Untuk mendapatkan informasi tentang populasi yang besar, peneliti menggunakan empat metode sampling probabilitas: acak sederhana, sistematis, stratifikasi, dan cluster. Setiap orang dalam populasi tertentu memiliki peluang yang diketahui dan sama untuk dipilih dalam sampling probabilitas, dan yang paling penting, orang dipilih secara acak.
Kegunaan Sampel Probabilitas
Bayangkan betapa sulit dan mahalnya bagi sebuah perusahaan untuk mensurvei semua orang di Amerika Serikat setiap kali ingin mengetahui sesuatu tentang orang Amerika. Jika sampel dibuat secara acak dan setiap orang memiliki kesempatan untuk berpartisipasi, maka hasil sampel akan mendekati hasil sensus yang mensurvei semua orang. Sampling probabilitas adalah cara yang penting, hemat waktu, dan jauh lebih murah untuk mendapatkan informasi dari masyarakat daripada sensus karena hasilnya dapat mencerminkan populasi besar meskipun mensurvei sejumlah kecil orang. Jika sampel tidak dibuat secara acak, yang merupakan pengambilan sampel non-probabilitas, maka hasilnya tidak mungkin mencerminkan seluruh populasi.
Pengambilan Sampel Acak dan Sistematis Sederhana
Dalam pengambilan sampel acak sederhana, orang dipilih secara acak dari daftar populasi lengkap. Biasanya, setiap orang atau rumah tangga dalam populasi diberi nomor dan komputer menghasilkan nomor acak yang menunjukkan siapa yang dipilih sebagai sampel. Lotre adalah sampel yang murni acak. Semua pemegang tiket diundi, tetapi hanya beberapa yang dipilih secara acak.
Pengambilan sampel sistematik mirip dengan pengambilan sampel acak sederhana dengan satu perbedaan: pola pemilihan peserta. Misalnya, seorang peneliti mungkin mulai dari titik acak dan mengambil setiap 100 nama yang dia temukan di buku telepon Atlanta, Georgia. Metode pengambilan sampel ini digunakan secara luas untuk surat konsumen dan wawancara telepon.
Sampling Stratifikasi dan Cluster
Sampling stratifikasi berguna ketika membandingkan berbagai bagian populasi. Peneliti membagi atau mengelompokkan populasi dengan cara yang relevan dengan kebutuhan mereka dan mengambil sampel acak sederhana di setiap segmen. Segmen-segmen itu disebut subpopulasi atau strata. Jika Anda ingin membandingkan perasaan 1.000 wanita dan pria tentang perawatan kesehatan, Anda dapat mengelompokkan atau mengelompokkan populasi berdasarkan jenis kelamin dan memilih secara acak 500 pria dan 500 wanita. Anda dapat mengelompokkan atau menstratifikasi populasi dengan berbagai cara, termasuk usia, pendidikan, pendapatan, dan lokasi.
Sampling cluster mencakup dua proses acak. Langkah pertama adalah membagi populasi menjadi kelompok tertentu dan kemudian memilih kelompok secara acak, bukan orang tertentu. Kemudian peneliti menjalankan sampel acak sederhana hanya pada setiap kelompok yang dipilih. Peneliti sering menggunakan kode pos atau wilayah kota besar untuk membuat grup.
Empat Contoh
Seorang peneliti mungkin ingin mengetahui bagaimana perasaan semua orang Amerika tentang perawatan kesehatan dengan mensurvei 520 orang. Jika dia memiliki daftar setiap orang Amerika dan secara acak memilih 520 orang dari seluruh negara, maka itu adalah pengambilan sampel acak sederhana. Sebaliknya, jika dia memulai dari titik acak pada daftar setiap orang Amerika dan memilih setiap 700.000 orang, maka itu adalah sampling sistematik.
Jika dia membagi daftar setiap orang Amerika menjadi 50 negara bagian dan secara acak menarik 10 orang dari setiap negara bagian, maka dia menggunakan stratified sampling. Jika dia secara acak memilih 26 negara bagian dari 50 negara bagian dan kemudian secara acak menarik 20 orang dari masing-masing 26 negara bagian, maka dia menggunakan cluster sampling.
Gambar Stockbyte/Stockbyte/Getty
