OBJEKTIF
•Dapat memahami konsep populasi dan persampelan dalam penyelidikan.
•Dapat membuat persampelan rawak daripada populasi.
Definisi Populasi
Populasi – sekumpulan individu yang mempunyai ciri-ciri yang sama.
A population is a group of individuals that have the same characteristic(s)
Populasi adalah;
- satu set individu di mana masalah wujud.
- kumpulan individu atau objek yang dicerap.
- mesti mempunyai ciri atau sifat yang sama antara satu sama lain walau pun berbeza dari segi lain.
- Populasi bertaburan secara normal dengan nilai mutlak sebagai min bagi populasi.
- Maklumat populasi dikenali sebagai paramater.
- Populasi mestilah dilibatkan dalam penyelesaian masalah dan mesti dikenal pasti dengan teliti dan tepat.
- Populasi merupakan sasaran bagi penyelesaian masalah, penyelesaian harus melibatkan keseluruhan individu dalam populasi, tetapi isunya, terdapat kekangan untuk mendapatkan maklumat dari seluruh ahli populasi iaitu:
Definisi Sampel
Sampel – kumpulan kecil daripada populasi yang menjadi sasaran penyelidik untuk melakukan penyelidikan.
¤ Sampel adalah anggaran
¤ Perbezaan antara anggaran sampel dengan populasi sebenar adalah ‘ralat persampelan’
A sample is a subgroup of the target population that the researcher plans to study for the purpose of making generalizations about the target population.
¤ Samples are only estimates.
¤ The difference between the sample estimate and the true population is the “sampling error.”
Why Sampling? - The time factor
1.Batasan masa, tenaga dan peruntukan.
2.Tidak logik dan tidak rasional mengkaji semua ahli populasi.
2.Tidak logik dan tidak rasional mengkaji semua ahli populasi.
Definisi Sampel
Sampel – kumpulan kecil daripada populasi yang menjadi sasaran penyelidik untuk melakukan penyelidikan.
¤ Sampel adalah anggaran
¤ Perbezaan antara anggaran sampel dengan populasi sebenar adalah ‘ralat persampelan’
A sample is a subgroup of the target population that the researcher plans to study for the purpose of making generalizations about the target population.
¤ Samples are only estimates.
¤ The difference between the sample estimate and the true population is the “sampling error.”
Persampelan…
- Strategi mendapatkan maklumat tentang sesuatu populasi daripada sampel yang mewakili populasi tersebut.
- merupakan kaedah statistik untuk mendapatkan maklumat bagi menyelesaikan masalah tanpa menggunakan seluruh ahli populasi.
- Prinsip utama: untuk memperolehi sampel yang benar-benar mewakili populasi yang dikaji, dan memastikan sampel yang diambil melalui persampelan tidak pincang.
- Ujian statistik akan dilakukan ke atas sampel dan nilai ujian statistik ini akan digeneralisasikan kepada nilai populasi kajian, yang dinamakan sebagai parameter.
Why Sampling? - The time factor
A sample may provide you with needed information quickly. For example, you are a Doctor and a disease has broken out in a village within your area of jurisdiction, the disease is contagious and it is killing within hours nobody knows what it is. You are required to conduct quick tests to help save the situation. If you try a census of those affected, they may be long dead when you arrive with your results. In such a case just a few of those already infected could be used to provide the required information.
Why Sampling? - The very large populations
Many populations about which inferences must be made are quite large. For example, Consider the population of graduate student. The responsible agency in the government has to plan for how they will be absorbed into the different departments and even the private sector. The employers would like to have specific knowledge about the student`s plans in order to make compatible plans to absorb them during the coming year. But the big size of the population makes it physically impossible to conduct a census. In such a case, selecting a representative sample may be the only way to get the information required from graduate student.
Why Sampling? - The partly accessible populations
Why Sampling? - The very large populations
Many populations about which inferences must be made are quite large. For example, Consider the population of graduate student. The responsible agency in the government has to plan for how they will be absorbed into the different departments and even the private sector. The employers would like to have specific knowledge about the student`s plans in order to make compatible plans to absorb them during the coming year. But the big size of the population makes it physically impossible to conduct a census. In such a case, selecting a representative sample may be the only way to get the information required from graduate student.
Why Sampling? - The partly accessible populations
There are some populations that are so difficult to get access to that only a sample can be used.
- Like a particular study population may be so costly to reach like the population of planets that only a sample can be used.
- In other cases, a population of some events may be taking too long to occur that only sample information can be relied on.
•Membuat kesimpulan terhadap populasi daripada sampel dengan menggunakan statistik inferensi.
•Mengurangkan kos, tenaga, dan masa penyelidikan. Murah untuk mengumpul maklumat daripada sebahagian individu berbanding keseluruhan populasi. Namun penyelidik harus berhati-hati supaya sampel benar-benar mewakili polulasi.
•Membolehkan kajian dilakukan di kawasan atau ruang penyelidikan yang lebih besar.
• Membenarkan penyelidik mendapatkan maklumat yang benar-benar dikehendaki apabila pengukuran menyeluruh ke atas populasi tidak dapat dilakukan.
Apa yang menyebabkan sampel tidak mewakili populasinya?
Salah satu sebab yang seringkali berlaku adalah ralat persampelan
Sampel dianggap sebagai cermin kepada populasi dimana ianya diperoleh, walau bagaimanapun, tidak ada jaminan bahawa sampel tersebut benar-benar mewakili populasi dimana ia berasal.
Ralat Persampelan
- Ketidak tepatan statistik sampel menganggar parameter populasi ditentukan oleh ralat persampelan.
- Ralat persampelan adalah ralat yang berlaku apabila sampel digunakan untuk membuat inferens terhadap populasi.
- Ralat persampelan merupakan perbezaan atau variasi antara min bagi sampel yang dirawak dengan min populasi yang bertaburan secara normal.
- Semakin besar nilai sisihan piawai (sd) sampel, semakin besar ralat persampelan yang wujud.
- Semakin besar saiz sampel, semakin kecil ralat persampelan.
- Ralat persampelan berfungsi secara langsung dengan saiz sampel dan sisihan piawai populasi.
- Sekiranya saiz sampel tetap, ralat persampelan akan meningkat jika sisihan piawai populasi bertambah besar dan sebaliknya.
- Semakin saiz sampel (n) meningkat atau menghampiri N, semakin ralat persampelan menurun, kerana apabila n meningkat, sisihan piawai populasi menurun.
- Saiz sampel n yang kecil lebih terdedah kepada ralat persampelan berbanding dengan n yang besar.
- Oleh itu, matlamat persampelan adalah untuk mengurangkan ralat persampelan dan ralat persampelan boleh dikurangkan dengan menambahkan n.
- variasi pada nilai-nilai individu dalam satu populasi dengan min populasi menyumbang kepada variasi pada min sampel rawak dengan min populasi.
- Variasi pada nilai individu dalam sampel daripada min sampel menyumbang kepada variasi pada min-min sampel dengan min populasi.
- Jika min sampel sama dengan min populasi, maka ralat persampelan adalah sifar (jika maklumat diperolehi daripada populasi).
Dua punca utama menyebabkan
ralat persampelan.
1. Peluang
Ralat berlaku disebabkan oleh nasib tidak baik. Terdapat unit/individu yang unusual dalam sesuatu populasi wujud dan terpilih.
Contoh: penyelidik memilih sekumpulan murid secara rawak bagi kajian untuk melihat pencapaian mereka berdasarkan status sosio-ekonomi. Terdapat seorang murid yang mendapat pencapaian tertinggi dan seorang lagi murid mendapat pencapaian yang sangat rendah. Oleh itu, min skor bagi markah pencapaian keseluruhan adalah terjejas.
- Langkah bagi mengelakkan perkara ini berlaku adalah dengan mengunakan sampel yang bersaiz besar.
Sampling bias adalah kecenderungan untuk memilih sampel yang mempunyai ciri-ciri tertentu. Sampling bias biasanya adalah hasil daripada perancangan persampelan yang lemah.
Contoh: Kajian dilakukan untuk melihat tahap tekanan dalam kalangan pelajar universiti. Soal selidik secara pos sebanyak 100 sampul dihantar secara rawak kepada pelajar yang terpilih. Sebanyak 52 sampul sahaja yang dikembalikan, dan keputusannya adalah pelajar tidak mengalami sebarang tekanan pada masa tersebut. Namun sebenarnya masa tersebut pelajar sedang mengalami tekanan disebabkan minggu peperiksaan, kecuali pelajar tahun akhir yang sedang menulis tesis mereka.
Rules of thumb
- n perlu ditambah jika:
- n lebih banyak pembolehubah yang mempengaruhi pembolehubah bersandar.
- n apabila terdapat kumpulan-kumpulan yang perlu dipecahkan lagi.
- n jika kadar pengguguran subjek yang tinggi.
- n jika pengukuran pembolehubah bersandar mempunyai kebolehpercayaan yang rendah (nilai alfa Cronbach yang rendah)
- n jika analisis data melibatkan perbandingan antara kumpulan.
- n jika ingin meningkatkan ketepatan dalam memerihal dan mentakbir populasi.
- n Jika varians populasi besar.
SAMPLE SIZE
- Sebelum menentukan berapa saiz sampel yang perlu, anda perlu menentukan populasi terlebih dahulu.
- Berapa besar saiz sampel anda? Saiz sampel ditentukan oleh banyak faktor.
Senarai populasi yang diperoleh dimana sampel akan dipilih daripadanya.
Contoh: jika tinjauan melalui telefon digunakan, nama responden akan dipilih daripada buku panduan telefon.
1. Persampelan tidak kebarangkalian
Pemilihan responden disebabkan oleh mereka mudah diperoleh, senang ditemui atau mewakili sesuatu ciri yang perlu dikaji oleh penyelidik.
2. Persampelan kebarangkalian
Pemilihan individu daripada populasi yang dapat mewakili populasi tersebut.
1.Persampelan rawak mudah (simple random sampling)
2.Persampelan rawak berlapis (stratified random sampling) 3.Persampelan berkelompok (Cluster sampling)
4.Persampelan rawak bersistematik (Systematic random sampling)
Memilih sampel daripada populasi yang mana setiap individu daripada populasi tersebut mempunyai peluang yang sama untuk dipilih.
- Setiap individu dalam populasi mempunyai peluang yang sama untuk dipilih.
- Rawak mudah bebas daripada sampling bias.
- Penggunaan Jadual Nombor Rawak.
- Sediakan senarai subjek populasi.
- Labelkan subjek mengikut angka.
- Pilih subjek secara rawak dengan menggunakan Jadual Nombor Rawak.
- Digunakan untuk populasi yang tidak seragam.
-contoh: mengkaji komitmen guru mengikut kelulusan akademik.
- Tidak boleh mengguna sampel rawak mudah kerana tidak adil jika satu golongan tidak diwakili mengikut bilangan dalam populasi.
- Boleh mengurangkan ralat persampelan iaitu dengan mengurangkan varians bagi anggaran sampel.
- Semakin seragam keadaan dalam lapisan, semakin kecil varians anggaran sampel.
- Diperoleh dengan memilih sampel rawak mudah daripada lapisan(strata) yang berlainan daripada strata dalam populasi.
- Strata dalam populasi mempunyai ciri tertentu seperti gender, pemilihan dilakukan bagi setiap strata.
- Populasi boleh dibahagikan kepada kumpulan berlainan seperti berdasarkan kepada sesetengah ciri atau pembolehubah seperti pendapatan.
¨
Persampelan Kelompok (Cluster)
- ¨Digunakan jika rawak mudah dan rawak mudah berlapis tidak dapat dilakukan, disebabkan oleh ketiadaan rangka persampelan.
- ¨Pengambilan sampel bila unit persampelan bukan lagi unsur daripada populasi tetapi unsur daripada kelompok populasi.
- ¨Bilangan kelompok ditentukan mengikut negeri, daerah atau mukim yang boleh dibuat secara rawak mudah.
- ¨Menggunakan setiap unsur dalam kelompok dan pilih secara rawak.
Persampelan Sistematik
- ¨Memerlukan rangka persampelan
- ¨Cara: pilih satu unit sampel secara rawak daripada unsur pertama di rangka persampelan.
- ¨Memilih setiap “nth” individu atau lokasi dalam populasi sehingga saiz sampel yang dikehendaki tercapai.
- ¨Pengumpulan data yang diringkaskan dengan memilih setiap unit ke 10 atau ke 100 selepas unit pertama ditentukan secara rawak.
- ¨Kelemahan: penentuan sampel selepas sampel pertama tidak lagi dibuat secara rawak, oleh itu bercanggah dengan prinsip rawak dan tidak digalakkan kecuali reka bentuk lain tidak dapat dilakukan.
- ¨Faedah: persampelan mudah dilakukan dan murah
Contoh : Terdapat 100 murid dalam sebuah kelas. Anda memerlukan 20 murid sebagai sampel daripada kerangka sampel (senarai pendaftaran yang telah disusun mengikut abjad). Sekiranya anda memilih untuk menggunakan persampelan sistematik, bahagikan 100 dengan 20, anda mendapat 5. Pilih secara rawak nombor mana-mana nombor antara 1 hingga 5. Katakan anda memilih nombor 4. Ini adalah nombor permulaan anda. Mulai nombor ini anda akan memilih setiap nombor yang ke 5, sehingga senarai terakhir. Anda akhirnya akan mendapat sampel sebanyak 20 orang murid.
Persampelan Tidak Kebarangkalian
1.Persampelan secara berkebetulan
2.Persampelan kuota
3.Persampelan kes kritikal
4.Persampelan Bertujuan (purposive)
5.Persampelan ‘convenience’
- ¨Sampel dipilih berdasarkan pengetahuan atau pengalaman lepas dan sebab-sebab untuk memilih sampel.
- ¨Buat pertimbangan tentang kesesuaian kumpulan
- ¨contoh: kaji pelajar mengikut pencapaian
- This particular one identifies, cases of interest from people who know people who know what cases are information rich, that is good examples for study, good interview subjects.
- The researcher asks participants to identify other participants to become members of the sample.
This is commonly used in studies that may be looking at issues like the homeless households. What you do is to get hold of one and he/she will tell you where the others are or can be found. When you find those others they will tell you where you can get more others and the chain continues.
Criterion sampling
Here, you set a criteria and pick all cases that meet that criteria for example, all ladies six feet tall, all white cars, all farmers that have planted onions. This method of sampling is very strong in quality assurance.
Persampelan Senang - (The convenient sample )
- A convenience sample results when the more convenient elementary units are chosen from a population for observation.
- Participants are selected because they are willing and available to be studied.
- Pincang, tidak digalakkan, tidak boleh digunakan untuk mentakbir populasi.
- Jika terpaksa guna, perlu beri penjelasan tentang latar belakang atau ciri tersendiri bagi kumpulan yang dikaji.
- Kajian perlu diulang.
SEKIAN
TERIMA KASIH
