banner 468x60

ARIYA KONSULTAN : KESALAHAN FATAL DALAM PENGAMBILAN SAMPEL SECARA ACAK(RANDOM SAMPLING)

 Regional
banner 468x60
ARIYA KONSULTAN : KESALAHAN FATAL DALAM PENGAMBILAN SAMPEL SECARA ACAK(RANDOM SAMPLING)

Metode Random sampling adalah pengambilan sampel dari suatu populasi dengan memberikan kesempatan yang sama kepada setiap anggota populasi.

Nah, meskipun dikatakan ‘ACAK’ tetapi tidaklah Acak-acakan dan tetap merupakan suatu metode tertentu yang mengikuti kaidah tertentu. Banyak yang menafsirkan random sampling adalah asal-asalan, ngawur saja, tidak metodik dan lain-lain. Ini salah besar. Coba kita simak simulasi berikut ini:

Catur  (bukan nama sebenarnya, hanya ilustrasi, mohon maaf jika ada kesamaan nama) ingin meneliti tentang bursa saham Indonesia, dan memerlukan 100 sampel perusahaan yang terdaftar di BEI (Bursa Efek Indonesia). Dia menyusun sekitar 600 san nama perusahaan berdasarkan abjad, lalu mulai mengambil data rasio keuangan dari perusahaan berdasarkan data base yang dia susun. Nomor 1 perusahaan A diambil datanya. lalu nomor 2 demikian seterusnya. Ketika sampai pada data yang sulit diambil datanya (sumber terlalu tebal atau kurang lengkap) dia segera melewatkan dan mengambil data di urutan bawahnya. Demikian seterusnya sehingga terkumpul 100 perusahaan meskipun dia baru menelusuri sekitar 230 perusahaan

Parto (bukan nama sebenarnya, hanya ilustrasi, mohon maaf jika ada kesamaan nama) juga serupa. Tetapi dia mengumpulkan data perusahaan berdasarkan kategorinya. Lalu mulailah dia ambil data dari atas persis seperti apa yang dilakukan oleh Catur. Dan ketika sampai pada data ke 190 maka dia sudah mendapatkan 100 sampel. 

Dari kedua simulasi di atas, manakah yang sesuai dengan kaidah Randomg Sampling? Tentu saja. Semuanya tidak sesuai. Kedua contoh di atas lebih sesuai dikatakan (maaf) Ngawur dan sangat tidak terstruktur. 

Dalam kasus yang pertama, maka perusahaan yang kebetulan diawali dengan huruf A sangat mungkin masuk menjadi sampel, tetapi perusahaan yang berawalan huruf Z sangat tidak mungkin menjadi sampel. Berarti tidak semua anggota populasi mempunyai kesempatan atau peluang yang sama untuk menjadi sampel. 

Juga untuk kasus kedua. Dalam hal ini, perusahaan yang masuk kategori Agriculture sangat mungkin menjadi sampel. Tetapi perusahaan yang masuk kategori Property, misalnya, sangat kecil kemungkinan untuk menjadi sampel.

Lalu harus seperti apa?

Untuk kasus yang pertama, kita bisa menggunakan nomor yang melompat sehingga semua perusahaan mungkin bisa menjadi sampel. Misalnya kita lompat 6, maka nomor, 1, lalu, 7 lalu 13 dan seterusnya. Atau kita bisa menggunakan Tabel bilangan acak, tetapi akhir-akhir ini kita bisa menggunakan aplikasi yang berkaitan dengan bilangan acak. Misalnya sampel pertama adalah nomor 1 dalam daftar, lalu sampel kedua bisa nomor 59 lalu ketiga 320 lalu balik ke nomor 7 dan seterusnya. Jadi dengan aplikasi ini, maka setelah kita mengambil 1 buah sampel, maka semua perusahaan yang belum masuk sampel akan diacak sehingga mempunyai kesempatan yang sama untuk menjadi sampel. 

Untuk kasus kedua, kita bisa menggunakan stratified sampling. Artinya, setiap kategori kita ambil jumlah sampelnya agar terwakili. Jumlah sampel pada masing-masing kategori dirancang proporsional dengan jumlah keseluruhan sampel. Nah, nanti di setiap kategori, misalnya ada 40 diambil 6 sampel (ini hanya contoh) maka barulah kita acak 6 dari 40 anggota kategori tersebut. Dengan demikian semua kategori terwakili dan setiap anggota populasi mempunyai kesempatan yang sama untuk menjadi sampel.

Apakah ini penting? IYA. Ini sangat penting. Kesalahan pengambilan sampel berarti kesimpulan akhir bisa missleading. Banyak pertanyaan kenapa kok hasil penelitian saya tidak sesuai teori bla bla….sangat mungkin terjadi karena sampel memang tidak mewakili populasi yang ada karena diambil dengan menggunakan metode Acak (acakan).

banner 468x60

Author: 

Related Posts

Tinggalkan Balasan