KESENJANGAN PENGELUARAN PENDUDUK DI INDONESIA

Sila kelima Pancasila mengamanatkan untuk menegakkan keadilan sosial bagi seluruh rakyat Indonesia. Ini mendorong pemerintah Indonesia untuk menggenjot pembangunan ekonomi. Hal ini dimaksudkan agar masyarakat Indonesia bisa merasakan pembangunan ekonomi dan mendapatkan hak-hak hidupnya sebagai manusia. Pembangunan ekonomi juga dimaksudkan untuk mengentaskan kemiskinan ekstrim. Tujuan ini sejalan dengan Sustainable Development Goals yang disusun oleh Perserikatan Bangsa-Bangsa (PBB), dimana PBB bertujuan untuk mengentaskan kemiskinan ekstrim hingga ke angka nol persen.

Pembangunan ekonomi memang memberikan dampak positif bagi perkembangan perekonomian masyarakat. Jalan tol yang dibangun memberikan kemudahan akses bagi para pelaku usaha. Bandara-bandara yang dibangun membuat maskapai tak ragu lagi untuk membuka rute baru. Tol laut memberikan harapan bagi daerah remote untuk mendapatkan suplai kebutuhan dengan harga yang lebih terjangkau.

Pembangunan ekonomi sejatinya tak hanya bertujuan mengentaskan kemiskinan, tetapi juga memberikan pemerataan ekonomi bagi masyarakat. Faktanya, ketimpangan dan kemiskinan merupakan masalah yang selalu beriringan. Ketidakmerataan yang ada di masyarakat dapat menimbulkan masalah kecemberuan sosial. Hal ini yang harus mendapatkan perhatian khusus dari pemerintah. Pemerintah harus bisa memastikan bahwa pembangunan ekonomi yang dilakukan dapat dinikmati seluruh kalangan masyarakat, tak hanya golongan tertentu saja. 

Pemerintah Indonesia sebenarnya juga telah berusaha memberikan program-program yang dapat mengurangi kesenjangan perekonomian ini. Dimulai dari kredit Usaha Mikro Kecil Menengah (UMKM) yang memberikan akses perbankan pada masyarakat, hingga bantuan langsung bagi masyarakat yang miskin untuk mendorong pengeluaran masyarakat miskin. Akan tetapi, permasalahan kemiskinan dan kesenjangan masih menggerogoti masyarakat Indonesia.

Indikator yang dapat digunakan untuk melihat kesenjangan penduduk adalah Gini ratio atau Indeks Gini. Indeks Gini dihitung menggunakan pendekatan pengeluaran masyarakat. Berdasarkan data Badan Pusat Statistik (BPS), Indeks Gini Indonesia tahun 2021 adalah 0,384 dimana hal itu dapat diinterpretasikan bahwa kesenjangan pengeluaran penduduk di Indonesia dikategorikan moderat atau sedang. Lantas, provinsi mana saja yang kesenjangan pengeluaran penduduknya sangat tinggi?

Berikut 5 Provinsi di Indonesia dengan Indeks Gini yang paling tinggi (menurut data BPS tahun 2022).

5.    PAPUA

Provinsi yang terletak di bagian timur Indonesia ini memiliki angka Gini 0,406, sedikit meningkat jika dibandingkan tahun 2021 sebesar 0,397. Faktanya, selain memiliki angka Indeks Gini yang tinggi, Papua juga memiliki persentase penduduk miskin yang sangat tinggi. Berdasarkan Survei Sosial Ekonomi Nasional (Susenas) 2022 yang dilakukan BPS, tingkat kemiskinan di Provinsi  Papua mencapai angka 26,56 persen. Artinya, 1 dari 4 penduduk Papua hidup dibawah garis kemiskinan.

Masyarakat Adat Papua

Kondisi geografis Provinsi Papua yang cenderung berbentuk pegunungan, menjadi salah satu faktor mengapa pembangunan cukup sulit dilaksanakan di Pulau Papua (baik Papua Barat maupun Papua). Selain itu, faktor korupsi yang dilakukan pemimpin di Papua sama sekali tak membantu pembangunan yang dilakukan untuk mengurangi penduduk miskin dan kesenjangan di Papua. Tak dapat dipungkiri, masalah pemberontakan juga menambah panjang daftar permasalahan yang menghambat pembangunan di Papua. Hingga tulisan ini dibuat, Kelompok Kriminal Bersenjata (KKB) masih memberikan kekhawatiran bagi para pekerja proyek disana.

Sederet faktor ini menjadikan Papua sebagai salah satu provinsi termiskin dan memiliki kesenjangan pengeluaran penduduk yang cukup tinggi. Diperlukan usaha dan komitmen yang ekstra dari pemerintah pusat dan kerja sama dengan pemerintah daerah untuk mengentaskan masalah kemiskinan dan kesenjangan yang ada di Provinsi Papua. 

4.    JAWA BARAT

Provinsi dengan jumlah penduduk terbanyak di Indonesia ini ternyata mengalami permasalahan kesenjangan ekonomi antar penduduknya. Berbeda dengan Papua, tingka kemiskinan di Provinsi Jawa Barat cukup rendah. BPS merilis bahwa angka kemiskinan di Jawa Barat tahun 2022 adalah sebesar 8,06 persen. Angka ini berada dibawah angka kemiskinan nasional, dimana pada periode yang sama angka kemiskinan Indonesia sebesar 9,54 persen.

Jawa Barat terkenal sebagai pusat industri dan beberapa kota di Jawa Barat merupakan daerah penyangga bagi Jakarta. Selain itu, beberapa kabupaten di Jawa Barat masih menjadi sentra industri pertanian. Perbedaan sektor unggulan antar kabupaten mengakibatkan besarnya kesenjangan antar penduduk di Jawa Barat.

3. GORONTALO

Provinsi yang merupakan hasil pemekaran dari Sulawesi Utara ini merupakan provinsi dengan tingkat ketimpangan dan tingkat kemiskinan paling tinggi di Pulau Sulawesi. Berdasarkan angka yang dirilis oleh BPS, angka kemiskinan di Gorontalo pada tahun 2022 mencapai 15,42 persen. Sedangkan untuk angka kesenjangan (Indeks Gini), provinsi asal B.J. Habibie ini berada di angka 0,418.

Patung BJ Habibie di Gorontalo

2. DKI JAKARTA

Kehadiran DKI Jakarta pada daftar ini sebenarnya tidak mengejutkan. Faktanya, sebagai salah satu provinsi dengan PDRB per kapita tertinggi di Indonesia tak membuat DKI Jakarta tak memiliki masalah kesenjangan sosial. Indeks Gini DKI Jakarta menurut BPS ada di angka 0,423. Sedangkan, untuk angka kemiskinan, DKI Jakarta cukup rendah, yakni sebesar 4,69 persen.

Kemegahan Jakarta

Kesenjangan ekonomi di Jakarta sebenarnya sangat terlihat dibeberapa titik di Ibukota. Apartemen mewah yang menjulang tinggi tak jarang berdekatan dengan pemukiman kumuh penduduk di bantaran kali. Selain menjadi pusat pemerintahan, DKI Jakarta juga menjadi pusat bisnis di Indonesia. Faktor ini yang membuat banyak orang yang mengadu nasib ke Jakarta. Ada yang berhasil, namun tak sedikit yang menjadi gembel di Ibukota sehingga memperparah kesenjangan di Ibukota Indonesia.

1. DI YOGYAKARTA

Yogyakarta merupakan salah satu provinsi yang memiliki status keistimewaan, dimana pemimpin tertinggi di provinsi ini masih ditunjuk berdasarkan garis keturunan. Keunikan ini menjadikan Yogyakarta memiliki tempat tersendiri dihati masyarakat Indonesia. Akan tetapi, tak banyak yang mengira bahwa kesenjangan pengeluaran di DI Yogyakarta merupakan yang tertinggi di antara provinsi-provinsi di Indonesia. 

Menurut data BPS, Indeks Gini tahun 2022 di DI Yogyakarta mencapai angka 0,439. Angka ini sebenarnya lebih rendah jika dibandingkan Indeks Gini 2021 (0,441). Sedangkan, angka kemiskinan DI Yogyakarta pada tahun 2022 hanya sebesar 11,34 persen.

Read More

PENGERTIAN QUOTA SAMPLING DAN CONTOH PENGGUNAAN

Quota sampling adalah metode salah satu nonprobability sampling dimana peneliti mengklasifikasikan populasi menurut kriteria tertentu (partinent propertiesi), kemudian menentukan proporsi sampel yang dikehendaki untuk setiap kelas, lalu menetapkan kuota untuk setiap sampel. Teknik quota sampling memungkinkan peneliti untuk megumpulkan individu berdasarkan kriteria yang telah ditentukan.

Quota sampling mengumpulkan data dari kelompok individu yang memiliki karakteristik yang sama. Teknik sampling ini umumnya memiliki dua langkah, langkah pertama adalah mengelompokkan populasi berdasarkan variabel yang telah ditetapkan, lalu mengalokasikan sampel yang dipilih dari setiap kelompok. Teknik Quota sampling dapat dikatakan sebagai bentuk nonprobability dari stratified sampling, karena kedua teknik sampling ini membagi populasi menjadi kelompok berdasarkan karakteristik yang ditentukan. Perbedaannya, pada stratified sampling, peluang terpilihnya individu menjadi sampel dapat diketahui, sedangkan pada quota sampling, hal tersebut tidak dapat dilakukan.

Kapan Quota Sampling Digunakan?

1. Saat peneliti memiliki time-frame yang terbatas, quota sampling dapat digunakan karena metode sampling ini sangat cepat digunakan. Setelah kuota sampel untuk setiap kelompok populasi ditentukan, maka convenience sampling atau judgement sampling dapat digunakan untuk memilih individu.
2. Metode sampling ini juga dapat digunakan ketika penelitian memiliki biaya yang terbatas. 
3. Teknik quota sampling dapat digunakan ketika kita ingin mendapat data dari beberapa kelompok pada populasi yang sama.

Jenis Quota Sampling

1. Controlled quota sampling
   Controlled quota sampling memberlakukan pembatasan pada pilihan sampel peneliti. Di sini, peneliti dibatasi pada pemilihan sampel.
2. Uncontrolled quota sampling
   Uncontrolled quota sampling tidak memberlakukan batasan apa pun pada pilihan sampel peneliti. Di sini, peneliti memilih anggota sampel sesuka hati.

Langkah-langkah Melakukan Quota Sampling
Secara umum, berikut langkah-langkah yang dapat diikuti untuk melakukan quota sampling dalam penelitian:

1. Mengelompokkan populasi penelitian menjadi beberapa kelompok: Pada tahap ini peneliti membagi populasi menjadi kelompok sesuai dengan keinginan peneliti. Misalkan, menjadi kelompok wanita dan pria, ataupun berdasarkan kelompok umur.
2. Menentukan penimbang untuk setiap kelompok: Peneliti menentukan proporsi penimbang dari setiap kelompok. Misalkan, jika persentase wanita pada populasi adalah 50 persen, maka peneliti akan menetapkan proporsi sampel untuk kelompok wanita sebanyak 50 persen.
3. Menetapkan jumlah sampel: Langkah berikutnya adalah menetapkan jumlah sampel secara keseluruhan. Jumlah sampel ini disesuaikan dengan kebutuhan penelitian. Misalkan, target sampel yang ditetapkan adalah 100 orang. Maka akan dibutuhkan 50 orang wanita dan 50 orang pria yang menjadi sampel.
4. Melakukan Pengumpulan Data: Setelah menetapkan jumlah sampel dari setiap kelompok, maka lakukanlah pengumpulan data dari sampel yang telah ditetapkan. Usahakan untuk memenuhi kuota sampel pada setiap kelompok.

Kelebihan Quota Sampling

1. Menghemat waktu dan biaya: Teknik quota sampling sangat tepat digunakan untuk mendapatkan data primer dengan biaya dan waktu yang terbatas.
2. Tak memerlukan sampling frame: Sama seperti metode nonprobability sampling lainnya, quota sampling dapat digunakan ketika populasi yang ingin diteliti tak memiliki sampling frame
3. Memudahkan analisis selanjutnya: Karena pemilihan sampel telah dialokasikan berdasarkan kelompok yang telah ditentukan, maka peneliti akan dimudahkan dengan analisis selanjutnya.

Kekurangan Quota Sampling

1. Tak dapat menghitung sampling error: Quota sampling merupakan teknik nonprobability sampling, sehingga penghitungan sampling error tak memungkinkan.
2. Sampel tak representatif terhadap populasi: Pemilihan sampel berdasarkan kuota yang ditetapkan pada setiap kelompok beresiko membuat sampel yang terpilih tak mewakili populasi secara keseluruhan. Bisa jadi, sampel yang terpilih hanya mewakili kelompoknya tersebut.
3. Berpotensi Bias: Dibutuhkan kompetensi dari peneliti untuk menentukan kelompok serta kuota sampel setiap kelompok. Jika peneliti kurang berkompeten, maka dapat memperbesar bias pada data yang dikumpulkan

Contoh Penggunaan Quota Sampling
Sebuah perusahaan ingin mengetahui model smartphone seperti apa yang diinginkan oleh konsumennya. Lalu, perusahaan tersebut melakukan penelitian di 10 negara dengan menetapkan sebanyak 10.000 sampel. Perusahaan tersebut dapat menggunakan pembagian kelompok seperti berikut ini:

• Membagi kelompok berdasarkan jenis kelamin, sehingga akan didapatkan 5000 sampel wanita dan 5000 sampel pria.
• Membagi kelompok berdasarkan kelompok umur, sehingga akan ada 2000 sampel untuk masing-masing kelompok umur 16-20, 21-30, 31-40, 41-50, dan umur 50 keatas
• Membagi kelompok berdasarkan status pekerjaan, sehingga akan ada 2000 sampel pengangguran, dan 8000 sampel yang bekerja. Proporsi ini bisa didapatkan dari data tingkat pengangguran.
• Membagi kelompok berdasarkan wilayah (negara), sehingga masing-masing negara akan mendapatkan 1.000 sampel

Kesimpulan
Quota sampling adalah salah satu teknik nonprobability sampling yang dapat digunakan oleh peneliti ketika tidak memiliki sampling frame dan memiliki waktu dan biaya yang terbatas. Selain itu, quota sampling baik digunakan ketika peneliti ingin mendapatkan data yang dapat mewakili populasi yang besar, karena menggunakan segregasi (pengelompokan).

Read More

PERBEDAAN PROBABILITY SAMPLING DAN NONPROBABILITY SAMPLING

Teknik sampling merupakan hal penting dalam sebuah penelitan, terlebih bila penelitian tersebut menggunakan data primer sebagai bahan penelitian. Sebelum melakukan penelitian ataupun survei, peneliti perlu menentukan teknik pengambilan sampel yang sesuai dengan tujuan penelitiannya. Penelitian kualitatif dan kuantitatif memerlukan teknik sampling yang berbeda. Secara umum, teknik sampling dapat dikategorikan menjadi dua, yakni probability sampling dan nonprobability sampling. 

Nonprobability Sampling merupakan teknik pemilihan sampel tidak dipilih secara acak dari populasi. Sampel yang dipilih pada nonprobability sampling didasarkan pada kriteria yang telah ditetapkan oleh peneliti, jadi sampel yang dipilih murni berdasarkan subjektifitas peneliti. Metode sampling ini banyak digunakan oleh peneliti untuk melakukan penelitian kualitatif.

Probability Sampling adalah teknik pengambilan sampel dimana pemilihan sampel dari populasi dilakukan secara acak. Setiap elemen dalam populasi dapat terpilih secara acak dan memiliki peluang terpilih yang dapat dikalkulasi.

Tabel Perbedaan Antara Probability Sampling dengan Nonprobability Sampling.

Probability sampling	Non-probability sampling
Sampel dipilih secara acak.	Pemilihan sampel dipilih berdasarkan penilaian peneliti.
Setiap individu pada populasi memiliki peluang terpilih yang dapat dihitung.	Tidak semua elemen dalam populasi memiliki peluang untuk terpilih, dan peluang tersebut tak dapat dihitung.
Digunakan ketika peneliti ingin menghindari sampling bias.	Digunakan ketika peneliti tidak mementingkan sampling bias.
Baik digunakan ketika populasi memiliki karakteristik yang bervariasi.	Baik digunakan ketika populasi memiliki perlakuan yang sama.
Digunakan ketika peneliti ingin mendapatkan sampel yang akurat dan dapat mewakili populasi.	Sampel tidak dapat mewakili populasi secara akurat.
Tidak mudah menjumpai atau mendapatkan sampel yang terpilih.	Mudah mendapatkan sampel.
Dapat menggunakan hipotesis untuk mendapatkan suatu keputusan.	Analisis hanya dapat dilakukan secara general.

Kesimpulan

Probability sampling memiliki prinsip pemilihan sampel yang random, sedangkan nonprobability sampling bergantung pada asumsi bahwa karakteristik populasi cendering sama, sehingga kita dapat beranggapan bahwa setiap sampel yang terpilih akan mewakili karakteristik yang dimiliki populasi.

Read More

PENGERTIAN CONVENIENCE SAMPLING BESERTA CONTOH PENGGUNAAN

Convenience sampling adalah salahsatu jenis nonprobability sampling dimana sampel yang dipilih adalah sampel yang menurut peneliti merupakan sampel yang mudah dijangkau. Biasanya, sampel yang dipilih pada convenience sampling adalah sampel yang tersedia.

Definisi

Prosedur yang digunakan untuk mendapatkan unit sampel menurut keinginan peneliti dengan menggunakan sampel yang paling sederhana dan paling ekonomis. Metode convenience sampling tidak memerlukan daftar populasi yang panjang serta tidak memerlukan kerangka sampel. Akan tetapi, output yang dihasilkan dari penelitian ini memiliki tingkat objektivitas yang rendah.

Contoh Aplikasi Pelaksanaan

Convenience sampling sering digunakan oleh perusahaan untuk mengukur persepsi konsumen tentang citra mereka di pasar. Data dikumpulkan dari konsumen untuk mengetahui pendapat konsumen mengenai produk yang baru diluncurkan. Dalam pelaksanaannya, perusahaan biasanya memilih sampel konsumen yang gampang mereka temui.

Contoh kasusnya adalah perusahaan game yang ingin mengetahui bagaimana kinerja salah satu game mereka di pasar satu hari setelah dirilis. Analisnya dapat memilih untuk membuat survei online di Facebook untuk menilai game itu. Tantangan utama dari pendekatan ini adalah menjangkau orang-orang yang bermain game. Karena media sosial adalah tempat yang luas, selalu sulit untuk mengumpulkan sampel dari populasi yang diminati.

Kebanyakan orang mungkin tidak tertarik atau menganggap serius survei saat menyelesaikannya, yang mengakibatkan kesalahan pengambilan sampel. Survei dapat ditingkatkan secara signifikan jika analis mempostingnya ke halaman penggemar yang didedikasikan untuk pecinta game. Dia mungkin menemukan lebih banyak orang dalam kelompok itu yang cenderung menilai dan menilai permainan secara kritis.

Kelebihan Penggunaan Convenience sampling

• Data dapat terkumpul dengan cepat.
  Karena sampel yang dipilih adalah sampel yang gampang dijangkau, maka pengumpulan data dapat dilaksanakan dengan mudah. Pada contoh kasus sebelumnya, survei yang dilaksanakan oleh perusahaan game akan mendapatkan respon yang baik dari penggemar game tersebut. Penggemar game tersebut telah memiliki ikatan dengan game tersebut, sehingga mereka akan dengan mudah meluangkan waktunya untuk memberikan masukan kepada game yang mereka sukai.


• Sampel dapat dipilih dengan biaya yang murah.
  Sampel yang dipilih pada Convenience sampling biasanya didapatkan dengan biaya yang murah. Itu dikarenakan peneliti memilih sampel yang dirasa mudah untuk dijadikan sampel. Pada contoh kasus sebelumnya, perusahaan game hanya cukup memposting survey tersebut di halaman Facebook penggemar game tersebut, maka tanpa ada bujukan lebih lanjut, para penggemar game tersebut akan mengisi survey tersebut.


• Tak banyak memiliki aturan yang harus dipatuhi
  Terkadang akan sulit bagi kita untuk melakukan suatu survey jika survey tersebut menerapkan metode sampling yang memiliki banyak aturan. Hal tersebut tidak berlaku jika kita menerapkan metode convenience sampling. Tak banyak aturan sampling yang harus ditaati

Kekurangan Penggunaan Convenience sampling

• Sampel tak dapat merepresentasikan populasi.
• Cenderung memiliki sampling bias yang tinggi.

Read More

PENGERTIAN PROBABILITY SAMPLING

Probability Sampling adalah teknik pengambilan sampel dimana pemilihan sampel dari populasi dilakukan secara acak. Setiap elemen dalam populasi dapat terpilih secara acak dan memiliki peluang terpilih yang dapat dikalkulasi.

Suatu teknik pengambilan sampel dapat dikatakan sebagai probability sampling apabila pemilihan sampel dilakukan secara acak atau random. Sehingga setiap elemen dalam populasi memiliki peluang yang sama untuk dapat terpilih. Probability sampling membutuhkan lebih banyak waktu dan biaya bila dibandingkan dengan nonprobability sampling. Namun, karena setiap elemen dipilih secara acak, serta peluang terpilihnya setiap elemen dalam populasi dapat dihitung, maka sampel tersebut dapat menghasilkan estimasi yang dapat dipercaya dan analisis inferensia dapat dilakukan.

Hal yang paling penting dalam probability sampling adalah setiap elemen pada populasi memiliki peluang terpilih yang dapat dihitung dan dipilih secara acak. Sebagai contoh, jika kita memiliki populasi yang terdiri dari 50 orang, maka setiap orang memiliki peluang terpilih sebesar 1/50 atau 0,02. Teknik probability sampling memberikan peneliti kemampuan untuk mendapatkan sampel yang dapat menggambarkan populasi. Probability sampling menggunakan teori statistik untuk memilih (sedikit) sampel secara acak dari populasi dan data yang didapatkan dari sampel dapat digunakan untuk mengestimasi populasi.

Beberapa Jenis Probability Sampling yang umum:

Terdapat banyak jenis probability sampling dan turunannya, namun yang disebutkan disini adalah yang cukup umum digunakan.

1. Simple Random Sampling: metode pemilihan sampel yang dilakukan secara acak. Contohnya, dari 100 orang yang menjadi populasi, masing-masing orang akan diberikan nomor. Lalu, nomor akan dipilih secara acak. Pemilihan nomor dapat dilakukan seperti lotere (atau arisan), ataupun menggunakan Tabel Angka Random, atau bahkan menggunakan software yang dapat meng-generate angka secara acak. Nomor yang keluar akan terpilih menjadi sampel.


2. Systematic Sampling: metode pengambilan sampel dimana peneliti memilih nomor awal acak dan menentukan interval dalam pemilihan sampel berikutnya. Contoh, dari 100 orang yang menjadi populasi, masing-masing diberikan nomor. Peneliti kemudian menentukan nomor awal acak dan menentukan interval yang digunakan. Misalkan, nomor awal acak yang terpilih adalah 5, dan interval yang digunakan adalah 10, maka orang yang terpilih menjadi sampel adalah orang ke-5, ke-15, ke-25, dst.


3. Stratified Random Sampling: metode pengambilan sampel dimana peneliti membagi populasi menjadi kelompok (biasa disebut strata) yang mutually exclussive, lalu kemudian memilih sampel dari masing-masing strata. Pembagian strata biasanya dilakukan berdasarkan kriteria yang membagi populasi menjadi kelompok berdasarkan kesamaan. Misalkan, pembentukan strata berdasarkan jenis kelamin, kelompok umur, ataupun agama. Contoh: terdapat 100 orang menjadi populasi, lalu dibagi menjadi dua strata berdasarkan jenis kelamin. Lalu, dari masing-masing strata (wanita dan pria) dipilih individu yang akan menjadi sampel.


4. Cluster Random Sampling: metode sampel ini biasanya digunakan jika populasi penelitian tersebar pada wilayah geografis yang cukup luas. Untuk menghemat waktu dan dibiaya, maka setiap wilayah dianggap sebagai cluster. Selanjutnya akan dipilih beberapa cluster secara random, dari cluster terpilih akan dipilih individu yang akan menjadi sampel.

Kelebihan Probability Sampling

• Sampling bias kecil. Dikarenakan sampel yang terpilih didapatkan secara acak, maka tak ada subjektifitas peneliti dalam pemilihan sampel, sehingga sampling bias dapat diminimalisir.


• Data yang dihasilkan dapat digunakan untuk analisis lebih lanjut, seperti analisis inferensia. Selain itu, data yang didapatkan dapat menghasilkan estimasi terhadap populasi yang reliabel. Selain itu, kita dapat menggunakan confidence intervall dan margin of error untuk melakukan validasi terhadap data yang kita hasilkan.


• Simpel. Pemilihan sampel yang simpel dan tidak memerlukan subjektifitas peneliti membuat hemat waktu penelitan.

Kekurangan Probability Sampling

• Harus menggunakan kerangka sampel. Jika kerangka sampel belum tersedia, maka akan memakan waktu yang banyak untuk membentuk kerangka sampel.


• Jika pemilihan metode probability sampling tidak tepat (diantara simple random sampling, systematic sampling, stratified sampling, dll), maka biaya survei dapat menjadi besar ataupun margin of error yang dihasilkan menjadi besar.

Read More

PENGERTIAN NONPROBABILITY SAMPLING

Nonprobability Sampling merupakan teknik pemilihan sampel dimana tidak semua populasi memiliki peluang yang sama untuk terpilih menjadi sampel.

Suatu survei atau penelitian dilakukan untuk mendapatkan data ataupun informasi yang akan digunakan untuk mengambil suatu keputusan. Data atau informasi tersebut biasanya didapatkan dari sampel. Teknik pemilihan sampel sangat bergantung pada pertimbangan dari peneliti atau pelaksana survei, terlebih lagi teknik sampling yang digunakan juga akan sangat bergantung kepada tujuan survei itu sendiri. Jika populasi target yang akan diteliti tidak memiliki kerangka sampel, maka teknik nonprobability sampling dapat digunakan.

Definisi Nonprobability Sampling

Nonprobability Sampling merupakan teknik pemilihan sampel tidak dipilih secara acak dari populasi. Sampel yang dipilih pada nonprobability sampling didasarkan pada kriteria yang telah ditetapkan oleh peneliti, jadi sampel yang dipilih murni berdasarkan subjektifitas peneliti. Metode sampling ini banyak digunakan oleh peneliti untuk melakukan penelitian kualitatif.

Nonprobability Sampling sangat cocok digunakan untuk studi eksplorasi sebelum survei dengan probability sampling dilaksanakan. Metode nonprobability sampling digunakan oleh peneliti ketika sangat sulit untuk mendapatkan/membuat kerangka sampel karena keterbatasan waktu dan biaya.

Tipe-tipe Nonprobability Sampling

Beberapa jenis Nonprobability Sampling yang cukup umum:

1. Convenience sampling

Pada teknik pemilihan sampel ini, peneliti memilih sampel dari populasi berdasarkan sampel yang tersedia dan dapat dijangkau oleh peneliti. Sampel yang dipilih pada metode ini hanya dipilih karena sampel tersebut mudah diakses dan peneliti menyadari bahwa sampel yang dipilih tidak mewakili populasi.

2. Quota sampling

Teknik sampling ini mengklasifikasikan populasi menjadi beberapa kelompok menurut kriteria tertentu (yang ditentukan oleh peneliti). Lalu kemudian, peneliti menentukan jumlah sampel dari setiap kelompok yang telah diklasifikasikan. Pada teknik ini, pengklasifikasian yang dibuat oleh peneliti dapat menimbulkan bias. Penjelasan lebih lanjut tentang quota sampling sudah dibahas pada artikel Pengertian Quota sampling dan contoh penggunaannya.

3. Snowball sampling

Snowball Sampling adalah teknik sampling non probabilitas yang digunakan ketika sampel yang dicari memiliki karakteristik yang sulit ditemukan. Teknik snowball sampling menggunakan pengambilan sampel dimana sampel berikutnya merupakan rekomendasi ataupun penunjukan dari sampel sebelumnya.

4. Purposive sampling

Purposive sampling atau judgemental sampling merupakan teknik pemilihan sampel dimana peneliti memilih sampel hanya berdasarkan penilaian dan pertimbangan dari peneliti itu sendiri.

Kelebihan penggunaan Nonprobability sampling

• Sesungguhnya, akan lebih mudah bagi peneliti untuk melakukan survei menggunakan nonprobability sampling di dunia nyata. Kemudahan ini disebabkan peneliti tidak memerlukan kerangka sampel dalam melakukan pemilihan sampel. Meskipun para statistisi akan cenderung lebih memilih probabilty sampling.
• Penggunaan nonprobability sampling pada penelitian juga akan menghemat biaya dan waktu yang digunakan dalam pengumpulan data. Hal ini dikarenakan sampel yang dipilih oleh peneliti akan lebih mudah diteliti.

Read More

SKALA PENGUKURAN (LEVEL OF MEASUREMENT)

Data dapat dikategorikan kedalam salah satu dari empat kategori berikut. Yaitu, nominal, ordinal, interval, dan rasio. Setiap kategori memiliki kekurangan dan kelebihannya masing-masing.

1. Skala Nominal

Biasa disebut juga sebagai skala kategori. Data yang diukur dengan skala nominal tidak dapat dijumlahkan, dikali, dibagi ataupun dikurangi. Skala nominal juga merupakan yang paling lemah dari empat skala pengukuran. Skala nominal membedakan satu objek atau peristiwa dari yang lain atas dasar nama.

Contoh.

Agama : Islam, Kristen, Katolik, Budha, Hindu, dll

Jenis Kelamin : Laki-laki, perempuan

Tempat lahir : semua nama tempat yang mungkin

2. Skala Ordinal

Skala pengukuran ini selain memiliki sifat pengukuran nominal, yaitu membedakan, skala ordinal juga memiliki tingkatan. 

Contoh.

Peringkat Kelas : 1st, 2nd, 3rd, ...

Pendapatan (menurut kategori) : pendapatan rendah, pendapatan menengah, pendapatan tinggi

Skala Liker : sangat tidak setuju, tidak setuju, normal, setuju, dan sangat setuju

3. Skala Interval

Skala pengukuran ini, selain memiliki sifat membedakan dan memiliki tingkat, skala pengukuran ini juga memiliki jarak ataupun selisih. Sehingga ada perbedaan yang jelas antar tingkatan,

Contoh.

Suhu ruangan (baik dalam Celcius, Farenheit, ataupun satuan suhu lainnya)

Tingkat IQ

4. Skala Rasio

Skala rasio merupakan satu-satunya skala pengukuran yang memiliki sifat nol mutlak. Artinya, jika sesuatu bernilai nol, maka hal tersebut menunjukkan tidak adanya sifat yang diukur. Misalkan, jika anda memiliki tinggi 0 cm, itu artinya anda tidak ada. 

Contoh.

Umur

Tinggi Badan

Berat badan

Jumlah penjualan

Jumlah anak

dan masih banyak lainnya

Read More

PENGERTIAN SNOWBALL SAMPLING

Snowball Sampling adalah teknik nonprobability sampling yang digunakan ketika sampel yang dicari memiliki karakteristik yang sulit ditemukan. Teknik snowball sampling menggunakan pengambilan sampel dimana sampel berikutnya merupakan rekomendasi ataupun penunjukan dari sampel sebelumnya.

Contohnya, ketika kita ingin meneliti kepuasan pengunjung rutin di suatu klub malam (sebut saja Holywi*gs), tentu akan sulit untuk mengetahui siapa saja yang sering mengunjungi klub malam tersebut. Kita bisa saja mencari satu persatu orang yang ingin kita survei, namun tentu saja akan lebih mudah jika kita menanyakan langsung kepada orang pertama yang menjadi sampel, siapa saja yang akan menjadi sampel berikutnya.

Contoh lainnya, kita ingin melakukan survei perlakuan yang diterima oleh penderita AIDS dari masyarakat. Kita akan kesulitan untuk menemukan orang yang menderita AIDS, sehingga kita perlu menemui komunitas penderita AIDS dan meminta kontak penderita AIDS dari mereka.

Snowball Sampling seperti namanya, dimana jumlah sampel akan terus meningkat seperti bola salju yang berguling, sehingga peneliti memiliki cukup sampel untuk dilakukan analisa dan mengambil keputusan. Teknik snowball sampling juga sering digunakan pada dunia bisnis, dimana tak jarang karakteristik sampel yang dibutuhkan sulit untuk ditemui.

Jenis-Jenis Teknik Snowball Sampling

1. Linear Snowball Sampling: Sampel bermula dari satu orang/individu lalu sampel pertama memberikan informasi tentang satu orang/individu lain yang memenuhi kriteria. Hal itu terus berlanjut hingga jumlah sampel yang diinginkan terpenuhi
2. Exponential Non-Discriminative Snowball Sampling: Pada tipe ini, subjek/sampel pertama merekomendasikan beberapa sampel lainnya, dan semua sampel hasil rekomendasi digunakan. Begitu juga sampel berikutnya merekomendasikan beberapa sampel lainnya lagi. Hal ini terus berlanjut hingga jumlah sampel yang diinginkan terpenuhi
3. Exponential Discriminative Snowball Sampling: Pada tipe ini, subjek/sampel pertama merekomendasikan beberapa sampel lainnya, namun dari beberapa subjek hasil rekomendasi, hanya satu yang dipilih sesuai dengan kebutuhan penelitian. Begitu seterusnya hingga jumlah sampel yang diinginkan terpenuhi

Kelebihan Teknik Snowball Sampling

1. Lebih Mudah Mendapatkan Sampel: Rekomendasi dari sampel yang telah kita teliti membuat kita lebih mudah mendapatkan sampel yang sesuai dengan kriteria yang telah ditetapkan pada awal penelitian. Waktu penelitian yang sedianya digunakan untuk mencari sampel dapat dialihkan untuk melakukan hal yang lain.
2. Lebih Murah: Selain lebih mudah, rekomendasi sampel yang biaya yang dikeluarkan menjadi lebih sedikit dikarenakan tidak akan sulit untuk mencari sampel yang dibutuhkan.
3. Responden yang Ragu-Ragu: Untuk penelitian dengan topik yang cukup sensitif, teknik snowball sampling sangat cocok digunakan untuk menghindari keragu-raguan yang ditunjukkan oleh responden. 

Kekurangan Teknik Snowball Sampling

1. Sampling Bias dan Margin of Error: Dikarenakan teknik snowball sampling ini merupakan teknik sampling non probabilitas, serta sampel yang didapat merupakan rekomendasi dari sampel sebelumnya, maka akan ada potensi terjadinya sampling bias dan margin of error.
2. Kurang Kerjasama: Ada kemungkinan responden awal yang kita temui akan sulit untuk dimintai rekomendasi untuk sampel berikutnya. Hal ini mungkin terjadi pada topik-topik penelitian yang sangat sensitif. 

Read More

PENGANGGURAN DARI LULUSAN SMK

Badan Pusat Statistik baru-baru ini mengeluarkan rilis mengenai statistik ketenagakerjaan di Indonesia. Ditengah pandemi Corona yang sedang menimpa dunia saat ini, BPS tetap melakukan rilis data meskipun harus dilakukan secara online. Data tersebut didapatkan melalui Survei Angkatan Kerja Nasional (SAKERNAS) yang dilaksanakan pada Februari 2020. Survei SAKERNAS sendiri merupakan survei rutin yang dilakukan oleh BPS setiap 2 kali setahun (Februari dan Agustus), yang bertujuan untuk melakukan pendataan terhadap situasi angkatan kerja di Indonesia. Rilis resmi dari BPS dapat didownload langsung di website resmi BPS (www.bps.go.id), sedangkan rilis resmi Statistik Ketenagakerjaan Februari 2020 dapat diunduh disini.

Rilis BPS tersebut menyatakan tingkat pengangguran terbuka (TPT) di Indonesia pada Februari 2020 adalah sebesar 4,99 persen. Hal tersebut berarti dari 100 orang angkatan kerja, terdapat 4 hingga 5 orang yang tidak memiliki pekerjaan. Secara persentase, TPT pada Februari 2020 menurun jika dibandingkan dengan TPT Februari 2019 (5,01 persen). Namun, secara jumlah, orang pengangguran di Indonesia bertambah 60 ribu jiwa.

Tingkat pengangguran lulusan SMK lebih besar dibandingkan lulusan lainnya

Jika dilihat lebih jauh, terdapat fakta yang cukup menarik, dimana tingkat pengangguran pada lulusan SMK pada Februari 2020 adalh 8,49 persen, lebih tinggi dibanding tingkat pendidikan lainnya. Artinya, seseorang yang merupakan lulusan SMK lebih berpeluang menganggur dibandingkan seseorang lulusan lainnya. Padahal, lulusan SMK adalah orang-orang yang diharapkan langsung dapat terserap kedalam dunia kerja. Pendidikan SMK memang dikhususkan untuk membentuk orang yang langsung siap diterjunkan ke dalam dunia pekerjaan. Lalu, apakah pendidikan SMK sudah berhasil membuat lulusan yang siap bekerja? Atau malah menambah jumlah pengangguran di Indonesia?

Media Kompas mengatakan bahwa pengangguran di Indonesia didominasi oleh lulusan SMK

Mencermati Data

Perlu diketahui bahwa pengangguran di Indonesia tidaklah didominasi oleh lulusan SMK. Setidaknya, tidak ada data BPS yang mendukung klaim tersebut. Data BPS pada rilis resminya hanya menyatakan bahwa tingkat pengangguran lulusan SMK lebih tinggi dibandingkan lulusan tingkat pendidikan lainnya. Artinya, dari seluruh pengangguran secara keseluruhan, belum tentu lulusan SMK mendominasi. Berdasarkan publikasi BPS yang berjudul Indikator Pasar Tenaga Kerja Agustus 2019 (dapat didownload disini), pengangguran di Indonesia memang didominasi oleh lulusan Sekolah Menengah (SMA, SMK, dan sederajat). Namun, tidak ada data lanjutan yang menyatakan bahwa lulusan SMK mendominasi pengangguran di Indonesia.

Tetap Menjadi Masalah

Akan tetapi, permasalahan tingginya tingkat pengangguran pada lulusan SMK tetap menjadi permasalahan yang harus dipecahkan oleh pemerintah. Beberapa tahun yang lalu, pemerintah berusaha mempromosikan SMK. Pemerintah bertujuan meningkatkan supply angkatan kerja yang memiliki kemampuan yang sesuai dengan permintaan pasar. Namun, gencarnya promosi tersebut malah membawa masalah disaat ini. Terjadi over supply pada pasar tenaga kerja yang menyebabkan tingginya tingkat pengangguran lulusan SMK.

Apa yang Salah Dengan SMK?

SMK adalah sekolah menengah yang didesain untuk menghasilkan lulusan yang memiliki keahlian dan siap untuk masuk kedalam pasar tenaga kerja. Pada tahun 2019, terdapat 14.064 SMK diseluruh Indonesia. Menariknya, 75 persen dari jumlah tersebut merupakan swasta. Hal ini dikarenakan pemerintah memang menggandeng pihak industri dalam menyiapkan lulusan SMK, sehingga lulusan SMK dapat sesuai dengan harapan pihak industri.

Terdapat juga beberapa stigma negatif di masyarakat terhadap SMK. Kasus-kasus tawuran yang dilakukan oleh beberapa SMK memperkuat stigma negatif tersebut. Selain itu, kurikulum SMK saat ini dinilai belum sesuai dengan keinginan pasar tenaga kerja saat ini. Oleh sebab itu, pemerintah diharapkan melakukan perubahan terhadap kurikulum SMK yang ada saat ini. Kurikulum SMK diharapkan lebih mampu menolong para siswa sebelum mereka terjun kedalam dunia pekerjaan yang sesungguhnya.

Harapan Pada Mendikbud Baru

Terpilihnya Nadiem Makarim sebagai Menteri Pendidikan memberikan harapan bagi permasalahan ini. Pengalaman Nadiem pada perusahaan start up raksasa diharapkan mampu memberikan perubahan terhadap sistem pendidikan di Indonesia, terutama permasalahan yang dihadapi oleh lulusan SMK saat ini.

Industri 4.0 menuntut sumber daya manusia yang dapat bersaing dengan teknologi yang semakin canggih. Jika lulusan SMK tidak dapat menyesuaikan dengan kebutuhan industri saat ini, maka program pemerintah mempromosikan pendidikan vokasi akan menambah beban pada pemerintah saat ini.

Read More

STATISTIK NON PARAMETRIK

Statistik merupakan bagian penting dari ilmu pengetahuan. Seluruh bidang ilmu pengetahuan menggunakan statistik untuk menguji kebenaran-kebenaran baru, ataupun menguji suatu teori terhadap suatu populasi tertentu. Selain pada ilmu pengetahuan, statistik juga memiliki peranan penting dalam dunia industri. Beberapa produsen biasanya terlebih dahulu melakukan survey sebelum meluncurkan produk mereka. Hal itu dilakukan untuk mengetahui tanggapan konsumen terhadap produk-produk produsen tersebut. 

Secara umum, statistik terbagi atas dua. Statistik deskriptif yaitu statistik yang menganalisis data populasi dengan cara mendeskripsikan atau menggambarkan data, tanpa memberikan kesimpulan yang berlaku umum (generalisasi). Biasanya, statistik deskriptif tak dapat digunakan sebagai gambaran terhadap populasi. Yang kedua adalah statistik inferensia yaitu jenis statistik yang menganalisis data sampel dan membuat generalisasi pada populasi. Statistik inferensia dapat digunakan untuk menentukan karakteristik dari sebuah populasi.

Statistik inferensia yang lazim digunakan adalah statistik yang dilakukan untuk mengestimasi parameter dan melakukan uji hipotesis. Hal tersebut biasanya disebut dengan statistik parametrik. Namun, statistik parametrik memiliki beberapa persyaratan, yaitu :

1. Variabel penelitian (data yang ada) harus mengikuti distribusi normal;
2. Ukuran sampel terpenuhi;
3. Skala pengukuran paling kuat (biasanya adalah skala rasio);
4. Serta asumsi-asumsi lainnya.

Pada beberapa situasi, persyaratan diatas sangat sulit dipenuhi. Salah satu persyaratan yang paling sulit dipenuhi adalah data mengikuti distribusi normal dan skala pengukuran. Tak jarang, beberapa survei yang dilakukan perusahaan tidak menggunakan skala pengukuran yang kuat (biasanya skala nominal). Sehingga, akan menjadi sulit untuk melakukan estimasi parameter. Selain itu, beberapa survei yang dilakukan perusahaan tidak menggunakan kerangka sampel dalam penarikan sampelnya. Hal tersebut menyebabkan statistik parametrik tidak mungkin dilakukan.

Statistik nonparamterik hadir untuk mengatasi permasalahan-permasalahan diatas. Statistik nonparamterik dapat digunakan meskipun variabel penelitian tidak mengikuti distribusi normal. Selain itu, terdapat beberapa kelebihan dari statistik nonparametrik, antara lain :

1. Tidak memerlukan ukuran sampel yang harus memenuhi syarat;
2. Uji statistik dapat digunakan untuk ukuran sampel data yang kecil;
3. Berlaku untuk semua jenis skala pengukuran. Mulai dari skala nominal hingga skala rasio
4. Uji dapat dilakukan pada sampel-sampel yang diambil dari populasi yang berbeda

Meskipun demikian, pengujian statistik nonparametrik menimbulkan kelemahan-kelemahan jika dibandingkan dengan pengujian statistik parametrik. Adapun kelemahannya, antara lain :

1. Jika ukuran sampel cukup besar, asumsi variabel berdistribusi normal dan skala pengukuran interval, maka hasil uji statistik nonparametrik lebih lebih dibandingkan uji statistik parametrik. Kelemahan ini dapat dilihat dari power efisiensi yang dihasilkan masing-masing uji.
2. Uji statistik nonparametrik tidak bisa melakukan uji interaksi antar variabel.
3. Memungkinkan adanya informasi yang terbuang.

Read More