SAMPEL DAN POPULASI

Sampel dalam penelitian adalah kelompok tempat informasi diperoleh. Kelompok yang lebih besar yang diharapkan dapat menerapkan hasil penelitian ini disebut populasi.* Seluruh 700 (atau berapa pun jumlah totalnya) mahasiswa Universitas Negeri yang mengambil jurusan matematika, misalnya, merupakan suatu populasi; 50 siswa tersebut merupakan sampel. Mahasiswa yang memiliki mobil merupakan populasi lain, begitu pula mahasiswa yang tinggal di asrama kampus. Perhatikan bahwa suatu kelompok bisa menjadi sampel dalam satu konteks dan populasi dalam konteks lain. Semua mahasiswa Universitas Negeri yang memiliki mobil merupakan populasi pemilik mobil di Universitas Negeri, namun mereka juga merupakan sampel dari seluruh pemilik mobil di universitas negeri di seluruh Amerika Serikat.

Jika memungkinkan, peneliti lebih memilih untuk mempelajari seluruh populasi yang diteliti. Namun biasanya hal ini sulit dilakukan. Sebagian besar populasi yang diteliti berukuran besar, beragam, dan tersebar di wilayah geografis yang luas. Menemukan, apalagi menghubungi, semua anggota dapat memakan waktu dan mahal. Oleh karena itu, jika perlu, peneliti sering kali memilih sampel untuk diteliti. Beberapa contoh sampel yang dipilih dari populasi adalah sebagai berikut:

• Seorang peneliti tertarik mempelajari pengaruh pola makan terhadap rentang perhatian siswa kelas tiga di kota besar. Terdapat 1.500 siswa kelas tiga yang bersekolah di sekolah dasar di kota tersebut. Peneliti memilih 150 siswa kelas tiga ini, masing-masing 30 orang di lima sekolah berbeda, sebagai sampel untuk dipelajari.

• Seorang administrator di sebuah sekolah menengah atas di perkotaan tertarik pada opini siswa mengenai program konseling baru di distrik tersebut. Ada enam sekolah menengah atas dan sekitar 14.000 siswa di distrik tersebut. Dari daftar induk semua siswa yang terdaftar di sekolah-sekolah distrik, administrator memilih sampel 1.400 siswa (350 dari masing-masing empat kelas, 9-12) yang akan dikirimi kuesioner untuk menanyakan pendapat mereka tentang program tersebut.

• Kepala sekolah dasar ingin menyelidiki keefektifan buku teks sejarah AS baru yang digunakan oleh beberapa guru di distrik tersebut. Dari total 22 guru yang menggunakan teks, ia memilih sampel sebanyak 6 orang. Ia berencana membandingkan prestasi siswa di kelas guru tersebut dengan 6 guru lainnya yang tidak menggunakan teks.

DEFINISI POPULASI

Tugas pertama dalam memilih sampel adalah menentukan populasi sasaran. Pada kelompok manakah sebenarnya peneliti tertarik? Kepada siapa dia ingin agar hasil penelitiannya diterapkan? Populasi, dengan kata lain, adalah kelompok yang menjadi kepentingan peneliti, kelompok kepada siapa peneliti ingin menggeneralisasikan hasil penelitiannya. Berikut beberapa contoh populasi:

• Semua kepala sekolah menengah di Amerika Serikat

• Seluruh konselor sekolah dasar di negeri surabaya

• Seluruh siswa yang bersekolah di SMA Pusat di Gresik,

• Nebraska, selama tahun ajaran 2005–2006

• Seluruh siswa kelas III Mbak Dian di SD Surabaya

Contoh di atas mengungkapkan bahwa suatu populasi dapat berukuran berapa pun dan memiliki setidaknya satu (dan terkadang beberapa) karakteristik yang membedakannya dari populasi lainnya. Perhatikan bahwa suatu populasi selalu merupakan seluruh individu yang memiliki karakteristik (atau serangkaian karakteristik) tertentu.

Dalam penelitian pendidikan, populasi yang menjadi perhatian biasanya adalah sekelompok orang (siswa, guru, atau individu lain) yang memiliki karakteristik tertentu. Namun dalam beberapa kasus, populasi dapat didefinisikan sebagai sekelompok ruang kelas, sekolah, atau bahkan fasilitas. Misalnya,

• Semua ruang kelas lima di Delaware (hipotesisnya mungkin adalah bahwa ruang kelas yang gurunya menampilkan produk siswa dalam jumlah lebih banyak dan lebih beragam memiliki prestasi yang lebih tinggi)

• Semua gimnasium sekolah menengah di Nevada (hipotesisnya mungkin bahwa sekolah dengan fasilitas fisik yang “lebih baik” menghasilkan lebih banyak tim pemenang)

TARGET VERSUS POPULASI YANG DAPAT DIAKSES

Sayangnya, populasi sebenarnya (disebut populasi sasaran) yang ingin digeneralisasikan oleh peneliti jarang tersedia. Oleh karena itu, populasi yang dapat digeneralisasikan oleh peneliti adalah populasi yang dapat diakses. Yang pertama adalah pilihan ideal peneliti; yang terakhir, pilihan realistisnya. Perhatikan contoh berikut:

Masalah penelitian yang ingin diselidiki: Pengaruh pengajaran berbantuan komputer terhadap prestasi membaca siswa kelas satu dan dua di Surabaya.

Populasi sasaran: Seluruh anak kelas satu dan dua di Surabaya.

Populasi yang dapat diakses: Seluruh anak kelas satu dan dua di SD Laguna Kecamatan Citra, Surabaya.

Sampel: Sepuluh persen anak kelas satu dan dua di kawasan Laguna, Citra, Surabaya.

Masalah penelitian yang ingin diselidiki: Sikap guru tahun kelima dalam pelatihan terhadap pengalaman mengajar siswanya.

Populasi sasaran: Semua siswa tahun kelima terdaftar dalam program pelatihan guru.

Populasi yang dapat diakses: Seluruh siswa tahun kelima yang terdaftar dalam program pelatihan guru di Universitas Negeri Surabaya.

Sampel: Dua ratus mahasiswa tahun kelima dipilih dari mereka yang mengikuti program pelatihan guru di Universitas Negeri Surabaya.

Semakin sempit peneliti mendefinisikan populasi, semakin mereka menghemat waktu, tenaga, dan (mungkin) uang, namun semakin membatasi kemampuan generalisasi. Penting bagi peneliti untuk mendeskripsikan populasi dan sampel dengan cukup rinci sehingga individu yang berkepentingan dapat menentukan penerapan temuannya pada situasi mereka sendiri. Kegagalan untuk mendefinisikan secara rinci populasi yang diteliti, dan sampel yang diteliti, adalah salah satu kelemahan paling umum dari laporan penelitian yang dipublikasikan. Penting untuk dicatat bahwa sampel sebenarnya mungkin berbeda dari sampel yang dipilih karena beberapa subjek mungkin menolak untuk berpartisipasi, beberapa subjek mungkin keluar, data mungkin hilang, dan sejenisnya. Oleh karena itu, kami ulangi bahwa sangat penting untuk mendeskripsikan karakteristik sampel sebenarnya yang diteliti secara rinci.

RANDOM SAMPLING VERSUS NONRANDOM

Berikut adalah contoh masing-masing dari dua tipe utama pengambilan sampel.

Random sampling (Pengambilan sampel acak): Dekan sebuah sekolah pendidikan di sebuah universitas besar di wilayah barat tengah ingin mengetahui bagaimana perasaan dosennya mengenai persyaratan cuti cuti panjang saat ini di universitas tersebut. Dia memasukkan 150 nama fakultas ke dalam topi, mencampurkannya secara menyeluruh, lalu menarik nama 25 orang untuk diwawancarai.*

Nonrandom sampling (Pengambilan sampel nonrandom): Rektor universitas yang sama ingin mengetahui bagaimana perasaan staf pengajar juniornya mengenai kebijakan promosi yang baru-baru ini ia perkenalkan (dengan saran dari komite fakultas). Dia memilih sampel 30 dari total 1.000 pengajar untuk diajak bicara. Lima anggota fakultas dari masing-masing enam fakultas yang membentuk universitas dipilih berdasarkan kriteria berikut: Mereka telah mengajar di universitas kurang dari lima tahun, mereka tidak memiliki masa kerja, mereka tergabung dalam salah satu asosiasi fakultas di kampus , dan mereka belum menjadi anggota komite yang membantu presiden merancang kebijakan baru tersebut

METODE RANDOM SAMPLING

Simple Random Sampling

Simple random sampling adalah sampel yang setiap anggota populasi mempunyai peluang yang sama dan independen untuk dipilih. Jika sampelnya besar, metode ini merupakan cara terbaik yang pernah dirancang untuk memperoleh sampel yang mewakili populasi yang diteliti. Mari kita ambil contoh: Tentukan populasi sebagai seluruh siswa kelas delapan di distrik sekolah Y. Bayangkan ada 500 siswa.

Jika Anda salah satu dari siswa ini, peluang Anda untuk terpilih adalah 1 dalam 500, jika prosedur pengambilan sampelnya memang acak. Setiap orang mempunyai kesempatan yang sama untuk terpilih.

Semakin besar ukuran sampel acak, semakin besar kemungkinan sampel tersebut mewakili populasi. Meskipun tidak ada jaminan keterwakilan, tentu saja, kemungkinan keterwakilan lebih besar dengan sampel acak yang besar dibandingkan dengan metode lainnya. Perbedaan apa pun antara sampel dan populasi harus kecil dan tidak sistematis. Perbedaan apa pun yang terjadi adalah akibat kebetulan, bukan bias peneliti.

Kunci untuk memperoleh sampel acak adalah memastikan bahwa setiap anggota populasi mempunyai peluang yang sama dan independen untuk dipilih. Hal ini dapat dilakukan dengan menggunakan apa yang dikenal sebagai tabel bilangan acak—daftar bilangan yang sangat besar yang tidak memiliki urutan atau pola. Daftar tersebut dapat ditemukan di bagian belakang sebagian besar buku statistik.

Misalnya, untuk memperoleh sampel sebanyak 200 dari populasi 2.000 individu, dengan menggunakan tabel seperti itu, pilih kolom angka, mulai dari mana saja dalam kolom tersebut, dan mulailah membaca angka empat digit. (Mengapa empat digit? Karena angka terakhir, 2.000, terdiri dari empat digit, dan kita harus selalu menggunakan jumlah digit yang sama untuk setiap orang. Orang 1 akan diidentifikasi sebagai 0001; orang 2, sebagai 0002; orang 635, sebagai 0635 ; dan lain sebagainya.) Kemudian lanjutkan dengan menuliskan 200 angka pertama pada kolom tersebut yang bernilai 2.000 atau kurang.

STRATIFIED RANDOM SAMPLING

Pengambilan sampel acak bertingkat (stratified random sampling) adalah suatu proses di mana subkelompok atau strata tertentu dipilih sebagai sampel dengan proporsi yang sama dengan yang ada dalam populasi. Misalkan direktur penelitian di suatu distrik sekolah besar ingin mengetahui tanggapan siswa terhadap buku teks Kementerian Pendidikan kelas dua belas yang baru yang sedang dipertimbangkan untuk diadopsi oleh distrik tersebut. Ia bermaksud untuk membandingkan prestasi siswa yang menggunakan buku baru tersebut dengan prestasi siswa yang menggunakan buku teks tradisional yang pernah dibeli oleh distrik tersebut di masa lalu. Karena ia mempunyai alasan untuk percaya bahwa gender merupakan variabel penting yang dapat mempengaruhi hasil penelitiannya, ia memutuskan untuk memastikan bahwa proporsi laki-laki dan perempuan dalam penelitian ini sama dengan proporsi populasi. Langkah-langkah dalam proses pengambilan sampel adalah sebagai berikut:

1. Dia mengidentifikasi populasi sasaran (dan dapat diakses): seluruh 365 siswa kelas dua belas yang terdaftar dalam kursus pemerintahan Amerika di distrik tersebut.

2. Ia menemukan bahwa terdapat 219 perempuan (60 persen) dan 146 laki-laki (40 persen) dalam populasi. Dia memutuskan untuk mengambil sampel sebesar 30 persen dari populasi sasaran.

3. Dengan menggunakan tabel angka acak, ia kemudian secara acak memilih 30 persen dari setiap strata populasi, yang menghasilkan 66 siswa perempuan (30 persen dari 219) dan 44 siswa laki-laki (30 persen dari 146) siswa terpilih dari subkelompok tersebut. Proporsi laki-laki dan perempuan sama baik dalam populasi maupun sampel—40 dan 60 persen.

Keuntungan dari pengambilan sampel acak berstrata adalah meningkatkan kemungkinan keterwakilan, terutama jika sampel yang diambil tidak terlalu besar. Hal ini memastikan bahwa karakteristik utama individu dalam populasi dimasukkan dalam proporsi yang sama dalam sampel. Kerugiannya adalah membutuhkan lebih banyak usaha dari pihak peneliti.

CLUSTER RANDOM SAMPLING

Baik dalam pengambilan sampel acak maupun  stratified random sampling, peneliti ingin memastikan bahwa jenis individu tertentu disertakan dalam sampel. Namun ada kalanya tidak mungkin untuk memilih sampel individu dari suatu populasi. Terkadang, misalnya, daftar semua anggota populasi yang diminati tidak tersedia. Tentu saja, pengambilan sampel acak sederhana atau acak berstrata tidak dapat digunakan. Seringkali, peneliti tidak dapat memilih sampel individu karena batasan administratif atau lainnya. Hal ini terutama berlaku di sekolah.

Misalnya, jika populasi sasarannya adalah seluruh siswa kelas sebelas di suatu distrik yang mengikuti mata pelajaran Sejarah, kecil kemungkinannya peneliti dapat menarik siswa yang dipilih secara acak untuk berpartisipasi dalam kurikulum eksperimental. Sekalipun hal ini dapat dilakukan, waktu dan upaya yang diperlukan akan membuat seleksi tersebut menjadi sulit. Hal terbaik yang dapat diharapkan oleh peneliti adalah mempelajari sejumlah kelas yang utuh—yaitu, kelas-kelas yang sudah ada. Pemilihan kelompok, atau cluster, subjek daripada individu dikenal sebagai cluster random sampling. Sama seperti pengambilan sampel acak sederhana yang lebih efektif dengan jumlah individu yang lebih besar, pengambilan sampel acak klaster juga lebih efektif dengan jumlah klaster yang lebih besar.

Mari kita perhatikan contoh lain dari cluster random sampling. Pengawas sebuah distrik sekolah terpadu yang besar di sebuah kota di Pantai Timur ingin mendapatkan gambaran tentang bagaimana perasaan para guru di distrik tersebut mengenai gaji yang pantas.

Terdapat 10.000 guru di seluruh sekolah dasar dan menengah di distrik tersebut, dan terdapat 50 sekolah yang tersebar di wilayah yang luas. Pengawas tidak mempunyai dana untuk mensurvei semua guru di distrik tersebut, dan dia memerlukan informasi tentang gaji yang pantas dengan cepat. Oleh karena itu, alih-alih memilih sampel guru dari setiap sekolah secara acak, ia memutuskan untuk mewawancarai semua guru di sekolah yang dipilih. Oleh karena itu, para guru di setiap sekolah merupakan sebuah cluster. Pengawas memberikan nomor untuk setiap sekolah dan kemudian menggunakan tabel acak nomor untuk memilih 10 sekolah (20 persen dari populasi). Seluruh guru di sekolah terpilih kemudian dijadikan sampel. Pewawancara menanyakan semua guru di masing-masing 10 sekolah tersebut, dibandingkan harus melakukan perjalanan ke semua sekolah di distrik tersebut. Jika guru-guru ini benar-benar mewakili guru-guru lainnya di distrik tersebut, maka pengawas berhak mengambil kesimpulan tentang perasaan seluruh populasi guru di distriknya mengenai gaji yang pantas. Tentu saja, ada kemungkinan bahwa sampel ini tidak representatif. Sebab, guru-guru yang akan diwawancarai semuanya berasal dari sekolah yang jumlahnya sedikit di suatu kabupaten, mungkin saja sekolah-sekolah tersebut berbeda dari sekolah-sekolah lain di kabupaten tersebut, sehingga mempengaruhi pandangan para guru di sekolah-sekolah tersebut sehubungan dengan gaji yang pantas. Semakin banyak sekolah yang dipilih, semakin besar kemungkinan temuan tersebut dapat diterapkan populasi guru.

Pengambilan sampel acak cluster mirip dengan pengambilan sampel acak sederhana, kecuali bahwa kelompok dipilih secara acak, bukan individu (yaitu, unit pengambilan sampel adalah kelompok, bukan individu). Keuntungan dari cluster random sampling adalah dapat digunakan ketika sulit atau tidak mungkin untuk memilih sampel individu secara acak, seringkali jauh lebih mudah untuk diterapkan di sekolah, dan seringkali memakan waktu lebih sedikit. Kerugiannya adalah terdapat peluang yang jauh lebih besar untuk memilih sampel yang tidak mewakili populasi.

Ada kesalahan umum sehubungan dengan pengambilan sampel acak klaster yang dilakukan banyak peneliti pemula: memilih secara acak hanya satu klaster sebagai sampel dan kemudian mengamati atau mewawancarai semua individu dalam klaster tersebut. Sekalipun terdapat sejumlah besar individu dalam suatu cluster, clusterlah yang dipilih secara acak, bukan individu, dan oleh karena itu peneliti tidak berhak menarik kesimpulan tentang populasi sasaran dari individu-individu tersebut. Namun, beberapa peneliti menarik kesimpulan seperti itu. Kami ulangi, mereka seharusnya tidak melakukannya.

TWO-STAGE RANDOM SAMPLING

Seringkali berguna untuk menggabungkan pengambilan sampel acak klaster dengan pengambilan sampel acak individu. Hal ini dilakukan dengan pengambilan sampel acak dua tahap. Daripada memilih 100 siswa secara acak dari populasi 3.000 siswa kelas sembilan yang berlokasi di 100 kelas, peneliti mungkin memutuskan untuk memilih 25 kelas secara acak dari populasi 100 kelas dan kemudian secara acak memilih 4 siswa dari setiap kelas. Hal ini memakan waktu jauh lebih sedikit dibandingkan mengunjungi sebagian besar dari 100 kelas. Mengapa hal ini lebih baik daripada menggunakan seluruh siswa dalam empat kelas yang dipilih secara acak? Karena empat kelas akan terlalu sedikit untuk menjamin keterwakilan, meskipun mereka dipilih secara acak.

METODE NONRANDOM SAMPLING

SYSTEMATIC SAMPLING

Dalam pengambilan sampel sistematis, setiap individu ke-n dalam daftar populasi dipilih untuk dimasukkan ke dalam sampel. Misalnya, dalam daftar populasi yang terdiri dari 5.000 nama, untuk memilih sampel sebanyak 500, seorang peneliti akan memilih setiap sepuluh nama dalam daftar hingga mencapai total 500 nama. Berikut adalah contoh pengambilan sampel jenis ini: Kepala sekolah di sebuah sekolah menengah besar (kelas 6–8) dengan 1.000 siswa ingin mengetahui bagaimana perasaan siswa terhadap menu baru di kantin sekolah. Dia memperoleh daftar alfabetis semua siswa di sekolah dan memilih setiap siswa kesepuluh dalam daftar untuk dijadikan sampel. Untuk mencegah bias, dia memasukkan angka 1 sampai 10 ke dalam topi dan menariknya keluar. Itu adalah 3. Jadi dia memilih siswa yang bernomor 3, 13, 23, 33, 43, dan seterusnya hingga dia mempunyai sampel 100 siswa untuk diwawancarai.

Cara di atas secara teknis dikenal dengan istilah pengambilan sampel sistematis dengan permulaan acak (random start). Selain itu, ada dua istilah yang sering digunakan jika merujuk pada pengambilan sampel sistematik. Interval pengambilan (sampling interval) sampel adalah jarak dalam daftar antara masing-masing individu yang dipilih untuk sampel. Pada contoh di atas, jumlahnya adalah 10. Rumus sederhana untuk menentukannya adalah:

Jumlah  populasi

Jumlah sampel yang diinginkan

Rasio sampling adalah proporsi individu dalam populasi yang dipilih sebagai sampel. Pada contoh di atas, nilainya adalah 0,10, atau 10 persen. Cara sederhana untuk menentukan rasio sampling adalah:

Jumlah Sample

Jumlah Populasi

Ada bahaya dalam pengambilan sampel sistematis yang terkadang diabaikan. Jika populasi telah diurutkan secara sistematis—yaitu, jika susunan individu-individu dalam daftar berada dalam pola yang kebetulan bertepatan dengan interval pengambilan sampel—sampel akan menjadi sangat bias. Hal ini kadang-kadang disebut periodisitas. Misalkan siswa sekolah menengah pada contoh sebelumnya tidak diurutkan berdasarkan abjad melainkan berdasarkan wali kelas dan guru wali kelas sebelumnya telah mendaftarkan siswa di ruangan mereka berdasarkan nilai rata-rata, dari tinggi ke rendah. Itu berarti bahwa siswa yang lebih baik akan berada di urutan teratas dalam setiap daftar wali kelas. Misalkan juga setiap wali kelas mempunyai 30 orang siswa. Jika kepala sekolah memulai pemilihan setiap siswa kesepuluh dengan siswa pertama, kedua, atau ketiga dalam daftar, sampelnya akan terdiri dari siswa-siswa terbaik di sekolah tersebut dan bukan representasi seluruh siswa. (Apakah kamu paham alasannya? Karena di setiap wali kelas, siswa termiskin adalah mereka yang berjumlah antara 24 dan 30, dan mereka tidak akan pernah terpilih.)

Oleh karena itu, ketika berencana untuk memilih sampel dari suatu daftar, peneliti harus memeriksa daftar tersebut dengan cermat untuk memastikan tidak ada pola siklus yang ada. Jika daftar tersebut disusun dalam urutan tertentu, peneliti harus memastikan bahwa susunan tersebut tidak akan membiaskan sampel sehingga dapat mendistorsi hasil. Jika hal tersebut terjadi, langkah-langkah harus diambil untuk memastikan keterwakilan—misalnya, dengan memilih individu secara acak dari masing-masing bagian siklus. Faktanya, jika suatu daftar populasi diurutkan secara acak, maka sampel sistematis yang diambil dari daftar tersebut adalah sampel acak.

CONVENIENCE SAMPLING

Seringkali sangat sulit (bahkan terkadang tidak mungkin) untuk memilih sampel acak atau sampel non-acak yang sistematis. Pada saat seperti itu, peneliti dapat menggunakan convenience sampling. Sampel kemudahan (convenience sample) adalah sekelompok individu yang (dengan nyaman) bersedia untuk diteliti. Jadi, seorang peneliti mungkin memutuskan untuk mempelajari dua kelas kelas tiga di sekolah dasar terdekat karena kepala sekolah meminta bantuan dalam mengevaluasi efektivitas buku teks ejaan yang baru. Berikut adalah beberapa contoh contoh kenyamanan:

Untuk mengetahui bagaimana perasaan mahasiswa tentang layanan makanan di perkumpulan mahasiswa di sebuah universitas di Pantai Timur, seorang manajer berdiri di luar pintu utama kafetaria pada suatu Senin pagi dan mewawancarai 50 mahasiswa pertama yang keluar dari kafetaria.

• Seorang konselor sekolah menengah mewawancarai semua siswa yang datang kepadanya untuk mendapatkan konseling tentang rencana karier mereka.

• Seorang reporter berita untuk stasiun televisi lokal menanyakan pendapat orang yang lewat di sudut jalan pusat kota tentang rencana membangun stadion bisbol baru di pinggiran kota terdekat.

Seorang profesor universitas membandingkan reaksi mahasiswa terhadap dua buku teks berbeda di kelas statistiknyaDalam masing-masing contoh di atas, sekelompok orang tertentu dipilih untuk dipelajari karena mereka bersedia. Keuntungan nyata dari pengambilan sampel jenis ini adalah kenyamanan. Namun yang jelas, hal ini juga mempunyai kelemahan besar yaitu sampelnya kemungkinan besar akan bias. Ambil contoh kasus reporter TV yang mewawancarai orang yang lewat di sudut jalan pusat kota. Ada banyak kemungkinan sumber bias. Pertama-tama, tentu saja siapa pun yang tidak berada di pusat kota pada hari itu tidak mempunyai kesempatan untuk diwawancarai. Kedua, individu yang tidak bersedia memberikan pandangannya tidak akan diwawancarai. Ketiga, mereka yang setuju untuk diwawancarai kemungkinan besar adalah individu yang memiliki pendapat kuat tentang stadion tersebut. Keempat, tergantung pada waktunya, mereka yang diwawancarai kemungkinan besar adalah pengangguran atau mempunyai pekerjaan yang tidak mengharuskan mereka berada di dalam rumah. Dan seterusnya.

Secara umum, sampel praktis tidak dapat dianggap mewakili populasi mana pun dan harus dihindari jika memungkinkan. Sayangnya, terkadang hal tersebut merupakan satu-satunya pilihan yang dimiliki peneliti. Jika hal ini terjadi, peneliti harus sangat berhati-hati untuk memasukkan informasi tentang demografi dan karakteristik lain dari sampel yang diteliti. Penelitian tersebut juga harus direplikasi, yaitu diulangi, dengan sejumlah sampel yang serupa untuk mengurangi kemungkinan bahwa hasil yang diperoleh hanya terjadi satu kali saja. 

PURPOSIVE SAMPLING

Kadang-kadang, berdasarkan pengetahuan sebelumnya tentang suatu populasi dan tujuan khusus penelitian, peneliti menggunakan penilaian pribadi untuk memilih sampel. Peneliti berasumsi bahwa mereka dapat menggunakan pengetahuan mereka tentang populasi untuk menilai apakah suatu sampel tertentu akan mewakili atau tidak. Berikut beberapa contohnya:

• Seorang guru IPS kelas delapan memilih dua siswa dengan nilai rata-rata tertinggi di kelasnya, dua siswa yang rata-rata nilai berada di tengah-tengah kelas, dan dua siswa dengan rata-rata nilai terendah untuk mengetahui bagaimana kelasnya rasanya memasukkan diskusi tentang kejadian terkini sebagai bagian rutin dari aktivitas kelas. Sampel serupa di masa lalu telah mewakili sudut pandang seluruh kelas dengan cukup akurat.

• Seorang mahasiswa pascasarjana ingin mengetahui bagaimana perasaan para pensiunan berusia 65 tahun ke atas tentang “tahun emas” mereka. Dia telah diberitahu oleh salah satu profesornya, seorang ahli penuaan dan populasi lanjut usia, bahwa dia adalah penduduk setempat

• Asosiasi Pensiunan Pekerja merupakan perwakilan dari para pensiunan yang berusia 65 tahun ke atas. Dia memutuskan untuk mewawancarai sampel 50 orang yang tergabung dalam asosiasi untuk mendapatkan pandangan mereka.

Dalam kedua contoh ini, informasi sebelumnya membuat peneliti yakin bahwa sampel yang dipilih akan mewakili populasi. Bentuk kedua dari purposive sampling adalah pengambilan sampel yang tidak diharapkan bahwa orang-orang yang dipilih merupakan perwakilan dari populasi, namun mereka memiliki informasi yang diperlukan tentang populasi tersebut. Misalnya,

• Seorang peneliti diminta untuk mengidentifikasi hierarki kekuasaan tidak resmi di sekolah menengah tertentu. Dia memutuskan untuk mewawancarai kepala sekolah, perwakilan serikat pekerja, sekretaris kepala sekolah, dan penjaga sekolah karena dia memiliki informasi sebelumnya yang membuatnya yakin bahwa merekalah yang memiliki informasi yang dia butuhkan.

• Selama lima tahun terakhir, para pemimpin asosiasi guru di sebuah distrik sekolah di wilayah barat tengah telah mewakili pandangan tiga perempat guru di distrik tersebut mengenai sebagian besar permasalahan utama. Oleh karena itu, tahun ini pemerintah kabupaten memutuskan untuk mewawancarai pimpinan asosiasi saja dibandingkan memilih sampel dari seluruh guru di kabupaten tersebut.

Pengambilan sampel purposif berbeda dengan pengambilan sampel kemudahan (convenience sampling) karena peneliti tidak hanya mempelajari siapa pun yang ada, melainkan menggunakan penilaian mereka untuk memilih sampel yang mereka yakini, berdasarkan informasi sebelumnya, akan menyediakan data yang mereka perlukan. Kerugian utama dari pengambilan sampel purposif adalah bahwa penilaian peneliti mungkin salah—dia mungkin tidak tepat dalam memperkirakan keterwakilan sampel atau keahlian mereka mengenai informasi yang dibutuhkan. Dalam contoh kedua di atas, para pemimpin asosiasi guru tahun ini mungkin memiliki pandangan yang sangat berbeda dengan para anggotanya.