Regresi merupakan suatu alat ukur yang juga dapat digunakan untuk mengukur ada atau tidaknya korelasi antarvariabel. Jika kita memiliki dua buah variabel atau lebih maka sudah selayaknya apabila kita ingin mempelajari bagaimana variabel-variabel itu berhubungan atau dapat diramalkan.

Analisis regresi mempelajari hubungan yang diperoleh dinyatakan dalam persamaan matematika yang menyatakan hubungan fungsional antara variabel-variabel. Hubungan fungsional antara satu variabel prediktor dengan satu variabel kriterium disebut analisis regresi sederhana (tunggal), sedangkan hubungan fungsional yang lebih dari satu variabel disebut analisis regresi ganda.

Istilah regresi (ramalan/taksiran) pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1877 sehubungan dengan penelitiannya terhadap tinggi manusia, yaitu antara tinggi anak dan tinggi orang tuanya. Pada penelitiannya Galton mendapatkan bahwa tinggi anak dari orang tua yang tinggi cenderung meningkat atau menurun dari berat rata-rata populasi. Garis yang menunjukkan hubungan tersebut disebut garis regresi.

Analisis regresi lebih akurat dalam melakukan analisis korelasi, karena pada analisis itu kesulitan dalam menunjukkan slop (tingkat perubahan suatu variabel terhadap variabel lainnya dapat ditentukan). Dengan demikian maka melalui analisis regresi, peramalan nilai variabel terikat pada nilai variabel bebas lebih akurat pula.

1. B. Persamaan Regresi Linier dari Y terhadap X

Persamaan regresi linier dari Y terhadap X dirumuskan sebagai berikut:

Y = a  +  b X

Keterangan:

Y = variabel terikat

X = variabel bebas

a = intersep

b = koefisien regresi/slop

Pada persamaan tersebut di atas, nilai a dan b dapat ditentukan dengan cara sebagai berikut:

Contoh latihan soal regresi sederhana

Berikut ini adalah data pengalaman kerja dan omzet penjualan dari 8 marketing pada PT Bang Toyib Gak Pulang-pulang

Pertanyaan:

1. 1. Tentukan nilai a dan b !
   2. Buatkan persamaan garis regresinya !
   3. Berapa perkiraan omzet penjualan dari seorang marketing yang memiliki pengalaman kerjanya 3,5 tahun?

Penyelesaian:

Dijawab:

1. nilai a = 3,25 dan b = 1,25
2. Persamaan regresi liniernya adalah

Y  =   a + bX

=   3,25 + 1,25X

1. Nilai duga Y , jika X = 3,5

Y  =   a + bX

=   3,25 + 1,25X

=   3,25 + 1,25 (3,5)

=  7,625

Demikian “Belajar dan Berbagi” kita kali ini.. Terima Kasih

********************

Agar saya tetap dapat berkarya dalam website ini, dukungan/support Anda sangat saya butuhkan…

Anda dapat memberikan dukungan dengan menginformasikan keberadaan situs ini kepada rekan2 Anda, atau dengan melihat-lihat berbagai iklan yang ada di situs ini maupun berbagai iklan yang ada di sini dan di sini

Terima Kasih… Salam Sukses

Budi Setiawan

Incoming search terms for the article:

• regresi linier sederhana
• regresi linear sederhana
• regresi sederhana
• rumus regresi sederhana
• regresi linier
• rumus regresi linier sederhana
• regresi Tunggal
• persamaan regresi linear sederhana
• contoh soal regresi linier sederhana
• contoh soal regresi sederhana

Perhatikan dua contoh berikut:

1. Hubungan antara kemiskinan dengan kebodohan
2. Hubungan antara tinggi badan dan berat badan

Mari kita bahas perbedaan pola hubungan yang terjadi di antara dua contoh kalimat tersebut di atas.

1. Hubungan antara kemiskinan dengan kebodohan

Kalimat ini dapat dijelaskan bahwa orang yang bodoh dapat menyebabkan dirinya miskin, atau sebaliknya yaitu orang yang miskin dapat menyebabkan dirinya bodoh. Dengan demikian pada contoh kalimat yang pertama tidak jelas mana yang menjadi penyebab dan mana yang menjadi akibat.

1. Hubungan antara tinggi badan dan berat badan

Kalimat ini dapat dijelaskan bahwa tinggi badan seseorang menyebabkan berat badannya bertambah, tetapi dengan berat badan yang bertambah maka belum tentu menyebabkan tinggi badannya bertambah pula.

Data penyebab atau yang mempengaruhi disebut variabel bebas (independent) dan data akibat atau yang dipengaruhi disebut dengan variabel terikat (dependent). Variabel bebas biasanya dilambangkan dengan huruf X atau X₁, X₂, X₃, … X_n (tergantung banyaknya variabel bebas). Sedangkan variabel terikat biasanya dilambangkan dengan huruf Y.

1. Koefisien Korelasi Pearson

Korelasi ini paling sering digunakan dalam penelitian sosial, besarnya angka korelasi disebut dengan koefisien korelasi yang dinyatakan dalam lambang r. Koefisien korelasi (KK) merupakan indeks atau bilangan yang digunakan untuk mengukur keeratan (kuat, lemah, atau tidak ada) hubungan antarvariabel. Korelasi ini memiliki manfaat sebagai berikut:

1. Untuk menyatakan ada atau tidaknya hubungan yang signifikan antara variabel satu dengan yang lainnya.
2. Untuk menyatakan besarnya sumbangan variabel satu terhadap yang lainnya yang dinyatakan dalam persen (%).

Beberapa asumsi yang harus dipenuhi dalam menggunakan korelasi ini adalah variabel yang dihubungkan harus memiliki ketentuan sebagai berikut:

1. Data berdistribusi normal
2. Data linier (searah)
3. Data yang dipilih secara acak (random)
4. Variasi skor variabel yang dihubungkan harus sama
5. Data interval atau rasio

Koefisien korelasi memiliki nilai antara -1 dan +1 (-1 ? KK ? +1), dengan ketentuan sebagai berikut:

1. Jika KK bernilai positif maka variabel-variabel berkorelasi positif. Semakin dekat nilai KK ke +1 semakin kuat korelasinya, demikian pula sebaliknya.
2. Jika KK bernilai negatif maka variabel-variabel berkorelasi negatif. Semakin dekat nilai KK ke -1 maka semakin kuat korelasinya, demikian pula sebaliknya.
3. Jika KK bernilai 0 (nol) maka variabel – variabel tidak menunjukkan korelasi
4. Jika KK bernilai +1 atau -1 maka variabel – variabel menunjukkan korelasi positif atau negatif yang sempurna.

Tabel interpretasi dari nilai r

Sumber: Usman dan Purnomo (2008 : 201)

Koefisien Korelasi Pearson dapat ditentukan dengan dua metode, yaitu sebagai berikut:

1. Metode least square
2. Metode Product Moment

Berikut ini saya upload latihan soal yang membahas tentang kedua metode tersebut di atas. Terdiri dari 2 (dua) buah file pdf, yakni yang berisi latihan soal, dan kuis. Anda dapat mengunduhnya dengan gratis:

1. Latihan soal analisis korelasi linier sederhana, klik di sini

2. Kuis tentang analisis korelasi linier sederhana, klik di sini

Kedua file tersebut 100% ASLI saya yang bikin, Anda saya perkenankan untuk mengunduh dan menyebarluaskannya kepada siapapun, asalkan tidak bertujuan komersial.

Apabila anda berminat memberikan donasi kepada penulis, silahkan Anda klik beberapa iklan yang terdapat di sini atau di sini

Terima kasih

Incoming search terms for the article:

• korelasi pearson
• analisis korelasi pearson
• korelasi linier sederhana
• data linier
• statistik korelasi pearson
• metode pearson
• pearson
• latihan korelasi product moment
• korelasi linear sederhana
• koefisien korelasi pearson

A probability is a numerical value that measures the uncertainty that a particular event will occur. The probability of an event ordinarily represents the proportion of times under identical circumstances that the outcome can be expected to occur. We refer to this value as the event’s long-run frequency of occurrence. The probability that the head side will slow when a fair coin is tossed is 1/2. This can be verified experimentally by tossing a coin several times and observing that “heads” occur about one-half of those times.Probability is a necessary part of statistical inference, because it measures the uncertainties involved in making generalizations from a sample. Suppose that 10,000 men are selected at random from adult American males. If we know exactly how many seven-footers there are in the populations, we may calculate the probability that our sample will contain any number of men taller than seven feet.

But records of the heights of all American men are not available, so the actual number of seven-footers remain unknown. If, how ever, the number of seven-footers in the sample is counted, then the number in the populations may be estimated from the sample. But the accuracy of this estimate will remain uncertain. Common sense tells us that it would be unlikely for the sample to differ substantially from the population, so that the proportion of very tall men may be expected to be roughly the same. Probability is required to indicate just how likely the sample is to yield estimates that are in error by various amounts.

Probability was initially studied scientifically by several famous mathematicians more than 300 years ago in connection with gambling problems. The theory of probability has since evolved into one of the most elegant and useful branches of mathematics. Today devices ordinarily associated with gambling, such as dice and playing cards, are still useful in illustrating how to find probabilities

“Measurement does not necessarily mean progress. Failing the possibility of measuring that which you desire, the lust for measurement may, for example, merely result in your measuring something else-and perhaps forgetting the difference- or in ignoring some things because they cannot be measured…”

We have said that descriptive statistics involves the arrangment and display of observed data, which are then summarize and analyzed by means of inferential statistics in order to reach some decision. The manner in which the data are described and the procedures followed for their analysis depend upon the decision-making goal and the nature of the data.

The weight of a sample of 40 statistic students in STIE DEWANTARA BOGOR is shown in table 1 below. If we wish to describe this sample, how should we proceed?

Table 1

_______________________________

Weight of 40 Statistic Students

in STIE DEWANTARA BOGOR

________________________________

78 72 74 79 74 71 75 74 72 68

72 73 72 74 75 74 73 74 65 72

66 75 80 69 82 73 74 72 79 71

70 75 71 70 70 70 75 76 77 67

_________________________________

These are the steps how to proceed that data to become Frequency Distribution.

1. Arrange the data

Table 2

_______________________________

Weight of 40 Statistic Students

in STIE DEWANTARA BOGOR

________________________________

65 66 67 68 69 70 70 70 70 71

71 71 72 72 72 72 72 72 73 73

73 74 74 74 74 74 74 74 75 75

75 75 75 76 77 78 79 79 80 82

_________________________________

2. Range (R) = 82 – 65 = 17

3.  Sum of the class (k) =

k = 1 + 3,3 log n (Sturgess Way)

k = 1 + 3,3 log 40

= 1 + 5,3 = 6,3 = 6

4. Class interval (i) :

i = 17/6 = 2,83 = 3

Here is the results shown on the table 3 below:

Table 3

Frequency Distributions

Weight of 40 Statistic Students

in STIE DEWANTARA BOGOR

____________________________________

Weight (Kg)                       Frequency

———————————————————–

65 – 67                                      3

68 – 70                                      6

71 – 73                                      12

74 – 76                                      13

77 – 79                                      4

80 – 82                                      2

——————————————————

TOTAL                                     40

__________________________________

Hopefully this article can be useful to helps you studying Statistics…

See you next time…

Incoming search terms for the article:

• frequency distribution
• Frequency distributions
• data distribution frequency
• freq film lust
• frequency statistik

Thus, the average income of all families in Indonesia can be estimated from figures obtained from a few hundred families. Such a prediction or estimate is an example of an inference. The study of how inferences are made from numerical data is thus called inferential statistics.

Inferential statistics acknowledges the potential for error that exist in making generalizations from a sample.

Probability theory measures the chances that an untypical sample will be selected from a population whose characteristics are known. Inferential statistis is based on probability theory, extending its concepts to measurement of the chance of erroneous generalization, even when the characteristics of the population are unknown or uncertain

Reference/ Resume From:

Lapin, Lawrence (1975) Statistics Meaning and Method. Harcourt Brace Jovanovich, Inc.

Incoming search terms for the article:

• inferential statistics
• ebook statistic descriptive
• descriptive and inferential statistics definition
• descriptive statistics books
• inferential statistics books

Salah satu langkah dalam penelitian ilmiah adalah menentukan populasi dan sample. Kesalahan dalam menentukan sampel dapat berakibat fatal, karena sampel menjadi tidak representatif, dan hasil penelitian tidak akan dapat mencerminkan keadaan yang sebenarnya. Oleh karena itu memilih tenik penentuan sampel yang tepat menjadi sangat penting untuk mendapatkan sampel yang representatif.

B. Pengertian Populasi Dan Sampel

Dalam suatu penelitian adakalanya peneliti meneliti semua sumber data yang direncanakan, agar data dan informasi yang diperoleh banyak dan bervariasi sehingga diharapkan hasilnya tidak jauh berbeda dari kenyataan. Akan tetapi dalam kenyataannya tidak semua populasi dapat diteliti karena suatu sebab yang tidak memungkinkan. Penelitian ilmiah boleh dikata hampir selalu hanya dilakukan terhadap sebagian saja dari hal-hal yang sebenarnya hendak diteliti.

Populasi adalah wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Jadi populasi bukan hanya orang, tetapi juga benda-benda alam lain. Populasi juga bukan sekedar jumlah yang ada pada obyek/subyek yang dipelajari, tetapi meliputi seluruh karakteristik/sifat yang dimiliki oleh subyek atau obyek itu.

Misalnya akan dilakukan penelitian di lembaga X, maka lembaga X ini merupakan populasi. Lembaga X mempunyai sejumlah orang/subyek dan obyek yang lain. Hal ini berarti populasi dalam arti jumlah/kuantitas. Tetapi lermbaga X juga mempunyai karakteristik orang-orangnya, misalnya motivasi kerjanya, disiplin kerjanya, kepemimpinannya, iklim organisasinya dan lain-lain. Juga mempunyai karakteristik obyek yang lain, misalnya kebijakan, prosedur kerja, tata ruang produk yang dihasilkan dan lain-lain. Yang terakhir berarti populasi dalam arti karakteristik. Satu orangpun dapat digunakan sebagai populasi, karena satu orang mempunyai berbagai karakteristik, misalnya gaya bicaranya, disiplin pribadi, hobi, cara bergaul, kepemimpinannya dan lain-lain. Misalnya akan melakukan penelitian tentang kepemimpinan presiden Y, maka kepemimpinan itu merupakan sample dari semua karakteristik yang dimiliki presiden Y. Jadi sample adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi ( Sugiyono, 2002:57 ).

C. Penggunaan Populasi dan Sampel

Populasi digunakan bila penelitian ingin mengetahui secara pasti keadaan populasi sesungguhnya yang memerlukan ketelitian dan kecermatan yang tinggi dan sumber informasi bersifat heterogen, di mana sifat dan karakteristik masing-masing sumber sulit dibedakan ( Margono, 1997 : 120 ).

Di bawah ini dikemukakan kapan seorang peneliti menggunakan populasi dalam penelitian, dan kapan pula ia menggunakan sample.

1. Menurut Aminuddin Rosyad ( 1987 : ),  penggunaan sample dalam penelitian, bila :

1. jumlah populasi yang akan diteliti terlalu banyak
2. daerah populasi amat luas dan terpencar-pencar sulit dijangkau
3. waktu penelitian yang tersedia tidak memadai
4. dana yang tersedia amat terbatas
5. tenaga peneliti tidak mencukupi
6. fasilitas yang tersedia tidak memadai
7. sarana penelitian tidak mencukupi
8. keamanan untuk melakukan penelitian tidak terjamin, misalnya keadaan medan penelitian ganas.

Mengenai penggunaan sampel dalam penelitian, Agus Suradika ( 2000 ; 37-38 ) menjelaskan bahwa selain masalah biaya, waktu dan tenaga kondisi-kondisi di bawah ini dapat dijadikan alasan mengapa penelitian perlu menggunakan sampel. Kondisi tersebut adalah :

1. Bila  individu yang akan diselidiki tak terbatas jumlahnya
2. Bila penelitian yang dilakukan bersifat destruktif
3. Bila obyek yang diteliti bersifat homogen
4. Bila tidak diperlukan ketelitian yang mutlak atau hasil penelitian segera dibutuhkan.

Dari dua pendapat tersebut dapat digabungkan dan saling melengkapi, karena ada persamaan dan perbedaannya, namun semuanya dapat dipakai sebagai alasan mengapa penelitian perlu menggunakan sampel.

1. Penggunaan Populasi dalam penelitian bila :
   1. jumlah populasi yang akan diteliti terbatas dan sedikit
   2. luas daerah penelitian tidak terlalu luas dan mudah dijangkau
   3. waktu penelitian yang tersedia cukup lama
   4. dana yang tersedia cukup
   5. fasilitas penelitian cukup
   6. tersedia sarana penelitian yang cukup
   7. tersedia tenaga peneliti yang cukup terjaminnya keamanan dalam penelitian.

Meskipun banyak populasi yang anggotanya terbatas jumlahnya, seperti jumlah mobil di Jakarta, jumlah mahasiswa Universitas Indonesia, meskipun sebenarnya dapat dihitung tetapi karena sulit dilakukan maka dianggap tidak terbatas. Metode pengambilan data yang melibatkan seluruh anggota populasi disebut sensus ( Margono, 1997 : 120 ).

Digunakannya sample dalam penelitian adalah untuk mereduksi obyek penelitian dan melakukan generalisasi hasil penelitian, sehingga dapat ditarik kesimpulan umum.

Generalisasi  dari sample ke populasi mengandung resiko kekeliruan atau ketidak tepatan, karena sample tidak akan dapat mencerminkan secara tepat keadaan populasi. Mengenai hal ini, Agus Suradika  ( 2000: 39-40 )menyatakan bahwa biasanya, seorang penyelidik sering terlalu berani menetapkan daerah generalisasi yang terlalu luas, padahal daerah tersebut belum tentu terwakili oleh sample yang ada. Oleh karena itu dalam menentukan sample, daerah generalisasi merupakan salah satu hal yang harus diperhatikan, selain penegasan sifat-sifat populasi, sumber informasi tentang populasi, besar kecilnya sample dan teknik sampling.

Makin tidak sama sample itu dengan populasinya makin besar kemungkinan kekeliruan dalam generalisasi. Oleh karena itu teknik penentuan sample ( teknik sampling ) menjadi sangat penting peranannya dalam  penelitian. Berbagai teknik penentuan sample pada hakekatnya adalah cara-cara untuk memperkecil kekeliruan generalisasi dari sample ke populasi sehingga diperoleh sample yang representativ, yaitu sample yang benar-benar mencerminkan populasinya.

D. Petunjuk Mengambil Sampel

Kesalahan dalam menentukan sampel akan mengakibatkan kesalahan fatal pula dalam menarik kesimpulan hasil penelitian. Untuk itu sangat perlu diketahui bagaimana cara mengambil sampel yang representatif. Menurut Winarno Surachmad yang dikutip oleh Agus Suradika ( 2000 : 39 ) : “ Untuk mendapatkan sampel yang representatif perlu dipahami langkah-langkah umum berikut, (1) bagaimana penyelidik menetapkan sifat-sifat populasi, kemudian (2) menetapkan perhitungan statistik untuk pengolahan data sampel dan akhirnya (3)menetapkan teknik penarikan samp. Adapun menurut Sumadi Suryabrata ( 1998 : 83 ) dan Margono ( 1997 : 87 ), ada empat parameter yang biasa dianggap menentukan representativness, yaitu :

a). Variabilitas populasi

Dari keempat parameter tersebut, variabilitas populasi merupakan hal yang “given”, artinya peneliti harus menerima sebagaimana  adanya, tidak dapat mengatur atau memanipulasinya. Sedangkan keempat variable yang lain dapat diatur atau dimanipulasi oleh peneliti untuk mendapatkan sample yang representativ

b). Kecermatan untuk memasukkan ciri-ciri populasi

Kecermatan memasukkan ciri-ciri populasi ke dalam sampel menentukan  tingkat representativnya sample.

c). Besar- kecilnya sample

Semakin besar sample yang diambil untuk populasi yang heterogen maka semakin tinggi taraf representativnya sample. Untuk populasi yang homogen sempurna  sample cukup kecil saja.

d). Teknik penentuan sample

Teknik penentuan sampel ( teknik sampling ) adalah cara menentukan sampel yang jumlahnya sesuai dengan ukuran sampel yang akan dijadikan sumber data sebenarnya, dengan memperhatikan sifat-sifat penyebaran populasi agar diperoleh sampel yang representatif.

E. Teknik Penentuan Sampel

Untuk memperoleh secara maksimal sampel yang representatif yang tidak didasari oleh keinginan peneliti, ada dua teknik sampling, yaitu :

1. 1. Random Sampling ( Probability Sampling )
2. 2. Nonrandom Sampling ( Nonprobability Sampling )

Random sampling adalah pengambilan sampel secara acak. Dalam teknik random sampling , semua individu dalam populasi baik secara sendiri-sendiri atau bersama-sama diberi kesempatan yang sama untuk dipilih menjadi anggota sampel. Teknik ini sampai sekarang dipandang sebagai teknik yang paling baik. Untuk menentukan anggota sampel dalam random sampling dapat dilakukan dengan cara undian, ordinal, randomisasi dari tabel bilangan random ( Sutrisno Hadi, 1980 : 76, dikutip oleh Margono, 1997: 125 ).

Sedangkan Nonrendom sampling adalah teknik pengambilan sampel dimana tidak semua individu dalam populasi diberi peluang yang sama untuk dipilih menjadi anggota sampel. Teknik ini mempunyai kemungkinan lebih rendah dalam menghasilkan sampel yang representatif.

Jenis-jenis sampel yang diperoleh dari teknik random sampling ( probabability sampling ) ada tiga, yaitu simpel random sampling, stratified random sampling dan cluster random sampling. Sedangkan jenis-jenis sampel nonrandom sampling ( non probability sampling ) adalah : sampling sistematis, sampling kuota, sampling aksidental, purposive sampling, sampling jenuh dan snowball sampling Sugiyono, 2002 : 61-63 ).

Penjelasan dari teknik-teknik sampling tersebut adalah sebagai berikut :

1. 1. Probability sampling

a). Simple random sampling

Dikatakan simple ( sederhana ) karena cara pengambilan sample dari semua anggota populasi dilakukan secara acak tanpa memperhatikan strata yang ada dalam anggota populasi. Cara demikian dilakukan bila anggota populasi dianggap homogen ( Sugiyono, 2002 : 59 ). Mengenai simple random sampling Margono ( 1997 : 126 ) menjelaskan bahwa teknik ini untuk mendapatkan sampel yang langsung dilakukan pada unit sampling. Dengan demikian setiap unit sampling sebagai unsur populasi yang terkecil memperoleh peluang yang sama untuk menjadi sampel atau untuk mewakili populasi. Teknik ini dapat dipergunakan bilamana jumlah unit sampling di dalam suatu populasi tidak terlalu besar.

b). Stratified Random Sampling

Dalam stratified random sampling dapat dipakai dua cara, yaitu proporsionate stratified random sampling dan disporpotionate random sampling

( 1 ). Proportionate Stratified Random Sampling

Teknik ini digunakan  bila populasi mempunyai anggota/unsur yang tidak homogen dan berstrata secara proporsional. Suatu organisasi mempunyai pegawai dilihat dari latar belakang pendidikannya, maka populasi pegawai tersebut berstrata. Misalnya jumlah pegawai yang lulusan S2 = 30, S1 = 40, STM = 800, ST = 900, SMEA = 400, SD =300. Jumlah sample yang harus diambil harus meliputi strata pendidikan tersebut yang diambil secara proporsional.

( 2 ). Disproportionate Random Sampling

Teknik ini digunakan untuk menentukan jumlah sample, bila populasi berstrata tetapi kurang proporsional. Misalnya populasi pegawai dari PT tertentu berlatar pendidikan S3 = 3 orang, S2 = 4 orang, S1 = 90 orang, SLTA = 800 orang, SLTP = 700, maka 3 orang S3 dan 4 orang S2 diambil semuanya sebagai sample, karena dua kelompok ini terlalu kecil bila dibandingkan dengan kelompok S1, SLTA dan SLTP.

c). Cluster Sampling ( Sampling Daerah )

Teknik sampling daerah digunakan untuk menentukan sample bila obyek yang akan diteliti atau sumber data sangat luas, misalnya penduduk dari suatu negara, propinsi atau kabupaten. Untuk menentukan penduduk mana yang akan dijadikan suber data, maka pengambilan sampelnya berdasarkan daerah dari populasi yang telah ditetapkan.

Misal di Indonesia ada 30 propinsi dan sampelnya akan menggunakan 10 propinsi, maka pengambilan 10 propinsi itu dilakukan secara random. Tatapi perlu diingat karena propinsi-propinsi di Indonesia itu berstrata, maka pengambilan sampelnya perlu menggunakan stratified  random sampling.

Teknik sampling daerah ini sering dilakukan melalui dua tahap, yaitu tahap pertama menentukan sample daerah, dan tahap berikutnya menentukan orang-orang yang ada di daerah itu secara random juga.

1. 3. Nonprobability sampling

a ). Sampling Sistematis

Sampling sistematis adalah teknik penentuan sample berdasarkan urutan dari anggota populasi yang telah diberi nomor urut.Misalnya anggota populasi yang terdiri dari 100 orang. Dari semua anggota itu diberi nomor urut 1 sampai dengan 100 orang. Pengambilan sample dapat  dilakukan dengan nomor ganjil  saja, atau genap saja, atau kelipatan dari bilangan tertentu, misalnya kelipatan 5, maka yang dijadikan sample adalah anggota nomor 5,10,15,20,25 dan seterusnya.

b). Sampling kuota

Sampling kuota adalah teknik untuk menentukan sample dari populasi yang mempunyai cirri-ciri tertentu sampai jumlah ( kuota ) yang diinginkan. Sebagai contoh akan melakukan penelitian terhadap pegawai golongan II dan penelitian dilakukan secara  kelompok. Setelah sample ditentukan umpamanya 100 orang, dan jumlah anggota peneliti 5 orang, maka setiap anggota peneliti dapat memilih sample secara bebas sesuai dengan karakteristik yang ditentukan ( Golongan II ) sebanyak 20 orang.

c) Sampling Aksidental

Sampling aksidental adalah teknik penentuan sample berdasarkan kebetulan, yaitu siapa saja secara kebetulan bertemu dengan peneliti dapat digunakan sebagai sample, bila dipandang orang tersebut cocok sebagai sumber data.

d). Purposive Sampling

Purposive sampling adalah teknik penentuan sample untuk tujuan tertentu saja. Misalnya akan melakukan penelitian tentang disiplin pegawai, maka sample yang dipilih adalah orang yang ahli dalam kepegawaian saja.

e). Sampel Jenuh

Sampling jenuh adalah teknik penentuan sample bila semua anggota populasi digunakan sebagai sample. Istilah lain dari sample jenuh adalah sensus

f). Snowball Sampling

Snowball sampling adalah teknik penentuan sample yang mula-mula jumlahnya kecil, kemudia sample ini disuruh memilih teman-temannya untuk dijadikan sample. Begitu seterusnya sehingga jumlah sample semakin banyak. Ibarat bola salju yang menggelinding, makin lama makin besar.

Walaupun berbagai teknik penentuan sample telah dikembangkan dan parameter-parameter untuk perkiraan telah diidentifikasikan, namun hampir tidak pernah peneliti dapat menentukan sample yang memcerminkan populasi secara sempurna. Hal ini terjadi terutama dalam lapangan ilmu-ilmu social dan kemanusiaan. Keadaan yang demikian  itu lalu menimbulkan kebutuhan untuk dapat memperhitungkan atau setidak-tidaknya memperkirakan besar- kecilnya kekeliruan. Dalam analisis kekeliruan ketika melakukan generalisasi dari sample ke populasi itu disebut kekeliruan baku atau galat baku ( standard error ). Dasar teoritis yang dipergunakan untuk memperkirakan kekeliruan baku itu ialah teori probabilitas. Sampel-sampel tunduk pada hukum probabilitas ( Sumadi Surya Brata, 1998 : 84 ).

F. Kesimpulan

1. Populasi adalah wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya.
2. Sample adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi
3. Digunakannya sample dalam penelitian adalah untuk mereduksi obyek penelitian dan melakukan generalisasi hasil penelitian, sehingga dapat ditarik kesimpulan umum.
4. Teknik penentuan sampel ( teknik sampling ) adalah cara menentukan sampel yang jumlahnya sesuai dengan ukuran sampel yang akan dijadikan sumber data sebenarnya, dengan memperhatikan sifat-sifat penyebaran populasi agar diperoleh sampel yang representatif.
5. Berbagai teknik penentuan sample pada hakekatnya adalah cara-cara untuk memperkecil kekeliruan generalisasi dari sample ke populasi sehingga diperoleh sample yang representativ, yaitu sample yang benar-benar mencerminkan populasinya.

Daftar Referensi :

Margono, S.,Drs., Metodologi Penelitian Pendidikan, PT Rineka Cipta, cetakan pertama, Jakarta, 1997

Sugiyono, DR., Metode Penelitian Administrasi, Alfabeta, cetakan kesembilan, Bandung, 2002

Suradika, H. Agus, DR.,MP.d., Metode Penelitian Sosial, UMJ Press, Jakarta, 2000

Suryabrata, Sumadi, BA.,Drs.,MA.,Ed.S.,Ph.D.,Metodologi Penelitian, Rajawali Pers, cetakan kesebelas, Jakarta, 1998.

Rosyad, Amiduddin, DR., Metode Riset Pendidikan, Jilid I,  IAIN, Jakarta, 1987

note: with special thanks to Mrs. Nurhidayah, M.M. for this article

Incoming search terms for the article:

• sampel jenuh
• pengertian populasi dan sampel penelitian
• pengertian populasi dan sampel
• sample adalah
• pengertian populasi
• arti populasi
• populasi dan sampel
• pengertian sampel
• sampling jenuh
• cara pengambilan specimen nanah

Incoming search terms for the article:

• pengertian kuartil desil persentil
• definisi desil
• makalah desil kuartil persentil
• kuartil desil dan persentil
• pengertian persentil
• pengertian desil
• fraktil
• statistik pendidikan persentil
• quartil desil persentil pada statistik
• statistik desil kuartil

Incoming search terms for the article:

• statistik 1
• modul statistik satu