MENGHIMPUN DATA

2
OBJEKTIF :
 Mahasiswa dapat mengetahui karakteristik serangkaian data
 Mahasiswa dapat mengetahui menghimpun data melalui penelitian survei
 Mahasiswa dapat mengetahui mengenai skala pengukuran
 Mahasiswa dapat mengetahui penyusunan kuisioner
 Mahasiswa dapat mengetahui pemilihan sampel

2.1 Karakteristik Serangkaian Data

Data merupakan kumpulan fakta atau angka atau segala sesuatu yang dapat
dipercaya kebenarannya sehingga dapat digunakan sebagai dasar menarik suatu
kesimpulan. Sebagai kumpulan fakta, serangkaian data memiliki karakteristik seperti
berikut ini (Kustituanto & Badrudin, 1994: p.7-9):
 Elemen atau Unsur adalah serangkaian data meliputi sekumpulan elemen yang
untuk masing-masing elemen tersebut memiliki informasi tetang karakteristik-
karakteristik elemen-elemen yang bersangkutan. Pada contoh tabel 2.1 di bawah,
elemen adalah semua tenaga pengajar perguruan tinggi swasta tersebut.
 Variabel adalah karakteristik elemen yang menjadi perhatian dan memiliki nilai-nilai
yang berbeda-beda. Misalnya, karakteristik yang menjadi perhatian adalah
pendapatan rata-rata per-bulan. Sebagai karakteristik, variabel ini memberikan
penjelasan terhadap elemen.
 Kasus adalah informasi yang menyangkut seluruh variabel suatu elemen tertentu.
Dari tabel 2.1 di bawah, kasus ditunjukkan pada masing-masing baris. Kasus disebut
juga sebagai vektor observasi. Dengan demikian, jumlah kasus akan sama dengan
jumlah elemen dalam contoh di bawah sebanyak enam kasus.
 Observasi sering disebut juga sebagai hasil, yaitu suatu unsur dari serangkaian
variabel tertentu. Dalam tabel di bawah usia Joko (48 tahun) merupakan observasi
atau hasil.

Integrated Laboratory Universitas Gunadarma-Statistika 1 1

BAB 2. MENGHIMPUN DATA

Tabel 2.1
Data Usia, Jenis Kelamin, Pendapatan dan Pengeluaran
Rata-rata per Bulan, dan Jumlah Anggota Keluarga yang
Menjadi Tanggungannya dari 6 Tenaga Pengajar
Sebuah Perguruan Tinggi Swasta di Yogyakarta
(Kustituanto & Badrudin, 1994: p.8)

Variabel

Nama Usia Jenis Pendapatan Pengeluaran Anggota

Kelamin keluarga
Handoko 29 L 450.000 150.000 -

Kasus
Dewi 28 P 450.000 400.000 6
Joko 48 L 800.000 700.000 8
Doni 29 L 200.000 160.000 -
Beti 30 P 850.000 400.000 11
Bambang 30 L 450.000 300.000 3

Elemen/Unsur Observasi

Data terbagi menjadi 4 bagian yaitu data berdasarkan sifatnya, data

berdasarkan sumbernya, data berdasarkan pada cara memperolehnya dan yang
terakhir data menurut waktunya. Pembagian data dapat dilihat pada bagan berikut
(Nurhasanah, 2019: p.3-5):

Data

Menurut Menurut Menurut Cara Menurut Waktu

Sifat Sumber Memperoleh Pengumpulannya

Integrated Laboratory Universitas Gunadarma-Statistika 1 2

BAB 2. MENGHIMPUN DATA

A. Data menurut sifatnya

Perhatikan contoh data yang tersaji pada tabel 2.1 di atas. tersaji bahwa variabel-
variabel yang ada dapat dibedakan menjadi dua, yaitu variabel yang berupa data
kuantitatif dan variabel yang berupa data kualitatif, dijelaskan sebagai berikut
(Kustituanto & Badrudin, 1994: p.9):
 Data kuantitatif adalah suatu karakteristik dari suatu variabel yang nilai-nilainya
dinyatakan dalam bentuk numerikal. Contoh: dapat dilihat pada tabel 2.1
dimana variabel usia, pendapatan, pengeluaran, dan jumlah anggota keluarga
merupakan data kuantitatif.
 Data kualitatif adalah suatu karakteristik dari suatu variabel yang nilai-nilainya
dinyatakan dalam bentuk non-numerikal atau atribut-atribut. Contoh: dapat
dilihat pada tabel 2.1 dimana variabel jenis kelamin merupakan data kualitatif.

Data kuantitatif sendiri dibedakan menjadi data diskrit dan data kontinu:
 Data kuantitatif diskrit adalah karakteristik suatu variabel yang berasal dari
proses perhitungan dan berupa bilangan bulat.
Contoh data kuantitatif diskrit, atau sering disebut sebagai variabel diskrit
adalah jumlah anggota keluarga yang ditanggung (kolom ke-6 tabel 2.1). Contoh
lain misalnya: jumlah mobil yang terjual, jumlah bola lampu yang rusak, dan lain
sebagainya. Cara yang paling mudah untuk menentukan apakah suatu variabel
tergolong diskrit atau tidak, apakah nilai data tersebut dimungkinkan dalam
bentuk bilangan pecah? Jika tidak, jelas bahwa variabel tersebut adalah variabel
diskrit.
 Data kuantitatif kontinu adalah karakteristik suatu variabel yang berasal dari
proses pengukuran dan nilai-nilainya berada dalam suatu interval atau
jangkauan tertentu. Nilai-nilai data kuantitatif kontinu dapat berupa bilangan
pecahan yang tidak terhingga banyaknya.
Contoh data kontinu dari tabel 2.1 di bawah adalah usia, rata-rata pendapatan
per-bulan, dan rata-rata tingkat pengeluaran per-bulan. Seperti halnya di bawah,
apakah suatu variabel tergolong kontinu atau bukan, dapat diajukan pertanyaan,
apakah nilai data dimaksud dimungkinkan dalam bentuk bilangan pecahan? Jika
ya, maka jelaslah bahwa data tersebut dapat digolongkan dalam variabel
kontinu.

Integrated Laboratory Universitas Gunadarma-Statistika 1 3

BAB 2. MENGHIMPUN DATA

B. Data menurut sumbernya

Data menurut sumbernya mengacu kepada sumber perolehan data, yakni internal
dan eksternal.
 Data internal adalah data yang bersumber dari keadaan atau kegiatan suatu
organisasi atau perusahaan, seperti data tentang aktivitas perusahaan atau
aktivitas sekolah.
 Data eksternal adalah data yang bersumber dari luar organisasi, perusahaan,
atau sekolah. Seperti data yang didapatkan dari BPS, LIPI, BI, Diknas,
kementerian dan lain-lain.

C. Data menurut cara memperolehnya

Data menurut cara memperolehnya dibagi menjadi dua, yaitu data primer dan data
sekunder.
 Data primer adalah data yang diperoleh langsung dari responden. Seperti;
wawancara langsung, wawancara tidak langsung, pengisian kuisioner.
 Data sekunder adalah data yang diperoleh dari pihak ketiga. Seperti; Data
dari pihak BPS, Bank Indonesia, World Bank, IMF, FAO dan lainnya.

D. Data menurut waktu pengumpulannya.

Berdasarkan waktu pengumpulannya, data dibedakan menjadi data berkala (time
series) dan cross section.
 Data berkala adalah data yang dikumpulkan dari waktu ke waktu. Tujuannya
adalah untuk menggambarkan suatu kegiatan dari waktu ke waktu.
Contohnya, data perkembangan penjualan produk selama 5 tahun. Data ini
sering disebut data historis.
 Cross section adalah data yang dikumpulkan dalam suatu periode tertentu,
biasanya menggambarkan keadaan atau kegiatan dalam periode tersebut.
Contohnya, hasil sensus penduduk pada 2017 menggambarkan keadaan
Indonesia pada 2017 menurut umur, jenis kelamin, agama, tingkat
pendidikan, dan sebagainya.

2.2 Skala Pengukuran

Dalam penelitian data kuantitatif, jenis skala menentukan rumus dan uji
statistika apa yang harus digunakan dalam penelitian. Dari berbagai tipe data yang
dikumpulkan, tingkat pengukuran dan tipe pengukurannya pun berbeda pula. Pada garis
besarnya ada 4 macam skala penting untuk diketahui, yaitu: nominal, ordinal, interval,
dan rasio (Nurhasanah, 2013: p.5-6).
1. Skala nominal adalah angka yang berfungsi hanya untuk membedakan, sebagai
label/simbol saja. Contoh, Jenis kelamin: pria = 1, wanita = 2; Agama: Islam = 1,
Kristen Katholik = 2, Kriten Protestan = 3, Hindu = 4, Budha = 5.

Integrated Laboratory Universitas Gunadarma-Statistika 1 4

BAB 2. MENGHIMPUN DATA

Contoh Lain Kuisioner Untuk Pengukuran Nominal

Jenis sabun cuci yang saudara gunakan selama sebulan terakhir:
Sabun cuci batangan a. (_)
Sabun cuci deterjen krim b. (_)
Sabun cuci deterjen bubuk c. (_)
Sabun cuci cair d. (_)

Di mana saudara membeli sabun cuci tersebut?

Supermarket a. (_)
Pasar c. (_)

Pengelompokan data jenis sabun yang digunakan pada contoh di atas tidak
memperhatikan urutan tertentu, misalnya kualitas sabun. Peletakan sabun cuci
batang pada urutan pertama bukan berarti bahwa sabun cuci batangan memiliki
kualitas tertinggi daripada jenis sabun cuci yang lainnya. Demikian pula tempat
pembelian sabun cuci. Peletakan supermarket pada urutan pertama bukan berarti
bahwa berbelanja di supermarket lebih baik daripada berbelanja di tempat-tempat
yang lain. Data yang berhasil dikumpulkan, pengukurannya dilakukan dengan
menggunakan skala nominal. Jika data tersebut diberi angka-angka, maka angka-
angka tersebut tidak bermanfaat dalam analisis. Angka-angka tersebut sekedar
berfungsi sebagai label saja (Kustituanto & Badrudin, 1994: p.11).

2. Skala ordinal adalah angka yang berfungsi sebagai nominal juga menunjukkan
urutan dan tingkatan. Suatu hasil pengukuran disebut berada pada level ordinal
kalau angkanya berfungsi menunjukkan adanya penjenjangan atau pemeringkatan.
Contoh: Juara 1, Juara 2, Juara 3, artinya juara 1 lebih tinggi dari juara 2 dan juara 2
lebih tinggi dari juara 3. Contoh lain, yaitu titik skala pada skala sikap, yaitu Sangat
Setuju = 5, Setuju = 4, Netral 3, Tidak Setuju = 2, dan Sangat Tidak Setuju = 1.

Contoh Kuisioner Untuk Pengukuran Ordinal

Selama saudara berbelanja di "Mataram Jaya"' Supermarket,

apakah pelayanan yang saudara terima memuaskan?

Sangat tidak memuaskan a. (_)

Tidak memuaskan b. (_)
Netral c. (_)
Memuaskan d. (_)
Sangat memuaskan e. (_)

Integrated Laboratory Universitas Gunadarma-Statistika 1 5

BAB 2. MENGHIMPUN DATA

Apakah harga-harga yang ditawarkan di "Mataram Jaya"

Supermarket tergolong mahal

Sangat mahal a. (_)

Cukup mahal b. (_)
Netral c. (_)
Cukup murah d. (_)
Sangat murah e. (_)

Contoh: Data yang berhasil dikumpulkan memiliki urutan tertentu. Misalnya

tentang tanggapan pengunjung supermarket tersebut tentang pelayanan yang
diberikan. Pengelompokan data yang berhasil dikumpulkan terlihat sekali memiliki
urutan tertentu. Jika pelayanan yang sangat tidak memuaskan diberi nilai 1, maka
kelompok berikutnya dapat diberi nilai yang lebih tinggi yaitu: tidak memuaskan =
2, netral = 3, memuaskan = 4, dan sangat memuaskan = 5. Berbeda dengan skala
nominal, angka-angka yang diberikan pada masing-masing kategori memiliki
manfaat tersendiri dalam analisis data selanjutnya. Kendati demikian, pemberian
angka pada masing-masing kategori tersebut tidak mencerminkan adanya jarak
antar kategori. Angka 5 dan 4 memiliki jarak atau interval yang sama dengan angka
2 dan 1. Akan tetapi, ini bukan berarti bahwa antara "sangat memuaskan" dan
"memuaskan" memiliki perbedaan tingkat yang sama dengan "tidak memuaskan"
dan "sangat tidak memuaskan". Perbedaan demikian ini tidak dapat dijelaskan
(Kustituanto & Badrudin, 1994: p.12).

3. Skala interval adalah angka yang selain berfungsi sebagai nominal dan ordinal juga
menunjukkan jarak. Ciri skala interval adalah memiliki tingkatan, jarak dan memiliki
nol tidak absolut, maksudnya adalah tidak harus semuanya dimulai dari nol. Dalam
skala interval tidak memiliki angka nol mutlak. Contoh, nilai nol (0) dalam berhitung
belum tentu menunjukkan si anak tidak bisa berhitung, nilai 7 belum tentu
mempunyai kemampuan yang sama dengan anak yang mendapat nilai 5.
Contoh: suhu atau temperatur naik dari 20 sampai 30 selisihnya adalah 10 ini
menunjukkan jarak dan juga ordinal, artinya suhu 30 lebih panas (tingkatan) dari 20.

4. Skala rasio adalah ukuran yang mencakup semua ukuran ditambah satu sifat lagi,
yaitu skala yang memberikan keterangan tentang nilai absolut dari objek yang
diukur. Ukuran rasio ini mempunyai titik nol absolut, sehingga pada skala ini dapat
dilakukan perkalian atau pembagian. Pada skala ini, berlaku perbandingan. Data
rasio mempunyai jarak interval yang sama antara interval yang satu dengan interval

Integrated Laboratory Universitas Gunadarma-Statistika 1 6

BAB 2. MENGHIMPUN DATA

yang lainnya dan memiliki nilai 0. Contoh, gaji nol rupiah berarti memang tidak
punya gaji.
Contoh lain: Berat badan Andi 90 kg, Budi 60 kg hal ini berarti berat badan Andi 1,5
kali berat Budi. Angka tersebut mempunyai sifat nominal, ordinal (tingkatan),
interval (jarak) dan memiliki rasio.

Skala Pengukuran (Lind,Marchal,Wathen, 2021: p.11)

Nominal Ordinal Interval Rasio

Perbedaan yang Dimulai dengan

Datanya dapat Datanya diberi
berarti antara 0 point dan
diklasifikasikan peringkat
nilai-nilai rasio antara
nilai

 Nomor Jersey  Peringkat Kelas  Temperature  Pasien dirumah

Pemain Bola  Juara  Ukuran Baju sakit
 Pembuatan Perlombaan  Jarak antara
Mobil kelas

2.2.1 Menyusun Kuisioner

Menyusun kuisioner suatu daftar yang memuat berbagai pertanyaan
merupakan salah satu tahap pengumpulan data yang sangat penting. Secara khusus,
sebuah kuisioner memiliki lima bagian yaitu (Kustituanto & Badrudin, 1994: p.12-
13):

a. Identifikasi Data
Secara khusus, identifikasi data menempati pada bagian pertama dari
sebuah kuisioner yang terdiri dari identitas responden seperti nama, alamat,
dan sebagainya. Selain itu, dapat juga ditambahkan waktu wawancara, nama
pewawancara dan kode pewawancara.
b. Permohonan Kerjasama
Jelas kiranya bahwa dengan adanya suatu pertanyaan permohonan
kerjasama ini, pewawancara mengharapkan adanya kerjasama untuk
pengumpulan data. Dalam bagian ini disebutkan identitas pewawancara (jika
tidak disebutkan pada bagian pertama), organisasi asal pewawancara atau
lembaga yang menyelenggarakan wawancara, maksud dan tujuan
wawancara, dan waktu yang dibutuhkan dalam wawancara.

Integrated Laboratory Universitas Gunadarma-Statistika 1 7

BAB 2. MENGHIMPUN DATA

c. Petunjuk Pengisian
Bagian ini memuat petunjuk penggunaan atau pengisian kuisioner baik untuk
responden maupun pewawancara. Bagian ini muncul jika kuisioner
disampaikan dengan menggunakan jasa pos.
d. Inti Kuisioner
Bagian ini meliputi berbagai pertanyaan yang diajukan kepada responden
yang berkenaan dengan segala informasi atau data yang dibutuhkan.
e. Klasifikasi Data
Dari bagian ini, data yang berhasil dihimpun dapat diklasifikasikan menjadi
beberapa bagian. Bagian ini lebih menunjukkan karakteristik responden.
Untuk kuisioner yang disampaikan melalui pos, bagian ini secara langsung
diisi oleh responden sendiri. Sedangkan untuk wawancara langsung maupun
melalui telepon, dilakukan oleh pewawancara dengan mengajukan
pertanyaan. Kadang-kadang, klasifikasi data dimuat pada bagian pertama
dari sebuah kuisioner.
Sebenarnya, menyusun sebuah kuisioner merupakan pekerjaan yang
lebih mengandalkan seni yang didukung pengalaman dari sebuah pekerjaan
yang bersifat ilmiah. Tahap-tahap penyusunan sebuah kuisioner dapat
dilihat pada bagian berikut ini:

1. Persiapan

2. Penetapan isi pertanyaan

3. Penetapan tipe pertanyaan

4. Penyusunan kalimat

5. Pengurutan pertanyaan

6. Penetapan karakteristik fisikal

7. Uji pendahuluan dan perbaikan

Gambar 2.1
Tahap – Tahap Penyusunan Sebuah Kuisioner

Integrated Laboratory Universitas Gunadarma-Statistika 1 8

BAB 2. MENGHIMPUN DATA

2.2.2 Pemilihan Sampel

Dalam melakukan penelitian, seseorang peneliti tidak perlu melakukan
penelitian terhadap seluruh subyek penelitian. Untuk mengetahui apakah produk
yang baru dikenalkan sukses atau tidak, perusahaan tidak perlu menghimpun data
dari seluruh toko (populasi) yang menjual produk tersebut. Perusahaan cukup
menghubungi sebagian dari seluruh toko yang menjualnya (sampel).
Beberapa konsep penting yang berkenaan dengan pemilihan sampel adalah
elemen atau unsur, populasi, unit-unit sampling, kerangka sampling, dan populasi
kajian. Dua konsep pertama telah dijelaskan sebelumnya. Di bawah ini akan
dijelaskan konsep-konsep berikutnya (Kustituanto & Badrudin, 1994: p.17-18):
 Unit Sampling
Unit sampling adalah suatu elemen atau elemen-elemen atau unsur yang
tersedia untuk dipilih menjadi anggota sampel melalui beberapa tahap proses
sampling. Dalam hal sampling sederhana dalam satu tahap elemen-elemen sama
dengan sampling unit.
Contoh 1:
Sebagian besar keputusan pembelian mobil sedan bersilinder kecil dilakukan
oleh kalangan ibu. Sebuah perusahaan yang bergerak di bidang perakitan mobil
ingin mengetahui tanggapan para ibu tentang model mobil keluaran terakhir.
Melalui sebuah wawancara, sejumlah ibu rumah tangga dimintai pendapatnya
tentang model mobil tersebut. Contoh tersebut menunjukkan bahwa elemen-
elemen sama dengan unit samplingnya. Elemen-elemen atau unsur populasinya
adalah para ibu. Sedangkan unit sampling-nya adalah sejumlah ibu rumah
tangga. Ada kemungkinan bahwa antara elemen dan unit samplingnya berbeda.
Hal ini jika proses sampling dilakukan dalan beberapa tahap. Elemen dan unit
sampling akan sama jika telah sampai pada tahap terakhir.
Contoh 2:
Lihat contoh 1. Tentunya, tidak seluruh ibu rumah tangga dapat melakukan
pembuatan keputusan pembelian mobil sedan bersilinder kecil. lbu-ibu yang
dapat mengambil keputusan seperti tersebut di atas tentunya dari keluarga yang
mampu membeli mobil sedan, baik secara tunai maupun kredit, misalnya
keluarga yang berpenghasilan Rp700.000,00 ke atas per-bulan.

 Kerangka Sampling
Kerangka sampling adalah sebuah daftar yang memuat seluruh unit sampling
pada suatu tahap proses sampling. Kerangka sampling dapat berupa misalnya,
daftar mahasiswa yang terdaftar dalam semester tertentu, daftar nama yang ada
dalam buku telepon, daftar tenaga kerja yang ada di sebuah kantor tenaga kerja,
dan lain sebagainya.

Integrated Laboratory Universitas Gunadarma-Statistika 1 9

BAB 2. MENGHIMPUN DATA

Contoh 3:
Elemen/unsur: Laki-laki berusia 50 tahun atau lebih
Unit sampling: Tahap 1: Kota berpenduduk 500.000 jiwa atau lebih
Tahap 2: RT-RT yang adadalam kota tersebut.
Tahap 3: Rumahtangga-rumahtangga.
Tahap 4: Laki-laki berusia 50 tahun atau lebih.
Dari contoh tersebut maka tahap 1, kerangka samplingnya adalah daftar yang
memuat kota-kota yang berpenduduk 500.000 jiwa atau lebih. Tahap 2,
kerangka samplingnya adalah daftar Rukun Tetangga (RT) yang ada dalam kota-
kota yang terpilih. Tahap 3, kerangka samplingnya adalah daftar rumah tangga
pada RT-RT dan kota-kota yang terpilih, dan tahap 4, kerangka samplingnya
adalah daftar yang memuat laki-laki yang berusia 50 tahun atau lebih pada
rumah tangga-rumah tangga yang terpilih.

 Populasi Kajian
Populasi kajian adalah keseluruhan obyek yang ingin diketahui
gambarannya yang dari populasi tersebut sampel secara nyata akan diambil.
Populasi didefinisikan sebagai keseluruhan obyek yang ingin diketahui
gambarannya (karakteristiknya). Dalam praktik, kadang-kadang muncul
kesulitan-kesulitan karena beragamnya populasi. Populasi manakah yang akan
ditentukan yang dari populasi tersebut akan ditarik suatu sampel. Misalnya,
tentang keanggotaan suatu organisasi. Beberapa anggota tidak terdaftar
alamatnya. Maka, dari manakah sampel akan diambil selanjutnya? Pada contoh
2 di atas, proses sampling bertahap. Pertama dipilih keluarga yang
berpenghasilan Rp700.000,00 ke atas per bulan. Setelah itu baru ditentukan
sejumlah ibu rumah tangga yang akan dimintai pendapatnya.

 Proses Sampling
Beberapa tahap dalam proses sampling adalah sebagai berikut (Kustituanto &
Badrudin, 1994: p.18):
 Penentuan populasi yang meliputi penentuan elemen, unit sampling, dan
dimensi waktu.
 Identifikasi kerangka sampling, yang dari kerangka sampling tersebut
sampel akan ditarik.
 Memutuskan ukuran sampel, yaitu berapa banyak elemen yang dipilih
untuk menjadi anggota sampel yang dipilih.
 Pemilihan prosedur sampling. Tepatnya, bagaimana keputusan dibuat
dalam menetapkan sampel.
 Pemilihan sampel.

Integrated Laboratory Universitas Gunadarma-Statistika 1 10

BAB 2. MENGHIMPUN DATA

 Prosedur Sampling
Ada beberapa macam prosedur sampling yang dapat dipilih oleh seorang
peneliti. Akan tetapi pada dasarnya prosedur sampling dibedakan menjadi dua
prosedur yang berbeda, yaitu sampling probabilitas dan sampling non-
probabilitas.
Dalam sampling probabilitas, masing-masing elemen populasi diketahui
memiliki kesempatan menjadi anggota sampel yang akan dipilih. Kata "memiliki
kesempatan" bukan berarti bahwa seluruh elemen memiliki kesempatan yang
sama. Jika elemen-elemen populasi memiliki kesempatan yang sama menjadi
anggota sampel, ini merupakan salah satu bentuk sampling probabilitas, yaitu
sampling acak sederhana. Dalam sampling non-probabilitas, pemilihan elemen-
elemen populasi yang akan dijadikan elemen-elemen sampel didasarkan pada
kebijaksanaan peneliti sendiri. Pada prosedur ini, masing-masing elemen tidak
diketahui apakah berkesempatan menjadi elemen-elemen sampel atau tidak.
Beberapa prosedur sampling dapat dilihat pada agan berikut ini (Kustituanto &
Badrudin, 1994: p.19-22):

Prosedur Sampling

Non-Probabilitas Probabilitas
Sampling Sampling

1. Convenience Sampling 1. Simple Random Sampling

2. Judgment Sampling 2. Stratified Random Sampling
3. Quota Sampling 3. Cluster Sampling
4. Systematic sampling
5. Area sampling

 Sampling Non-Probabilitas
a. Convenience Sampling
Sampel konvenien, sesuai dengan namanya, diambil berdasarkan
kesukaan peneliti, misalnya dengan menghadang pengunjung yang baru
keluar dari sebuah supermarket dan mewawancarainya tentang sesuatu.
Teknik ini mudah diselenggarakan dan ini sering digunakan untuk
penelitian yang bersifat eksplorasi.

Integrated Laboratory Universitas Gunadarma-Statistika 1 11

BAB 2. MENGHIMPUN DATA

b. Judgment Sampling
Sampel judgment atau kebijaksanaan diambil berdasarkan pendapat
para ahli. Memang hampir mirip dengan convenience sampling,
pemilihan elemen yang dipilih sangat tergantung pada peneliti. Hanya
saja pada judgment sampling proses pemilihan masih
mempertimbangkan hal-hal tertentu.
c. Quota Sampling
Proses ini merupakan bentuk khusus dari proses bentuk "kebijaksanaan".
Pada proses ini peneliti melakukan pengendalian terhadap beberapa
karakteristik yang dimiliki elemen populasi. Misalnya, untuk responden,
peneliti menetapkan setengah dari ukuran sampel yang ditetapkan
berusia di atas 30 tahun dan selebihnya berusia 30 tahun atau kurang. Di
sini usia merupakan karakteristik yang dikendalikan.

 Sampling Probabilitas
a. Simple Random Sampling
Pada teknik ini, seluruh elemen populasi memiliki kesempatan yang sama
menjadi elemen sampel yang akan dipilih. Sampel yang akan dipilih
sering disebut sebagai sampel acak sederhana.
Contoh:
Sebuah populasi memiliki elemen sebanyak 5: A, B, C, D, dan E. Sebuah
sampel diambil dari elemen-elemen populasi tersebut dengan ukuran
sebanyak 3 elemen. Berbagai kemungkinan sampel yang dapat dipilih
adalah sebagai berikut:
Ukuran populasi: 5  A, B, C, D, E. Ukuran sampel: 3 dengan berbagai
kemungkinan:
Tabel 2.2
Sampel Susunan
1 ABC
2 ABD
3 ABE
4 ACD
5 ACE
6 ADE
7 BCD
8 BCE
9 BDE
10 CDE

Integrated Laboratory Universitas Gunadarma-Statistika 1 12

BAB 2. MENGHIMPUN DATA

Tabel 2.3
Elemen Kesempatan Sampel
A 6 Kali 1,2,3,4,5,6
B 6 Kali 1,2,3,7,8,9
C 6 Kali 1,4,5,7,8,10
D 6 Kali 2,4,6,7,9,10
E 6 Kali 3,5,6,8,9,10

Tabel 2.2 menyajikan berbagai kemungkinan sampel (10

kemungkinan) yang dapat dipilih. Tentang jumlah kemungkinan
sampel yang dapat dipilih dapat dihitung dengan menggunakan
prinsip permutasi dan kombinasi yang dibahas secara mendalam
pada buku yang lain. Sedangkan tabel 2.3 menyajikan pembuktian
jumlah kesempatan masing-masing elemen populasi untuk menjadi
elemen-elemen sampel. Metode ini tidak banyak digunakan karena
akan banyak memakan waktu. Hal ini dapat dibayangkan jika jumlah
elemen-elemen populasinya demikian banyak.

b. Stratified Random Sampling

Jika pada simple random sampling proses sampling dilakukan dalam satu
tahap, maka dalam stratified random sampling proses sampling
dilakukan dalam beberapa tahap atau tingkat. Pada teknik ini, proses
dibagi menjadi dua tingkat, yaitu:
 Membagi seluruh elemen populasi menjadi beberapa kelompok atau
strata, dengan memperhatikan aturan tertentu. Misalnya, populasi
dikelompokkan berdasarkan jenis kelamin, laki-laki dan perempuan,
dibagi menjadi beberapa kelompok menurut usia dan lainnya.
Masing-masing kelompok tersebut satu dengan lainnya saling asing,
sehingga suatu elemen dari suatu kelompok tidak dapat menjadi
elemen kelompok yang lain.
 Untuk masing-masing strata, dilakukan pemilihan sampel dengan
teknik simple random sampling.

c. Cluster Sampling
Hampir sama dengan stratified random sampling, pada cluster sampling,
populasi dibagi menjadi beberapa kelompok. Hanya saja, dalam cluster
sampling, pembagian menjadi beberapa kelompok tersebut dilakukan
dengan cara acak. Selanjutnya, dari masing-masing kelompok dipilih
elemen-elemen populasi untuk dijadikan elemen-elemen sampel dengan
cara simple random sampling.

Integrated Laboratory Universitas Gunadarma-Statistika 1 13

BAB 2. MENGHIMPUN DATA

Contoh:
Indonesia terdapat 30 provinsi, dan sampelnya akan menggunakan 15
provinsi, maka pengambilan 15 provinsi itu dilakukan secara random
tetapi perlu diingat karena provinsi-provinsi di Indonesia itu berstrata
(tidak sama) maka pengambilan sampelnya perlu menggunakan
stratified random sampling. Provinsi di indonesia ada yang penduduknya
padat, ada yang tidak, ada yang mempunyai hutan banyak ada yang
tidak, ada yang kaya akan bahan tambang ada yang tidak.
Karakteristik semacam ini yang perlu diperhatikan sehingga
pengambilan sampel menurut strata populasi itu dapat ditetapkan.

d. Systematic Sampling
Pada teknik ini, yang akan dijadikan elemen sampel dipilih dengan
memilih elemen-elemen pada urutan tertentu yang tersedia pada suatu
kerangka sampling, setelah titik awal urutan telah ditetapkan. Antara
elemen satu yang terpilih dengan elemen lain yang terpilih memiliki
interval urutan yang sama.
Contoh:
Sebuah populasi memiliki ukuran (N) sebesar 100. Dari populasi tersebut
diambil sampel berukuran (n) 10. Misalnya, titik awal urutan ditetapkan
pada elemen ke-3. Urutan elemen berikutnya dapat ditentukan dengan
menentukan interval urutan yaitu membagi urutan populasi dengan
ukuran sampelnya.
Interval urutan = 100/10
Interval urutan = 10
Urut-urutan elemen yang terpilih adalah:
3, 13,23,33,43,53,63, 73,83,93.

e. Area Sampling
Dari teknik-teknik yang telah dibahas, tidak jarang muncul kesulitan-
kesulitan dalam menyusun sebuah kerangka sampling, dalam hal jika
elemen-elemen yang akan didaftar demikian banyak, misalnya jumlah
penduduk Indonesia yang berusia 25 tahun ke atas, data yang termuat
dalam kerangka sampling telah usang, dan lain sebagainya. Kesulitan ini
dapat diatasi dengan membuat daerah-daerah sampling.

Integrated Laboratory Universitas Gunadarma-Statistika 1 14

BAB 2. MENGHIMPUN DATA

Contoh:
Sebuah perusahaan shampo ingin mengetahui tanggapan konsumen
(rumah tangga) yang tinggal di Kotamadya Yogyakarta terhadap shampo
yang dihasilkan. Dalam rangka menetapkan sampel, perusahaan tersebut
mengambil langkah-langkah:
a. Mendaftar seluruh kelurahan yang ada (NB)
b. Menetapkan sampel yang terdiri dari kelurahan-kelurahan yang telah
didaftar dengan teknik sederhana atau sistematik (nB)
c. Selanjutnya yang menjadi elemen-elemen sampel adalah seluruh
rumah tangga yang bertempat tinggal di kelurahan-kelurahan yang
terpilih sebagai sampel.

Integrated Laboratory Universitas Gunadarma-Statistika 1 15

BAB 2. MENGHIMPUN DATA

Referensi:
Kustituanto, Bambang dan Rudy Badrudin. 1994. Buku Statistika I (Deskriptif). Jakarta:
Gunadarma.
Lind, Marchal, Wathen. 2021. Statistical Techniques in Business & Economics (Eighteenth
Edition). New York: Mc Graw Hill.
Nurhasanah, Siti. 2019. Statistika Pendidikan Teori, Aplikasi, dan Kasus. Jakarta: Salemba
Humanika.

Integrated Laboratory Universitas Gunadarma-Statistika 1 16