Membahas Metode Pengambilan Sampel Acak

Pengambilan Sampel atau biasa disebut dengan istilah Sampling, merupakan aktifitas pemilihan sampel dari suatu populasi, lalu mengambil data dari sampel tadi, untuk diukur agar bisa mengetahui karakteristiknya.

Simak artikel Sampel dan Populasi: Apa Bedanya? untuk memahami kembali tentang sampel dan populasi.

Seorang dokter ingin menganalisis tentang keadaan seluruh pasien di suatu kota. Oleh karena itu, ia pergi ke sejumlah rumah sakit di suatu kota untuk mengumpulkan sampel. Dokter mengukur karakteristik seperti usia, tekanan darah, berat badan, dan lain sebagainya.

Nah, karakteristik yang diperoleh dari sampel tidak bisa begitu saja disamaratakan terhadap populasi. Seluruh sampel pasien tadi mungkin memiliki berat badan hingga di atas 70 kg, tapi bukan berarti seluruh pasien di seluruh rumah sakit di kota itu memiliki berat badan di atas 70 kg juga, kan?

Pemilihan sampel harus mengikuti metodologi yang tepat dan dilakukan secara acak, agar karakteristik pada sampel bisa mewakili karakteristik populasi.

Kalau dokter tadi melakukan pemilihan atas sampelnya, maka data yang diperoleh dipastikan adalah data yang bias. Misalnya saja, ia memilih pasien yang mudah ditemui untuk menjadi sampel, atau ia hanya memilih pasien yang ia kenal.

Kesimpulan yang diperoleh dari analisis yang menggunakan data yang bias adalah kesimpulan yang salah.

Kita akan membahas tiga metodologi Pengambilan Sampel Acak atau Random Sampling. Ketiga metodologi ini tidak menjamin 100% bahwa sampel akan mewakili populasi, namun setidaknya kita bisa meminimalisir adanya data yang bias tadi.

#1 Simple Random Sampling

Simple Random Sampling adalah metodologi pengambilan sampel dimana setiap anggota populasi memiliki peluang yang sama untuk terpilih, dan setiap sampel yang dipilih tidak ada hubungan satu sama lain.

Metodologi Simple Random Sampling dilakukan dengan sejumlah langkah, yaitu:

1. Anda harus memiliki data seluruh anggota populasi. Pada contoh dokter tadi, ia harus memiliki daftar seluruh pasien di seluruh rumah sakit di kota itu.
2. Tentukan jumlah sampel yang Anda inginkan. Para ahli statistika menyetujui bahwa dalam pengambilan sampel, minimal harus berjumlah 100.
3. Pilih beberapa anggota populasi secara acak untuk dijadikan sampel. Sang dokter harus memilih beberapa pasien secara acak tanpa memperdulikan karakteristik mereka.

#2 Stratified Sampling

Stratified Sampling adalah metodologi pengambilan sampel dari populasi yang telah dibagi menjadi beberapa sub populasi. Sub populasi ini disebut dengan istilah Strata. Strata dibentuk berdasarkan karakteristik yang sama dari anggota populasi.

Metodologi Stratified Sampling dilakukan dalam beberapa langkah, yakni:

1. Seperti Simple Random Sampling, data seluruh anggota populasi harus sudah dipersiapkan.
2. Lakukan pengamatan atas karakteristika dari seluruh anggota populasi. Berdasarkan contoh dokter tadi, ia mengamati karakteristik penyakit yang sedang diderita oleh pasien.
3. Kelompokkan anggota populasi berdasarkan karakteristiknya untuk membentuk Strata. Setelah diamati, dokter menyatakan bahwa 20% pasien menderita demam tinggi, 25% malaria, 15% flu, 20% sakit kepala, dan 20% lainnya menderita tifus. Setiap anggota populasi yang memiliki karakteristik yang sama, kita kelompokkan dalam Strata.
4. Gunakan metodologi Simple Random Sampling terhadap setiap Strata dalam jumlah sampel tertentu.

#3 Cluster Sampling

Cluster Sampling ialah metodologi pengambilan sampel yang mengelompokkan populasi ke dalam beberapa Cluster dimana sebagian Cluster akan dipilih untuk menjadi sampel. Setiap anggota dari populasi hanya dapat dikelompokkan ke dalam satu Cluster saja.

Langkah-langkah untuk melakukan Metodologi Cluster Sampling adalah sebagai berikut:

1. Sama seperti Stratified Sampling, kita harus sudah memiliki data seluruh anggota populasi.
2. Lakukan pengelompokkan populasi berdasarkan lokasinya untuk membentuk Cluster. Sang dokter bisa mengelompokkan pasien berdasarkan tempat tinggal mereka. Kita sebut saja wilayah A, B, C, D, E dan F.
3. Pilih Cluster secara acak. Misalnya, dokter memilih Cluster wilayah A, C, dan E.
4. Lakukan metodologi Simple Random Sampling terhadap Cluster yang sudah dipilih tadi untuk mengumpulkan sampel.

Stratified Sampling vs Cluster Sampling

Kedua metodologi ini sepertinya mirip terutama pada bagian Cluster dan Strata, tapi ada beberapa perbedaan seperti:

1. Sampel diambil dari seluruh Strata untuk Stratified Sampling, sedangkan pada Cluster Sampling, sampel diambil dari Cluster yang sudah terpilih saja.
2. Ada kemiripan antar anggota di dalam sebuah Strata, sedangkan pada Cluster, kemiripan tidak hanya ada di dalam Cluster, tapi juga antar Cluster.
3. Stratified Sampling digunakan untuk meningkatkan ketepatan dan penggambaran pemilihan sampel, Cluster Sampling digunakan untuk meningkatkan efektifitas biaya yang dikeluarkan, dan meningkatkan efisiensi dalam pengerjaannya.

Penulis

Rachmat Wahid Saleh Insani adalah seorang Dosen di Bidang Ilmu Komputer. Ia bergelar Master of Computer Science dari Universitas Gadjah Mada.