Apa yang dimaksud dengan sampel representatif dan mengapa itu penting?

Dalam statistika, kita sering kali tertarik untuk mempelajari karakteristik populasi tertentu. Misalnya, kita mungkin tertarik mempelajari:

• Kepuasan kerja keseluruhan insinyur mesin di kota tertentu.
• Preferensi politik individu di suatu daerah tertentu.
• Distribusi usia individu di suatu negara tertentu.
• Preferensi sinematik siswa sekolah tertentu.

Dalam setiap contoh ini, kami ingin lebih memahami populasi tertentu.

Populasi: Seluruh kelompok individu yang ingin Anda pelajari.

Sayangnya, pengumpulan data setiap individu dalam suatu populasi memerlukan biaya dan waktu yang lama. Inilah sebabnya mengapa peneliti biasanya mengumpulkan data pada sampel suatu populasi dan kemudian menggeneralisasikan hasil dari sampel tersebut ke seluruh populasi.

Sampel: sebagian dari populasi.

Misalnya, kita ingin memahami preferensi film siswa di sekolah tertentu yang memiliki total 1.000 siswa. Karena akan memakan waktu terlalu lama untuk mensurvei setiap siswa satu per satu, kami dapat mengambil sampel acak sebanyak 100 siswa dan menanyakan preferensi mereka.

1.000 siswa mewakili populasi, sedangkan 100 siswa yang dipilih secara acak mewakili sampel. Setelah kami mengumpulkan data untuk sampel 100 siswa, kami dapat menggeneralisasikan hasil ini ke populasi keseluruhan yang berjumlah 1.000 siswa, namun hanya jika sampel kami mewakili populasi kami .

Sampel representatif: Sampel yang karakteristik individunya sangat mirip dengan karakteristik populasi secara keseluruhan.

Idealnya, kita ingin sampel kita menyerupai “versi mini” dari populasi kita. Jadi, jika keseluruhan populasi siswa terdiri dari 50% perempuan dan 50% laki-laki, sampel kita tidak akan representatif jika mencakup 90% laki-laki dan hanya 10% perempuan.

Atau, jika populasi keseluruhan terdiri dari mahasiswa baru, mahasiswa tahun kedua, junior, dan senior dengan jumlah yang sama, maka sampel kita tidak akan representatif jika hanya mencakup mahasiswa baru.

Pentingnya mendapatkan sampel yang representatif

Alasan kita menginginkan sampel yang representatif adalah agar kita dapat dengan yakin menggeneralisasikan hasil dari sampel ke populasi.

Misalnya, kita ingin mengetahui berapa persentase siswa di sekolah tertentu yang memilih “drama” sebagai genre film favoritnya. Jika total populasi siswa terdiri dari 50% laki-laki dan 50% perempuan, maka sampel yang terdiri dari 90% laki-laki dan 10% perempuan dapat memberikan hasil yang bias jika jauh lebih sedikit laki-laki yang memilih teater sebagai genre favorit.

Atau, jika total populasinya adalah gabungan antara mahasiswa baru, mahasiswa tahun kedua, junior, dan senior, maka sampel yang hanya menyertakan mahasiswa baru juga dapat menyebabkan hasil yang bias jika mahasiswa yang lebih muda (misalnya mahasiswa baru) cenderung lebih memilih teater dibandingkan mahasiswa baru. siswa yang lebih tua.

Jika karakteristik individu dalam sampel kita tidak sesuai dengan karakteristik individu dalam populasi secara keseluruhan, maka kita tidak dapat dengan yakin menggeneralisasikan hasil dari sampel ke populasi secara keseluruhan.

Cara mendapatkan sampel yang representatif

Untuk memaksimalkan peluang memperoleh sampel yang representatif, kita perlu fokus pada dua hal saat memperoleh sampel:

1. Gunakan metode pengambilan sampel yang tepat.

Ada banyak cara untuk memperoleh sampel suatu populasi , namun berikut tiga cara untuk memperoleh sampel yang representatif:

Sampel acak sederhana: pilih individu secara acak menggunakan generator nomor acak atau cara pemilihan acak.

• Contoh: Tetapkan nomor untuk 1.000 siswa. Selanjutnya, gunakan generator nomor acak untuk memilih 100 nomor acak dan gunakan siswa yang bersangkutan sebagai anggota sampel.
• Keuntungan: Sampel acak sederhana umumnya mewakili populasi yang diteliti karena setiap anggota mempunyai peluang yang sama untuk dimasukkan ke dalam sampel.

Sampel acak sistematis: menempatkan setiap anggota populasi dalam urutan tertentu. Pilih titik awal secara acak dan pilih satu ^dari n anggota untuk menjadi bagian sampel.

• Contoh: Buat daftar alfabet berdasarkan nama belakang 1.000 siswa, pilih titik awal secara acak, dan pilih setiap siswa kesepuluh untuk dijadikan sampel.
• Keuntungan: Sampel acak sistematis umumnya mewakili populasi yang diteliti karena setiap anggota mempunyai peluang yang sama untuk dimasukkan ke dalam sampel.

Sampel acak bertingkat: membagi populasi menjadi beberapa kelompok. Pilih secara acak beberapa anggota dari setiap kelompok untuk menjadi bagian sampel.

• Contoh: Bagilah semua siswa menurut tingkatannya: mahasiswa baru, mahasiswa tahun kedua, junior, dan senior. Pilih secara acak 25 siswa dari setiap kelas untuk menjadi bagian sampel.
• Keuntungan: Sampel acak bertingkat memastikan bahwa jumlah siswa yang sama dari setiap kelas dimasukkan dalam sampel.

2. Pastikan sampelnya cukup besar.

Selain menggunakan metode pengambilan sampel yang tepat, penting untuk memastikan bahwa sampelnya cukup besar sehingga kita memiliki cukup data untuk dapat melakukan generalisasi ke populasi yang lebih besar.

Misalnya, sampel yang terdiri dari delapan siswa – satu laki-laki dan satu perempuan dari setiap kelas – mungkin mewakili versi kecil dari populasi secara keseluruhan, namun mungkin tidak cukup besar untuk menangkap semua variabilitas yang secara alami ada dalam tanggapan siswa. .

Jadi seberapa besar sampel Anda?

Hal ini tergantung pada faktor-faktor berikut:

• Ukuran populasi: Secara umum, semakin besar ukuran populasi, semakin besar pula sampel yang harus diambil. Misalnya, Anda memerlukan sampel yang jauh lebih besar jika ingin menggeneralisasi hasil Anda ke seluruh negara, bukan ke satu kota.
• Tingkat Keyakinan: Seberapa yakin Anda ingin bahwa nilai sebenarnya dari populasi yang Anda minati berada dalam interval kepercayaan Anda. Tingkat kepercayaan umum mencakup 90%, 95%, dan 99%. Semakin tinggi tingkat kepercayaannya, semakin besar sampel Anda.
• Margin of error: Berapa banyak kesalahan yang ingin Anda toleransi. Tidak ada sampel yang sempurna, jadi Anda harus bersedia menerima setidaknya sejumlah kesalahan. Sebagian besar penelitian melaporkan hasil mereka dengan margin kesalahan, misalnya “40% siswa mengatakan teater adalah genre film favorit mereka, dengan margin kesalahan +/- 5%.” » Semakin rendah margin kesalahan, semakin kecil ukuran sampel Anda.

Ada banyak kalkulator ukuran sampel online untuk membantu Anda menentukan ukuran sampel berdasarkan faktor-faktor ini. Kalkulator dari Survey Monkey ini sangat mudah digunakan.

Hal-hal yang perlu diingat

Meskipun Anda menggunakan metode pengambilan sampel yang tepat dan memastikan sampel Anda cukup besar, ingatlah hal berikut:

• Akan selalu ada kesalahan pengambilan sampel. Sampel tidak akan pernah bisa mewakili populasi secara keseluruhan secara sempurna.
• Secara umum, semakin besar sampelnya, semakin mewakili populasinya.
• Anda perlu menyeimbangkan ukuran sampel dengan variabel dunia nyata seperti waktu dan biaya. Sampel yang lebih besar mungkin lebih mewakili keseluruhan populasi, namun memperoleh sampel mungkin akan lebih mahal dan memakan waktu.