Diperbarui 01 Feb 2021 - Dibaca 5 mnt
Ada banyak metode untuk mendapatkan responden untuk riset pasarmu. Salah satu metode yang paling umum digunakan adalah random sampling.
Metode random sampling merupakan salah satu metode pengumpulan data yang paling populer dan sederhana di bidang penelitian.
Metode ini memungkinkan pengumpulan data yang tidak bias, yang memungkinkan studi sampai pada kesimpulan yang tidak bias.
Apa Itu Random Sampling?
© Pexels.com
Menurut Simply Psychology, random sampling adalah jenis pengambilan sampel probabilitas di mana setiap orang di seluruh populasi target memiliki kesempatan yang sama untuk dipilih.
Sampel dipilih secara acak yang dimaksudkan sebagai representasi yang tidak bias dari total populasi.
Jika karena alasan tertentu, sampel tidak mewakili populasi, variasi tersebut disebut kesalahan pengambilan sampel.
Sampel acak memerlukan cara penamaan atau penomoran populasi target dan kemudian menggunakan beberapa jenis metode undian untuk memilih mereka yang akan dijadikan sampel.
Sampel acak adalah metode terbaik untuk memilih sampelmu dari populasi yang diminati.
Tipe-Tipe Random Sampling
© Pexels.com
Dirangkum dari Towards Data Science, terdapat empat tipe teknik random sampling.
1. Simple random sampling
Simple random sampling adalah pemilihan acak dari segmen kecil individu atau anggota dari keseluruhan populasi.
Ini memberi setiap individu atau anggota populasi dengan probabilitas yang sama dan adil untuk dipilih.
Metode pengambilan sampel acak sederhana adalah salah satu teknik pemilihan sampel yang paling mudah dan sederhana.
Dengan ukuran sampel yang cukup besar, simple random sampling memiliki validitas eksternal yang tinggi karena mewakili karakteristik populasi yang lebih besar.
Namun, pengambilan sampel acak sederhana dapat menjadi tantangan untuk diterapkan dalam praktiknya. Untuk menggunakan metode ini, ada beberapa prasyarat:
- memiliki daftar lengkap setiap anggota populasi.
- dapat menghubungi atau mengakses setiap anggota populasi jika mereka terpilih.
- memiliki waktu dan sumber daya untuk mengumpulkan data dari ukuran sampel yang diperlukan.
Simple random sampling bekerja paling baik jika kamu memiliki banyak waktu dan sumber daya untuk melakukan penelitian.
Atau jika kamu mempelajari populasi terbatas yang dapat dengan mudah diambil sampelnya.
2. Stratified random sampling
Stratified random sampling adalah pengambilan sampel bertingkat. Ini mencakup pembagian populasi menjadi subkelas dengan perbedaan dan variasi yang mencolok.
Metode pengambilan sampel ini memungkinkanmu untuk membuat kesimpulan yang lebih andal dan terinformasi dengan memastikan bahwa setiap subkelas telah terwakili secara memadai dalam sampel yang dipilih.
Pengambilan sampel bertingkat adalah pilihan terbaik di antara metode pengambilan sampel probabilitas jika kamu yakin bahwa subkelompok akan memiliki nilai rata-rata yang berbeda untuk variabel yang dipelajari.
Berikut beberapa keuntungan potensial dari menggunakan stratified random sampling.
- memastikan keragaman sampel.
- memastikan varian yang serupa.
- menurunkan varians keseluruhan dalam populasi.
- memungkinkan untuk berbagai metode pengumpulan data.
Untuk menggunakan metode ini, kamu harus dapat membagi populasimu menjadi subkelompok yang saling eksklusif dan lengkap.
Ini berarti setiap anggota populasi dapat dengan jelas diklasifikasikan menjadi satu subkelompok.
Baca Juga: Ketahui Indikator Penting Riset Pasar Online selama Pandemi
3. Cluster random sampling
Cluster random sampling adalah metode yang mirip dengan stratified random sampling. Termasuk dalam membagi populasi menjadi beberapa subkelas.
Setiap subkelas harus menggambarkan karakteristik yang sebanding dengan seluruh sampel yang dipilih.
Metode ini memerlukan pemilihan acak dari seluruh subkelas.
Metode ini sering digunakan untuk mempelajari populasi yang besar, terutama yang tersebar secara geografis.
Kamu bisa menggunakan unit yang sudah ada sebelumnya seperti sekolah atau kota sebagai clusternya.
Cluster random sampling biasanya digunakan karena keuntungan praktis berikut.
- metode ini membutuhkan waktu dan biaya yang efisien, terutama untuk sampel yang tersebar secara geografis dan akan sulit untuk mengambil sampel dengan benar.
- pengambilan sampel dilakukan menggunakan pengacakan. Sehingga, jika populasi dikelompokkan dengan benar, penelitianmu akan memiliki validitas eksternal yang tinggi karena sampel akan mencerminkan karakteristik populasi yang lebih besar.
4. Systematic random sampling
Systematic random sampling adalah pemilihan individu atau anggota tertentu dari seluruh populasi. Metode ini sering dilakukan mengikuti interval yang telah ditentukan.
Metode pengambilan sampel sistemik dapat dibandingkan dengan metode pengambilan sampel acak sederhana. Namun, ini tidak terlalu rumit untuk dilakukan.
Saat menggunakan pengambilan sampel sistematis dengan daftar populasi, penting untuk mempertimbangkan urutan populasimu terdaftar untuk memastikan bahwa sampelmu valid.
Jika populasi kamu ada dalam urutan menaik atau menurun, menggunakan metode ini memberikanmu sampel yang cukup representatif, karena akan mencakup peserta dari kedua ujung bawah dan atas populasi.
Kamu tidak bisa menggunakan metode ini jika populasimu diurutkan secara siklis atau berkala karena sampel yang dihasilkan tidak dapat dijamin representatif.
Ada berbagai metode pengambilan sampel yang bisa kamu gunakan dari random sampling.
Kamu hanya perlu menyesuaikan metode yang akan digunakan dengan kondisi populasi dan tujuan dari riset pasar yang kamu lakukan.
Kamu bisa mempelajari lebih jauh mengenai riset pasar dengan mengikuti webinar marketing dari Glints ExpertClass.
Glints ExpertClass merupakan webinar yang menghadirkan para profesional dari berbagai bidang keahlian.
Kamu bisa belajar dan bertanya langsung kepada mereka sesuai dengan topik yang diangkat.
Yuk, kamu bisa daftar di sini sekarang untuk mengikuti webinarnya atau memilih paket langganan dari Glints ExpertClass.
23 Mar 2020 - Imam
Teknik sampling adalah sebuah metode statistika dimana peneliti mengambil contoh (sampel) dari sebagian penyusun sebuah populasi untuk melihat tren dan pendugaan yang dapat diambil.
Untuk memahami lebih jauh tentang teknik sampling maka kita mesti memahami terlebih dahulu pengertian sampel dan populasi dalam ranah statistika.
Pengertian Populasi dan Sampel
Pengertian sampel adalah bagian yang menyusun populasi yang diambil sebagai data survei. Sementara pengertian populasi adalah keseluruhan jumlah atau suatu kelompok yang akan Anda teliti karakteristiknya.
Kembali lagi ke topik pembahasan utama, metode pengambilan sampling ini diterapkan dengan suatu prosedur yang sifatnya sistematis yang telah ditentukan sebelumnya untuk mendapatkan efek yang ingin diraih.
Teknik sampling merupakan salah satu elemen yang penting dalam suatu penelitian. Penelitian yang baik, kecil maupun besar, baik itu penelitian kuantitatif dan kualitatif, wajib menentukan dan menerapkan suatu metode sampling dan menentukan sampel yang akan diambil untuk subjek penelitian.
Menentukan sampel dalam teknik sampling menjadi hal yang krusial dalam penelitian. Keakuratannya memengaruhi tingkat keberhasilan riset Anda.
Maka dari itu, penting sekali untuk mengenali dan memahami berbagai teknik sampling yang tersedia untuk membantu Anda. Kali ini, akan dibahas beberapa metode sampling. Yuk, simak uraiannya berikut ini...
Pengertian Cluster Random Sampling
Foto: research-methodology.net
Cluster random sampling adalah suatu jenis teknik sampling dimana seorang peneliti membagi populasi menjadi beberapa kelompok yang terpisah yang disebut sebagai cluster.
Dari beberapa cluster ini diambil beberapa sampel yang dipilih secara random atau acak. Analisis penelitian dari teknik cluster random sampling ini diambil dari data sampel cluster-cluster tersebut.
Cluster random sampling adalah teknik sampling yang diterapkan ketika pada populasi didapati kelompok-kelompok yang nampak seragam namun secara internal tetap berlainan.
Populasi statistika ini lalu dibagi ke dalam beberapa cluster dan beberapa sampel acak dipilih. Cluster sampling kerap dipakai dalam riset pemasaran.
Contoh Cluster Random Sampling
Cluster random sampling adalah teknik sampling yang banyak digunakan pada kelompok statistika yang sifatnya geografis.
Contoh cluster random sampling : seorang peneliti ingin membuat survei mengenai performa akademis siswa SMA di Bandung. Berikut ini langkah-langkah yang dapat diambil:
Peneliti membagi populasi siswa SMA Bandung menjadi beberapa kelompok atau cluster berdasarkan kecamatan;
Kemudian peneliti memilih beberapa cluster sesuai dengan penelitian yang sedang dilakukan melalui pemilihan sampel acak yang sistematis;
Lalu dari beberapa cluster kecamatan yang telah dipilih secara acak, peneliti dapat memilih untuk memasukkan semua siswa SMA sebagai subjek, atau memilih beberapa subjek dari tiap cluster kecamatan melalui random sampling yang sistematis.
Pengertian Systematic Random Sampling
Systematic random sampling adalah suatu metode statistik dimana sampel dari populasi dipilih secara acak namun dengan interval yang telah ditentukan. Interval ini disebut sebagai sampling interval, yang didapat dari pembagian populasi menjadi sampel yang diperlukan.
Contoh Systematic Random Sampling
Untuk memahami pengertian systematic random sampling, mari kita cerna langkah-langkah berikut ini.
Berikan nomor pada setiap penyusun populasi. Misalnya ada 50 orang dalam populasi. Beri label angka 1 sampai 50 pada anggota populasi;
Tentukan ukuran sampel yang Anda perlukan. Misalnya Anda memerlukan 10 orang;
Bagi populasi berdasarkan ukuran sampel Anda. Pada contoh systematic random sampling ini berarti 50 dibagi ukuran sampel 10. 50/10 = 5. Maka angka 5 ini menjadi sampling interval pada penelitian Anda. Di bawah ini dapat Anda lihat sampel yang dipilih mengikuti sampling interval 5, maka pilihlah anggota setiap kelipatan 5.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
Pengertian Stratified Random Sampling
Pengertian stratified random sampling adalah teknik sampling dimana populasi dibagi menjadi kelompok lebih kecil yang disebut strata.
Dalam stratified random sampling, strata ini dapat dibentuk dengan pengelompokan berdasarkan karakteristik yang sama dari anggotanya.
Perbedaan Cluster Random Sampling dan Stratified Random Sampling
Untuk mempermudah memahami stratified random sampling, kita dapat membandingkannya dengan cluster random sampling.
Cluster random sampling adalah metode sampling dimana peneliti membagi populasi ke dalam beberapa kelompok berdasarkan kategori atau karakteristik yang natural.
Contoh cluster random sampling sebelumnya membagi populasi siswa SMA di Bandung berdasarkan karakteristik alami yakni wilayah geografis kecamatan.
Sementara stratified random sampling adalah metode sampling dimana pengelompokan sampel ke dalam strata didapat melalui metode random sampling lainnya, misalnya melalui systematic random sampling yang telah dijelaskan di atas.
Foto: datasciencecentral.com
Cluster random sampling adalah teknik sampling dimana peneliti meneliti keseluruhan cluster, bukan individu dari tiap kelompok. Dapat dilihat pada gambar ilustrasi di atas bahwa cluster random sampling menyeleksi cluster 2 dan 4 dan diteliti semua individu yang ada dalam cluster tersebut.
Sementara dalam stratified random sampling, sampel dipilih berdasarkan sampling interval yang telah ditentukan. Maka dapat dilihat perbedaannya. Alih-alih memilih beberapa cluster, stratified random sampling memilih masing-masing dua individu dari tiap cluster.
Nah, itulah pembahasan mengenai pengertian dan contoh cluster random sampling, systematic random sampling dan stratified random sampling. Semoga informasi ini bermanfaat bagi Anda!