POPULASI DAN SAMPEL

1. Populasi

Populasi adalah wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kenudian ditarik kesimpulannya.
Populasi tidak hanya berarti orang, tetapi benda-benda lainnya juga bisa termasuk populasi. Populasi juga bukan sekedar jumlah yang ada pada obyek yang dipelajari, tapi meliputi seluruh karakteristik/sifat yang dimiliki obyek/subyek tersebut.
Contoh: seorang peneliti akan melakukan penelitian di perusahaan Y, maka perusahaan Y tersebut merupakan populasi. Sedangkan para pegawai dan karyawan yang ada di perusahaan Y disebut populasi dalam arti kuantitas. Disamping itu perusahaan Y juga memiliki karakteristik pegawainya, misalnya motivasi kerjanya, disiplin kerjanya, kepemimpinannya, dan sebagainya; dan juga mempunyai karakteristik obyek, misalnya prosedur kerja, tata ruang, produk yang dihasilkan.

2. Sampel

Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi. Apa yang dipelajari dari sampel tersebut, maka kesimpulannya akan diberlakukan untuk populasi dimana sampel tersebut diambil. Untuk itu sampel harus betul betul mewakili (representatif) populasi.
a. Ukuran Sampel
Merupakan jumlah anggota sampel yang harus memenuhi / mewakili dari populasi. Makin besar jumlah sampel mendekati populasi, maka peluang kesalahan generalisasi semakin kecil.
Dalam penghitungan sampel terdapat tingkat kesalahan atau taraf signifikansi yang harus diperhatikan oleh peneliti, supaya sampel yang ditetapkan benar-benar mewakili populasi
Sebagian besar behavioral research dilakukan dengan taraf signifikansi 0.05 dan 0.01. Untuk exploratory research digunakan taraf signifikansi 0.10 dan 0.20. Dalam pengujian obat digunakan taraf signifikansi yang sangat kecil, misal 0.0001. Demikian juga pengujian atas ketepatan stir pesawat terbang digunakan a yang sangat kecil.
Bila kita mengambil taraf signifikansi 5 % artinya kita sudah mengantisipasi bahwa kita akan 5 kali menolak hipotesis yang sebenarnya benar dari 100 kali pengujian
Terdapat tiga cara untuk menentukan ukuran sampel, yaitu dengan rumus perkiraan, Tabel Krejcie, dan Nomogram Harry King.

• Rumus Perkiraan



1,96 : Nilai Z-skor (untuk taraf signifikansi 5%)
Untuk taraf signifikansi 1%, nilai Z-skor = 2,58
2.500 : Bilangan konstan
N : Jumlah populasi
n : Jumlah anggota sampel



Contoh soal:
Pertanyaan: Jika populasi 300 orang, dengan taraf signifikansi 5%, maka berapa jumlah sampel yang diperlukan?

Jawab: Diperkirakan jumlah sampel 150, maka..........



= 5,68% (masih diatas 5%, sehingga jumlah sampel harus ditambah)


Jika diperkirakan jumlah sampel 175, maka................



= 4,7%

Jadi sampel yang diperlukan adalah 175 orang.

• Tabel Krecjie
Tabel ini didasarkan untuk pengukuran sampel yang memiliki kesalahan 5%. Jadi sampel yang diperoleh mempunyai kepercayaan 95% terhadap populasi. Namun jumlah populasi dibatasi sampai 100.000. Contoh: dari tabel tersebut terlihat bahwa jika jumlah popolasi 100 maka sampelnya 80, jika populasi 1000 maka sampelnya 278, jika populasi 100.000 maka sampelnya 384.



• Nomogram Harry King
Harry King menghitung ukuran sampel tidak hanya didasarkan atas kesalahan 5% saja, tetapi bervariasi sampai 15%. Tetapi jumlah populasi paling tinggi hanya 2000. Contoh: bila populasi 200, taraf kepercayaan 95%, maka jumlah sampelnya sekitar 58% dari populasi. Jadi 0.58 X 200 =116.






b. Teknik Mengambil Sampel / Teknik Sampling
Untuk menentukan sampel yang akan digunakan dalam penelitian, terdapat berbagai teknik sampling yang dapat digunakan. Secara garis besar teknik sampling dikelompokkan menjadi dua: Probability sampling dan non probability sampling.
 Probability Sampling
Merupakan teknik sampling yang memberikan peluang yang sama bagi anggota populasi untuk menjadi anggota sampel. Teknik ini meliputi:
• Sampling Acak Sederhana
Pengambilan sampel secara acak tanpa memperhatikan strata karena populasi homogen
• Sampling Acak Berstrata Proporsional
Digunakan apabila populasi terdiri dari unsur yang tidak homogen dan berstrata secara proporsional.
Misalnya: Menentukan sampel untuk penelitian mengenai iklim kerja di suatu organisasi berdasarkan latar belakang pendidikan pegawainya.
Diketahui jumlah pegawai 1000 orang, terdiri dari lulusan S1=50; SM=300; SMK=500; SMP=50; SD=100.
Jika taraf signifikansinya 5%, maka secara keseluruhan sampel yang diperlukan adalah 278 orang, sehingga sampel untuk masing-masing latar belakang pendidikan adalah sebagai berikut:
S1 = (50/1000) X 278 = 13,90 = 14
SM = (300/1000) X 278 = 83,40 = 83
SMK = (500/1000) X 278 = 139,00 = 139
SMP = (50/1000) X 278 = 13,90 = 14
SD = (100/1000) X 278 = 27,80 = 28

• Sampling Acak Berstrata Tidak Proporsional
Digunakan apabila populasi terdiri dari unsur yang tidak homogen dan berstrata tapi kurang atau tidak proporsional. Misalnya: Menentukan sampel dari PT tertentu yang mempunyai lulusan S3=3; S2=4; S1=90; SMU=800; SMP=700, maka tiga orang lulusan S3 dan empat orang lulusan S2 tersebut diambil semua menjadi sampel, karena dua kelompok ini terlalu kecil bila dibandingkan kelompok S1, SMU, dan SMP.
• Sampling Cluster (Sampling Area)
Digunakan apabila obyek yang diteliti merupakan sumber data yang sangat luas, meliputi suatu negara, propinsi, atau kabupaten. Teknik sampling ini dilakukan melalui dua tahap, yaitu tahap pertama menentukan sampel daerah, dan tahap berikutnya menentukan orang-orang yang ada pada daerah itu secara sampling juga.
Misalnya penelitian mengenai tingkat keberhasilan program keluarga berencana di Indonesia yang memiliki 32 propinsi. Maka tahap pertama yaitu menentukan propinsi yang dijadikan sampel: 10 propinsi, maka pengambilan 10 propinsi itu dilakukan secara random. Tahap kedua yaitu menentukan individu yang kan dijadikan sampel. Namun perlu diingat, karena jumlah penduduk di masing-masing propinsi berstrata, maka pengambilan sampelnya menggunakan sampling acak berstrata.
 Non Probability Sampling
Merupakan teknik sampling yang tidak memberi peluang/kesempatan yang sama bagi setiap unsur populasi untuk menjadi anggota sampel. Teknik sampling ini meliputi:
• Sampling Sistematis
Dilakukan berdasarkan urutan dari anggota populasi yang telah diberi nomor urut. Misalnya anggota populasi yang terdiri dari 50 orang. Setelah ditentukan ukuran sampelnya, kemudian diberi nomor urut. Pengambilan sampel dapat dilakukan dengan nomor genap saja, ganjil saja, atau kelipatan bilangan tertentu.
• Sampling Kuota
Sampel diperoleh dari populasi yang mempunyai ciri-ciri tertentu sampai jumlah kuota yang sudah ditentukan.
Penelitian dengan teknik sampling ini biasanya dilakukan secara kelompok, dimana setiap anggota peneliti memilih sampel secara bebas sesuai karakteristik dengan jumlah yang telah ditentukan (sama).
Misalnya setelah ukuran ditentukan 50, dan jumlah anggota peneliti 5 orang, maka setiap anggota peneliti dapat memilih sampel secara bebas sesuai karakteristik yang sudah ditentukan sebanyak 10 orang.
• Sampling Akasidental
Teknik penentuan sampel berdasarkan kebetulan, yaitu siapa saja yang secara kebetulan bertemu dengan peneliti dapat digunakan sebagai sampel, bila dipandang orang yang ditemui tersebut cocok sebagai sumber data. Misalnya: penelitian mengenai fluktuasi harga sembako di pasar Jongke Sukoharjo. Setelah ditentukan ukuran sampelnya, maka peneliti dapat mencari sampel di mana saja asalkan sampel tersebut cocok dijadikan sebagai sumber data.
• Sampling Purposive
Teknik penentuan sampel dengan pertimbangan tertentu sesuai permasalahan yang diteliti.. Misalnya penelitian mengenai disiplin keuangan, maka sampel yang dipilih adalah orang-orang yang paham tentang keuangan saja.
• Sampling Jenuh
Digunakan apabila semua anggota populasi digunakan sebagai sampel, karena jumlah populasi kecil atau kurang dari 30 orang.
• Snowball Sampling
Penentuan sampel yang mula mula jumlahnya kecil, kemudian sampel ini disuruh memilih teman-temannya untuk dijadikan sampel, begitu seterusnya sehingga jumlah sampel semakin banyak. Ibarat bola salju yang menggelinding, makin lama semakin besar.

Statistik 1 Pengantar

1. Pengertian Statistik

Cara maupun aturan-aturan yang berkaitan dengan pengumpulan, pengolahan (analisis), penarikan kesimpulan, atas data yang berbentuk angka, dengan menggunakan suatu asumsi-asumsi tertentu. (Soepeno B., 1997)

Ilmu yang membahas (mempelajari) dan memperkembangkan prinsip-prinsip, metode, dan prosedur yang perlu ditempuh atau dipergunakan dalam rangka:

1. pengumpulan data angka
2. penyusunan atau pengaturan data angka
3. penyajian atau penggambaran data angka
4. penganalisaan terhadap data angka
5. penarikan kesimpulan, pembuatan perkiraan, dan penyusunan ramalan secara ilmiah atas dasar kumpulan angka tersebut. (Sudijono, 2000)

Suatu metode dan prosedur yang digunakan untuk melakukan pengumpulan, pengolahan, penafsiran, dan penarikan kesimpulan pada data hasil penelitian (Winarsunu, 2002)

Sebagai pengolah angka, statistic selalu dan hanya menerima sejumlah, setumpuk, atau seperangkat angka sebagai input, dan mengolahnya menjadi beberapa angka saja yang mewakili tumpukan angka tersebut sebagai outputnya (Burhan Nurgiyantoro, 2000)

Error! Not a valid link.

2. Pembagian Statistik Secara Skematis

Error! Not a valid link.

Statistik Deskriptif:

• Mempelajari cara penyusunan dan penyajian data yang dikumpulkan. Teknik ini memungkinkan kita untuk menggambarkan dengan tepat suatu kumpulan informasi kuantitatif, menyajikannya dalam bentuk yang lebih ringkas dan menyenangkan daripada kumpulan data aslinya, memfasilitasi kita yang ingin mengkomunikasikan dan memberikan interpretasi secara rapi daripada menyajikannya dalam bentuk data yang tak terorganisir.

• Sebagai contoh skore hasil suatu tes terhadap sejumlah besar siswa dapat diringkas dengan menunjukkan rata-rata, distribusi frekuensi, grafik distribusi tersebut.

• Termasuk dalam statistik deskriptif a.l. rata-rata, simpangan baku, median dsb.

Statistik Inferensial:

• Mempelajari tata cara penarikan kesimpulan mengenai populasi berdasarkan data yang ada pada sampel.

• Teknik ini memungkinkan peneliti untuk menggambarkan kesimpulan dan generalisasi dari sampel ke populasi, dari individu-individu yang berpartisipasi langsung dalam penelitian kepada individu-individu yang tidak terlibat langsung dalam penelitian. Yang ingin diteliti sebenarnya populasi, namun karena berbagai alasan maka yang diteliti sampel.

• Statistik inference telah digambarkan sebagai “ a collection of tools for making the possible decisions in the face of uncertainty”

• Termasuk di sini a.l. Uji t, anava, regresi dan korelasi sederhana, regresi dan korelasi multiple, anacova dan analisis multivariat

3. Peran Statistik dalam Penelitian

Masalah

Berteori

Menentukan Sampel Perlu Statistik

Mengumpulkan Data Perlu instrument perlu Statistik

Menyajikan Data Perlu statistik

Menganalisa Data Perlu Statistik

Pembahasan

Kesimpulan

4. Pengertian Variabel

· Diartikan sebagai konstruk atau sifat-sifat yag diteliti.

· Sesuatu yang menggolongkan anggota ke dalam beberapa golongan.

· Sesuatu yang memiliki beberapa nilai. Jika hanya memilki satu nilai maka disebut konstanta.

· Ada dua golongan besar: variabel kualitatif (jenis kelamin, anak minum asi dan tak minum asi, kidal dan tidak kidal, kawin tak kawin) and variabel kuantitatif (IQ, EQ, Keingintahuan, memori, prestasi belajar, kelancaran berbahasa inggris)

DATA DAN MACAM-MACAM DATA

1. Pengertian Data

Merupakan informasi yang berkaitan dengan keadaan, keterangan, ciri khas, tentang suatu hal pada subyek penelitian yang dapat dijadikan bahan analisis.

2. Macam-Macam Data

Kualitatif

Data Deskrit Nominal

Kuantitatif Ordinal

Kontinu Interval

Rasio

• Data Kualitatif

Data yang tidak berbentuk angka, biasanya berupa deskripsi tentang suatu hal,

keadaan atau proses

Contoh: Deskripsi tentang sikap mahasiswa terhadap kuliah statistic:Merasa

Senang, merasa biasa-biasa saja, merasa tidak senang

• Data Kuantitatif

Data yang berwujud angka. Yang diperoleh sebagai hasil pengukuran atau

penjumlahan yang selanjutnya diolah dengan teknik statistik

Data Kuantitatif dapat digolongkan menjadi data deskrit dan data kontinu.

o Data deskrit: hanya ada satu nilai, tidak fraksional, datanya diperoleh dengan mencacah. Contoh jenis kelamin, afiliasi politik, jumlah anak dalam kelas, agama. Data yang menggambarkan variabel deskrit disebut data deskrit.

Data deskrit dapat berbentuk kualitatif (afiliasi politik, agama, ) atau

berbentuk kuantitatif (jumlah siswa dalam kelas, jumlah siswa yang lulus

EBTA)

o Data kontinu: dapat mempunyai nilai fraksional, diperoleh melalui suatu pengukuran. Contoh: tinggi badan, kecakapan berbicara, IQ. Hasil pengukuran variabel kontinu kadang dinyatakan dalam angka bulat, IQ seseorang = 115, sebenarnya antara 114.5 s/d 115.5.

Data kontinu kadang-kadang dinyatakan dalam deskrit, contoh: IQ dikelompokkan menjadi gifted, normal dan retarded; kreativitas dikelompokkan menjadi tinggi, sedang, rendah; motivasi berprestasi dikelompokkan menjadi tinggi dan rendah.

Berdasarkan skala pengukurannya, maka data kontinu dibagi menjadi:

a. Skala nominal:

• skala pengukuran paling rendah, menggolongkan hasil pengamatan ke dalam kategori. Contoh: jenis kelamin (laki-laki dan perempuan), mahasiswa dan bukan mahasiswa; suatu populasi guru SMA dapat digolongkan menjadi guru matematik, guru IPA dsb.

• Skala nominal sifatnya deskrit dan kualitatif.

• Data yang diperoleh melalui skala pengukuran nominal disebut data nominal

Tabel 1: Contoh Data Nominal: Komposisi Pendidikan Pegawai di PT Lodaya

b. Skala ordinal:

• skala yang mempunyai dua karakteristik yaitu:

1) dapat dilakukan klasifikasi pengamatan dan

2) dapat dilakukan pengurutan.

• Skala ini sering disebut juga rank order

• Data yang diperoleh melalui skala pengukuran ordinal disebut data ordinal

• Contoh variabel yang skalanya ordinal:ranking dalam memainkan piano. Seorang musisi profesional dapat menyusun ranking terhadap 3 orang pemain piano walaupun tidak dapat menjelaskan seberapa lebih baik satu dengan yang lain. Contoh lain: tingkat pendidikan dosen, pangkat dan golongan pegawai negeri.

• Skala ordinal mungkin deskrit , contoh variabel tingkat pendidikan (SD, SMP, SMA, PT), atau kontinu, contoh ranking guru atas dasar besarnya kontribusi terhadap profesinya( kurang, cukup, baik, sangat baik).

• Teknik statistik yang disusun untuk skala nominal dan ordinal disebut statistik nonparametrik.

c. Skala interval:

• skala ini mempunyai karakteristik 1) dapat dilakukan klasifikasi pengamatan, 2) dapat dilakukan pengurutan pengamatan, 3) terdapat-nya satuan pengukuran.

• Skala interval benar-benar kuantitatif.

• Tidak ada hasil pengukuran yang berskala interval yang hasilnya benar-benar 0. Contoh skala interval adalah IQ, tidak ada orang yang IQ nya = 0. Mahasiswa dengan IPK= 4.00 tidak dapat diartikan kemampuannya 2 kali mahasiswa yang mempunyai IPK= 2.00

• Sebagian besar tes psikologi hasil pengukurannya berskala interval, seperti achivement motivation, spatial ability, numerical ability, curiousity, creativity, attitude toward matematic dll.

d. Skala rasio:

• Skala ini mempunyai semua sifat skala interval ditambah satu sifat adanya pengukuran yang nilainya zero.

• Contoh: tinggi, berat badan, umur, besarnya kuat arus, besarnya tahanan listrik.

• Teknik statistik yang dikembangkan untuk data yang skalanya interval dan rasio disebut statistik parametrik.

Tabel 2: Contoh Data Ordinal dan Rasio: Ranking kualitas kinerja aparatur