Random sampling sering disebut dengan sampel acak atau sampel probabilitas, merupakan metode penentuan sampel yang dilakukan secara acak, dimana setiap anggota populasi mempunyai kesempatan yang sama untuk menjadi sampel. Sampel acak dianggap sebagai sampel ideal dalam sebuah penelitian sebagai dasar generalisasi simpulan.
Karakteristik sampel yang diharapkan identik dengan populasi kemungkinan besar bisa didapat melalui penentuan sampel yang benar-benar acak. Hal ini berarti tidak ada kepentingan apapun yang bisa mempengaruhi penentuan sampel termasuk kepentingan peneliti sendiri.
Misalnya kita tertarik untuk menyelidiki tingkat kematangan karir di kalangan mahasiswa dan variabel yang berhubungan dengan variasi tingkat kematangan karir tersebut. Kita mungkin memutuskan untuk melakukan penelitian di sebuah universitas. Ini berarti bahwa populasi kita adalah semua mahasiswa di universitas tersebut, yang pada gilirannya dengan menggunakan jumlah sampel tertentu kita akan dapat menggeneralisasi temuan kita hanya kepada mahasiswa dari universitas itu saja. Kita tidak bisa berasumsi bahwa tingkat kematangan karir mahasiswa di tiap-tiap universitas adalah sama.
Kita mungkin memutuskan bahwa penelitian ini dilakukan hanya pada mahasiswa S1, sehingga mahasiswa diploma dan pascasarjana disisihkan. Misalnya jumlah keseluruhan dari mahasiswa S1 tersebut adalah 9.000 mahasiswa. Kita bisa memilih menggunakan metode penentuan sampel berikut.
Sampel Acak Sederhana (Simple Random Sampling)
Sampel acak sederhana (simple random sampling) adalah bentuk paling dasar dari sampel acak. Dengan pengambilan sampel acak, setiap unit populasi memiliki probabilitas inklusi yang sama dalam sampel.
Misalnya kita memutuskan bahwa dengan dana dan waktu yang cukup untuk mewawancarai 450 mahasiswa, maka kita tentukan jumlah sampelnya adalah 450 mahasiswa. Berarti bahwa probabilitas inklusi dalam sampel adalah 450 : 9000, yaitu 1 berbanding 20 ini dikenal sebagai fraksi sampel dan dinyatakan sebagai
n:N
di mana:
n = ukuran sampel
N = ukuran populasi.
Langkah-langkah kunci dalam menyusun sampel acak sederhana pada umumnya sebagai berikut:
- Mendefinisikan populasi. Misalnya telah diputuskan bahwa yang menjadi populasi adalah seluruh mahasiswa S1 di sebuah universitas dengan status masih aktif kuliah. Dengan demikian itulah N penelitian kita dan dalam hal ini adalah 9.000.
- Memilih atau membuat kerangka sampling yang komprehensif. Mungkin saja universitas memiliki bagian atau unit kerja yang menyimpan catatan semua mahasiswa. Berdasar pada data yang diperoleh kita bisa menentukan siapa saja yang menjadi anggota populasi dan bagaimana karakteristiknya. Misalnya program studi maupun tahun masuk.
- Menentukan ukuran sampel (n). Misalnya kita memutuskan bahwa jumlah sampel adalah 450. Kita bisa menentukan jumlah sampel minimal menggunakan beberapa pendekatan misalnya pendekatan toleransi kesalahan atau pendekatan teknik analisis, maupun batasan biaya.
- Daftar dan beri nomor semua mahasiswa yang termasuk dalam populasi secara berurutan dari 1 hingga N. Dalam kasus ini berarti nomor 1 sampai 9.000. Semua mahasiswa harus diberi nomor, karena nomor inilah yang akan digunakan untuk melakukan pengacakan.
- Menggunakan tabel angka acak, atau program komputer yang dapat menghasilkan angka acak, pilih n (450) angka acak berbeda yang terletak antara 1 dan N (9.000). Bila sampel kecil misalnya 200 kita bisa menggunakan metode pengacakan sederhana seperti mengocok arisan, bila N sampai 9000 maka kita perlu menggunakan program angka acak. Saat ini program tersebut sudah banyak dan mudah kita unduh di aplikasi Android.
- Setelah dilakukan pengacakan maka 450 mahasiswa yang terpilih oleh angka acak menjadi sampel penelitian kita.
Ada dua hal yang menonjol tentang proses pengambilan sampel acak ini. Pertama, hampir tidak ada peluang munculnya subyektivitas. Peneliti atau surveyor tidak akan memilih sampel berdasarkan kriteria subyektif seperti apakah mereka terlihat ramah dan mudah didekati. Pemilihan siapa yang akan diwawancarai sepenuhnya berjalan mekanis. Kedua, prosesnya tidak tergantung pada kesediaan mahasiswa. Proses seleksi dilakukan tanpa sepengetahuan mereka. Baru setelah ditentukan dan mereka dihubungi oleh peneliti atau surveyor, mereka tahu bahwa mereka adalah bagian dari sampel penelitian.
Sampel Acak Sistematis (Systematic Random Sampling)
Walaupun secara metode sangat sederhana, menggunakan sampel acak sederhana sering kali menyita waktu dan tenaga yang tidak sedikit karena kita harus melakukan pengacakan sampai jumlah sampel yang kita butuhkan terpenuhi. Bila kita membutuhkan 450 sampel, berarti kita harus melakukan 450 kali pengacakan. Tentunya cukup melelahkan, kecuali kita menggunakan program komputer khusus.
Namun, bila tidak tersedia program komputer, prosedur yang cukup melelahkan ini dapat diganti dengan menggunakan prosedur pengambilan sampel yang sistematis. Sampel sistematik (systematic sampling) merupakan variasi pada sampel acak sederhana. Dengan menggunakan sampel ini, kita memilih unit sampel langsung dari kerangka sampling tanpa melakukan pengacakan ulang sampai 450 kali.
Misalnya dalam kasus ini kita akan memilih 1 dari 20 mahasiswa. Dengan sampel sistematis, kita akan menentukan angka acak antara 1 dan 20 sebagai titik awal pengambilan sampel. Misalkan kita mendapatkan angka 16, ini berarti bahwa mahasiswa keenam belas terpilih menjadi sampel penelitian. Setelah itu, kita memasukkan setiap siswa yang keduapuluh dalam daftar sampel. Jadi urutannya adalah: 16, 36, 56, 76, 96, 116, dan seterusnya sampai diperoleh 450 mahasiswa.
Menggunakan pendekatan ini menjadi lebih praktis karena kita tidak perlu melakukan pengacakan berkali-kali. Namun, penting untuk memastikan bahwa tidak ada pemesanan kerangka sampling yang inheren, karena hal ini dapat membiaskan sampel yang dihasilkan.
Sampel Acak Berstrata (Stratified Random Sampling)
Dalam studi tentang tingkat kematangan karir mahasiswa di sebuah universitas, kita perlu berhati-hati dalam menentukan sampel penelitian terkait dengan heterogenitas anggota populasi. Misalnya di sebuah universitas tersebut ada program studi vokasi atau profesi dan program studi keilmuan murni. Misalnya ada program studi keperawatan, pendidikan guru, ilmu ekonomi, ilmu komunikasi dan lainnya.
Tentunya perbedaan karakteristik ini secara teoritis juga terkait dengan perbedaan kematangan karir mahasiswa. Nah, idealnya setiap mahasiswa dalam program studi atau fakultas yang heterogen tersebut mempunyai keterwakilan yang berimbang dalam sampel penelitian.
Sampel acak sederhana atau sampel sistematis mungkin bisa menghasilkan representasi seperti itu. Jadi, jika ada 1.800 siswa di fakultas vokasi, bila menggunakan fraksi sampel 1 dari 20, kita akan berharap mendapatkan 90 mahasiswa sebagai sampel dari fakultas ini. Namun, bila menggunakan kedua metode di atas kecil kemungkinan hal ini akan terjadi dan seringkali ada perbedaan, katakanlah kita mendapat 85 atau 93 mahasiswa dari fakultas ini.
Untuk kasus seperti ini maka disarankan untuk menggunakan metode sampel acak berstrata (stratified random sampling). Metode ini dilakukan secara berstrata berdasarkan pengelompokan karakteristik populasi.
Misalnya kita mempunyai tiga fakultas yaitu: fakultas vokasi, pendidikan, dan ilmu umum. Jumlah tiap-tiap fakultas tersebut misalnya juga berimbang atau 3.000 mahasiswa pada tiap-tiap fakultas. Maka untuk menjamin setiap fakultas terwakili secara proporsional dalam hal ini setiap fakultas diwakili oleh 150 sampel maka perlu dilakukan pengambilan sampel acak di tiap-tiap fakultas (strata) secara terpisah.
Keuntungan pengambilan sampel acak berstrata dalam kasus seperti ini adalah memastikan sampel yang dihasilkan akan terdistribusi dengan cara yang sama seperti populasi dalam hal kriteria stratifikasi. Jika menggunakan pendekatan pengambilan sampel acak sederhana atau sistematis, kemungkinan kita mendapatkan sampel yang proporsional sesuai dengan strata akan sangat kecil.
Ada dua hal penting di sini. Pertama, kita dapat melakukan pengambilan sampel bertingkat hanya jika relatif mudah untuk mengidentifikasi dan mengalokasikan unit populasi. Jika tidak mungkin atau sangat sulit untuk melakukannya, pengambilan sampel acak berstrata tidak akan layak. Kedua, kita bias menggunakan lebih dari satu kriteria stratifikasi.
Jadi, mungkin kita ingin stratifikasi berdasarkan fakultas dan jenis kelamin atau status sosial ekonomi. Jika layak untuk mengidentifikasi mahasiswa dalam hal kriteria stratifikasi ini, dimungkinkan untuk menggunakan pasangan kriteria atau beberapa kriteria (seperti keanggotaan fakultas ditambah jenis kelamin ditambah status sosial ekonomi.
Pengambilan sampel stratifikasi benar-benar layak hanya jika informasi yang relevan tersedia. Dengan kata lain, jika tersedia data yang memungkinkan identifikasi siap anggota populasi untuk dikelompokkan dalam kriteria stratifikasi, maka masuk akal untuk menggunakan metode pengambilan sampel ini. Tetapi tidak akan ekonomis jika identifikasi unit populasi untuk tujuan stratifikasi memerlukan banyak pekerjaan dan waktu tambahan karena tidak adanya daftar atau informasi yang tersedia.
Sampel Klaster (Cluster Sampling)
Sejauh yang kita bahas di atas, kita belum membahas tentang diversifikasi lokasi sampel. Bila keseluruhan populasi berada dalam satu lokasi yang sama, misalnya satu universitas mungkin kita tidak akan menghadapi banyak kendala dalam menerapkan ketiga metode pengambilan sampel acak di atas, terutama masalah waktu dan biaya perjalanan. Namun, bayangkan jika sampel kita adalah mahasiswa yang berasal dari universitas di seluruh Indonesia. Sangat mungkin bahwa pewawancara harus melakukan perjalanan panjang dan luas ke berbagai wilayah di Indonesia untuk mewawancarai sampel mahasiswa. Ini akan membuat waktu dan biaya penelitian menjadi membengkak.
Masalah seperti ini terjadi jika tujuannya adalah untuk mewawancarai sampel yang diambil dari populasi yang tersebar luas, seperti populasi nasional, atau wilayah yang luas, atau bahkan kota besar. Salah satu cara yang memungkinkan untuk menangani masalah ini adalah dengan menggunakan sampel klaster (cluster sampling).
Pada sampel klaster, unit pengambilan sampel primer (tahap pertama dari prosedur pengambilan sampel) bukanlah unit-unit populasi yang akan diamplifikasi, tetapi pengelompokan unit-unit tersebut berdasar pada karakteristik kewilayahan. Ini adalah pengelompokan agregasi unit populasi yang dikenal sebagai klaster.
Misalnya kita membutuhkan sampel yang representatif secara nasional sebanyak 5.000 mahasiswa. Menggunakan sampling acak sederhana atau sistematis akan menghasilkan sampel yang tersebar luas, yang akibatnya banyak perjalanan yang akan dilakukan oleh pewawancara. Salah satu solusi yang mungkin bisa dilakukan adalah dengan mengambil sampel universitas dari keseluruhan universitas dan kemudian sampel mahasiswa dari masing-masing universitas yang terpilih sebagai sampel.
Penggunaan metode sampel acak harus digunakan pada setiap tahap. Dengan demikian, kita dapat secara acak mengambil sampel sebanyak sepuluh universitas dari seluruh populasi universitas di Indonesia, sehingga menghasilkan sepuluh klaster, dan kemudian kita akan mewawancarai 500 siswa yang dipilih secara acak di masing-masing dari sepuluh universitas. Metode penentuan sampel seperti inilah yang disebut dengan metode sampel klaster.
Sampel Klaster Multi-tahap (Multistage Cluster Sampling)
Hasil penentuan sampel universitas menggunakan cluster sampling tersebut bisa saja seperti berikut:
- Universitas Negeri Surabaya
- Universitas Tadulako
- Universitas Jambi
- Universitas Udayana
- Universitas Nusa Cendana
- Universitas Syiah Kuala
- Universitas Hasanuddin
- Institut Teknologi Bandung
- Universitas Diponegoro
- Universitas Negeri Gorontalo
Sampel universitas ini mungkin bisa mewakili populasi dan relatif dapat dijangkau, namun bisa dibayangkan berapa dana yang dibutuhkan untuk mengunjungi dan mengambil sampel dari setiap universitas tersebut, sedangkan jaraknya berjauhan satu sama lainnya.
Salah satu solusi untuk mengatasi masalah tersebut adalah dengan mengelompokkan semua universitas berdasarkan wilayah standar dan secara acak diambil sampel di dua wilayah standar tersebut. Lima universitas kemudian dapat diambil dari masing-masing wilayah, kemudian 500 mahasiswa dari masing-masing dari sepuluh universitas tersebut.
Misalnya, kita kelompokkan universitas-universitas di Indonesia berdasarkan wilayah Jawa dan Luar Jawa. Kemudian kita kelompokkan lagi berdasarkan Provinsi. Pada tahap pertama kita ambil 1 Provinsi di pulau jawa secara acak, misalnya didapat Provinsi Jawa Timur. Untuk kelompok kedua kita memilih secara acak 1 Provinsi di luar jawa, misalnya kita dapat Provinsi Sulawesi Selatan.
Tahap selanjutnya adalah memilih secara acak 5 universitas dari 583 universitas yang berada di Jawa Timur, dan 5 dari 265 universitas di Sulawesi Selatan. Setelah mendapatkan sampel 5 universitas di wilayah 1 dan 5 universitas di wilayah 2 maka kita akan mengambil secara acak 500 mahasiswa di setiap unversitas tersebut.
Dengan menggunakan sampel klaster multi-tahap ini kita hanya perlu mengunjungi 5 universitas di 2 provinsi saja. Dengan demikian maka biaya dan waktu penelitian bisa ditekan, selain konsentrasi pada penelitian lebih terjamin karena peneliti menjadi lebih focus pada obyek penelitiannya.
Sebenarnya, pengambilan sampel klaster selalu merupakan pendekatan multi-tahap, karena yang pertama adalah sampel gugus pertama, dan kemudian sesuatu yang lain, baik gugus lanjut atau unit populasi yang dijadikan sampel. Banyak juga kasus multi-stage cluster sampling yang mensyaratkan stratifikasi.
Keuntungan dari penggunaan metode sampel klaster multi-tahap ini memungkinkan sampel / responden jauh lebih banyak terkonsentrasi secara geografis daripada menggunakan sampel acak sederhana atau berstrata. Namun, peluang kesalahan pengambilan sampel biasanya menjadi semakin tinggi. Sebenarnya peluang kesalahan ini tetap saja ada di metode pengambilan sampel apapun, bahkan ketika strategi pengambilan sampel yang sangat ketat digunakan, kesalahan pengambilan sampel tidak dapat dihindari.
Alasan mengapa pengambilan sampel probabilitas adalah prosedur yang begitu penting dalam penelitian adalah bahwa dimungkinkan untuk membuat kesimpulan dari informasi tentang sampel acak kepada populasi dari mana sampel itu dipilih. Dengan kata lain, kita dapat menggeneralisasi temuan yang berasal dari sampel ke populasi. Walaupun tidak berarti bahwa data populasi dan data sampel sebagai hal yang sama.
4 comments