Populasi dan Sampel
Kelas ini berisi materi tentang:
- Mengenal populasi dan sampel.
- Menentukan sampel yang tepat.
Apakah Kita Harus Menjawab Semuanya?
Semakin lengkap data, maka jawaban dari sebuah pertanyaan akan kian solid. Sayangnya, butuh waktu dan tenaga besar untuk memiliki jawaban sekomprehensif itu. Apakah kita harus menyerah dalam mencari kebenaran sejati?
Statistik dapat menjawab kebutuhan ini. Di statistik, proses yang kompleks diantisipasi dengan mencari representasi suatu kumpulan data. Caranya dengan menggunakan populasi dan sample dalam menganalisis sebuah data.
Parameter Populasi
Menurut arti kata, populasi adalah seluruh kebutuhan data akan masuk ke dalam objek analisis. Biasanya populasi berawal dari himpunan kelompok yang sangat umum dengan jumlah data yang besar.
Tapi perlu diperhatikan bahwa ada banyak analisis yang memerlukan himpunan lebih rinci. Penggunaan parameter bertujuan merinci populasi sesuai kebutuhan riset. Berikut jenis-jenisnya:
- Mean of Population: Rata-rata dari sebuah populasi besar.
- Median: Titik tengah populasi besar.
Target populasi amat bergantung pada tujuan riset. Populasi yang terlibat dalam riset amat nantinya menentukan level analisis data yang dipakai, apakah level umum, kategori/kelompok tertentu, atau jenis tertentu.
Parameter Sampel
Seberapa spesifik target populasi belum mampu mengerucutkan proses analisis. Kita tidak bisa mendapat gambaran sepenuhnya dari sebuah populasi, tapi bisa mengestimasinya.
Cara statistik menentukan gambaran adalah dengan menentukan sampel dari populasi. Sampel adalah objek penelitian yang merupakan rincian dari target populasi. Misal kita memilih kategori/kelompok tertentu sebagai target populasi, pemilihan sampel adalah dengan mengambil satu atau lebih data dari keseluruhan himpunan.
Tapi kita tidak bisa asal comot dalam menentukan sampel. Penentuan sampel harus bisa merepresentasikan target populasi yang telah ditetapkan. Sampel tidak boleh salah. Jika salah, sampel yang mengandung bias akan mengacaukan seluruh analisis. Lihat contoh bias dalam penentuan sampel:
Sampel Tidak Bias
Serupa dengan target populasi walau berjumlah lebih kecil karena memiliki kesamaan karakteristik.
Sampel Bias
Bentuknya berbeda dengan target populasi.
Kesalahan yang Sering Terjadi
Mendesain sampel biasanya membutuhkan porsi waktu cukup signifikan dalam proses analisis demi menghindari bias. Perancangan sampel yang bias biasanya lahir dari pemilihan unit yang keliru di dalam target populasi. Apa saja pengaruhnya? Lihat penjelasannya lewat bagan di bawah:
Sampling Frame yang Keliru
Penentuan sampel biasa melalui proses sampling frame atau merinci jenis-jenis sampel di dalam target populasi. Proses ini membutuhkan dedikasi waktu dan ketelitian. Jika tidak teliti, bisa-bisa variabel yang tidak masuk dalam target populasi malah masuk hitungan.
Salah Memilih Unit
Sampling Frame bakal menghasilkan berbagai unit kandidat sampel. Salah memilih unit sampel yang tidak perlu dan mengabaikan yang jadi kebutuhan, adalah awal dari bencana statistik.
Lupa Melakukan Random Sampling
Jangan tendensius. Pilih sampel yang memang menggambarkan target populasi. Ketika melakukan uji sampel, jangan menentukan arah seperti membuat pertanyaan riset yang menjurus ke arah tertentu. Untuk itu, diperlukan pemilihan sampel secara acak atau random sampling.
Rangkuman
- Sampel harus menyerupai jumlah dan ragam karakter yang ada di dalam populasi.
- Untuk menghindari sampel yang bias, pastikan pemilihan unit, sampling frame, dengan penerapan random sampling yang tepat.
Kuis
Langkah apa yang harus ada dalam membuat random sampling?