Populasi: keseluruhan data
Sampel: sebagian data
Contoh: mau meneliti motivasi belajar mahasiswa. Kalo nyebut mahasiswa, berarti kan semua mahasiswa sedunia. Kebanyakan. Dikerucutkan jadi mahasiswa tingkat akhir misalkan. Dibatasi lagi. Misal mahasiswa tingkat akhir di umsida. Berarti yg diteliti itu. Keluar jumlah sekian². Mau lebih sedikit. Misal.. mahasiswa di umsida jurusan psikologi. Yg di ambil ya itu.
Sebagai contoh, bayangkan kita ingin mengumpulkan data tentang tinggi badan semua siswa di sebuah sekolah menengah. Populasi dalam konteks ini adalah seluruh kelompok siswa di sekolah tersebut. Setiap siswa dalam sekolah itu merupakan bagian dari populasi tersebut.
Jadi, populasi dalam statistik adalah kelompok lengkap individu, objek, atau peristiwa yang memiliki karakteristik tertentu dan menjadi fokus dari suatu penelitian atau analisis statistik. Populasi dapat bervariasi dari ukuran yang kecil, seperti populasi seluruh siswa di satu sekolah, hingga ukuran yang sangat besar, seperti populasi seluruh penduduk suatu negara.
Misalnya, kita ingin menentukan rata-rata gaji bulanan dari semua karyawan di sebuah perusahaan dengan tingkat kepercayaan 95% dan margin of error 500 ribu rupiah. Dalam hal ini, kita menggunakan rumus untuk menghitung ukuran sampel yang dibutuhkan:
di mana:
- \( n \) adalah ukuran sampel yang dibutuhkan,
- \( Z \) adalah skor z yang terkait dengan tingkat kepercayaan (misalnya, 1,96 untuk tingkat kepercayaan 95%),
- \( \sigma \) adalah deviasi standar dari populasi (atau perkiraan deviasi standar),
- \( E \) adalah margin of error.
Jika kita memiliki perkiraan deviasi standar (\( \sigma \)) dari gaji bulanan sebesar 2 juta rupiah, dan kita ingin margin of error (\( E \)) sebesar 500 ribu rupiah, maka kita dapat menghitung ukuran sampel sebagai berikut:
Perhitungan ini akan memberikan kita ukuran sampel yang diperlukan untuk mengestimasi rata-rata gaji bulanan dengan tingkat kepercayaan 95% dan margin of error 500 ribu rupiah. Setelah mendapatkan nilai \( n \), kita dapat menentukan jumlah karyawan yang perlu diambil dari populasi untuk membentuk sampel yang representatif.
Semakin sampel mendekati populasi semakin minim untuk error.
Tingkat error 1,5,10 kepercayaan 95%. 90% gak boleh krn nanti tingkat errornya lebih bessr.
Perlu dicatat bahwa dalam beberapa kasus, mengamati seluruh populasi bisa menjadi tidak praktis atau terlalu mahal, dan itulah mengapa seringkali kita mengambil sampel representatif dari populasi untuk melakukan analisis statistik.
Kuantitatif: zkuantitatif deskriptif, kuantitatif eksperimen, kuantitatif non eksperimen.
Kalo deskriptif: cuma satu variabel. Contoh: gambaran minat belajar perempuan.. lebih tinggi daripada laki².
Kalo kuantitatif non eksperimen. Beda lagi. Contoh hubungan antara university webing thd minat belajar mahasiswa. .
Contoh: pengaruh pembelajaran daring terhadap minat belajar. Coba cari tau, dgn baca² artikel, ada korelasinya nggak antara belajar online dg minat belajar mahasiswa. Kalo misal daring dg luring bedanya nggak signifikan berarti pembelajaran barang efektif.. kalau bedanya signifikan berarti pembelajaran dalam tidak efektif.
Contoh: di tabel isaac tadi populasi 156. 110. 5% 119.
Penggunaan sampling random dalam penelitian memiliki beberapa keunggulan yang penting:
1. **Representativitas Populasi:** Sampling random membantu memastikan bahwa sampel yang diambil adalah representatif dari keseluruhan populasi. Setiap elemen dalam populasi memiliki peluang yang sama untuk dipilih, mengurangi risiko bias.
2. **Generalisasi:** Dengan menggunakan sampling random yang representatif, hasil penelitian dapat lebih mudah digeneralisasi atau diterapkan pada populasi secara keseluruhan. Ini membuat temuan penelitian memiliki relevansi yang lebih luas.
3. **Keakuratan Statistik Inferensial:** Jika tujuan penelitian adalah membuat inferensi statistik tentang populasi berdasarkan sampel, penggunaan sampling random mendukung keakuratan hasil dan tingkat kepercayaan yang dapat diandalkan.
4. **Mengurangi Bias Sistematis:** Sampling random membantu mengurangi bias sistematis yang dapat muncul dalam pemilihan sampel. Dengan memberikan setiap elemen peluang yang sama untuk dipilih, kita mengurangi kemungkinan penentuan sengaja atau tidak sengaja dalam pemilihan sampel.
5. **Pengendalian Variabilitas Eksternal:** Dalam situasi di mana ada variabilitas eksternal yang signifikan, seperti dalam eksperimen, sampling random membantu mengendalikan faktor-faktor eksternal yang mungkin memengaruhi hasil.
Meskipun sampling random memiliki keunggulan ini, dalam beberapa situasi, terutama ketika sulit untuk mengakses seluruh populasi, teknik sampling non-random mungkin digunakan dengan memperhatikan kebijaksanaan dan pertimbangan khusus. Tetapi, penggunaan sampling random tetap menjadi pendekatan yang kuat dan dihargai dalam statistika.
Kalo punya data spesifik dari subjek yg mau dianalisa pake sampling random.
Kalo gak ada, pakai yg non random.
Jumlah minimal di statistik yg referensinya Azwar itu minimal 30.