Ini forum tanya jawab. Untuk melihat balasan lain, Anda harus mengeposkan balasan terlebih dahulu.
(Belum ada pertanyaan di forum ini.)
Tanya Jawab Seputaran Data, Variabel, Sampel, dan Populasi
You are not enrolled in this course.
Syarat penyelesaian
Beberapa pertanyaan yang sering ditanyakan oleh mahaiswa/peneliti:
Diskusi 1:
Apabia diketahui jumlah sampel untuk try out minimal 60. Semakin banyak sampel tryout lebih baik. Lalu, bagaimana cara menghitung proporsi sampel untuk try out dan sampel penelitian? Dalam kasus teknik sampling dengan metode cluster? Bagaimana cari menghitung sampel untuk try out dan penelitian?
Jawaban:
Secara tradisional statistika menganggap jumlah sampel yang lebih dari 60 orang sudah cukup banyakΓÇÖ. Itu adalah makna sample size dalam Statistika. Dalam analisis aitem dan estimasi parameter tes, jumlah sampel perlu lebih banyak lagi . Apabila jumlah sampel try-out dan jumlah sampel penelitian, praktis tidak ada hubungannya. Dalam try-out (field-test) perlu sampel besar karena kita akan melakukan estimasi terhadap parameter aitem dan parameter tes. Dengan sampel kecil estimasi kita akan bias dan kualitas instrumen kita meragukan. Untuk penelitian, sampel tidak selalu perlu brukuran besar sepanjang memenuhi syarat untuk penggunaan tehnik analisis tertentu sudah cukup.
Diskusi 2:
Bagaimana jika populasi tidak diketahui secara pasti, teknik dan rumus apa yg bisa dilakukan dalam pengambilan sampel?
Jawaban: pada dasarnya jumlah populasi yg tidak diketahui besarannya trik terpenting dalam menentukan jumlah sampel adalah, Anda hrs identifikasikan dlu objek/responden yg ingin dituju. Ini artinya, anda sebelum menentukan berapa sampelnya pastikan dlu utk siapakah/ditujukan kemanakah/target nya siapa dari kelompk sampel yg ingin diambil. Misal: Anda ingin melakukan penelitian tentang segmentasi pasar kendaraan Toyota di Badar Lampung, sementara anda sendiri tidak tau atau tidak memiliki informasi yg banyak siapa dan berapa jumlah potensi konsuen mobil Toyota di Badar Lampung. Tapi setidaknya anda sudah yakin bahwa target dari sampel yg mau diambil adalah konsumen mobil di Bamdar Lampung . Sehingga langkah selanjutya sebagai awal anda bisa menentukan/mengidetifikasikan karakteristik/ciri khas dari repsonden/objek yg ingin diambil, misal mau diambil dari menentukan responden dari golongan pekerjaan, pendidikan, pendapatan, gender, tingkat pendidikan dll (ini disebut teknis non random sampling).
Langkah selanjutnya setelah anda tentukan karektristik responden berdasarkan kriteria2 tersebut anda bisa mengelompokkan nya berdasarkan kriteria2 tersebut dlm berbagai kelompok, (ini yg disebut stratifed non random samp;ing).
Sehingga dari kelompok2 tsb nantinya anda bisa pilih target kelompok mana yg mau dituju berdaarkan kelompok yg tersedia, baru anda bisa sebarkan kuesionernya sesuai dgn target tersebut
Bahkan menurut Sugiyono (2013: 138) menyetakan penentuan jumlah sampel utk masing2 KKM dihitung secara proporsional dengan rumus
s = n/N x S
dimana
s= jumlah sampel yg didapat
N = jumlah populasi
n= jumlah masing2 unti populasi
S = jumlah seluruh populasi yg didapat
Bahkan ada pernyataan dari Yamane (1967) mengatakan utk sampel yg bersifat proporsional cukup mewakili 30 persen dari total populasi saja sudah ok...(utk bahan bacaan artikel dari Yamane akan sy krimkan ke wa dan LMS ini) .
Sebagai saran utk menghidari terjadinya Bias dalam melakukan estimasi analisis nantinya, metode non random sampling adalah metode yg lebih tepat..karena karakteristik reponden yg cenderung homogen. Ke biasan akan muncul (khususnya bagi anda yg menggunakan analisis kauntitatif) akan ditemukan gejala Heterokedastisitas pada uji asumsi nya nanti
Heteroskedastisitas adalah kebalikan dari homoskedastisitas, yaitu keadaan dimana terjadinya ketidaksamaan varian dari error untuk semua pengamatan setiap variabel bebas pada model regresi. Sebaliknya, pengertian homoskedastisitas adalah keadaan dimana adanya kesamaan varian dari error untuk semua pengamatan setiap variabel bebas pada model regresi.
heteroskedastis banyak ditemui pada data cross-section, karena pengamatan dilakukan pada individu yang berbeda pada saat yang sama,
contoh kasus heteroskedastis: hubungan antara pendapatan dan menabung. orang berpendapatan rendah, tentunya mempunyai variasi yang rendah dalam menggunakan pendaptannya untuk menabung atau konsumsi. orang berpendapatan tinggi yang boros, tentu akan mempunyai konsumsi tinggi, dan tabungan yang lebih rendah dibandingkan orang yang tidak boros.
heteroskedastis tidak hanya terjadi pada data cross section, data time series juga bisa terkena heteroskedastis.
contoh kasus heteroskedastis pada data time series (data runtut waktu)
Perusahaan yang baru muncul, tentunya akan mempunyai produk yang relatif rendah pada saat pengenalan produk tersebut. ketika produksi masih sedikit, perusahaan tentunya tidak akan terjadi fluktuasi produksi besar, tetapi ketika produksi besar tentu akan memiliki fluktuasi yang besar. hal ini terjadinya karena adanya faktor pesaing, kondisi perekonomian dan sebagainya.Konsekwensi Dari data yg mengandung gejala Heterokedastisitas adalah:
1. Penaksir pada persamaan regresi Ordinary Least Square (OLS) tetap tak bias dan konsisten, namun penaksir tsb tidak lagi efisien baik dalam sampel kecil maupun sampel besar (secara asimtotik)
2. Jika tetap menggunakan penaksir OLS pada kondisi heteroskedastis, maka varian penaksir parameter koefisien regresi akan underestimate (menaksir terlalu rendah) atau overestimate (menaksir terlalu tinggi)
Ciri-ciri dari estimasi regresi OLS yang mengalami gejala heterokedastisitas adalah selisih antara nilai estimasi dgn residual nya cukup besar sementara r square nya kecil 