Salah satu teknik dalam penentuan sampel penelitian adalah probabilistic sampling atau probability sampling. Teknik sampling satu ini sangat familiar di kalangan dosen, mahasiswa, dan juga peneliti. 

Jenis dari teknik sampling ini beragam, dan masing-masing menggunakan prinsip kerja berbeda. Hanya saja, sama-sama menggunakan teknik khusus dalam memilih sampel. Teknik yang tepat akan membantu mendapatkan sampel yang merepresentasikan populasi. 

Jika baru pertama kali mendengar mengenai teknik probability sampling. Kemudian juga belum memahami bagaimana penerapan teknik ini saat melakukan penelitian. Maka berikut informasi detailnya. 

Apa Itu Probabilistic Sampling? 

Dikutip melalui Binus University, teknik probabilistic sampling adalah teknik untuk memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi anggota sampel.

Artinya, ketika teknik sampling satu ini diterapkan maka setiap individu dalam populasi penelitian bisa saja dipilih sebagai sampel. Semua individu atau anggota populasi memiliki peluang sama besar. 

Teknik ini kemudian terbagi menjadi beberapa jenis,  dimana penerapannya menggunakan prinsip atau cara kerja tertentu. Namun, setiap anggota populasi sama-sama berpeluang dipilih sebagai sampel selama memenuhi sejumlah kriteria yang ditetapkan. 

Teknik probabilistic sampling dari jenis manapun bisa diterapkan untuk penelitian dengan populasi skala besar. Populasi ini kemudian dibagi menjadi beberapa kelompok atau strata, bergantung pada teknik probabilistic yang dipilih peneliti. 

Secara umum, penggunaan teknik sampling ini adalah pada penelitian kuantitatif. Sehingga peneliti membutuhkan data yang valid lewat sampel yang representatif. Sekaligus pada penelitian yang hasilnya diharapkan bersifat umum atau general. 

Teknik sampling ini juga diketahui merupakan kebalikan dari teknik nonprobabilistic sampling. Pada teknik ini, anggota populasi penelitian tidak memiliki peluang yang sama untuk dipilih sebagai sampel penelitian. Detail perbedaan keduanya akan dijelaskan di bawah. 

Jenis-Jenis Probabilistic Sampling 

Seperti yang dijelaskan sebelumnya, teknik probabilistic sampling atau probability sampling terbagi menjadi beberapa jenis. Dikutip melalui Repository STEI, Berikut penjelasannya: 

1. Simple Random Sampling

Simple random sampling adalah teknik pengambilan anggota sampel dari populasi yang dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi tersebut.. 

Contohnya, peneliti ingin mengetahui efek media sosial terhadap nilai akademik siswa SMA kelas XII. Maka peneliti akan memilih populasi dari satu sekolah SMA dan menetapkan 50 sampel penelitian. 

Kemudian seluruh siswa kelas XII akan dipilih acak untuk menjadi bagian dari 50 sampel tersebut. Jadi, selama sampel ini adalah bagian dari populasi. Maka berpeluang untuk dipilih sebagai sampel ketika teknik simple random sampling diterapkan. 

2. Proportionate Stratified Random Sampling

Proportionate stratified random sampling adalah teknik sampling yang digunakan bila populasi mempunyai anggota atau unsur yang tidak homogen dan berstrata secara proporsional.

Secara sederhana, proportionate stratified random sampling adalah teknik pengambilan sampel dimana populasi dibagi menjadi beberapa strata (kelompok) berdasarkan karakteristik tertentu. 

Contohnya, sebuah perusahaan dengan 1.000 karyawan ingin mengetahui tingkat kepuasan kerja berdasarkan divisi. Populasi terdiri dari:

• Divisi A: 500 karyawan
• Divisi B: 300 karyawan
• Divisi C: 200 karyawan

Total populasi = 1.000 karyawan

Jika peneliti ingin mengambil 100 sampel, maka jumlah sampel dari masing-masing divisi harus proporsional terhadap ukuran divisi dalam populasi:

• Divisi A: (500/1000) × 100 = 50 orang
• Divisi B: (300/1000) × 100 = 30 orang
• Divisi C: (200/1000) × 100 = 20 orang

Setelah itu, 50, 30, dan 20 karyawan dari masing-masing divisi dipilih secara acak dan menjadi sampel penelitian. 

3. Disproportionate Stratified Random Sampling

Disproportionate stratified random sampling adalah teknik sampling yang digunakan bila populasi berstrata tetapi kurang proporsional. Sehingga teknik ini merupakan kebalikan dari dari proportionate stratified random sampling. 

Jadi, populasi akan dibagi dalam beberapa kelompok (strata) dengan karakter atau kriteria tertentu. Setelahnya, peneliti akan mengambil sampel dari masing-masing strata tapi dengan jumlah tidak proporsional. 

Contohnya, sebuah survei ingin mengetahui persepsi siswa tentang fasilitas sekolah berdasarkan jenjang pendidikan. Total populasi siswa adalah 1.700 siswa dengan pembagian berikut:

• SD: 1.000 siswa
• SMP: 500 siswa
• SMA: 200 siswa 

Jika menggunakan proportionate stratified sampling, jumlah sampel yang diambil dari setiap jenjang harus sesuai dengan proporsi jumlah siswa. Namun, jika peneliti menggunakan disproportionate stratified sampling, mereka bisa mengambil jumlah sampel yang sama dari setiap jenjang meskipun jumlah populasi berbeda, contohnya: 

• SD: 50 siswa
• SMP: 50 siswa
• SMA: 50 siswa

4. Cluster Random Sampling

Cluster random sampling merupakan teknik sampling daerah yang digunakan untuk menentukan sampel bila objek yang akan diteliti atau sumber data sangat luas, misalnya penduduk dari suatu negara, provinsi atau kabupaten.

Adapun penerapannya dimulai dengan peneliti membagi populasi menjadi beberapa kelompok (klaster), lalu beberapa klaster dipilih secara acak, dan seluruh anggota dalam klaster yang terpilih dijadikan sampel.

Contohnya, Kementerian Pendidikan ingin meneliti tingkat literasi siswa di Indonesia. Karena jumlah sekolah sangat banyak, menggunakan simple random sampling tidak praktis. Sehingga digunakan teknik cluster random sampling. Berikut tahapannya: 

1. Membagi populasi menjadi klaster, misalnya: 

• Populasi: Seluruh sekolah di Indonesia.
• Klaster: Sekolah-sekolah dikelompokkan berdasarkan provinsi.

2. Memilih klaster secara acak, misalnya: 

• Dari total 34 provinsi, kementerian memilih 5 provinsi secara acak.
• Lalu dari setiap provinsi, dipilih 10 sekolah secara acak.

3. Menggunakan semua siswa dalam klaster yang terpilih sebagai sampel, misalnya siswa di 50 sekolah terpilih akan menjadi sampel penelitian.

Kelebihan 

Penerapan dari probabilistic sampling tentunya memiliki kelebihan dan kelemahan atau kekurangan. Hal ini lumrah, karena setiap teknik sampling memang memiliki kelebihan dan kekurangan tersendiri.

Berikut adalah beberapa kelebihan yang ditawarkan dari teknik probabilistic ketika diterapkan dalam penelitian: 

1. Lebih Representatif 

Kelebihan yang pertama dari teknik sampling ini adalah lebih representatif dibandingkan teknik nonprobabilistic. Hal ini bisa terjadi, karena ketika diterapkan peneliti akan memakai teknik tertentu dalam memilih sampel. 

Misalnya dengan membagi kelompok dan memastikan setiap kelompok diambil sampel dalam jumlah yang tepat. Sehingga setiap sampel di masing-masing kelompok bisa merepresentasikan kelompoknya tersebut. 

Jika seluruh sampel digabungkan, maka sampel ini bisa merepresentasikan populasi penelitian. Kondisi seperti ini memperbesar peluang untuk mendapatkan data yang lebih valid. 

2. Pemilihan Sampel Objektif 

Kelebihan yang kedua dari teknik probabilistic sampling adalah memberi teknik sampling yang objektif. Dalam kegiatan penelitian, hal ini terbilang sangat menguntungkan. 

Dimana bisa menjamin sampel dipilih dengan tepat tanpa resiko ada pelanggaran etika. Misalnya ada kemungkinan memberi data yang tidak benar karena ada konflik kepentingan atau alasan lain. 

Sebab pada teknik nonprobability, kriteria dan aspek lain dalam memilih sampel cenderung subjektif. Tingkat pemahaman peneliti dan pengalaman bisa menurunkan kualitas kriteria yang ditetapkan. 

Teknik sampling probabilistic mencegah kondisi tersebut. Sebab sejak awal memang pemilihan sampel dilakukan acak dan tidak melibatkan unsur subjektivitas peneliti. Karakter ini menjamin sampel yang dipilih tepat dan lebih representatif. 

3. Data Bersifat General atau Umum 

Kelebihan lain yang ditawarkan teknik probabilistic sampling adalah data bersifat general atau umum. Kondisi ini menguntungkan, karena data dan hasil penelitian yang bisa digeneralisasikan akan mudah diterima dan lebih valid. 

Misalnya, data mengenai jumlah penderita diabetes melitus tipe 2. Data yang didapat adalah gabungan dari seluruh data rumah sakit dan klinik di Indonesia. Sehingga data tersebut bersifat general dan bisa diakui kebenarannya. 

Probabilistic bisa memberi data yang bersifat general karena sampel dipilih secara acak tanpa unsur subjektif. Sekaligus mendapatkan sampel yang merepresentasikan populasi. Sehingga sampel tersebut memberi gambaran secara umum dari populasi, data yang diberikan juga akan lebih umum. 

Kekurangan

Berikut adalah beberapa kekurangan atau kelemahan dari teknik probabilistic yang tentu perlu dijadikan bahan perhatian dan pertimbangan: 

1. Membutuhkan Daftar dan Data Rinci Populasi 

Kelemahan yang pertama dari teknik probabilistic sampling adalah kebutuhan tinggi akan daftar dan data rinci dari populasi. Secara umum, penerapan teknik sampling ini adalah dengan membagi populasi dalam beberapa kelompok, baik strata maupun klaster. 

Tanpa mendapatkan data keseluruhan populasi, maka akan sulit dilakukan pembagian kelompok tersebut. Oleh sebab itu, peneliti membutuhkan waktu untuk proses mendata seluruh populasi. 

Dalam penerapannya, peneliti bisa berhadapan dengan banyak tantangan. Mulai dari persebaran populasi yang tidak merata, tersebar di wilayah dengan jarak yang sangat luas, populasi tidak heterogen, berada di wilayah terpencil, dan sebagainya. 

Sekalipun diterapkan dalam populasi skala kecil. Peneliti tetap membutuhkan pendataan seluruh anggota populasi tersebut. Sebab jumlah anggota yang terdata akan mempengaruhi jumlah sampel yang sebaiknya dipilih. 

2. Penerapan Membutuhkan Waktu dan Biaya

Dikutip melalui Olahstat.com, salah satu kelemahan dari probabilistic sampling adalah kebutuhan waktu dan biaya yang tinggi. Kebutuhan ini semakin meningkat jika berhadapan dengan populasi skala besar. 

Hal ini bisa terjadi, karena peneliti ada kebutuhan untuk mendata seluruh anggota populasi dan menjangkau dimanapun mereka berada. Penerapannya memakan waktu, tenaga, dan biaya. Apalagi jika populasi di wilayah luas, terpencil, dan sebagainya.

Selain itu, tahapan dalam penerapannya juga panjang sebagaimana penjelasan dari jenis-jenis teknik probabilistic sebelumnya. Usai mendata, peneliti harus membagi populasi dalam kelompok tertentu, baru kemudian menentukan sampel dengan rumus atau perhitungan khusus. 

Tahapan panjang dan bahkan bisa memakan waktu lama dan biaya tinggi. Membuat teknik ini lebih sering diterapkan pada populasi skala kecil. Namun, tentunya tidak semua penelitian memiliki populasi dengan skala kecil atau terbatas. 

3. Hasil Penerapan Tidak Selalu Efektif 

Penerapan teknik probabilistic sampling tidak selalu efektif. Efektif disini bisa diartikan sebagai tidak selalu mudah dan tidak selalu berhasil. Misalnya berhasil mendapatkan sampel yang representatif. 

Resiko ini dapat terjadi, ketika populasi penelitian dalam skala besar, bersifat heterogen, dan distribusi tidak merata. Populasi dikatakan memiliki distribusi tidak merata ketika anggota populasi tidak tersebar secara merata dalam hal karakteristik tertentu yang sedang diteliti.

Contohnya, sebuah penelitian ingin mengetahui tingkat pendapatan penduduk di suatu kota. Jika populasi tidak memiliki distribusi seragam, itu berarti:

• Ada wilayah dengan pendapatan tinggi (misalnya, daerah perkantoran atau perumahan elit).
• Ada wilayah dengan pendapatan rendah (misalnya, daerah pedesaan atau permukiman padat).
• Jumlah penduduk di setiap wilayah juga bisa berbeda (misalnya, pusat kota lebih padat dibanding pinggiran).

Lewat data populasi tersebut, maka artinya pendapatan tidak tersebar merata di seluruh kota, sehingga jika mengambil sampel secara acak tanpa mempertimbangkan distribusi ini, bisa terjadi bias dalam hasil penelitian.

Perbedaan dengan Nonprobabilistic Sampling

Seperti yang dijelaskan sebelumnya, teknik probabilistic sampling adalah berseberangan dengan teknik nonprobabilistic sampling. Dikutip melalui Quantilope, berikut adalah beberapa aspek yang membedakan keduanya: 

1. Randomisasi 

Perbedaan yang pertama adalah dari segi randomisasi. Artinya, pada teknik penerapan yang dimana keduanya berbeda. Pemilihan sampel pada probabilistic dilakukan secara acak. Sehingga tidak ada pola, melainkan mengambil sampel langsung secara spontan. 

Peneliti pada teknik probabilistic akan fokus pada pendataan populasi dan pembagian kelompok. Sehingga semua sampel di dalamnya diambil acak karena dipandang sudah mewakili setiap kelompok. 

Lain halnya dengan teknik nonprobability sampling, pemilihan sampel dilakukan secara tidak acak. Artinya ada pola tertentu yang digunakan. Misalnya memilih sampel dari nomor absen ganjil atau genap. 

2. Peluang dalam Pemilihan Sampel 

Perbedaan yang kedua adalah dari peluang untuk dipilih sebagai sampel. Pada probabilistic sampling, semua anggota populasi memiliki peluang dipilih sebagai sampel. Peluang tersebut juga sama besarnya di setiap anggota. 

Berbeda dengan nonprobabilitic sampling yang tidak memberi peluang sama besar bagi anggota populasi untuk dipilih sebagai sampel. Hal ini terjadi, karena teknik ini memakai pola. Sehingga ada beberapa sampel yang sejak awal memang tidak mungkin dipilih. 

Misalnya memilih sampel berdasarkan absen ganjil atau genap, maka absen yang berbeda sudah jelas tidak akan dipilih. Padahal mereka juga bisa merepresentasikan populasi. 

3. Representasi 

Perbedaan yang ketiga adalah dari segi representasi. Pada dasarnya, pemilihan sampel dengan teliti bisa merepresentasikan populasi. Apapun jenis teknik sampling yang digunakan. 

Hanya saja, prinsip pada teknik sampling yang bervariasi akan mempengaruhi tingkat representasi sampel yang dipilih. Pada probabilistic sampling, tingkat representasi padappulasi cenderung lebih tinggi dibanding nonprobabilistic. 

Bagaimana hal ini terjadi? Jawabannya adalah karena probabilistic memilih sampel secara acak, dimana semua anggota populasi berpotensi dipilih. Sehingga tidak ada subjektivitas peneliti dan meminimalkan bias saat memilih sampel. 

4. Generalisasi 

Perbedaan berikutnya adalah dari aspek generalisasi. Data dan hasil penelitian memakai teknik probabilistic sampling bisa digeneralisasikan. Sehingga berlaku secara umum dan bukan untuk kalangan, golongan, maupun masyarakat di daerah tertentu. 

Lain halnya dengan teknik nonprobabilistic yang memang data dan hasil penelitiannya kurang bisa digeneralisasikan. Oleh sebab itu, penelitian yang membutuhkan data general dan valid. Biasanya akan memprioritaskan teknik probabilistic dalam penentuan sampel. 

5. Kesalahan Sampling 

Perbedaan selanjutnya adalah dari aspek resiko terjadi kesalahan dalam sampling atau pemilihan sampel penelitian. Secara umum, teknik sampling apapun memang ada kemungkinan salah dalam memilih sampel. Faktor pemicunya cukup beragam. 

Namun, ada beberapa teknik yang resiko kesalahan ini lebih kecil dibanding teknik lainnya. Antara probabilitas dengan nonprobabilistic, resiko lebih tinggi pada nonprobabilistic. Salah satu alasanya karena ada unsur subjektif dalam memilih sampel. 

Berbeda dengan teknik probabilistic yang semua sampel dipilih acak. Sehingga tidak ada subjektivitas. Sekaligus peneliti di awal sudah melakukan pendataan populasi dengan teliti. Resiko kesalahan saat memilih sampel menjadi lebih rendah.

6. Kerangka Sampling 

Perbedaan yang keenam adalah dari aspek kerangka sampling. Kerangka sampling sendiri adalah daftar lengkap atau representasi dari seluruh anggota populasi yang bisa digunakan sebagai dasar dalam pemilihan sampel dalam penelitian.

Adanya kerangka sampling membantu peneliti mengetahui jumlah valid dari seluruh populasi penelitian, persebarannya, dan aspek lainnya. Dalam beberapa teknik sampling, pembuatan kerangka sampling diabaikan atau ditiadakan. 

Salah satunya di beberapa jenis teknik nonprobabilitiy sampling. Hal ini terjadi karena sampel dipilih dengan pola tertentu yang juga dengan kriteria tertentu yang ditetapkan peneliti. Sehingga tidak perlu mengetahui jumlah pasti seluruh populasi penelitian. 

Sementara pada teknik probabilistic, kebutuhan kerangka sampling sangat penting. Sebab tahap paling awal dari teknik ini adalah mendata seluruh populasi. Oleh sebab itu, kerangka sampling menjadi tahap mendasar dan wajib dilakukan. 

7. Ukuran atau Jumlah Sampel 

Aspek lain yang menunjukan perbedaan dua teknik sampling ini adalah pada ukuran atau jumlah sampel yang dipilih. Secara umum, probabilistic sampling membantu peneliti menentukan jumlah sampel dari awal. 

Jika ditetapkan ada 50 sampel maka dipilih dalam jumlah tersebut. Sementara pada teknik nonprobabilistic, jumlah sampel bisa sangat fleksibel. Sebab peneliti akan memilih sampel ketika ada di lokasi penelitian. 

Siapa saja yang ada di lokasi, lewat, dan sebagainya. Maka berpotensi dipilih dijadikan sampel, sehingga jumlahnya tidak tentu. Misalnya peneliti datang ke pusat perbelanjaan dan memilih sampel dari pengunjung di hari tersebut. Jika ramai, maka jumlah sampel tinggi. Begitu juga sebaliknya. 

Jika bingung mengenai perbedaan dari kedua teknik sampling ini. Maka berikut penjelasannya dalam bentuk contoh: 

Judul Penelitian:

“Pengaruh Pola Makan terhadap Tingkat Konsentrasi Mahasiswa di Universitas X”

• Probabilistic Sampling

1. Populasi: Seluruh mahasiswa di Universitas X.
2. Metode Pengambilan Sampel: Dari daftar seluruh mahasiswa, dipilih secara acak 200 orang menggunakan generator angka acak.

• Nonprobabilistic Sampling

1. Populasi: Mahasiswa di Universitas X.
2. Metode Pengambilan Sampel: Peneliti memilih 200 mahasiswa atau jumlah berapapun yang kebetulan ditemui di kantin atau perpustakaan universitas.

Contoh Penelitian dengan Probabilistic Sampling 

Berikut adalah beberapa contoh penerapan teknik probabilistic sampling dalam sejumlah kegiatan penelitian: 

Contoh Probabilistic Sampling 1

Survei Kepuasan Pelanggan di Bank

Seorang peneliti ingin mengetahui tingkat kepuasan pelanggan terhadap layanan bank. Semua nasabah bank yang statusnya aktif akan menjadi populasi penelitian. Teknik sampling yang digunakan adalah Simple Random Sampling. 

Sehingga peneliti memilih 500 pelanggan secara acak dari daftar nasabah yang aktif dalam 6 bulan terakhir. Lewat teknik ini, peneliti bisa mendapatkan sampel yang merepresentasikan seluruh populasi, yakni seluruh nasabah bank yang aktif. 

Contoh Probabilistic Sampling 2

Studi Prestasi Akademik Siswa Berdasarkan Jenjang Pendidikan

Seorang peneliti ingin menganalisis perbedaan prestasi akademik antara siswa SD, SMP, dan SMA. Sehingga populasi penelitian adalah seluruh siswa sekolah di kota X. 

Peneliti kemudian menggunakan teknik probabilistic jenis Proportionate Stratified Random Sampling. Sehingga siswa dibagi menjadi strata berdasarkan jenjang pendidikan (SD, SMP, SMA). Sampel diambil secara acak dari masing-masing strata sesuai dengan proporsi jumlah siswa dalam populasi.

Contoh Probabilistic Sampling 3

Penelitian Kesehatan tentang Pola Makan di Berbagai Wilayah

Seorang peneliti ingin mengetahui kebiasaan pola makan masyarakat di berbagai daerah. Sehingga populasi penelitian adalah masyarakat yang tinggal dan berdiam di provinsi X. 

Peneliti kemudian memilih teknik probabilistic jenis Cluster Random Sampling. Sehingga provinsi dibagi menjadi beberapa klaster berdasarkan kota/kabupaten. Kemudian, beberapa kota/kabupaten dipilih secara acak, lalu semua penduduk di kota tersebut dijadikan sampel.

Jika memiliki pertanyaan atau ingin berbagi pengalaman berkaitan dengan topik dari artikel ini. Jangan ragu membuka diskusi di kolom komentar. Klik juga tombol Share agar informasi berharga dari artikel ini diakses juga oleh orang terdekat Anda.