Posted by: erienkoma | December 18, 2010

SAMPLING (terjemah dari How to Design and Evaluate Research in Education) oleh. Jack R. Fraenkel & Norman E.Wallen)

elen Hyun, seorang professor penelitian pada universitas eastern, ia mengharapkan pada studi pengaruh dari suatu program baru matematika pada keberhasilan matematika para siswa yang pelajaran matematikanya lemah di seluruh Sekolah Dasar Amerika Serikat. Karena dari sejumlah faktor, hanya ada dua, yaitu waktu dan dana yang tersedia, maka suatu hal yang mustahil bagi Helen dan para koleganya untuk melakukan try out pada program barunya itu untuk di uji cobakan pada seluruh populasi pelajar di Amerika Serikat. Mereka harus menyeleksi suatu sample. Apakah suatu sample itu? Apakah ada perbedaan dari macam-macam sample itu? Apakah ada yang lebih baik dari berbagai macam sample itu untuk dipelajari? Dan bagaimana seseorang dapat memperoleh suatu sample dari suatu tempat pertama? Untuk menjawab pertanyaan-pertanyaan tersebut anda akan mempelajarinya pada chapter ini.

Ketika kita ingin mengetahui sesuatu tentang suatu kelompok orang tertentu, kita biasanya mencari beberapa anggota dari kelompok tersebut yang kita ketahui – atau tidak kita ketahui – dan mempelajarinya. Setelah kita menyelesaikan studi mengenai individu-individu tersebut, kita biasanya membuat beberapa kesimpulan-kesimpulan mengenai kelompok yang lebih besar, yang mana mereka merupakan bagian dari kelompok itu. Pada kenyataan, banyak observasi “commonsense”, berdasarkan atas observasi-observasi yang secara relative hanya terdiri dari beberapa orang. Hal itu merupakan sesuatu yang tidak umum, contohnya, untuk menyimak pernyataan seperti : “Sebagian besar pelajar putri tidak menyukai matematika”, “Anda tidak akan menemukan banyak guru yang merupakan pemilih partai Republik,” dan “Sebagian besar siswa yang bersekolah di sekolah perwira polisi adalah laki-laki.”

Apakah sebuah Sample itu?
Banyak orang, menurut pendapat kami, mendasarkan kesimpulan tentang kelompok orang (pelajar, Republican, pemain sepak bola, aktor, dan sebagainya) atas sejumlah pengalaman kecil yang mereka miliki, atau sample, dari individual anggota-anggota. Kadang-kadang kesimpulan yang seperti itu adalah representasi (perwakilan) yang tepat dari bagaimana kelompok yang lebih besar dari orang itu bertindak atau apa yang mereka yakini, tapi sering kesimpulan mereka tidak tepat. Hal itu semua bergantung atas bagaimana mewakili (representative) (i.e., bagaimana serupa) sample dari kelompok yang lebih besar.
Suatu langkah yang paling penting pada proses penelitian adalah seleksi dari sample individu-individu yang akan berpartisipasi (di observasi atau ditanya). Sampling yang menunjuk pada proses dari seleksi individu-individu itu.

SAMPLE DAN POPULASI
Suatu sample pada suatu studi penelitian adalah kelompok atas informasi yang diperoleh. Kelompok yang lebih besar yang mana mengharapkan menggunakan hasil itu disebut populasi. Sebagai contoh, semua 700 (atau berapapun jumlahnya) para siswa di Amerika Serikat yang sebagian besar dalam matematika, merupakan suatu populasi; 50 orang dari para siswa itu merupakan suatu sample. Mahasiswa yang memiliki mobil sendiri menyusun populasi lainnya, sebagai mahasiswa yang tinggal di asrama kampus. Perhatikan bahwa suatu kelompok itu mungkin dapat menjadi kedua suatu sample dalam satu konteks dan suatu populasi di dalam konteks lainnya. Semua mahasiswa universitas negeri yang memiliki mobil sendiri merupakan suatu populasi dari para pemilik mobil di universitas negeri, bahkan mereka juga merupakan suatu sample dari semua para pemilik mobil di universitas negeri di seluruh Amerika Serikat.
Ketika hal itu memungkinkan, para peneliti akan lebih baik mempelajari seluruh populasi yang berkepentingan. Tetapi biasanya, ini adalah hal yang sulit untuk dilakukan. Sebagian besar populasi-populasi yang berkepentingan adalah besar, beragam, dan terpencar-pencar atas berbagai wilayah. Penemuan, dengan melakukan kontak sendiri dengan semua anggota dapat memakan waktu dan biaya yang mahal. Oleh karena itu, berdasarkan keperluan, para peneliti sering menyeleksi suatu sample untuk mempelajarinya. Berikut ini adalah beberapa contoh seleksi yang dilakukan dari suatu populasi:

● Seorang peneliti yang tertarik mempelajari pengaruh suatu diet menaruh perhatian
pada siswa kelas tiga di suatu kota besar. Terdapat 1500 siswa kelas tiga bersekolah di Sekolah Dasar di kota itu. Peneliti menyeleksi 150 siswa dari kelas tiga, masing-masing 30 dari lima sekolah-sekolah yang berbeda, sebagai suatu sample untuk dipelajari.
● Seorang administrator pada sebuah SMA di daerah urban tertarik pada pendapat-pendapat siswa mengenai program konseling yang baru di daerahnya. Terdapat 6 SMA dan jumlah siswa sebanyak 1,400 siswa di wilayah itu. Dari daftar induk dari semua siswa yang mendaftarkan pada sekolah di distrik itu, administrator menyeleksi suatu sample dari 1,400 siswa (350 dari masing-masing siswa kelas 4, 9-12) yang ia rencanakan untuk mengirim suatu questionnaire pada para siswa tersebut yang menanyakan pendapatnya mengenai program baru tersebut.
● Kepala sekolah dari suatu sekolah dasar bermaksud menginvestigasi ke efektifan dari sebuah buku textbook baru tentang sejarah Amerika Serikat yang digunakan oleh beberapa orang guru di distriknya. Jumlah total seluruhnya adalah 22 orang guru yang menggunakan buku text tersebut, ia menyeleksi sebuah sample dari 6 orang guru. Ia merencanakan membandingkan prestasi siswa dari kelasnya guru yang 6 orang yang menggunakan buku textbook baru tersebut dengan 6 orang guru yang lain yang tidak menggunakan buku text sejarah yang baru itu.

DEFINISI POPULASI
Tugas pertama dalam penyeleksian suatu sample adalah mendefinisikan kepentingan populasi. Didalam kelompok apa, secara tepat, seorang peneliti berkepentingan? Untuk siapa ia menginginkan hasil studi untuk menggunakannya? Populasi, dengan kata lain, adalah sekelompok dari yang berkepentingan pada peneliti, kelompok untuk peneliti yang akan generalisasikan dari hasil studinya itu. Berikut ini adalah beberapa contoh tentang populasi:

● Semua kepala sekolah di Amerika Serikat.
● Semua counselor di sekolah dasar di negara bagian California.
● Semua siswa yang bersekolah di Central SMA di Omaha, Nebraska, selama tahun
akademik 1987 – 1988.
● Semua siswa di kelas 3 –nya Ms Brown di Sekolah Dasar Wharton.

Contoh-contoh di atas mengungkapkan bahwa suatu populasi dapat menjadi berbagai macam ukuran dan itu akan mempunyai paling tidak satu (dan kadang-kadang beberapa) characteristic(s) yang rangkaiannya terputus dari suatu populasi lain. Perlu diperhatikan bahwa suatu populasi adalah selalu semua dari individu-individu yang memiliki suatu characteristic tertentu (atau serangkaian dari characteristics itu).
Pada penelitian pendidikan, populasi yang berkepentingan adalah biasanya sekelompok orang (para siswa, guru-guru, atau individu-individu lainnya) yang memiliki sifat atau characteristics tertentu. Tapi, dalam beberapa kasus, populasi di definisikan sebagai suatu kelompok dari kelas, sekolah, atau bahkan fasilitas-fasilitas. Sebagai contoh :

● Semua siswa di kelas 5 di Delaware (hypotesa mungkin bahwa kelas yang guru-gurunya memperlihatkan sejumlah besar dan bermacam-macam dari hasil-hasil produk siswa yang mempunyai prestasi yang lebih tinggi)
● Semua gedung olah raga (gymnasium) SMA di Nevada (hipotesa mungkin bahwa sekolah dengan fasilitas olah raga yang lebih baik menghasilkan lebih banyak team-team pemenang).

TARGET VERSUS POPULASI-POPULASI YANG DAPAT DIAKSES

Sayangnya, populasi aktual (disebut target population) yang untuk seorang peneliti akan benar-benar dapat men-generalisasikan jarang tersedia. Populasi yang seorang peneliti mampu generalisasikan, yang demikian itu, adalah accessible population (populasi yang dapat di akses). Yang disebut pertama adalah pilihannya ideal peneliti; yang berikutnya, adalah pilihan realistiknya. Perhatikan contoh-contoh berikut ini:
Research problem yang diinvestigasi : Pengaruh dari pembelajaran yang
menggunakan computer pada hasil reading di kelas satu dan kelas dua
di California.
Target population (Populasi target): Semua siswa kelas satu dan kelas dua di
California.
Accessible population (Populasi yang dapat diakses) : Semua siswa kelas satu dan kelas dua di sekolah dasar Laguna Salada distrik Pacifica, California.
Sample : Sepuluh percent dari siswa kelas satu dan kelas dua di distrik Laguna Salada di Pacifica California.

Research problem yang diinvestigasi : Tingkah laku dari guru-guru kelas lima pada pelatihan terhadap pengalaman mengajar pada para muridnya.
Target population (Populasi target): Semua siswa kelas lima yang mendaftar pada program pelatihan guru di Amerika Serikat.
Accessible population (Populasi yang dapat diakses) : Semua siswa kelas lima yang mendaftar pada program pelatihan guru di Universitas Negeri di New York.
Sample : Dua ratus siswa kelas lima di seleksi dari pendaftran itu pada program pelatihan guru di Universitas Negeri, New York.

Selanjutnya secara sempit para peneliti mendefinisikan populasi, lalu mereka memelihara tepat waktu, usaha, dan (kemungkinan) uang, tapi kemudian mereka membatasi pen-generalisasian itu. Hal yang penting bahwa para peneliti dalam menggambarkan populasi dan sample itu harus cukup terperinci agar individu yang berkepentingan dapat menentukan dapat tidaknya dari penemuan-penemuannya itu digunakan pada situasi mereka sendiri. Kegagalan untuk mendefinisikan secara terperinci kepentingan populasi, dan sample yang dipelajari, adalah satu dari sebagian besar kelemahan-kelemahan umum yang dipublikasikan pada laporan penelitian. Suatu hal yang penting untuk catatan bahwa sample aktual mungkin berbeda dari aslinya yang diseleksi karena beberapa subjek kemungkinan menolak untuk berpartisipasi, beberapa subjek mungkin drop out, data mungkin hilang, dan sebagainya. Kami ulang kembali, bahwa yang demikian itu, sangat penting untuk menggambarkan characteristic yang digunakan untuk mempelajari aktual sample di beberapa detail.

RANDOM VERSUS NONRANDOM SAMPLING
Berikut ini adalah suatu contoh dari masing-masing dua model utama dari sampling.
Random sampling: Dekan pada suatu fakultas keguruan dan ilmu pendidikan di suatu universitas Midwestern yang besar mengharapkan untuk menemukan bagaimana fakultasnya merasakan tentang cuti panjang sehingga meninggalkan keperluan-keperluan di universitas. Ia menempatkan semua 150 nama-nama dari fakultas di sebuah topi, mencampur mereka seluruhnya, dan kemudian menarik keluar nama-nama dari 25 orang/individu untuk di interview.*
Nonrandom sampling: Rektor dari universitas yang sama ingin mengetahui bagaimana juniornya pada fakultas merasakan tentang suatu kebijakan promosi yang baru-baru ini diperkenalkannya (dengan saran dari suatu komite fakultas). Ia menyeleksi suatu sample sebanyak 30 orang dari total fakultas 1,000 untuk ditanyakan atau diwawancarai. Lima anggota fakultas dari masing-masing 6 sekolah yang menyusun universitas dipilih atas dasar kriteria berikut ini: Mereka telah mengajar di universitas selama kurang dari lima tahun, mereka bukan atau tidak memiliki jabatan, mereka memiliki satu dari assosiasi kampus (perkumpulan kampus), dan mereka bukan anggota komite yang membantu draft rektor dalam penyusunan kebijakan baru.

Dari contoh pertama, 25 nama diseleksi dari sebuah topi sesudah semua nama-nama yang telah dikocok seluruhnya. Ini disebut random sampling karena setiap anggota dari populasi (150 fakultas di sekolah) agaknya telah memiliki kesempatan yang sama untuk diseleksi. Ada lebih banyak cara yang lebih canggih untuk penarikan cara random sampling, tapi mereka semua mempunyai maksud yang sama – untuk menyeleksi sebuah representative sample (sample yang mewakili) dari populasi itu (Gambar 6.1). Ide dasarnya adalah kelompok individu yang diseleksi sangat menyerupai keseluruhan populasi. Tentu saja, seseorang dapat tidak pernah yakin akan hal ini, tapi jika sample itu diseleksi secara random (acak) dan dengan cukup besar, seorang peneliti pasti akan memperoleh suatu gambaran yang akurat atau tepat dari kelompok yang lebih besar tersebut. Cara yang terbaik untuk menjamin hal itu adalah dengan melihat secara tidak bias memasukkan ke dalam proses seleksi itu – yaitu bahwa peneliti (atau faktor-faktor lainnya) tidak dapat secara sadar atau tidak sadar mempengaruhi yang memperoleh pilihan untuk menjadi sample. Selanjutnya kami akan menerangkan lebih banyak tentang bagaimana meminimalkan bias pada chapter ini.
Pada contoh yang kedua, rektor menginginkan keterwakilan (representativeness), tapi tidak sebanyak yang ia inginkan, untuk meyakinkannya terdapat macam tertentu dari fakultas di dalam sample-nya. Jadi, dia telah menstimulasi atau merangsang masing-masing individu yang diseleksi harus memiliki semua kriteria yang telah disebutkan. Setiap anggota dari populasi (seluruh fakultas dari universitas) tidak mempunyai kesempatan yang sama pada penyeleksian; Dalam kenyataannya, beberapa orang tidak memiliki kesempatan. Jadi, ini adalah contoh dari random sampling, kadang-kadang disebut purposive sampling. Berikut ini adalah contoh lainnya dari suatu random sample yang membedakan secara jelas dengan nonrandom sample.

Random: Seorang peneliti mengharapkan untuk melakukan suatu survey pada semua guru bidang studi sosial di suatu negara bagian midwestern untuk menentukan sikap mereka terhadap buku petunjuk baru mengenai pengajaran sejarah di SMP. Ada total 725 guru bidang studi sosial di negara bagian itu. Nama-nama dari guru-guru tersebut diperoleh dan di daftar secara alphabet. Peneliti kemudian menomori dan menamai daftar nama-nama guru itu mulai dari 001 sampai ke 725. Penggunaan table nomor-nomor random, yang dia temukan di dalam buku statistik, ia selanjutnya menyeleksi 100 guru untuk sample.
Nonrandom: Manager dari toko buku di kampus pada suatu universitas lokal ingin mengetahui bagaimana perasaan mahasiswa terhadap pelayanan yang diberikan oleh toko buku itu. Setiap hari selama dua minggu selama jam makan siang, ia menanyakan kepada setiap orang yang masuk ke toko bukunya untuk mengisi suatu questionnaire singkat yang telah ia siapkan yang kemudian ia masukan ke dalam kotak yang sudah disiapkannya dekat pintu masuk sebelum meninggalkan toko buku itu. Pada akhir periode selama dua minggu, ia telah memiliki total 235 questionnaire yang sudah diisi.

Pada contoh yang kedua, kita perhatikan bahwa semua para pengguna atau konsumen toko buku tidak mempunyai suatu kesempatan yang sama termasuk dalam sample, hanya yang berkunjung selama jam makan siang. Yaitu mengapa sample itu tidak random. Perhatikan pula bahwa beberapa mungkin tidak mengisi questionnaire tersebut.

Metode Random Sampling (Random Sampling Methods)

Sesudah membuat suatu keputusan untuk sample, para peneliti berusaha keras, pada sebagian besar contoh, untuk memperoleh suatu sample yang representative dari populasi yang berkepentingan – maksudnya mereka lebih menyukai memilih random sampling. Tiga cara yang paling umum untuk memperoleh type dari sample seperti itu adalah sample yang random sampling yang sederhana, yaitu stratified random sampling (random sampling berdasarkan tingkatan), dan cluster sampling (sampling kelompok). Suatu metoda yang kurang umum yaitu random sampling dua tahap.

RANDOM SAMPLING SEDERHANA (SIMPLE RANDOM SAMPLING)

Suatu simple random sampling adalah yang mana masing-masing dan setiap anggota dari suatu populasi mempunyai suatu kesempatan yang sama dan berdiri sendiri atau tidak bergantung dalam seleksi. Jika sample itu besar, maka metode itu adalah cara menemukan yang terbaik untuk memperoleh suatu sample yang representative dari suatu populasi yang berkepentingan. Coba perhatikan contohnya: Menemukan suatu populasi pada semua siswa kelas delapan di sekolah distrik Y. Bayangkan ada terdapat 500 siswa jumlahnya. Jika anda adalah diantara siswa-siswa itu, kesempatan anda untuk diseleksi adalah menjadi 1 : 500, tentu saja jika posedur sampling menggunakan random. Setiap orang akan memiliki kesempatan yang sama untuk diseleksi.
Lebih besar ukuran suatu random sample, maka akan lebih banyak mewakili populasi itu. Walaupun tidak ada jaminan akan keterwakilannya, tentu saja,

tampaknya lebih besar dengan random sample yang dibandingkan dengan metode lainnya. Setiap perbedaan antara sample dan populasi harus menjadi kecil dan tidak sistematik. Setiap perbedaan yang terjadi adalah hasil kesempatan, daripada bias pada bagian peneliti.
Kunci untuk memperoleh suatu random sample untuk menjamin bahwa masing-masing dan setiap anggota dari populasi mempunyai kesempatan dan ketidak bergantungan yang sama untuk diseleksi. Ini dapat dilakukan dengan menggunakan apa yang disebut sebagai suatu table of random numbers (tabel bilangan acak) – suatu daftar bilangan yang sangat besar yang tidak berurutan atau berpola. Seperti daftar yang dapat ditemukan di bagian belakang dari kebanyakan buku statistik. Tabel 6.1 mengilustrasikan bagian dari suatu tabel khusus (typical table) pada bilangan random.
Untuk contoh, untuk memperoleh suatu sample 200 dari suatu populasi 2,000 individu, penggunaan tabel seperti itu, menyeleksi suatu kolom bilangan-bilangan, mulai dari tempat mana saja pada kolom, dan mulai membaca bilangan empat-digit. (Kenapa empat digit?, Karena bilangan akhirnya adalah 2,000, terdiri dari empat digit, dan kita harus selalu menggunakan bilangan digit yang sama pada setiap orang. Orang 1 akan diidentifikasi sebagai 0001; orang 2, sebagai 0002; orang 635, sebagai 0635; dan seterusnya.) Kemudian proses untuk mencatat 200 bilangan pertama pada kolom yang mempunyai nilai dari 2,000 atau kurang.
Sebagai contoh, kita ambil kolom pertama dari empat bilangan pada Tabel 6.1. Membaca hanya empat digit pertama, lihat bilangan pertama pada kolom: Bilangan itu adalah 0117, jadi bilangan 117 pada daftar individu dalam populasi itu akan diseleksi sebagai sample. Lihat bilangan kedua: Bilangan itu adalah 9123. Tidak terdapat 9123 di dalam populasi (karena yang ada hanya 2,000 individu pada seluruh populasi). Selanjutnya ke bilangan yang ketiga: yaitu 0864, sebab itu bilangan 864 pada daftar individu pada populasi akan dipilih. Bilangan ke empat yaitu 0593, jadi bilangan 593 dapat diseleksi. Bilangan ke lima adalah 6662. Tidak ada bilangan 6662 pada populasi, maka berlanjut pada bilangan berikutnya, dan seterusnya, sampai mencapai total 200 bilangan, masing-masing mewakili sebuah individu dalam populasi yang akan diseleksi sebagai sample.
Keuntungan dari random sampling adalah, jika cukup besar, maka ia akan menghasilkan suatu representative sample. Kerugiannya yang terbesar adalah tidak mudah melakukannya. Masing-masing dari setiap anggota populasi itu harus diidentifikasi. Pada sebagian besar kasus, kita harus mengetahui siapa 117 (untuk contoh) itu?
Selanjutnya, random sampling sederhana (simple random sampling) tidak digunakan jika para peneliti mengharapkan untuk menjamin bahwa subkelompok tertentu ada di dalam populasi itu dalam proporsi yang sama sebagaimana mereka dalam populasi. Untuk melakukan hal ini, para peneliti harus melakukan apa yang dikenal sebagai stratified sampling (sampling bertingkat).

STRATIFIED RANDOM SAMPLING
Stratified Random Sampling adalah suatu proses di dalam sub kelompok tertentu, atau strata, yang diseleksi untuk sample dalam proporsi yang sama ketika mereka berada dalam populasi. Seandainya direktur penelitian pada suatu sekolah besar di suatu distrik ingin mengetahui respon atau tanggapan siswa terhadap buku teks pemerintah Amerika yang baru pada kelas dua belas yang dipertimbangkan untuk di adopsi oleh distrik itu. Kemudian Ia bermaksud untuk membandingkan prestasi siswa yang menggunakan buku teks yang baru itu dengan siswa yang menggunakan buku teks yang lebih traditional yang telah dibeli oleh distrik itu beberapa waku sebelumnya. Karena ia memiliki alasan untuk mempercayai bahwa gender adalah merupakan variable yang penting yang mungkin mempengaruhi hasil belajarnya, ia memutuskan untuk memastikan bahwa proporsi laki-laki dan perempuan di dalam belajar adalah sama di dalam populasi. Langkah-langkah dalam proses sampling itu adalah sebagai berikut:

1. Ia mengidentifikasi target (dan dapat diakses) populasi: semua 365 siswa kelas dua
belas yang mendaftar di sekolah negeri di distrik itu.
2. Ia menemukan bahwa terdapat 219 perempuan (60 persen) dan 146 laki-laki (40 persen) pada populasi itu. Ia memutuskan untuk mendapatkan suatu sample yang disusun 30 persen dari target populasi.
3. Penggunaan tabel dari bilangan random, ia kemudian secara random menyeleksi 30 persen dari masing-masing strata dari populasi, yang hasilnya dalam 66 perempuan (30 persen dari 219) dan 44 laki-laki (30 persen dari 146) siswa yang diseleksi dari subkelompok ini. Proporsi dari laki-laki dan perempuan adalah sama di kedua populasi dan sample – 40 dan 60 persen (gambar 6.2).

Keuntungan dari stratified random sampling yang meningkat kemungkinan dari keterwakilannya, khususnya jika sample tidak besar. Dia hampir menjamin bahwa kunci karakteristik dari individual di dalam populasi termasuk dalam proporsi yang sama di dalam sample. Kerugiannya adalah bahwa ia masih membutuhkan lebih banyak usaha pada bagian dari peneliti.

CLUSTER RANDOM SAMPLING
Pada keduanya baik random dan stratified random sampling, peneliti ingin meyakinkan bahwa macam dari individu tertentu adalah termasuk di dalam sample. Tapi ada waktu ketika ia tidak mungkin menyeleksi sebuah sample individu dari suatu populasi. Kadang-kadang, sebagai contoh, sebuah daftar dari semua anggota dari populasi yang berkepentingan tidak tersedia. Secara jelas, selanjutnya, simple random atau stratified random sampling tidak dapat digunakan. Sering, para peneliti tidak dapat menyeleksi sample dari individu karena masalah administrasi atau keterbatasan lainnya. Hal ini khususnya kenyataan di sekolah-sekolah. Contohnya, jika suatu target populasi semua siswa kelas sebelas didalam suatu distrik mendaftar pada pelajaran sejarah Amerika, hal itu akan menjadi tidak mungkin bahwa peneliti dapat mencabut secara random menyeleksi siswa untuk berpartisipasi dalam uji coba kurikulum. Bahkan jika ia dapat pun, waktu dan usaha yang dibutuhkan akan membuat seleksi akan menjadi sulit. Mengenai yang terbaik seorang peneliti dapat berharap untuk dapat mempelajari sejumlah kelas yang utuh, yaitu, kelas yang sudah ada. Seleksi kelompok, atau cluster, dari subjek pada individu yaitu dikenal sebagai cluster random sampling.
Mari kita pertimbangkan contoh lainnya pada cluster random sampling. Seorang perwira polisi di sebuah sekolah besar distrik, di suatu kota Pantai Timur Amerika (East Coast) ingin memperoleh beberapa ide bagaimana guru-guru di distrik itu merasakan tentang gaji yang diperolehnya. Terdapat 10,000 guru di semua sekolah dasar dan sekolah menengah pertama di distrik itu, dan ada 50 sekolah yang tersebar di seluruh wilayah. Perwira itu tidak mempunyai dana untuk mensurvey semua guru-guru di distrik itu, dan ia membutuhkan informasi tentang gaji dengan cepat. Daripada secara random ia menyeleksi suatu sample guru-guru dari tiap-tiap sekolah, oleh karena itu, ia memutuskan untuk menginterview semua guru-guru di sekolah yang diseleksi. Guru-guru pada masing-masing sekolah itu, kemudian, merupakan suatu cluster. Perwira itu menentukan suatu jumlah pada tiap-tiap sekolah dan kemudian menggunakan tabel bilangan random untuk menyeleksi 10 sekolah, dari pada melakukan perjalanan di semua sekolah di distrik itu. Jika para guru ini mewakili jumlah guru yang tersisa di distrik itu, maka selanjutnya perwira itu dibenarkan untuk menarik kesimpulan tentang perasaan seluruh populasi guru di distrik tersebut mengenai gaji yang diterimanya.

Namun, tentu saja kemungkinannya bahwa sample itu tidak representative. Karena para guru yang berasal sejumlah kecil sekolah yang ada di distrik itu tidak di interview semua, hal tersebut mungkin karena sekolah-sekolah itu berbeda dalam beberapa hal dibandingkan dengan sekolah lainnya, dengan demikian mempengaruhi gambaran mengenai gaji guru-guru yang ada di sekolah itu. Apabila lebih banyak sekolah yang diseleksi, lebih besar kemungkinan dari penemuan-penemuan itu dapat diterima dalam populasi guru-guru (Gambar 6.3).
Cluster random sampling adalah sama dengan simple random sampling kecuali bahwa daripada individualnya diseleksi secara random (yaitu, sampling unit adalah suatu kelompok dari pada suatu individual). Keuntungan dari cluster random sampling yaitu dapat digunakan ketika ia sulit atau tidak mungkin untuk menyeleksi suatu random sample dari individual-individual, dan lebih mudah melaksanakan di sekolah, dengan frekuensi yang tidak menyita banyak waktu. Kerugiannya yaitu, adanya kesempatan yang lebih besar untuk menyeleksi suatu sample yang tidak mewakili dari populasi itu.
Terdapat suatu kesalahan umum mengenai cluster random sampling yang banyak terjadi pada awal peneliti lakukan: seleksi secara random hanya satu cluster sebagai sebuah sample dan kemudian observasi dan interview semua individual dalam cluster itu. Bahkan jika terdapat sejumlah besar individual di dalam cluster, yaitu cluster yang telah diseleksi secara random, dibandingkan individuals, maka dari itu peneliti tidak berhak untuk menarik kesimpulan tentang populasi target pada individual seperti itu. Namun, beberapa peneliti menarik kesimpulan dengan cara seperti itu. Kita ulangi kembali, walaupun mereka tidak.
DUA-TAHAP RANDOM SAMPLING
Dua-tahap random sampling (two-stage random sampling) sering digunakan untuk mengkombinasikan cluster random sampling dengan individual random sampling. Cara seperti itu dilakukan dengan dua-tahap random sampling. Daripada menyeleksi secara random 100 siswa dari suatu populasi 3,000 siswa kelas sepuluh yang berlokasi di 100 kelas, peneliti mungkin akan memutuskan untuk menyeleksi 25 kelas secara random (acak) dari suatu populasi 100 kelas dan kemudian secara acak menyeleksi empat siswa dari setiap kelas. Hal ini tentu saja akan menghemat waktu dari pada mengunjungi lebih dari seratus kelas. Mengapa hal ini menjadi lebih baik dari pada menggunakan semua siswa pada empat kelas diseleksi secara random? Karena empat kelas akan menjadi terlalu sedikit untuk menjamin keterwakilannya, walaupun mereka diseleksi secara random.
Gambar 6.4 mengilustrasikan perbedaan metode random sampling yang telah kita diskusikan.

Metode Nonrandom Sampling (Nonrandom Sampling Methods)
SYSTEMATIC SAMPLING

Pada systematic sampling, setiap nth individual pada daftar populasi diseleksi sebagai masukan pada sample. Contohnya, pada suatu daftar populasi terdapat 5,000 nama, untuk menyeleksi suatu sample dari 500, seorang peneliti akan menyeleksi setiap nama ke sepuluh pada daftar sampai mencapai total 500 nama. Berikut ini contoh dari model sampling tersebut: Kepala sekolah pada suatu sekolah (kelas 6 – 8) dengan 1,000 siswa, ia ingin mengetahui bagaimana para siswa merasakan mengenai menu baru di cafeteria sekolah. Ia memperoleh daftar nama siswa secara alpabetikal semua siswa di sekolah dan menyeleksi setiap ke sepuluh siswa pada daftar tersebut untuk menjadi sample. Untuk melindungi terjadi bias, ia menaruh nomor 1 sampai dengan 10 ke dalam sebuah topi dan kemudian menarik satu keluar. Ia adalah 3. Kemudian ia (kepala sekolah) menyeleksi nomor siswa yang nomor 3, 13, 23, 33, 43, dan seterusnya sampai ia memperoleh suatu sample dari 100 siswa untuk di interview.
Metode di atas secara teknis dikenal sebagai systematic sampling dengan suatu random start (yang dimulai secara random). Selanjutnya, ada dua istilah yang sering digunakan berhubungan dengan systematic sampling. Sampling interval adalah jarak pada daftar diantara setiap individual yang diseleksi untuk sample. Pada contoh di atas intervalnya diberikan 10. Contoh untuk menentukannya digunakan rumus sederhana, yaitu :
Population size ___
Desired sample size

Sampling ratio adalah proporsi dari individual pada populasi yang diseleksi untuk sample. Pada contoh di atas , adalah 10, atau 10 persen. Secara sederhana untuk menentukan sampling ratio adalah:
Sample size ___
Population size

Ada bahaya pada systematic sampling yaitu kadang-kadang mengabaikan. Jika populasi telah di urut secara sistematis – yaitu, jika penyusunan individu pada daftar dalam beberapa macam pola yang secara kebetulan sama dengan sampling interval – secara jelas dapat menghasilkan sample bias. Ini kadang-kadang disebut periodicity. Seandainya pada siswa sekolah seperti yang dicontohkan di atas belum di daftar secara alphabet tapi guru kelas telah mendaftar sebelumnya dengan menggunakan grade point average (rata-rata nilai kelas) tinggi ke rendah. Artinya bahwa siswa yang lebih baik akan berada di atas pada daftar masing-masing kelas. Seandainya setiap kelas terdiri dari 30 orang siswa, kemudian jika kepala sekolah mulai menyeleksi setiap urutan siswa yang ke sepuluh dengan siswa pertama, kedua, atau ketiga pada daftar, maka sample akan terdiri dari siswa yang lebih baik nilainya di sekolah dari pada suatu perwakilan pada seluruh bagian siswa. (Apakah anda melihatnya kenapa? Karena setiap kelas, nilai siswa yang paling rendah akan menjadi urutan nomor antara 24 dan 30, dan mereka tidak akan pernah terpilih.)
Ketika merencanakan untuk menyeleksi suatu sample dari beberapa macam daftar, maka, peneliti harus hati-hati memeriksa daftar itu untuk meyakinkan tidak ada pola siklus. Jika daftar telah disusun dalam suatu urutan khusus, peneliti harus meyakinkan bahwa penyusunan tidak akan bias dan sample dalam beberapa hal dapat menghasilkan distorsi. Jika hal semacam itu terjadi maka tampaknya akan menjadi kasus, maka langkah-langkah tertentu perlu diambil untuk menjamin keterwakilannya – contohnya, seleksi individual dilakukan secara random dari setiap porsi siklus (cyclical portion). Pada kenyataannya, jika suatu daftar populasi diurut secara random, sebuah systematic sample yang dicabut dari daftar adalah suatu random sample.

CONVENIENCE SAMPLING
Banyak waktu yang sangat sulit (kadang-kadang bahkan tidak mungkin) untuk menyeleksi keduanya baik suatu random atau suatu systematic nonrandom sample. Dengan waktu yang seperti itu, seorang peneliti dapat menggunakan convenience sampling. Suatu convenience sample adalah sekelompok dari individual yang (secara convenient) tersedia untuk belajar (Gambar 6.5). Jadi, seorang peneliti mungkin dapat memutuskan untuk belajar dua tiga kelas pada sekolah dasar karena kepala sekolah meminta bantuan untuk mengevaluasi keefektifan dari sebuah buku text tentang spelling. Berikut ini ada beberapa contoh dari convenience samples :
● Untuk mengetahui bagaimana perasaan mahasiswa terhadap pelayanan makanan pada organisasi mahasiswa di universitas East Cost, manager berdiri di sebelah luar pintu utama dari cafeteria pada hari Senin pagi dan menginterview 50 mahasiswa pertama yang keluar dari cafeteria itu.
● Seorang counselor sebuah SMA menginterview semua siswa yang datang padanya untuk counseling tentang rencana karirnya.
● Seorang reporter berita untuk sebuah stasiun televisi lokal menanyai orang yang lewat di sudut jalan pusat kota mengenai pendapatnya tentang rencana pembangunan gedung olah raga (stadium) untuk baseball yang baru di daerah dekat suburb (pinggiran kota).
● Seorang professor pada suatu universitas membandingkan reaksi mahasiswa terhadap perbedaan dua buku text book pada statistik kelasnya.

Pada masing-masing contoh di atas, sekelompok tertentu dari orang-orang yang dipilih untuk dipelajari karena mereka berada di situ. Keuntungan nyata dari tipe ini yaitu sampling adalah convenience. Tapi secara jelas, ia memiliki kerugian yang besar pada samplenya yang tampak menjadi bias. Ambil contoh mengenai kasus reporter TV yang menginterview orang yang lewat di suatu sudut jalan pusat kota. Banyak kemungkinan para nara sumbernya yang ada bias. Pertama dari semua, tentu saja, setiap orang yang tidak ada di pusat kota tidak memiliki kesempatan untuk di interview. Kedua, para individu yang tidak ingin memberikan pendapatnya tidak di interview. Ketiga, orang-orang setuju dan bersedia di interview kemungkinannya individu yang mempunyai pendapat yang kuat dari pada yang lainnya tentang pembangunan gedung olah raga (stadium). Keempat, interview bergantung pada waktu pelaksanaannya, yaitu kemungkinan orang yang diinterview adalah orang-orang yang tidak mempunyai pekerjaan ataupun yang memiliki pekerjaan di luar kantor, dan selanjutnya.
Secara umum, convenience sample tidak dapat dipertimbangkan mewakili suatu populasi dan apabila mungkin harus dihindari. Sayangnya, kadang-kadang mereka hanya opsi dari seorang peneliti miliki. Pada kasus ini, peneliti harus sangat hati-hati dalam melibatkan informasi pada demografi dan characteristic lainnya dari sample yang dipelajari. Studi juga harus replicated, yaitu, mengulang, pada sejumlah nomor sample yang sama untuk menurunkan kemungkinan bahwa hasil yang diperoleh secara sederhana yaitu sekali jadi. Kita akan mendiskusikan replication (replikasi) ini secara lebih mendalam pada chapter berikut ini.

PURPOSIVE SAMPLING

Pada satu kesempatan, berdasarkan pengetahuan sebelumnya tentang populasi dan tujuan khusus dari penelitian, investigator menggunakan pertimbangan personal untuk menyeleksi suatu sample. Para peneliti berpendapat mereka dapat menggunakan pengetahuannya tentang populasi untuk mempertimbangkan apakah atau tidak suatu sample khusus akan menjadi mewakili. Berikut ini adalah beberapa contoh:

● Seorang guru kelas delapan bidang studi ilmu sosial memilih dua orang siswa yang memiliki rata-rata nilai tertinggi di kelasnya, dua orang siswa yang memiliki rata-rata nilai tingkat menengah di kelasnya, dan dua orang siswa yang memiliki rata-rata nilai terendah di kelasnya, guru tersebut ingin mengetahui bagaimana suasana kelasnya sehari-hari termasuk diantaranya kegiatan diskusi yang terjadi. Sample yang sama pada saat lalu telah mewakili titik pandang dari seluruh kelas secara akurat sudah cukup .

● Seorang alumni suatu sekolah ingin mengetahui bagaimana seorang pensiunan yang berusia 65 tahun dan lebih merasakan “tahun emasnya (golden year)”. Ia telah diceritakan oleh salah satu orang profesornya, seorang akhli lanjut usia dan populasi lanjut usia, bahwa Persatuan Pensiunan Pekerja (Association of Retired Workers) lokal adalah sebuah perwakilan lintas batas dari orang-orang yang berusia 65 tahun atau lebih. Ia memutuskan untuk menginterview sebuah sample dari 50 orang dari anggota persatuan tersebut untuk memperoleh pandangannya.

Pada kedua contoh ini, informasi sebelumnya menuntun si peneliti untuk mempercayai bahwa sample yang diseleksi akan menjadi perwakilan dari populasi itu. Ada bentuk yang kedua dari purposive sampling yang mana ia tidak diharapkan bahwa orang yang dipilih adalah mereka sendiri sebagai perwakilan dari populasi. Sebagai contoh:
● Selama lima tahun yang lalu, ketua persatuan guru di suatu sekolah di distrik midwestern telah mewakili tiga perempat guru yang ada di distrik itu atas pandangan dari sebagian besar isu. Maka tahun ini, administrasi distrik itu memutuskan untuk menginterview (mewawancarai) hanya ketua-ketua dari persatuan guru tersebut saja dari pada menyeleksi suatu sample dari semua guru-guru di distrik itu.
● Seorang peneliti diminta untuk mengidentifikasi hirarki kekuasaan tidak resmi (the unofficial power hierarchy) di suatu SMA khusus. Ia memutuskan untuk menginterview kepala sekolah, perwakilan persatuan/organisasi, sekretaris kepala sekolah, dan penjaga sekolah karena ia mempunyai informasi sebelumnya yang menuntunnya untuk mempercayai mereka adalah orang yang memiliki informasi yang dia butuhkan.

Purposive sampling berbeda dari convenience sampling yaitu bahwa peniliti tidak secara sederhana mempelajari siapapun orang yang ada tetapi lebih baik menggunakan pertimbangan untuk menyeleksi suatu sample yang mereka percayai, berdasarkan informasi sebelumnya, yang akan menyediakan data yang mereka butuhkan. Kerugian utama dari purposive sampling adalah bahwa pertimbangan peneliti mungkin error (keliru) – dia mungkin tidak benar dalam penilaian (estimating) suatu sample keterwakilan atau keahlian mengenai informasi yang dibutuhkan. Pada contoh di atas yang kedua, ketua persatuan guru yang sekarang (yang sedang menjabat) mungkin mempunyai pandangan yang berbeda dari para anggotanya. Gambar 6.6 menggambarkan metode convenience, purposive, dan systematic sampling.

A. Review of Sampling Methods (Review dari Metode Sampling)

Mari kita ilustrasikan masing-masing metode sampling sebelumnya yang menggunakan hipotesa yang sama: “Para siswa dengan harga-diri rendah menunjukkan prestasi yang lebih rendah pada pelajaran di sekolah.”

Target population: Semua siswa kelas delapan di California.
Accessible population : Semua siswa kelas delapan di wilayah pantai San Francisco (tujuh kabupaten).
Feasible sample size : n = 200 – 250.
Simple random sampling: Identifikasi semua siswa kelas delapan di semua masyarakat dan sekolah swasta di tujuh karsidenan (diperkirakan jumlah siswa kelas delapan adalah = 9,000). Memberikan masing-masing siswa satu nomor (number), dan kemudian menggunakan sebuah tabel dari bilangan random untuk menyeleksi sebuah sample dari 200. Kesulitan disini adalah membutuhkan banyak waktu untuk mengidentifikasi setiap siswa kelas delapan di wilayah pantai dan mengontak (kemungkinannya) sekitar 200 sekolah yang berbeda agar alat administrasi untuk satu atau dua siswa di sekolah-sekolah itu.
Cluster random sampling: Mengidentifikasi semua publik dan siswa-siswa kelas delapan sekolah-sekolah swasta di karsidenan itu. Memberikan setiap sekolah sebuah nomor, dan kemudian secara random menyeleksi empat sekolah dan termasuk kelas delapan pada masing-masing sekolah. (Kami perkirakan 2 kelas per sekolah x 30 siswa per kelas x 4 sekolah = jumlah total adalah 240 siswa.) Cluster random sampling lebih banyak kemungkinanannya dari pada simple random sampling untuk melaksanakannya, tapi dia terbatas karena dari penggunaannya hanya empat sekolah, walaupun mereka tidak diseleksi secara random. Sebagai contoh, seleksi hanya empat sekolah mungkin meniadakan seleksi pada siswa-siswa sekolah swasta.
Stratified random sampling: Untuk memperoleh data pada nomor siswa-siswa kelas delapan pada public versus sekolah swasta dan menentukan proporsi dari tiap type (contoh, 80 persen public, 20 persen sekolah swasta.) Menentukan nomor dari tiap type untuk menjadi sample : public = 80 persen dari 200 = 160; swasta = 20 persen dari 200 = 40. Secara random menyeleksi sample dari 160 dan 40 siswa dari masing-masing subpopulasi public dan siswa-siswa sekolah swasta. Stratifikasi mungkin digunakan untuk menjamin bahwa sample mewakili variable lainnya juga. Kesulitan dengan metode ini adalah yaitu stratifikasi mengharuskan peneliti mengetahui proporsi pada setiap strata dari populasi, dan juga kesulitannya akan meningkat ketika lebih banyak variabel yang ditambahkan. Bayangkan menguji stratifikasi tidak hanya pada public-swasta variable tapi juga (sebagai contoh) pada siswa secara etnis, gender, dan status sosial ekonomi, dan pada gender, dan pengalaman guru.
Two-stage random sampling: Menyeleksi secara random 25 sekolah dari populasi yang dapat diterima (accessible population), dan kemudian secara random menyeleksi siswa-siswa kelas delapan dari setiap sekolah (n = 8 x 25 = 200). Metode ini lebih banyak kemungkinannya dari pada simple random sampling dan lebih mewakili (representative) dari pada cluster sampling. Ia mungkin menjadi pilihan yang terbaik pada contoh ini, tapi ia masih membutuhkan ijin dari 25 sekolah dan para nara sumber untuk mengumpulkan masing-masing data.
Convenience Sampling: Menyeleksi semua siswa kelas delapan di empat sekolah yang mana peneliti memiliki access (lagi, kami perkirakan dua kelas dari 30 siswa per sekolah, jadi n = 30 x 4 x 2 = 240). Metode ini menghindari generalisasi diluar empat sekolah itu, kecuali ada argumentasi yang kuat dengan bantuan data yang menunjang dapat dibuat untuk kesamaannya pada seluruh kelompok yang dapat diterima oleh sekolah.
Purposive sampling: Menyeleksi delapan sekolah dari seluruh tujuh kabupaten (county) berdasarkan data demographic menunjukkan bahwa mereka mewakili dari semua kelas delapan. Khususnya perhatian harus ditunjukkan pada harga-diri dan score hasil belajar (prestasi belajar). Masalahnya adalah bahwa data seperti itu tak mungkin tersedia, dan pada setiap kasus, tidak dapat menghapus kemungkinan perbedaan antara sample dan populasi atas variable lainnya – seperti sikap guru dan nara sumber yang tersedia.
Systematic sampling: Menyeleksi setiap ke 45 siswa dari suatu daftar alphabet untuk setiap sekolah.
200 students in sample ___ = 1__
9,000 students in population = 45

Metode ini adalah hampir se-convenient simple random sampling dan kemungkinan menghasilkan sample bias, mulai dari nama ke 45 pada setiap sekolah yaitu cocok menjadi ketiga yang dilalui pada alphabet (ingat diperkirakan ada 60 siswa kelas delapan pada setiap sekolah), termasuk di dalamnya etnik atau bias budaya.

Ukuran Sample (Sample Size)
Menarik kesimpulan tentang suatu populasi sesudah mempelajari suatu sample tidak akan pernah sama sekali memuaskan, karena peneliti tidak akan pernah yakin bahwa samplenya mewakili dari populasi. Beberapa perbedaan antara sample dan populasi membatasi untuk ada, tapi jika sample diseleksi secara random dan ukurannya cukup, perbedaan ini mungkin secara relative insignificant (relatif tidak berarti) dan incidental. Pertanyaan yang tersisa, karena itu, seperti untuk apa suatu cukup itu, atau memadai, ukuran untuk sample.
Sayangnya, tidak ada jawaban yang menjelaskan atau menjernihkan pertanyaan itu. Seandainya populasi target terdiri dari 1,000 siswa kelas delapan yang diberikan oleh sekolah pada distrik itu. Beberapa ukuran sample, tentu saja, benar-benar terlalu kecil. Contohnya sample dengan 1 atau 2 atau 3 individual, adalah terlalu kecil yang kemungkinannya mereka tidak dapat mewakili. Kemungkinan setiap sample yang kurang dari 20 sampai 30 individu adalah terlalu kecil, karena hanya akan 2 atau 3 persen saja dari populasi. Sebaliknya, suatu sample akan menjadi terlalu besar, diberikan sejumlah waktu dan usaha peneliti itu harus menaruh kedalam memperolehnya. Contohnya, suatu sample dari 250 atau lebih kemungkinannya akan menjadi kurang cukup besar, karena hanya merupakan seperempat dari populasi. Tapi bagaimana dengan 50 atau 100 sample? Apakah jumlah itu cukup besar? Apakah 200 sample menjadi terlalu besar? Pada titik itu, secara pasti, apakah suatu sample berhenti menjadi terlalu kecil dan menjadi cukup besar? Jawaban yang terbaik adalah suatu sample harus menjadi sebesar dari peneliti yang dapat diperoleh dengan suatu pengeluaran waktu, dan energy yang layak. Hal itu, tentu saja, tidak banyak membantu seperti yang diharapkan, tapi itu sebagai saran bahwa peneliti harus berusaha memperoleh sample sebesar yang mereka butuhkan.
Ada beberapa garis pedoman bahwa kami akan memberikan saran dengan hal yang berkaitan dengan bilangan minimum dari subjek yang dibutuhkan. Untuk studi deskriptif, kami berpendapat suatu sample dengan suatu bilangan minimum 100 adalah penting. Untuk studi correlational, suatu sample paling tidak 50 dianggap perlu untuk menyusun keberadaan hubungan. Untuk percobaan dan studi perbandingan sebab dan akibat, kami menyarankan minimum 30 individual perkelompok, walaupun kadang-kadang studi uji coba dengan hanya 15 individual di setiap kelompok dapat dipertahankan jika mereka mengontrol dengan ketat; studi yang menggunakan hanya dengan 15 subjek perkelompok kemungkinannya harus menjadi replicated, namun demikian, sebelum terlalu banyak dibuat pada setiap penemuan.

External Validity: Generalizing from a Sample

Seperti yang dutunjukkan pada awal chapter ini, para peneliti men-generalisasikan atau menyamaratakan ketika mereka menggunakan penemuan itu dari suatu studi khusus bagi orang atau setting yang berjalan diluar terutama orang atau setting yang digunakan di dalam studi. Seluruh gagasan dari ilmu pengetahuan dibangun atas ide dari generalizing. Setiap ilmu pengetahuan mencari untuk menemukan prinsip-prinsip dasar atau peraturan atau hokum-hukum yang dapat digunakan pada suatu variasi yang besar pada suatu situasi dan, pada kasus ilmu-ilmu sosial, untuk memperbesar jumlah orang, sebagian besar peneliti mengharapkan untuk men-generalisasikan penemuannya untuk menyesuaikan atau menyediakan populasi. Tapi kapan generalizing dijamin? Ketika peneliti dapat mengatakan dengan percaya diri apa yang mereka telah pelajari tentang suatu sample adalah juga benar pada populasi? Kedua baik sample alam dan kondisi lingkungan – setting – didalam yang mana suatu studi terjadi harus dipertimbangkan mengenai kemampuan generalisasi. Perluasan pada hasil studi dapat di generalisasikan untuk menentukan validitas external (the external validity) dari studi itu.

POPULATION GENERALIZABILITY (KEMAMPUAN GENERALISASI POPULASI)
Kemampuan generalisasi populasi menunjuk kepada tingkat suatu sample yang mewakili populasi yang berkepentingan. Jika hasil studi hanya menggunakan kelompok yang sedang dipelajari dan jika kelompok itu sangat kecil atau secara sempit di definisikan, kegunaan itu dari setiap penemuan itu menjadi terbatas. Maka dari itu mengapa berusaha untuk memperoleh suatu sample yang representative begitu penting. Karena pelaksanaan suatu studi membutuhkan pertimbangan sejumlah waktu, energy, dan (frequently) uang, para peneliti biasanya menginginkan hasil dari investigasi menjadi seluas mungkin dapat diterima.
Ketika kita berbicara tentang keterwakilan (representativeness), bagaimanapun, kita sedang mereferensi hanya pada isi, atau relevant, characteristics dari suatu populasi. Apa yang dimaksud dengan relevant? Hanya characteristics yang menunjuk kepada kemungkinan menjadi faktor kontribusi pada setiap hasil yang diperoleh. Sebagai contoh, jika seorang peneliti hendak menyeleksi suatu sample dari kelas satu – dan kelas dua untuk mempelajari pengaruh metode reading pada prestasi siswa, seperti characteristics tinggi, warna mata, atau kemampuan melompat akan menjadi pertimbangan yang tidak relevan – yaitu, kita tidak mengharapkan setiap variasi padanya untuk memiliki suatu pengaruh pada bagaimana mudahnya seorang anak belajar membaca, dan karena dari itu kita tidak akan menjadi sangat perhatian jika characteristic itu tidak cukup terwakili di dalam sample. Characteristic lainnya, seperti, usia, gender, atau ketajaman penglihatan, sebaliknya, mungkin (secara logika) mempunyai suatu pengaruh dan karena itu harus diwakili dengan sesuai di dalam sample.
Kapanpun purposive atau convenience sample digunakan, generalisasi dibuat lebih masuk akal jika data dihadirkan untuk menunjukkan bahwa sample itu representative pada maksud populasi atau paling tidak kira-kira relevan dengan variable. Prosedur ini, bagaimanapun juga, tidak pernah menjamin keterwakilan pada semua relevan variable.
Satu aspek dari kemampuan generalisasi (generalizability) itu sering mengabaikan di dalam “metode” atau “perlakuan (treatment)” studi yang menyinggung pada guru, counselor, administrator, atau lainnya yang mengurus berbagai macam treatment. Kita harus ingat bahwa studi seperti itu melibatkan tidak hanya suatu sample dari siswa, client, atau penerima treatmen lainnya tapi juga suatu sample itu yang melaksanakan berbagai macam treatment. Jadi, suatu studi yang secara random menyeleksi siswa tapi bukan hanya guru saja yang berhak men-generalisasi hasil populasi dari siswa – jika diajar oleh guru-guru yang sama. Untuk men-generalisasi pada guru lainnya, sample dari guru juga harus diseleksi secara random dan harus menjadi cukup besar.
Akhirnya, kita harus ingat bahwa sample itu di dalam setiap studi adalah kelompok tentang data siapa yang sebenarnya diperoleh. Rancangan sampling yang terbaik adalah tidak tidak bernilai jika informasi hilang pada porsi yang cukup besar dari initial sample. Hal ini sering sulit melakukannya, terutama dengan questionnaire-type survey study, tapi hasil cukup berharga disbanding dengan waktu dan energy yang dikeluarkan. Sayangnya tidak ada garis pedoman yang jelas, berapa banyak subjek yang dapat hilang sebelum keterwakilan benar-benar rusak. Setiap peneliti yang kehilangan lebih dari 10 persen dari seleksi sample aslinya akan disarankan mengakui adanya keterbatasan kualitas dari kesimpulnnya.
Apakah peneliti selalu ingin men-generalisasi? Hanya waktu peneliti tidak tertarik di dalam generalisasi diluar batas-batas studi tertentu ketika hasil dari investigasi menarik hanya digunakan oleh kelompok tertentu dari orang-orang dalam waktu tertentu pula, dan dimana semua anggota kelompok itu termasuk di dalam studi. Sebagai contoh mungkin menjadi opini sebuah sekolah dasar pada issue-issue khusus seperti apakah menjalankan atau tidak suatu program baru matematika. Itu mungkin menjadi nilai pada fakultas itu untuk membuat keputusan atau program planning, tapi tidak untuk siapapun juga.

KAPAN RANDOM SAMPLING TIDAK FEASIBLE

Seperti telah kami tunjukkan, kadang-kadang ia tidak feasible (mungkin) atau bahkan mungkin untuk memperoleh suatu random sample. Ketika ini adalah kasus, peneliti harus menggambarkan sample seluas mungkin (terperinci, untuk contoh, usia, gender, ethnic, dan status sosial ekonomi) agar menarik yang lainnya agar dapat menilai untuk mereka sendiri tingkat yang mana setiap penemuan yang digunakan, dan untuk siapa dan dimana. Ini jelas merupakan suatu prosedur perbandingan yang rendah pada random sampling, tapi kadang-kadang itu adalah hanya satu alternative yang dimiliki.
Ada suatu kemungkinan lainnya ketika suatu random sample tidak mungkin untuk diperoleh: Itu disebut replication (peniruan). Para peneliti mengulang studi yang menggunakan perbedaan kelompok atau subjek dan perbedaan situasi. Jika studi ini diulang beberapa kali, penggunaan perbedaan kelompok dari subjek dan dibawah perbedaan kondisi dari geografi, level sosial ekonomi, kemampuan, dan seterusnya, dan jika hasil yang diperoleh secara esensial sama di setiap kasus, seorang peneliti mungkin memiliki confidence tambahan tentang generalisasi penemuan itu.
Pada sebagian besar studi yang telah dilakukan di dalam pendidikan, random sample belum digunakan. Hal itu dikarenakan dua sebab. Pertama, para peneliti pendidikan mungkin tidak waspada pada bahaya yang terlibat dalam proses generalisasi ketika seorang tidak memiliki random sample. Kedua, pada banyak studi secara sederhana tidak mungkin bagi seorang peneliti untuk menginvestasikan waktunya, uang, atau sumber-sumber lainnya yang perlu hanya untuk memperoleh suatu random sample. Akibatnya studi tertentu dapat diterima oleh kelompok yang lebih besar, kemudian, peneliti harus berargumentasi dengan meyakinkan sample digunakan, bahkan tidak dipilih secara random, dan pada kenyataannya mewakili dari target populasi. Bagaimanapun, hal itu adalah sulit, dan selalu subjek berlawanan dengan argument.

ECOLOGICAL GENERALIZABILITY
Ecological Generalizability (Kemampuan Generalisasi Lingkungan) menunjukkan kepada derajat yang mana hasil dari studi dapat diperluas menjadi setting atau kondisi lainnya. Para peneliti harus membuat jelas alam dan kondisi lingkungan – setting – dibawah suatu studi yang terjadi. Kondisi ini harus menjadi sama yaitu semua penting menghormati pada setiap situasi yang baru yang mana peneliti hendak menyatakan menggunakan penemuannya. Contohnya, tidak dapat dibiarkan untuk men-generalisasi dari studi atas pengaruh program baru reading pada kelas tiga di sekolah pada system pengajaran matematika, bahkan untuk siswa-siswa itu di dalam system tersebut. Hasil penelitian dari lingkungan sekolah urban dan mungkin tidak menggunakan suburban (wilayah pinggiran) atau sekolah di lingkungan pedusunan; hasil yang diperoleh dengan transparencies (ketransparanan) mungkin tidak menggunakan textbook itu. Apakah benar memegang satu subjek, atau dengan material tertentu, atau di bawah kondisi tertentu, atau pada waktu tertentu mungkin tidak men-generalisasi subjek lainnya, material, kondisi, atau waktu.
Suatu contoh dari generalisasi lingkungan yang tidak sesuai terjadi di dalam suatu studi yang menemukan suatu metode tertentu dari pembelajaran yang menggunakan hasil reading map di dalam transfer yang lebih besar untuk interpretasi general map pada kelas lima sekolah dasar di beberapa sekolah. Para peneliti menyetujui rekomendasi bahwa metode pembelajaran digunakan di wilayah lainnya, seperti melibatkan matematika dan ilmu pengetahuan alam, melewati perbedaan-perbedaan isi, material dan keterampilan, di dalam penambahan yang memungkinkan perebedaan-perbedaan nara sumber, pengalaman guru, dan sebagainya. Generalisasi lingkungan yang tidak layak seperti itu menyisakan kutuk pada sebagian besar penelitian.

Sayangnya, penerapan teknik yang canggih pada random sampling mungkin hampir tidak pernah dengan menghormati generalisasi lingkungan. Sementara itu seorang peneliti dapat mengidentifikasi populasi dari pola-pola organisasi, material, kondisi kelas, dan selanjutnya dan kemudian secara random menyeleksi nomor yang cocok pada kombinasi dari semua kemungkinan kombinasi, logistik yang melakukan begitu menakjubkan pikiran. Maka dari itu, para peneliti harus berhati-hati dengan hasil generalisasi dari setiap suatu studi. Hanya ketika hasil yang telah ditunjukkan menjadi sama melalui replikasi melintasi kondisi lingkungan yang khusus yang dapat kita generalisasi dengan cara melintasi kondisi itu.

Language that is studied synchronically is “studied as a complete system at a given point in time” (The AB axis).
Language studied diachronically is “studied in its historical development” (The CD axis).
Example of Change of English based on Periodical Time.
1. at Old English (a variant of West Germanic
was spoken by Angles, Saxon, and Jutes. )
5th century AD.
2. Middle English Period.(Norman conquest)
11th century AD.
3. The Great Vowel Shift. (A major change in
the pronunciation of vowels marks
the transition from Middle English to
Modern English during the 15th and
16th centuries. )
4. Modern English Period (Renaissance)
5. 20th Century English (Standard English)

Diagram change of English based on
the periodical time.

Excerpt of English Language
from Middle Age

Conclusion:
 Language is necessarily, and essentially, dynamic. It is a process, not a state, change over time, and periodical time to accommodate the needs of its users.

Apakah suatu sample itu?
Samples dan populasi.
Defining the Population.
Target versus Accessible
Populations.
Random Versus Non-
random Sampling.

Random Sampling Methods

Simple Random Sampling.
Stratified Random
Sampling.
Cluster Random Sampling.
Two-Stage Random Sampling.

Nonrandom Sampling Methods
Systematic Sampling.
Convenience Sampling.
Purposive Sampling.

A Review of Sampling Methods
Sample Size
External Validity: Generalizing from a Sample
Population Generalizability.
When Random Sampling is
Not Feasible.
Ecological Generalizability.


Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

Categories

%d bloggers like this: