Probability Sampling: Jenis, Rumus & Contoh Penerapannya

Probability Sampling

Probability sampling adalah kelompok teknik sampling di mana setiap anggota populasi punya peluang yang sama dan diketahui untuk terpilih menjadi sampel — biasanya lewat undian atau generator angka acak. Karena peluang tiap anggota diketahui secara matematis, hasil sampel dari kelompok teknik ini bisa digeneralisasi secara statistik ke populasi, sesuatu yang tidak berlaku pada non-probability sampling.

Ada tiga teknik probability sampling yang paling umum dipakai: simple random, stratified, dan systematic. Ketiganya menjadi asumsi dasar di balik banyak rumus ukuran sampel seperti Slovin dan Cochran.

Simple Random Sampling

Setiap anggota populasi punya peluang yang sama untuk terpilih. Ini adalah bentuk probability sampling paling dasar.

- Kapan dipakai: populasi relatif homogen dan kerangka sampel (daftar lengkap populasi) tersedia. - Keterbatasan: butuh kerangka sampel lengkap, yang sering tidak realistis untuk populasi besar seperti seluruh penduduk suatu kota.

Stratified Sampling

Populasi dibagi dulu ke dalam strata/kelompok berdasarkan karakteristik tertentu (misalnya jenjang pendidikan, wilayah), lalu sampel diambil secara acak dari tiap strata secara proporsional:

Di mana n_h = jumlah sampel dari strata h, N_h = jumlah populasi strata h, N = jumlah populasi total, n = jumlah sampel total.

Contoh: sebuah survei kepuasan karyawan di perusahaan dengan 3 divisi (Produksi N=300, Pemasaran N=120, Administrasi N=80, total N=500) butuh n=100 sampel. Sampel per strata: Produksi = (300/500)×100 = 60, Pemasaran = (120/500)×100 = 24, Administrasi = (80/500)×100 = 16.

- Kapan dipakai: populasi heterogen dan kamu ingin memastikan setiap subkelompok terwakili proporsional — misalnya survei nasional yang harus mewakili tiap provinsi. - Kelebihan: presisi lebih tinggi dibanding simple random sampling untuk populasi heterogen.

Systematic Sampling

Sampel diambil dengan interval tetap dari daftar populasi, setelah titik awal ditentukan secara acak:

Misalnya N = 1.000 dan n = 100, maka k = 10 — ambil responden ke-1 (titik awal acak antara 1-10), lalu setiap responden ke-10 berikutnya.

- Kapan dipakai: kerangka sampel tersedia dalam bentuk daftar/urutan, dan kamu ingin proses pengambilan sampel yang sederhana tapi tetap mendekati acak. - Risiko: pola periodik tersembunyi dalam daftar populasi yang kebetulan sama dengan interval yang dipilih bisa membuat sampel bias.

Kesalahan Umum

1. Menyamakan systematic sampling dengan simple random sampling. Keduanya sama-sama "acak," tapi systematic tidak memberi peluang sama pada semua kombinasi anggota populasi — begitu titik awal ditentukan, seluruh anggota lain otomatis ikut atau tidak ikut terpilih.
2. Melupakan proporsionalitas pada stratified sampling. Mengambil jumlah sampel yang sama rata dari tiap strata tanpa mempertimbangkan ukuran strata sebenarnya (bukan proporsional) membuat strata kecil jadi terlalu terwakili, dan strata besar kurang terwakili.