Merupakan proses pemilihan elemen dalam jumlah yang cukup dari populasi, sehingga studi sampel dan pemahaman tentang sifat atau karakteristiknya akan memungkinkan kita untuk menggeneralisasi sifat atau karakteristik tersebut ke elemen populasi. Karakteristik populasi seperti μ (mean populasi), σ (deviasi standar populasi), dan σ2 (varian populasi) disebut sebagai parameternya. The central tendencies, penyebaran, dan statistik lain dalam sampel yang menarik untuk penelitian diperlakukan sebagai perkiraan dari central tendencies, penyebaran, dan parameter lain dari populasi. Dengan demikian, semua kesimpulan yang diambil tentang sampel yang diteliti digeneralisasikan untuk populasi. Dengan kata lain, statistik sampel – (mean sampel), S (deviasi standar), dan S2 (variasi dalam sampel) – digunakan sebagai estimasi parameter populasi μ, σ, dan σ2.

Reasons for Sampling

Alasan menggunakan sampel, daripada mengumpulkan data dari seluruh populasi, terbukti dengan sendirinya. Dalam penyelidikan penelitian yang melibatkan beberapa ratus bahkan ribuan elemen, secara praktis tidak mungkin mengumpulkan data dari, atau menguji, atau memeriksa setiap elemen. Kalaupun bisa, akan menjadi penghalang dari segi waktu, biaya, dan sumber daya manusia lainnya. Studi sampel daripada keseluruhan populasi juga terkadang cenderung memberikan hasil yang lebih dapat diandalkan. Hal ini terutama karena kelelahan berkurang dan kesalahan yang lebih sedikit akan mengakibatkan pengumpulan data, terutama ketika sejumlah besar elemen terlibat. Dalam beberapa kasus, tidak mungkin menggunakan seluruh populasi untuk mendapatkan pengetahuan tentang, atau menguji sesuatu. Pertimbangkan, misalnya, kasus bola lampu listrik. Dalam menguji umur sekumpulan umbi, jika kita membakar setiap umbi yang diproduksi, tidak akan ada yang tersisa untuk dijual! Ini dikenal sebagai sampling destruktif.

Representativeness of Samples

Kebutuhan untuk memilih sampel yang tepat untuk investigasi penelitian tidak bisa terlalu ditekankan. Kita tahu bahwa sampel jarang akan menjadi replika yang tepat dari populasi tempat sampel diambil. Misalnya, sangat sedikit rata-rata sampel (-) yang mungkin persis sama dengan rata-rata populasi (μ). Juga tidak ada deviasi standar dari sampel (S) yang mungkin sama dengan deviasi standar populasi (σ). Namun, jika kita memilih sampel dengan cara ilmiah, kita dapat yakin bahwa statistik sampel (misalnya, – S, atau S 2) cukup dekat dengan parameter populasi (yaitu, μ, σ, atau σ2). Dengan kata lain, dimungkinkan untuk memilih sampel sedemikian rupa sehingga dapat mewakili populasi. Akan tetapi, selalu ada kemungkinan kecil bahwa nilai sampel mungkin berada di luar parameter populasi.

HHM

Reference:

Uma Sekaran; Roger Bougie, 2016. Publisher: Chichester, West Sussex, United Kingdom John Wiley & Sons.