidak seimbang, maka tidak bisa digunakan dalam penelitian komparatif.
  • Terlalu kecilnya sampel pada sub-kelompok dapat memperbesar eror dalam pengambilan sampel (semakin besar sampel maka eror dalam pengambilan sampel akan semakin kecil).

Prosedur:

  • Menentukan lebih dahulu ukuran (jumlah) sampel yang hendak diambil dan jumlah tersebut diberlakukan sama pada setiap subkelompok/ strata.

c. Cluster Random Sampling (Random Klaster)

Prosedur:

  • Randomisasi dilakukan terhadap kelompok (bukan terhadap subjek penelitian secara individual).

Contoh:

Penelitian pada mahasiswa yang tinggal di asrama.

  • Terdapat 60 kamar di asrama tersebut.
  • Setiap kamar terdapat 5 mahasiswa.
  • Maka sampel diambil dari beberapa kamar yang telah ditentukan secara random.
  • Misal dari 60 kamar diambil 10 kamar secara random (kertas atau bantuan komputer).
  • Maka sampel yang diperoleh berjumlah N = 50 mahasiswa.
  • Pada umumnya, jumlah subjek pada masing-masing kluster tidak sama.

Keuntungan: lebih hemat/ efisien waktu dan biaya.

Kelemahan: kesulitan mesngukur besarnya sampling error.

2. Non-Probability Sampling

“Besarnya peluang subjek dalam populasi untuk terpilih sebagai sampel tidak dapat diketahui”

  • Sering disebut juga dengan quota sampling (sampel kuota).

Peneliti mengambil sampel dari kelompok IQ . 110 untuk kelas 1 = 15 dan Kelas 2 = 30 dengan pertimbangan populasi masing-masing 40 dan 50.

Kekurangan:

  • Sampling eror tidak dapat diprediksi.
  • Hasil penelitian terhadap sampel tersebut tidak dapat digeneralisasikan secara valid pada populasinya.

Kelebihan:

  • Lebih hemat/ efisien waktu & biaya.

Berapa Besar Sampel

  • Membutuhkan pertimbangan Efektivitas & Efisiensi.
  • Terkadang tidak dapat diperoleh secara bersamaan, dimana untuk mendapatkan efetivitas butuh mengabaikan sisi efisiensi dari sebuah proses pengambilan data.
  • Karakteristik sampel harus mampu mewakili karakteristik populasi.
  • Semakin besar jumlah sampel maka akan semakin besar peluangnya untuk dapat mewakili populasi dengan baik.
  • Besarnya jumlah sampel yang sesuai juga sangat relatif, tergantung besarnya populasi (mis: populasi = 5000, sample N = 250, bagaimana menurut anda?).
  • Sampel yang telalu banyak (> 400) akan dapat menimbulkan eror tipe I, yaitu menolak hipotesis nol yang seharusnya diterima yang berarti hipotesis alternatif anda akan ditolak.
  • Roscoe (dalam Azwar, 2017) mengusulkan pedoman dalam pengambilan sampel:

    • Sampel berukuran N > 30 dan N < 500 cukup untuk data penelitian pada umumnya.
    • Jika dipecah menjadi beberapa subsampel, maka setiap subsempel diperlukan minimal N = 30
    • Penelitian yang menggunakan analisis multivariat, hendaknya ukuran sampel paing tidak 10X lipat dari banyaknya variabel yang terlibat.
    • Untuk penelitian eksperimen yang cenderung homogen, maka sampel N = 10 atau N = 20 sudah cukup baik.