Minggu, Desember 06, 2020

Teknik Sampling

Teknik sampling adalah teknik pengambilan sampel dari sekumpulan data yang besar atau populasi. Untuk dapat menentukan sampel dalam suatu penelitian, terdapat berbagai teknik sampling yang dapat digunakan dalam suatu populasi. Secara skematis, macam-macam teknik sampling diperlihatkan pada gambar 1.




Gambar 1 memperlihatkan bahwa Teknik Sampling diklasifikasikan menjadi dua, yaitu probability sampling atau sampel probabilitas dan nonprobability sampling atau sampel non probabilitas. Probability sampling terdiri dari simple random, proportionate satisfied random, disproportionate statified random, dan area random. Nonprobability sampling terdiri dari sampling sistematis, sampling quota, sampling aksidental atau sampling incidental, purposive sampling, sampling jenuh, dan snowball sampling.

Probability Sampling atau sampling probabilitas 
Sampling probabilitas merupakan Teknik pengambilan sampling dengan hasil berupa nilai peluang dari setiap unsur atau anggota populasi terpilih sebagai anggota sampel.  Teknik probability sampling terdiri dari simple random sampling, proportionate stratified random sampling, disproportionate stratified random, dan sampling area atau cluster sampling.

Simple Random Sampling
Dikatakan simple atau sederhana karena pengambilan anggota sampel dari populasi dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi yang diteliti. Cara demikian dilakukan bila anggota populasi dianggap homogen. Pengambilan sampel acak sederhana dapat dilakukan dengan cara undian, memilih bilangan dari daftar secara acak, dan lain sebagainya. Perhatikan gambar 2.


Proportionate Stratified Random Sampling
Teknik proportionate stratified random sampling digunakan jika populasi memiliki anggota yang tidak homogen secara proporsional. Suatu organisasi profesi terdiri dari pegawai dengan latar belakang Pendidikan yang berstrata, maka populasi organisasi profesi tersebut adalah kelompok dengan Pendidikan berstrata. Misalnya jumlah pegawai yang lulus S1 adalah 45, S2 adalah 30, STM adalah 800, ST adalah 900, SMEA adalah 300, dan lain sebagainya. Jumlah sampel yang harus diambil meliputi strata pendidikan tersebut seperti diperlihatkan pada gambar 3.


Disproportionate Stratified Random Sampling
Teknik disproportionate stratified random sampling digunakan pada penentuan jumlah sampel, jika populasi dengan tingkat strata tertentu dinyatakan kurang proporsional. Contoh, pegawai dari suatu divisi memiliki 4 orang lulusan S3, 4 orang lulusan S2, 91 Orang lulusan S1, 801 lulusan SMA dan 701 dari lulusan SMP. Sehingga, 4 orang lulusan S3 dan 5 dari lulusan S2 tersebut diberlakukan sebagai satu sampel, karena nilainya yang terlalu kecil untuk dibandingkan terhadap jumlah lainnya.

Sampling Area atau Cluster Sampling
Teknik Sampling Area atau wilayah digunakan dalam penentuan sampel jika objek yang diteliti cakupannya sangat luas. Contoh, penduduk negara, propinsi, dan kabupaten pada suatu wilayah tertentu. Untuk dapat menentukan kategori penduduk mana yang digunakan sebagai sumber data, maka pengambilan sampling dilakukan dengan proses yang bertahap mulai dari Kawasan wilayah yang paling luas (negara) sampai dengan kawasan wilayah terkecil (kabupaten). Setelah sampel terkecil ditentukan, maka dilakukan pemilihan sampel secara acak.

Contoh, dari seluruh provinsi di Indonesia, diambil 15 provinsi sebagai sampel, dimana proses pengambilan sampel tersebut dilakukan secara acak. Namun, karena provinsi tersebut memiliki berbagai tingkatan atau berstrata, maka pengambilan sampel dilakukan menggunakan stratified random sampling. Kenapa demikian? karena propinsi di Indonesia ada yang pendudukanya padat, ada juga yang tidak, dan ada yang mempunyai banyak hutan namun juga ada juga yang tidak punya banyak hutan, ada yang kaya bahan tambang ada juga yang tidak. Karakteristik tersebut perlu diperhatikan sehingga proses pengambilan sampel berdasarkan populasi berstrata dapat ditetapkan dengan jelas.

Sampling area dapat digunakan pada dua tahap, yaitu pada tahapan penentuan sampel daerah atau wilayah, dan tahap penentuan orang atau individu yang terdapat dalam daerah atau wilayah sampling, seperti digambarkan pada gambar 4 berikut.


Sampel non probabilitas atau Nonprobability sampling
Teknik sampel ini digunakan pada proses pengambilan sampel yang tidak membutuhkan hasil peluang pada unsur atau anggota populasi yang akan dijadikan sampel. Teknik sampel ini meliputi sampling sistematis, sampling kuota, sampling aksidental, sampling purposive, sampling jenuh, dan sampling snowball.

Sampling Sistematis
Teknik sampling ini digunakan pada proses pengambilan sampel berdasarkan nilai urut dari anggota populasi yang telah diurutkan. Contoh populasi individu pada kumpulan 100 orang. Setelah diberi nomor urut pada tiap individu pada populasi tersebut, proses pengambilan sampel dapat diambil berdasarkan kelipatan urut nomor tertentu, seperti nomor ganjil saja, nomor genap saja, atau kelipatan bilangan prima, dan lain sebagainya. Dari penjelasan tersebut, maka diambil sampel dari nomor 1, 5, 10, 15, 20, dan seterusnya hingga nomor 100, seperti diperlihatkan pada gambar 5.


Sampling Kuota
Teknik sampling kuota digunakan pada penentuan sampel dalam populasi yang memiliki ciri-ciri tertentu hingga jumlah kuota dengan ciri tersebut terpenuhi. Contoh, dilakukan penelitian tentang pendapat masyarakat terhadap pelayanan masyarakat dalam urusan Ijin Mendirikan Bangunan (IMB). Jumlah sampel yang ditentukan adalah 500 orang. Jika pengumpulan data belum memenuhi kuota 500 orang, maka penelitian akan dianggap belum selesai. Dan jika proses pengambilan sampel dilakukan berkelompok yang terdiri dari 5 anggota kelompok, maka setiap anggota kelompok tersebut harus dapat menghubungi 100 anggota lainnya dalam anggota sampel.

Sampling Incidental
Sampling incidental merupakan Teknik sampling yang digunakan pada penentuan penarikan sampel berdasarkan faktor kebetulan. Contoh, individu mana saja yang secara secara kebetulan ditemui oleh peneliti pada kegiatan penelitiannya dapat digunakan sebagai sampel, dengan catatan orang yang ditemui secara kebetulan tersebut cocok dengan sumber data yang dibutuhkan. 

Sampling Purposive
Sampling ini merupakan salah satu Teknik sampling yang diambil berdasarkan kondisi pertimbangan tertentu. Contoh, dilakukan penelitian terkait kualitas makanan, maka sampel yang diambil adalah para pakar dibidang kuliner, atau contoh lain seperti penelitian terkait dengan kondisi perpolitikan suatu daerah tertentu, maka sampel yang diambil adalah para pakar politik. Teknik sampling ini kebanyakan digunakan pada metode penelitian kualitatif atau jenis penelitian yang tidak membutuhkan generalisasi terhadap hasil penelitiannya.

Sampling Jenuh
Merupakan Teknik sampling yang diambil jika semua anggota populasi dapat digunakan sebagai sampel. Kondisi ini sering terjadi jika jumlah populasi yang akan dijadikan sampel adalah relatif kecil, atau proses penelitian dengan hasil generalisasi yang ingin diambil adalah sangat kecil. Istilah lain dari sampling jenuh adalah sensus.

Snowball Sampling
Teknik ini merupakan Teknik pengambilan sampel yang awalnya berukuran kecil, kemudian perlahan dan bertahap menjadi membesar. Teknik snowball sampling dapat juga diibaratkan bola salju yang menggelinding yang lama kelamaan akan menjadi besar. Pada Teknik ini proses pengambilan sampel dimulai dengan cara pemilihan satu atau dua individu, tetapi setelah dilakukan penelitian ternyata sampel awal yang diambil tersebut ternyata belum lengkap, atau belum bisa memberikan data yang dibutuhkan dalam penelitian, sehingga peneliti kemudian menambah lagi sampel lain yang dianggap bisa melengkapi data, dan seterusnya hingga data ideal didapatkan. Pada gambar 6 diperlihatkan Teknik pengambilan sampling snowball yang menggunakan penelitian kualitatif. Contoh, kegiatan penelitian untuk meneliti siapa yang menjadi provokator pada kegiatan unjuk rasa, atau dalang dalam kegiatan teroris pada wilayah tertentu.




Jumlah anggota pada suatu populasi dinyatakan dalam ukuran sampel, maka sampel yang mewakili 100% populasi adalah sama dengan jumlah anggota populasi itu sendiri. Jadi, jika populasi berjumlah 1000 sampel, dan hasil penelitian tersebut diberlakukan terhadap 1000 anggota populasi itu sendiri tanpa ada kesalahan, maka jumlah sampel yang diambil adalah sama dengan jumlah dari populasi itu sendiri sebesar 1000. Semakin besar jumlah sampel yang diambil, yang jumlahnya mendekati jumlah populasi keseluruhan, maka peluang kesalahan dari generalisasinya adalah semakin kecil dan begitupun sebaliknya


Berapa jumlah ideal pengambilan sampel pada kegiatan penelitian? Jawabannya adalah tergantung dari tingkat ketelitian yang dikehendaki oleh peneliti pada kegiatan penelitian. Tingkat ketelitian bergantung pada sumber daya penelitian seperti biaya, waktu pelaksanaan, dan tenaga yang dibutuhkan pada kegiatan penelitian. 

Berikut tabel 1 diperlihatkan penentuan terhadap jumlah sampel dari populasi yang dikembangkan berdasarkan persamaan Krejcie dan Morgan (1970) dengan tingkat kesalahan adalah 1%, 5%, dan 10%. Dengan rumus perhitungan diperlihatkan sebagai berikut.


catatan: Beberapa sumber literatur ada yang mengatakan bahwa persamaan penentuan ukuran sample adalah persamaan yang dikembangkan oleh Isaac dan Michael, namun informasi tersebut tidak ditemukan pada sumber arsip yang dicari penulis, melainkan formula atau rumus yang dikembangkan oleh Krejcie dan Morgan pada tahun 1970 dalam jurnal yang "Determining Sample Size for Research Activities...]". Artikel penentuan ukuran sample PDF...]



Berdasarkan rumus 1 didapatkan hasil perhitungan sampel dari populasi mulai 10 sampai dengan 1.000.000. Dari tabel 1. diperlihatkan bahwa, makin besar taraf kesalahan, maka akan semakin kecil ukuran sampel. Contoh, untuk populasi 1000, dengan taraf kesalahan 1%, jumlah sampelnya adalah 399. Untuk taraf kesalahan 55 jumlah sampelnya adalah 258, dan untuk taraf kesalahan 10%, jumlah sampelnya adalah 213. Dari tabel juga terlihat bahwa bila jumlah populasi tak terhingga, maka jumlah anggota sampel untuk kesalahan 1% sama dengan 664,55 adalah 349, dan 10% adalah 272. Untuk jumlah populasi 10 jumlah anggota sampel sebenernya hanya 9,56 tetapi dilakukan pembulatan sehingga menjadi 10.

Cara menentukan ukuran sampel seperti dikemukakan sebelumnya adalah berdasarkan asumsi bahwa populasi terdistribusi normal. Bila sampel tidak terdistribusi normal, misalnya populasi homogen maka cara-cara tersebut tidak perlu dipergunakan. Misalnya populasi benda, katakanlah benda tersebut adalah logam yang susunan molekulnya homogen, maka jumlah sampel yang diperlukan 1% saja sudah bisa mewakili secara keseluruhan.

Terdapat berbagai rumus untuk menghitung ukuran sampel, misalnya dari Cochran, Cohen, dan lain sebagainya. Bila rumus tersebut digunakan pada perhitungan ukuran sampel, maka hasilnya akan menunjukkan sedikit perbedaan jumlah. Jika demikian, maka rumus maka yang sebaiknya dipergunakan para proses perhitungan? untuk dapat menentukan hal tersebut maka yang dipakai adalah jumlah ukuran sampel yang paling besar.

Selanjutnya pada gambar 7 berikut ini diberikan cara menentukan jumlah anggota sampel dengan menggunakan Nomogram Harry King...]



Dalam Nomogram Herry King, jumlah populasi maksimum adalah 2000, dengan taraf kesalahan yang bervariasi, mulai dari 0,3% sampai dengan 15%, dan faktor pengali yang disesuaikan dengan taraf kesalahan yang ditentukan. Dalam nomogram tersebut juga, diperlihatkan bahwa interval kepercayaan sebesar 80% dengan faktor pengalinya adalah sebesar 0,780, sedangkan untuk 85% faktor pengalinya adalah sebesar 0,785, untuk 99% faktor pengalinya adalah sebesar 1,195, dan terakhir untuk 99% faktor pengalinya adalah sebesar 1,573.

Contoh: Jumlah populasi adalah sebesar 200. Jika tingkat kepercayaan yang diinginkan terhadap populasi tersebut adalah sebesar 95%, maka sampel yang diambil adalah sebanyak 0,58 x 200 x 1,195 = 19,12 atau dibulatkan menjadi 19 orang. (Tarik dari angka 200 melewati taraf kesalahan 5%, maka akan ditentukan titik diatas angka 60. Titik tersbut berkisar antara nilai 58, untuk kesalahan sebesar 5% berarti tingkat kepercayaannya adalah sebesar 95%, dengan faktor pengali adalah 1,195.

Contoh Teknik Penentuan Ukuran Sampel
Akan dilakukan penelitian untuk mengetahui tanggapan kelompok masyarakat terhadap pelayanan yang diberikan oleh Pemerintah Daerah tertentu. Kelompok masyarakat tersebut terdiri dari 1000 orang, yang dapat dikelompokkan berdasarkan jenjang pendidikan, yaitu lulusan S1 adalah 50, Sarjana Muda adalah 300, SMK adalah 500, SMP adalah 100, dan SD adalah 50.

Berdasarkan tabel 1, jika populasi berjumlah 1000, dengan tingkat kesalahan sebesar 5%, maka jumlah sampel adalah 258. Karena populasi tersebut berstrata atau memiliki tingkatan, maka sampel yang diambilpun juga memiliki strata, yang diambil berdasarkan jenjang Pendidikan pada populasi. Jadi, proses pengambilan sampel proporsionalnya berdasarkan tingkat pendidikan pada populasi. Dari hasil pengambilan sampel tersebut, kemudian didapat data bahwa tingkat pendidikan dari strata S1 adalah sebanyak 13 individu, Sarjana Muda adalah sebanyak 77 individu, SMK adalah sebanyak 129 individu, dan SMP adalah sebanyak 26 individu, dan terakhir SD adalah sebanyak 13 individu.

S1 = 50/1000 X 258
S1 = 12,9
S1 = 13

SM = 300/1000 X 258
SM = 77,4
SM = 78

SMK = 500/1000 X 258
SMK = 129

SMP = 100/1000 X 258
SMP = 25,8
SMP = 26

SD = 50/1000 X 258
SD = 12,9
SD = 13

Jumlah, 
12,9 + 77,4 + 129 + 25,8 + 12,9 = 258

Dengan hasil pecahan yang dibulatkan, maka sampel yang didapat adalah:
13 + 78 + 129 + 26 + 13 = 258

Dari perhitungan yang menghasilkan nilai pecahan, selanjutnya dilakukan pembulatan nilai ke atas, sehingga jumlah sampel bernilai lebih dari 259, nilai ini lebih aman ketimbang hasil yang bernilai kurang dari 259. Gambaran jumlah populasi dan sampel tersebut dapat ditunjukkan lebih jelas pada gambar 8 berikut ini:



Roscoe dalam buku Research Mothods For Business (1982:253) memberikan beberapa saran tentang ukuran sampel untuk penelitian, yakni sebagai berikut:

satu, Ukuran sampel bernilai layak pada kegiatan penelitian adalah sebesar 30 sampai dengan 500.
dua, Jika sampling dibagi ke dalam kategori tertentu, maka jumlah anggota sampel pada tiap-tiap kriteria adalah minimal sebesar 30.
tiga, Jika pada penelitian dilakukan analisis dengan multivariabel baik itu menggunakan analisis korelasi atau regresi ganda, maka jumlah sampel adalah minimal sebesar 10x dari jumlah variabel yang akan diteliti. Contoh, variabel penelitian sebesar 5 yang terdiri dari variabel independen dan dependen, maka jumlah sampel adalah sebesar 10 x 5 = 50.
empat, Pada kegiatan penelitian sederhana menggunakan kelompok eksperimen dan kelompok kontrol, maka jumlah dari sampel masing-masing kelompok berkisar 10 sampai dengan 20.  

Cara Pengambilan Anggota Sampel
Pada teknik pengambilan sampel terdapat dua bua teknik untuk melakukan sampling, yaitu probability sampling dan non probability sampling. Pengambilan sampel probabilitas atau probability sampling memberikan peluang bernilai sama terhadap anggota populasi untuk menjadi bagian dari sampel tersebut, cara ini sering disebut dengan Teknik sampling acak (random). Proses pengambilan sampel acak dapat dilakukan menggunakan bilangan random menggunakan komputer ataupun media lainnya. Jika pengambilan dilakukan dengan cara undian atau acak, maka anggota populasi yang akan diundi diberi nomor terlebih dahulu sesuai dengan jumlah populasi.

Karena sifatnya yang acak, maka setiap anggota pada populasi memiliki peluang sama untuk mejadi sampel penelitian. Untuk contoh tersebut maka peluang setiap anggota populasi adalah 1:1000. Jadi, bila salah satu nomor telah diambil, maka harus dikembalikan lagi, jika tidak dikembalikan maka peluangnya menjadi tidak sama lagi. Misalnya, nomor pertama tidak dikembalikan lagi, maka peluang berikutnya adalah menjadi 1:999. Peluang akan semakin besar jika anggota yang telah diambil tidak dikembalikan lagi ke dalam populasi. Jika peluang yang telah diambil muncul lagi maka dianggap tidak sah dan dikembalikan lagi ke dalam populasi.

Normalitas Data

Kurva Normal
Statistik Parametrik digunakan dengan asumsi bahwa setiap variabel data yang dianalisis akan membentuk pola distribusi normal. Jika data tidak bernilai normal, maka teknik ini tidak bisa digunakan pada kegiatan penelitian. Sebagai gantinya dari teknik tersebut, maka digunakan teknik statistik lain yang tidak memerlukan asumsi data dalam bentuk distribusi normal atau menggunakan statistik non parametris. Sebelum peneliti menggunakan teknik statistik parametris sebagai analisisnya, maka peneliti harus membuktikan terlebih dahulu apakah data yang digunakan tersebut terdistribusi normal atua tidak.

Suatu data yang membentuk distribusi normal bila jumlah rata-rata data atas dan bawahnya adalah sama, demikian juga simpangan bakunya, seperti diperlihatkan pada gambar 9.



Dari gambar 9 diperlihatkan bahwa nilai rata-rata 190 mahasiswa adalah 6,5. Jumlah mahasiswa adalah sama yaitu 40 + 20 + 5 = 65. Demikian juga dengan nilai simpangan bawah dan atas dari nilai rata-rata adalah sama, yaitu 30. Dari gambar 9 diperlihatkan bahwa kurva normal terjadi setelah persilangan antara titik pertemuan antar nilai, terhadap frekuensi yang dihubungkan.

Kurva normal dibagi berdasarkan jumlah standard deviasi pada kelompok data yang membentuk distribusi normal. Luas antara rata-rata (mean) terhadap satu standar deviasi (SD) ke kiri dan ke kanan masing-masing adalah 34,13%; luas antara standar deviasi ke satu (1 SD) ke dua (2 SD) masing-masing adalah 13,59%, dan luas standar deviasi ke dua (2 SD) sampai standar deviasi ke tiga (3 SD) masing-masing adalah 2,27% seperti diperlihatkan pada gambar 10. Jumlah standar deviasi dari satu kelompok tidak terhingga, oleh karena itu secara teor kurva normal tidak akan pernah menyentuh garis dasar, sehingga luasnyapun tidak sampai 100% tetapi hanya mendekati 100%.



Kurva normal yang telah dibahas sebelumnya adalah kurva normal umum. Nilai rata-rata (mean) dan simpangan baku (1s, 2s, 3s, dan seterusnya) yang ada kurva normal tergantung pada nilai yang ada dalam kelompok yang telah diperoleh melalui proses pengumpulan data. Kurva berbentuk sistematis, sehingga nilai rata-rata luas (mean) ke kanan dan ke kiri mendekati nilai 50%. Selain terdapat kurva normal umum, juga terdapat kurva normal yang lain yang disebut juga kurva standar. Dikatakan standar, karena nilai rata-ratanya adalah 0 dan simpangan bakunya adalah 1, 2, 3, 4, dan seterusnya. Nilai simpangan baku selanjutnya dinyatakan dalam simbol z. Kurva normal umum dapat dirubah ke dalam kurva normal standar, dengan menggunakan rumus 2.



Harga-harga z ada kaitannya dengan nilai persentase daerah kurva. Persentase daerah kurva dihitung berdasarkan nilai dari rata-rata atau mean. Dalam hal ini nilai rata-ratanya adalah 0. Misal, nilai z adalah 1,0, maka luas kurva dari 0 sampai 1 adalah 34,13% seperti diperlihatkan pada gambar 10.

Contoh Penggunaan Kurva Normal
Ada 200 mahasiswa yang akan mengikuti kegiatan ujian mata kuliah statistik. Nilai dari 200 mahasiswa tersebut adalah sebesar 6 dengan nilai simpangan bakunya adalah sebesar 2. Berapa orang yang mendapat nilai 8 ke atas?

Jawab: 
Rata-rata kelas (x) = adalah 6, dan simpangan baku (s) =2. Dari rumus 2 maka nilai dari z dapat dihitung sebgai berikut.
z = (xi-x_)/s
z = (8-6)/2
z = 1

Dari tabel kurva normal dapat dilihat bahwa daerah 0 sampai dengan 1, luasnya adalah 34,13. Nilai ini merupakan jarak mean atau rata-rata dengan titik yang jauhnya 1 SD diatas nilai rata-rata. Harga ini menunjukkan persentase jumlah mahasiswa yang mendapat nilai antara 6 sampai dengan 8. Dengan demikian persentase yang mendapat nilai lebih dari 8 adalah 50% - 34,13% = 15,87% (50% adalah setengah kurva di atas mean, dimana posisi nilai 8 ke atas berada). Jadi mahasiswa yang mendapat nilai 8 ke atas adalah 15,87% X 200 = 31,74 orang atau sekitar 32 orang seperti diperlihatkan pada gambar 11.



Pengujian Normalitas Data
Statistik parametris bekerja dengan asumsi jika data setiap variabel yang akan dianalisis adalah berupa distribusi normal. Sebelum seorang peneliti menggunakan Teknik statistik parametris, terlebih dahulu dilakukan pengujian kenormalan data yang akan digunakan pada kegiatan penelitian. Jika data yang digunakan tidak normal, maka Teknik statistik ini tidak dapat digunakan atau menggunakan Teknik lain yaitu statistik non parametris. Tetapi perlu perlu diketahui juga apa yang menyebabkan suatu data menjadi tidak normal? Contoh, jika pada kegiatan penelitian terjadi kesalahan pemilihan instrumen dan proses pengumpulan data, maka hal ini akan mengakibatkan data menjadi tidak normal. Namun, jika sekelompok data yang dikumpulkan tersebut bernilai tidak valid, dan distribusinya tidak membentuk distribusi normal, maka peneliti dapat mengambil keputusan untuk menggunakan statistik non parametris.

Contoh, diberikan suatu teknik pengujian normalitas data menggunakan persamaan Chi Kuadrat. Pengujian normalitas data tersebut dilakukan dengan cara melakukan perbandingan kurva normal pada data terhadap kurva nomal baku. Jika nilai B tidak berbeda secara signifikan dengan A, maka B merupakan data yang terdistribusi normal.

Pada gambar 10, diperlihatkan bahwa kurva baku normal memiliki luas yang mendekati 100% dan dibagi menjadi 6 bidang, berdasarkan simpangan baku dari kurva tersebut, yang berupa tiga bidang beraada di bawah nilai rata-rata dan tiga lainnya berada di atas nilai rata-rata. Luas ke 6 bidang kurva normal baku tersebut adalah sebagai berikut 2,27%; 13,53%; 34,13%; 34,13%; 13,53%; 2,27% 

Contoh:
Data nilai ujian Mata Kuliah Statistik 150 mahasiswa, setelah diuji dengan kertas peluang normal, maka selanjutnya akan diuji normalitasnya dengan menggunakan persamaan Chi Kuadrat (χ2).

Untuk dapat menentukan nilai tersebut, maka langkah-langkah yang diperlukan adalah:
satu, Menentukan jumlah kelas interval. Untuk pengujian normalitas dengan Chi Kuadrat, jumlah kelas interval ditetapkan adalah 6. Hal ini bersesuaian dengan 6 bidang yang terdapat pada kurva baku normal.

dua, Menentukan panjang kelas interval.
Panjang kelas = (Data terbesar-data terkecil)/Jumlah kelas interval
PK = (94-13)/6
PK = 13,5 dibulatkan menjadi 14

tiga, Proses penyusunan ke dalam tabel distribusi frekuensi yang merupakan tabel penolong dalam perhitungan nilai hitung Chi Kuadrat, seperti diperlihatkan pada tabel 2.


catatan: f0 adalah frekuensi atau jumlah data hasil observasi, fh adalah jumlah atau frekuensi yang diharapkan dengan persentase luas tiap bidang dikalikan dengan n, dan f0-fh adalah selisih data f0 dengan fh.

empat, Menghitung fh (frekuensi yang diharapkan)
Nilai fh dihitung berdasarkan pada nilai persen luas tiap bidang kurva normal yang dikalikan jumlah data observasi. Dalam hal ini jumlah individu dalam sampel adalah 150. Jadi:

Baris pertama dari atas,
2,7% x 150 = 4,05 dibulatkan menjadi 4

Baris ke dua,
13,53% x 150 = 20,30 dibulatkan menjadi 20

Baris ke tiga,
34,13% x 150 = 51,20 dibulatkan menjadi 51

Baris ke empat,
34,13% x 150 = 51,20 dibulatkan menjadi 51

Baris ke lima,
13,53% x 150 = 20,30 dibulatkan menjadi 20

Baris ke enam,
2,7% x 150 = 4,05 dibulatkan menjadi 4

lima, masukkan nilai fk pada tabel fh, untuk mendapatkan nilai Chi Kuadrat. 

enam, Membandingkan harga Chi Kuadrat Hitung dengan Chi Kuadrat Tabel. Jika nilai Chi kuadrat hitung lebih kecil daripada nilai Tabelnya, maka distribusi bernilai normal, dan juga sebaliknya.

Kesimpulan, dalam proses perhitungan, ditemukan bahwa nilai Chi Kuadrat hitung adalah 1,55. Kemudian, nilai tersebut dibandingkan dengan nilai Chi Kuadrat tabel dengan dk (derajat kesebelas) 6-1 = 5. Berdasarkan Tabel Distribusi Chi Kuadrat...] (PDF), dapat diketahui bahwa nilai dk adalah 5, dan batas toleransi kesalahan yang ditetapkan adalah 5%, maka harga Chi Kuadrat tabel adalah 11,070. Karena harga Chi Kuadrat Hitung (1,55) lebih kecil dari harga Chi Kuadrat Tabel (11,070), maka distribusi data nilai statistik 150 mahasiswa tersebut dapat dinyatakan berdistribusi normal.

5 komentar:

  1. Fuhhh..untuk kajian ini bisa memeningkan

    BalasHapus
  2. Teknik pengambilan sampel dalah istilah atau bentuk identifikasi lain dari proses spesifik dimana entitas dari sebuah sampel dipilih.

    BalasHapus
  3. Apa yang dimaksud dengan teknik sampling dalam dunia penelitian?

    BalasHapus
    Balasan
    1. Teknik sampling adalah metode yang memungkinkan seorang peneliti untuk menyimpulkan informasi tentang suatu populasi berdasarkan hasil dari segian kecil data yang diambil dari populasi, tanpa harus melakukan penyelidikan terhdap setiap anggota atau individu dari populasi.

      Hapus

Respon komentar 7 x 24 jam, so please be patient :D