Rabu, 13 September 2023
- September 13, 2023
- Sunggul
- INFORMASI, OPINI
- No comments
Selasa, 12 September 2023
- September 12, 2023
- Sunggul
- STATISTIK, STATISTIK PARAMETRIK, TUTORIAL
- No comments
Tutorial regresi linear berganda menggunakan Aplikasi SPSS. Analisis data saat ini dapat dilakukan oleh siapa saja. Berkembangnya teknologi dan informasi memudahkan semua orang untuk dapat melakukan analisis inferensia yang cukup rumit. Dengan berbagai aplikasi yang telah tersedia, sekarang siapa saja dapat mengolah data untuk menghasilkan analisis yang lebih mendalam.
Analisis regresi linear merupakan salah satu cara yang paling umum untuk melihat pengaruh beberapa variabel bebas (variabel independen) terhadap suatu variabel tak bebas (variabel dependen). Untuk mengetahui penjelasan lebih lanjut mengenai analisis regresi linear, Anda dapat membaca artikel berikut.
Dalam melakukan analisis regresi linear, kita harus menentukan terlebih dahulu variabel bebas dan variabel tidak bebasnya. Penentuan variabel ini bergantung pada tujuan utama dari analisis data yang dilakukan. Jika kita telah menentukan variabel dependen dan variabel independen, maka hal selanjutnya yang perlu kita lakukan adalah menyusun data kita. Tujuan penyusunan data ini agar data yang kita analisis bisa diproses dengan lebih mudah oleh aplikasi SPSS. Penyusunan data ini dapat dilakukan pada aplikasi Microsoft Excel atau langsung pada aplikasi SPSS. Anda dapat menyusun data yang akan dianalisis seperti berikut. Contoh data dapat didownload pada link ini.
Setelah melakukan penyiapan data, langkah selanjutnya adalah melakukan analisis regresi menggunakan SPSS. Tutorial analisis regresi linear berganda kali menggunakan aplikasi SPSS versi 27. Ketika data yang akan diolah sudah disiapkan, maka langkah selanjutnya adalah membuka aplikasi SPSS. Pada saat membuka aplikasi SPSS, akan muncul tampilan sebagai berikut:
Import Data
- Pilih Close agar. Lalu pilih File >> Import Data >> kemudian pilih format file yang akan digunakan. Pada tutorial kali ini, data yang akan diimport adalah file Excel yang telah kita siapkan.
- Akan muncul jendela untuk memilih file yang akan diolah seperti jendela berikut. Lalu pilih data yang sudah disiapkan. Selanjutnya, data tersebut akan masuk ke dalam Aplikasi SPSS.
- Setelah melakukan Import Data. Maka hal selanjutnya yang kita lakukan adalah memastikan tipe data (Type) yang akan kita analisis berjenis Numeric. Untuk memastikan hal tersebut, silahkan pilih Variable View yang ada disamping Data View pada pojok kiri bawah ada di layar.
- Untuk melakukan analisis regresi, selanjutnya kita memilih Menu Analyze >> Regression >> Linear.
- Selanjutnya akan muncul Windows baru yang berjudul Linear Regression. Pada menu ini, kita akan memasukkan variabel yang akan menjadi variabel dependent dan variabel independent. Pada tutorial ini, kita akan menggunakan variabel jumlah_pengendara sebagai variabel dependen dan variabel harga_per_minggu, populasi_kota, rata_rata_pendapatan, dan tarif_parkir sebagai variabel independen.
- Untuk penentuan metode, pada tutorial kali ini kita akan menggunakan Method: Enter. Metode ini merupakan metode yang paling sering digunakan dalam menentukan model regresi terbaik. Terdapat beberapa metode dalam penentuan yang disediakan oleh aplikasi SPSS, antara lain: Enter, Stepwise, Remove, Backward, dan Forward. Hal ini akan dibahas pada kesempatan lain. Setelah, memasukkan variabel dependen dan variabel independen, lalu klik OK.
- Akan muncul Output pada jendela baru seperti berikut.
- Pada hasil Output yang dihasilkan oleh SPSS antara lain uji ANOVA atau signifikansi variabel independen terhadap variabel independen secara bersama-sama, Model Summary yang menampilkan nilai R, R Square, Adjusted R Square (nilai ini yang sering digunakan dalam analisis lebih lanjut), dan Std. Error of the Estimate.
Output berikutnya adalah tabel Coefficients yang menampilkan model regresi linear berganda yang dihasilkan. Selain itu, terdapat juga uji signifikansi masing-masing variabel (Uji t). Pada tabel Coefficients kita dapat melihat signifikansi masing-masing variabel independen terhadap variabel dependen.
Senin, 04 September 2023
- September 04, 2023
- Sunggul
- No comments
Kemiskinan masih menjadi permasalahan utama yang dihadapi oleh bangsa ini. Setelah 78 tahun merdeka, masih banyak masyarakat Indonesia yang hidup dibawah garis kemiskinan. Tak dipungkiri, pertumbuhan ekonomi memang mengantarkan Indonesia menjadi negara dengan Produk Domestik Bruto (PDB) terbesar nomor 7 di dunia. Namun, pembagian kue ekonomi yang tidak merata membuat ketimpangan ekonomi masih tinggi, dan masih menyisakan kemiskinan dimasyarakat.
Pengentasan kemiskinan selalu menjadi prioritas utama dalam setiap periode pemerintahan di Indonesia. Apalagi penghapusan kemiskinan tertuang dalam Undang-undang Dasar Tahun 1945 alinea keempat. Selain itu, penghapusan kemiskinan juga tertuang dalam Sustainable Development Goals yang dibuat oleh Perseriktan Bangsa-Bangsa. Komitmen pemerintahan Indonesia dalam pengentasan kemiskinan juga dituangkan dalam Instruksi Presiden Nomor 4 Tahun 2022 tentang Percepatan penghapusan kemiskinan ekstrim.
Badan Pusat Statistik (BPS) adalah lembaga yang bertanggungjawab dalam melakukan pengukuran angka kemiskinan makro. Berdasarkan data yang dirilis BPS, kemiskinan Indonesia pada Maret 2023 berada pada angka 9,36 persen, turun dari angka tahun lalu 9,57 persen. Ini artinya, sekitar 25,8 juta penduduk Indonesia masih berada dibawah garis kemiskinan. Angka kemiskinan ini dihasilkan melalui survei sosial ekonomi nasional (susenas) yang dilaksanakan pada Maret 2023. Berdasarkan survei tersebut, seorang penduduk dikatakan dibawah garis kemiskinan apabila penduduk tersebut memiliki pengeluaran dibawah Rp525.000 per bulannya (atau sekitar Rp17.500 per hari).
Sejatinya, tingkat kemiskinan dibawah 10 persen merupakan sebuah sinyal bagus dalam program pengentasan kemiskinan pemerintah. Terlebih, tingkat kemiskinan Indonesia sempat kembali ke angka 10 persen pada tahun 2021 yang lalu. Kembalinya angka tingkat kemiskinan dibawah 10 persen juga menjadi indikasi bahwa kondisi masyarakat sudah kembali lagi seperti sebelum pandemi. Namun, pengukuran tingkat kemiskinan yang dilakukan oleh BPS telah mendapat kritik dari beberapa kalangan. Garis kemiskinan yang hanya sebesar Rp17.500 per hari per orang dinilai terlalu rendah dan tidak sesuai lagi dengan anjuran Bank Dunia, yakni sebesar Rp42.000 per hari per kapita.
Evaluasi Garis Kemiskinan
Pemerintah juga telah berencana melakukan evaluasi terhadap garis kemiskinan yang dikeluarkan oleh BPS. Namun, pemerintah sepertinya akan menunda rencana tersebut, setidaknya hingga pagelaran Pemilu 2024 digelar. Jika garis kemiskinan mengikuti anjuran dari Bank Dunia, tentu tingkat kemiskinan menjadi lebih tinggi daripada yang ada sekarang. Peningkatan tersebut dapat menjadi citra buruk bagi pemerintahan saat ini.
BPS selaku lembaga yang menyediakan statistik dasar tentu lebih memahami tata cara penghitungan garis kemiskinan. Apalagi, BPS selalu mengikuti pedoman yang dikeluarkan oleh PBB dalam menyediakan statistik dasar. Hingga saat ini, BPS merasa bahwa penghitungan kemiskinan yang dilakukan sudah sesuai dengan pedoman dari PBB (dan Bank Dunia), dan sudah disesuaikan dengan kondisi masyarakat Indonesia.
Angka Kemiskinan yang Politis
Angka tingkat kemiskinan juga sering menjadi komoditas politik bagi para politisi untuk mencari panggung. Para politisi (ataupun buzzer) sering memilah-milah data kemiskinan (dan data lainnya) dan menyajikan data tersebut dengan narasi yang menjatuhkan lawan politiknya. Terlebih mendekati tahun politik, praktik pilih-pilih data tersebut akan semakin sering kita lihat diberbagai platform sosial media.
Hal ini memang tak dapat dihindarkan, apalagi para pendukung politisi ini sangat militan untuk membela para jagoannya. Sehingga, tak jarang mereka melihat data bukan lagi sebagai fakta, namun biasanya data tersebut akan dinarasikan sesuai dengan kepentingan mereka. Kondisi ini tentu tak baik bagi pendidikan statistik bagi masyarakat. Statistik seharusnya disajikan sebagai sebuah fakta, landasan bagi rencana pembangunan, serta indikator evaluasi bagi sebuah program yang sudah berjalan.
Selasa, 27 Desember 2022
- Desember 27, 2022
- Sunggul
- INFORMASI, OPINI
- No comments
Indonesia sebagai salah satu negara berkembang terus melakukan pembangunan untuk mencapai kesejahteraan dan keadilan sosial bagi seluruh rakyat Indonesia. Sejak kepemimpinan Soekarno sudah banyak program pembangunan yang dilakukan untuk mencapai kesejahteraan tersebut. Tak hanya pembangunan infrastruktur, pembangunan juga dilakukan pada sisi sumber daya manusianya. Mulai dari fasilitas pendidikan, hingga kualitas kurikulum pendidikan, semuanya mendapat pembangunan dari pemerintah.
Akan tetapi, pembangunan yang dimaksudkan dapat dinikmati oleh seluruh masyarakat Indonesia, malah terkadang hanya dinikmati oleh sebagian orang, ataupun sebagian wilayah. Hal tersebut tak dapat dipungkiri, mengingat pembangunan Indonesia pada masa kepemimpinan Soeharto dapat dikatakan sebagai Jawa-sentris. Selain itu, hampir 70 persen penduduk Indonesia juga tinggal di Pulau Jawa. Faktor ini yang menyebabkan angin pembangunan cenderung mengarah ke Pulau Jawa.
Pada artikel Kesenjangan Pengeluaran Penduduk di Indonesia, diketahui bahwa 3 dari 5 provinsi dengan kesenjangan tertinggi di Indonesia terdapat di Pulau Jawa. Lantas, apakah pembangunan yang cenderung Jawa-sentris tersebut mendatangkan kesejahteraan bagi Pulau Jawa? Apakah provinsi-provinsi terkaya di Indonesia berada di Pulau Jawa? Berikut daftar 5 Provinsi terkaya di Indonesia menurut data Badan Pusat Statistik (BPS).
5. RIAU
Provinsi yang beribukota di Pekanbaru ini merupakan provinsi dengan Produk Domestik Regional Bruto (PDRB) per kapita tertinggi nomor lima di Indonesia dengan besaran PDRB per kapita Rp77.993.330,00. Hampir setengah PDRB Riau berasal dari sektor pertanian/perkebunan dan pertambangan. Provinsi yang memiliki populasi sekitar 6,5 juta jiwa ini memang terkenal sebagai salah satu provinsi penghasil kelapa sawit. Menurut data yang dihimpun dari Kementerian Pertanian, terdapat 3,3 juta hektar (33 ribu km2) lahan kelapa sawit di Provinsi Riau. Sebagai gambaran, luas wilayah Riau adalah 87.000 km2.
Selain menghasilkan melalui pertanian/perkebunan dan pertambangan, provinsi yang memiliki rumah adat Selaso Jatuh Kembar ini juga mengandalkan sektor industri sebagai salah satu sektor yang menghasilkan. Sebesar 28,08 persen PDRB Riau tahun 2021 merupakan kontribusi dari sektor industri.
4. KEPULAUAN RIAU
Provinsi yang berbatasan langsung dengan Singapura ini menjadi salah satu provinsi terkaya di Indonesia. Sejak memisahkan diri dari Riau, Kepulauan Riau memang menjelma sebagai salah satu provinsi yang mengandalkan sektor industrinya. Tercatat 42,02 persen PDRB Kepulauan Riau merupakan kontribusi dari sektor industri. Kota Batam yang berada di Kepulauan Riau menjadi andalan provinsi tersebut sebagai salah satu kota industri terbesar di Indonesia. Berdasarkan data yang dirilis BPS, Kepulauan Riau memiliki besaran PDRB per kapita Rp85.425.890,00.
3. KALIMANTAN UTARA
Menjadi salah satu provinsi termuda di Indonesia ternyata tak membuat Kaltara menjadi provinsi termiskin. Provinsi yang beribukota di Tanjung Selor ini memiliki PDRB per kapita tahun 2021 sebesar Rp88.510.410,00. Sebagian besar PDRB Kalimantan Utara disumbangkan oleh sektor pertambangan. Provinsi muda ini juga tidak memiliki masalah kemiskinan yang biasanya dimiliki oleh daerah-daerah yang baru mekar. Data BPS menunjukkan bahwa angka kemiskinan di Kalimantan Utara tak lebih dari 7 persen.
2. KALIMANTAN TIMUR
Bertetangga dengan Kalimantan Utara secara geografis, faktanya Kalimantan Timur juga memiliki PDRB per kapita yang cukup tinggi. Berdasarkan data yang dirilis oleh BPS, PDRB per kapita Provinsi Kalimantan Timur mencapai angka Rp127.171.080,00. Tak dapat dipungkiri, potensi pertambangan yang ada di Kalimantan Timur cukup tinggi. Sebesar 45 persen PDRB Kalimantan Timur berasal dari sektor pertambangan.
1. DKI JAKARTA
DKI Jakarta secara tak mengejutkan menjadi provinsi dengan PDRB per kapita paling tinggi di Indonesia. PDRB per kapita DKI Jakarta pada tahun 2021 mencapai angka 175 juta. Ini memang tak mengejutkan, mengingat bahwa DKI Jakarta merupakan pusat bisnis sekaligus pusat pemerintahan. Sektor jasa juga mendominasi PDRB DKI Jakarta. Berdasarkan data BPS, 87 persen PDRB DKI Jakarta berasal dari sektor jasa, seperti konstruksi, perdagangan, hingga jasa informatika.
Monas sebagai ikon Jakarta |
Senin, 26 Desember 2022
- Desember 26, 2022
- Sunggul
- INFORMASI, OPINI
- No comments
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 |
Patung BJ Habibie di Gorontalo |
Kemegahan Jakarta |
Selasa, 12 April 2022
- April 12, 2022
- Sunggul
- SAMPLING, STATISTIK NON PARAMETRIK, STATISTIK PARAMETRIK
- No comments
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.
- 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.
- Metode sampling ini juga dapat digunakan ketika penelitian memiliki biaya yang terbatas.
- Teknik quota sampling dapat digunakan ketika kita ingin mendapat data dari beberapa kelompok pada populasi yang sama.
- Controlled quota sampling
Controlled quota sampling memberlakukan pembatasan pada pilihan sampel peneliti. Di sini, peneliti dibatasi pada pemilihan sampel. - 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:
- 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.
- 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.
- 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.
- 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.
- Menghemat waktu dan biaya: Teknik quota sampling sangat tepat digunakan untuk mendapatkan data primer dengan biaya dan waktu yang terbatas.
- Tak memerlukan sampling frame: Sama seperti metode nonprobability sampling lainnya, quota sampling dapat digunakan ketika populasi yang ingin diteliti tak memiliki sampling frame
- Memudahkan analisis selanjutnya: Karena pemilihan sampel telah dialokasikan berdasarkan kelompok yang telah ditentukan, maka peneliti akan dimudahkan dengan analisis selanjutnya.
- Tak dapat menghitung sampling error: Quota sampling merupakan teknik nonprobability sampling, sehingga penghitungan sampling error tak memungkinkan.
- 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.
- 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
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
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).
Senin, 11 April 2022
- April 11, 2022
- Sunggul
- SAMPLING, STATISTIK NON PARAMETRIK, STATISTIK PARAMETRIK
- No comments
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.
Rabu, 06 April 2022
- April 06, 2022
- Sunggul
- SAMPLING, STATISTIK NON PARAMETRIK, STATISTIK PARAMETRIK
- No comments
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.
- April 06, 2022
- Sunggul
- SAMPLING, STATISTIK NON PARAMETRIK, STATISTIK PARAMETRIK
- No comments
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:
- 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.
- 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.
- 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.
- 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.
Selasa, 05 April 2022
- April 05, 2022
- Sunggul
- SAMPLING
- No comments
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:
- Convenience sampling
- Quota sampling
- Snowball sampling
- Purposive 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.
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.
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.
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.