TUGAS 1

PASCA SARJANA STIMA IMMITUGAS 1METODOLOGI RISET

Venti Misgiasih332142330123

TUGAS MERANGKUM MATERI PEMBELAJARAN

SAMPLING DALAM PENELITIAN LINTAS BUDAYADalam penelitian lintas budaya, sebagai pengembangan instrumen dan pengumpulan data, kita harus peka terhadap isu pemilihan sampel di berbagai negara ketika melakukan penelitian lintas-budaya. Sifat dan jenis organisasi diteliti, apakah subjek berasal dari daerah pedesaan atau perkotaan, dan jenis desain sampling yang digunakan, semua harus sama di negara-negara yang berbeda untuk memungkinkan perbandingan yang benar.

PERMASALAHAN PRESISI DAN KEPERCAYAAN DALAM PENENTUAN UKURAN SAMPEL Sampel yang handal dan valid harus memungkinkan kita untuk menggeneralisasi temuan dari sampel untuk populasi yang diteliti. Statistik sampel harus diperkirakan dapat mencerminkan parameter populasi semaksimal mungkin dengan kesalahan sekecil mungkin. Tidak ada statistik sampel yang persis sama dengan parameter populasi, tidak peduli seberapa canggih desain sampling probabilitasnya. Alasan untuk desain probabilitas adalah untuk meningkatkan kemungkinan bahwa statistik sampel akan sedekat mungkin dengan parameter populasi. Meskipun titik estimasi mungkin tidak secara akurat mencerminkan populasi, perkiraan interval dapat dilakukan dalam waktu yang tersedia, dengan probabilitas yang melekat - pada tingkat kepercayaan tertentu.

PRESISIPresisi mengacu pada seberapa dekat perkiraan dengan karakteristik populasi yang sebenarnya. Biasanya, peneliti akan memperkirakan parameter populasi jatuh dalam kisaran, berdasarkan estimasi sampel.Presisi adalah fungsi dari berbagai variabilitas dalam distribusi sampling dari mean sampel. Jika kita mengambil sejumlah sampel yang berbeda dari suatu populasi, dan mengambil rata-rata dari masing-masing, kita biasanya akan menemukan bahwa mereka semua berbeda, biasanya didistribusikan, dan memiliki dispersi yang terkait. Yang memiliki dispersi atau variabilitas lebih kecil, semakin besar probabilitas, berarti mean sampel akan lebih dekat dengan populasi. Kita tidak perlu selalu mengambil beberapa sampel yang berbeda untuk memperkirakan variabilitas ini. Bahkan jika kita mengambil satu sampel dari 30 subjek populasi, kita masih akan dapat memperkirakan variabilitas distribusi sampling dari mean sampel. Variabilitas ini disebut standard error.Standard error berbanding terbalik dengan akar kuadrat dari ukuran sampel. Oleh karena itu, jika kita ingin mengurangi standard error, diberikan standar deviasi tertentu dalam sampel, kita perlu meningkatkan ukuran sampel. Semakin kecil variasi dalam populasi, semakin kecil standard errordemikian juga sebaliknya. Dengan demikian, variabilitas yang rendah dalam populasi memerlukan ukuran sampel yang lebih kecil. Semakin dekat kita ingin hasil sampel mencerminkan karakteristik populasi, maka akan semakin besar kemungkinan untuk tepat sasaran. Semakin besar presisi yang diperlukan, semakin besar ukuran sampel yang dibutuhkan, terutama ketika variabilitas dalam populasi itu sendiri besar.

KEYAKINANKeyakinan menekankan seberapa besar keyakinan kita terhadap perkiraan yang kita buat dapat sesuai dengan kenyataan dalam populasi.Keyakinan mencerminkan tingkat kepastian yang kita dapat, bahwa perkiraan dari parameter populasi, berdasarkan statistik sampel akan berlaku. Tingkat kepercayaan dapat berkisar dari 0 sampai 100%. Tingkat kepercayaan 95% adalah tingkat diterima konvensional untuk penelitian bisnis yang paling sering diungkapkan menunjukkan tingkat signifikansi p .05. Dengan kata lain, kita mengatakan bahwa setidaknya 95 kali dari 100, diperkirakan akan mencerminkan karakteristik populasi yang sebenarnya.

PERTUKARAN ANTARA KEYAKINAN DAN PRESISIJika ukuran sampel tidak dapat ditingkatkan, untuk alasan apa pun-misalnya, peneliti tidak mampu membayar biaya peningkatan sampel, kemudian dengan ukuran sampel yang sama, satu-satunya cara untuk mempertahankan tingkat presisi yang sama akan meninggalkan keyakinan yang dapat memprediksi perkiraan peneliti, yaitu dengan mengurangi tingkat kepercayaan atau kepastian perkiraan peneliti.Dengan demikian menjadi penting bagi peneliti untuk mempertimbangkan sedikitnya empat aspek ketika membuat keputusan tentang ukuran sampel yang dibutuhkan dalam penelitian:1. Berapa banyak presisi diperlukan dalam memperkirakan karakteristik populasi, yaitu margin of error seperti apa yang masih diperbolehkan?2. Berapa banyak keyakinan sangat diperlukan, yaitu berapa banyak kesempatan yang diperoleh yang dapat membuat peneliti membuat kesalahan dalam memperkirakan parameter populasi?3. Sampai sejauh mana ada variabilitas dalam populasi pada karakteristik diselidiki?4. Bagaimana analisis manfaat biaya meningkatkan ukuran sampel?

DATA SAMPEL DAN HIPOTESIS PENGUJIANProsedur untuk pengujian ini menggabungkan informasi yang sama seperti dalam selang estimasi, tetapi tujuan di balik dua metode yang agak berbeda. mengacu pada contoh sebelumnya. Dari rata-rata pembelian nilai dolar dari pelanggan di sebuah department store, alih-alih mencoba untuk memperkirakan nilai pembelian rata-rata pelanggan toko dengan tingkat akurasi tertentu, mari kita mengatakan bahwa kita sekarang ingin menentukan apakah pelanggan menghabiskan jumlah rata-rata yang sama dalam pembelian di Department Store A seperti di Department Store B. Set hipotesis pertama dari nol, yang akan menyatakan bahwa tidak akan ada perbedaan dalam nilai dolar diperluas oleh pelanggan berbelanja di dua toko yang berbeda. ini akan dinyatakan sebagai :Ho:A - B = 0Perbedaan hipotesis alternatif akan dinyatakan tidak terarah (karena kita tidak tahu apakah pelanggan membeli lebih banyak di toko A atau B Toko) sebagai:HA:A - B 0Jika kita mengambil sampel dari 20 pelanggan dari masing-masing dua toko dan menemukan bahwa nilai dolar pembelian rata-rata pelanggan di toko adalah 105 dengan standar deviasi 10, dan angka yang sesuai untuk toko B 100 dan 15, masing-masing, kita melihat bahwa:XA XB = 105 100 = 5Sedangkan hipotesis nol kami telah mendalilkan tidak adanya perbedaan (perbedaan = 0).

kita sudah mengetahui bahwa X A - X B = 5DanA - B = 0 (dari hipotesis nol)kemudian t = 5 0 = 1.209 4.136

Data sampel dapat digunakan tidak hanya untuk memperkirakan parameter populasi, tetapi juga untuk pengujian hipotesis tentang nilai-nilai populasi, korelasi populasi, dan sebagainya.

MENENTUKAN UKURAN SAMPELProsedur ini dapat digambarkan melalui contoh. Misalkan manajer ingin menjadi 95% yakin bahwa penarikan bulanan bank yang diharapkan akan berada dalam tingkat kepercayaan sebesar $ 500. Mari kita mengatakan bahwa penelitian sampel klien menunjukkan bahwa penarikan rata dibuat oleh mereka memiliki standar deviasi dari $ 3.500. Apa yang akan menjadi ukuran sampel yang dibutuhkan dalam kasus ini?Karena tingkat kepercayaan yang dibutuhkan di sini adalah 95%, nilai K yang berlaku 1.96 (t tabel). estimasi interval $ 500 harus mencakup dispersi (1,96 x standard error), yaitu

Kita sudah mengetahui bahwa

Ukuran sampel yang dibutuhkan dalam contoh di atas adalah 188. Jika bank ini memiliki pelanggan total hanya 185, artinya kita tidak bisa mencoba 188 klien. Kita dalam hal ini dapat menerapkan rumus koreksi dan melihat apa ukuran sampel akan diperlukan untuk memiliki presisi tingkat yang sama dan kepercayaan mengingat fakta bahwa kita memiliki total hanya 185 klien.

Rumus koreksinya adalah sebagai berikut:

PENTINGNYA DESAIN SAMPLING DAN UKURAN SAMPELJika desain sampling yang tepat tidak digunakan, ukuran sampel yang besar tidak akan dengan sendirinya, memungkinkan temuan bisa digeneralisasi untuk populasi juga, kecuali ukuran sampel memadai untuk tingkat presisi dan keyakinan yang diinginkan, tidak ada desain sampling, namun dapat berguna untuk peneliti dalam memenuhi tujuan penelitian. Karenanya, keputusan pengambilan sampel harus mempertimbangkan baik desain sampling dan ukuran sampel. Terlalu besar ukuran sampel, namun (misalnya, lebih dari 500) juga bisa menjadi masalah, karena kita akan rentan terhadap melakukan kesalahan Tipe II. Dengan kata lain, ukuran sampel yang terlalu besar, bahkan hubungan yang lemah (misalnya korelasi dari 10 antara dua variabel) mungkin mencapai tingkat signifikansi, dan kita akan cenderung percaya bahwa hubungan yang signifikan yang ditemukan dalam sampel memang benar, walaupun pada kenyataannya mungkin tidak.Titik lain yang perlu dipertimbangkan, bahkan dengan ukuran sampel yang sesuai, apakah signifikansi statistik lebih relevan daripada signifikansi praktis. Misalnya, korelasi 25 menjadi signifikan secara statistik, tetapi karena ini menjelaskan hanya sekitar 6% dari varians (.252), betapa berartinya itu dari segi kegunaan praktis?Roscoe (1975) mengusulkan aturan berikut untuk menentukan ukuran sampel:1. Ukuran sampel yang lebih besar dari 30 dan kurang dari 500 cocok untuk kebanyakan penelitian2. Di mana sampel harus dipecah menjadi Sub sampel; (laki-laki / perempuan, junior / senior, dll), diperlukan ukuran sampel minimum 30 untuk masing-masing kategori 3. Dalam penelitian multivariat (termasuk beberapa analisis regresi), ukuran sampel harus beberapa kali (lebih 10 kali atau lebih) sama besar dengan jumlah variabel dalam penelitian ini4. Untuk penelitian eksperimental sederhana dengan kontrol eksperimental yang ketat (pasangan yang cocok, dll), penelitian yang sukses adalah mungkin dengan sampel 10 sampai 20

EFISIENSI SAMPLINGEfisiensi dalam pengambilan sampel dicapai ketika untuk suatu tingkat presisi (standard error), ukuran sampel dapat dikurangi, atau untuk ukuran sampel yang diberikan, tingkat presisi dapat ditingkatkan. Prosedur simple random sampling tidak selalu yang paling efisien. Stratified random sampling justru sering lebih efisien, dan stratified proporsional random sampling desain telah terbukti lebih efisien daripada desain sampling proporsional dalam banyak kasus. Cluster sampling kurang efisien daripada simple random sampling karena pada umumnya homogenitas antara subyek di cluster lebih besar daripada yang ditemukan dalam unsur-unsur dalam populasi. Multistage cluster sampling lebih efisien dibandingkan single-stage cluster sampling bila ada lebih heterogenitas ditemukan pada tahap awal. Sering ada pertukaran antara waktu dan efisiensi biaya (seperti yang dicapai dalam desain nonprobability sampling) dan efisiensi presisi (seperti dicapai dalam banyak rencana probability sampling). Pilihan rencana pengambilan sampel sehingga tergantung pada tujuan penelitian, serta pada tingkat dan sifat efisiensi yang diinginkan.

SAMPLING BERKAITAN DENGAN STUDI KUALITATIFDalam penelitian kualitatif, hanya sampel kecil dari individu, kelompok, atau peristiwa yang selalu dipilih, mengingat sifat mendalam dari penelitian tersebut. Jelas, tidak mungkin untuk terlibat dalam pemeriksaan intensif semua-faktor sentral dan perifer-dengan sampel, misalnya 300. Akan memerlukan biaya dan energi yang besar.Studi kualitatif menggunakan sampel kecil, yang berarti bahwa generalisasi temuan sangat terbatas. Prosedur analisis data mayoritas dari jenis nonparametrik, dan seperti dicatat, validitas eksternalnya akan rendah. Dalam studi kualitatif, mungkin untuk menggunakan salah satu desain sampling yang dibahas dalam bab ini, tetapi jika tujuan dari penelitian ini adalah semata-mata untuk mengeksplorasi dan mencoba untuk memahami fenomena, sampel convenience hampir selalu digunakan.

RELEVANSI MANAJERIALKesadaran desain sampling dan ukuran sampel membantu untuk memahami mengapa metode sampling tertentu yang digunakan oleh para peneliti. Ini memungkinkan peneliti untuk memahami risiko yang mereka ambil dalam menerapkan perubahan berdasarkan hasil penelitian. Pengetahuan ini juga membantu manajer untuk menilai generalisasi temuan dan menganalisis implikasi dan mencoba rekomendasi yang dibuat di dalamnya dalam sistem mereka sendiri.

RINGKASANUkuran sampel ditentukan oleh tingkat presisi dan keyakinan yang diinginkan dalam mengestimasi parameter populasi, serta variabilitas dalam populasi itu sendiri. Pertimbangan biaya juga bisa memainkan peran. Generalisasi temuan dari sampel penelitian untuk populasi tergantung pada keterwakilan-yang adalah, kecanggihan desain sampling yang digunakan, dan ukuran sampel. Data sampel yang digunakan untuk kedua parameter populasi memperkirakan dan pengujian hipotesis. Perawatan harus dilakukan untuk tidak terlampau menggeneralisasi hasil dari setiap populasi penelitian yang tidak diwakili oleh sampel. Ini adalah masalah umum dalam beberapa studi penelitian.