Kenapa Memilih Sampel & Teknik Statistik yang Tepat Itu Penting
Dua kesalahan paling sering ditemukan di BAB III skripsi kuantitatif: (1) teknik sampling dipilih asal tanpa justifikasi, dan (2) teknik analisis statistik dipilih karena "biasanya dipakai orang lain", bukan karena benar-benar sesuai dengan data dan tujuan penelitian. Padahal, dua keputusan ini menentukan apakah kesimpulan penelitian Anda valid dan bisa dipertanggungjawabkan secara ilmiah — bukan cuma soal "supaya BAB III kelihatan lengkap" (Ahmed, 2024).
Dua Jenis Teknik Sampling
| Jenis | Ciri Utama | Kapan Cocok Dipakai |
|---|---|---|
| Probability Sampling | Setiap anggota populasi punya peluang diketahui dan tidak nol untuk terpilih — dipilih secara acak | Saat Anda butuh hasil yang bisa digeneralisasi ke seluruh populasi |
| Non-Probability Sampling | Pemilihan sampel tidak acak, berdasarkan pertimbangan tertentu (kemudahan akses, kriteria khusus) | Saat populasi sulit didaftar lengkap, atau penelitian bersifat eksploratif/kelompok spesifik |
Probability sampling lebih disukai kalau tujuan Anda adalah menggeneralisasi temuan ke populasi yang lebih luas, karena meminimalkan bias pemilihan sampel (Zrineh, Al-Usta, & Alwawi, 2026). Tapi non-probability sampling bukan berarti "salah" — untuk penelitian pada kelompok yang sulit diakses secara acak (misalnya komunitas atau segmen pelanggan spesifik), non-probability sampling tetap sah dipakai asal disadari keterbatasannya pada generalisasi hasil (Turban et al., 2023).
Jenis-Jenis Probability Sampling
| Teknik | Cara Kerja |
|---|---|
| Simple Random Sampling | Setiap anggota populasi punya peluang sama untuk terpilih, dipilih murni acak |
| Systematic Sampling | Dipilih dengan interval tetap dari titik awal acak (misalnya setiap responden ke-5 dari daftar) |
| Stratified Sampling | Populasi dibagi jadi beberapa strata/subkelompok (misalnya per departemen hotel), lalu sampel diambil dari tiap strata |
| Cluster Sampling | Populasi dibagi jadi kelompok/klaster (misalnya per cabang hotel), lalu beberapa klaster dipilih acak untuk diteliti seluruhnya |
Stratified sampling terutama berguna kalau populasi Anda punya subkelompok yang cukup berbeda karakteristiknya (misalnya karyawan front office vs housekeeping) — hasil estimasinya lebih akurat dibanding simple random sampling murni.
Menentukan Ukuran Sampel yang Tepat
Ukuran sampel yang terlalu kecil membuat hasil penelitian tidak bisa dipercaya (berisiko gagal mendeteksi hubungan/pengaruh yang sebenarnya ada — disebut Type II error). Ukuran sampel yang terlalu besar membuang waktu dan biaya tanpa manfaat tambahan yang berarti (Serdar, Cihan, Yücel, & Serdar, 2021).
Faktor yang perlu dipertimbangkan saat menentukan ukuran sampel:
- Ukuran populasi — populasi besar butuh rumus penghitungan sampel (Slovin, Krejcie-Morgan) atau software (G*Power)
- Tingkat kepercayaan yang diinginkan (umumnya 95%)
- Margin of error yang bisa diterima (umumnya 5%)
- Perkiraan besar efek/hubungan yang ingin dideteksi — efek yang kecil butuh sampel lebih besar untuk terdeteksi secara statistik
Sample size bukan keputusan satu kali di awal — idealnya direncanakan lewat power analysis sebelum turun lapangan, bukan ditentukan asal-asalan setelah data terkumpul (Serdar et al., 2021; Burmeister & Aitken, 2012).
Cara Memilih Teknik Analisis Statistik
Banyak mahasiswa memilih teknik statistik terakhir — setelah data terkumpul — padahal seharusnya direncanakan sejak BAB III disusun. Berikut empat pertanyaan yang menentukan teknik mana yang tepat (Kim, Kim, & Kwak, 2024; Ginn & Campbell-Cooper, 2025):
- Apa tujuan dan hipotesis penelitian Anda? Menguji pengaruh (kausal) beda tekniknya dengan menguji hubungan (korelasional) atau sekadar mendeskripsikan kondisi (deskriptif).
- Apa skala data Anda? Nominal, ordinal, interval, atau rasio — ini menentukan apakah Anda boleh pakai uji parametrik atau harus pakai non-parametrik.
- Apakah data Anda memenuhi asumsi statistik? Terutama normalitas — uji ini wajib dilakukan sebelum memilih antara teknik parametrik (mengasumsikan data normal) atau non-parametrik (tidak mengasumsikan normal).
- Berapa jumlah kelompok/variabel yang dibandingkan? Dua kelompok, lebih dari dua kelompok, atau menguji hubungan antar banyak variabel sekaligus — masing-masing punya teknik yang berbeda.
Peta Teknik Analisis Berdasarkan Tujuan Penelitian
| Tujuan Penelitian | Contoh Teknik |
|---|---|
| Mendeskripsikan kondisi/variabel | Mean, standar deviasi, frekuensi, kategorisasi |
| Menguji hubungan antar variabel (tanpa klaim arah) | Korelasi Pearson (data normal) atau Spearman (data tidak normal/ordinal) |
| Menguji pengaruh satu/lebih variabel bebas terhadap satu variabel terikat | Regresi linear sederhana/berganda |
| Menguji pengaruh dengan variabel mediator/moderator | Path analysis, regresi moderasi, atau SEM untuk model yang lebih kompleks |
| Membandingkan rata-rata dua kelompok | Uji t (data normal) atau Mann-Whitney U (data tidak normal) |
| Membandingkan rata-rata lebih dari dua kelompok | ANOVA (data normal) atau Kruskal-Wallis (data tidak normal) |
Prinsip penting: kalau data Anda tidak memenuhi asumsi normalitas, jangan memaksakan teknik parametrik (regresi/uji-t/ANOVA/Pearson) — gunakan padanan non-parametriknya. Memaksakan teknik yang salah membuat kesimpulan penelitian tidak valid, meski secara teknis "angkanya keluar" di SPSS (Kim et al., 2024).
Kesalahan Umum yang Wajib Dihindari
- Teknik sampling ditulis tanpa justifikasi — hanya menulis "purposive sampling" tanpa menjelaskan kriteria pemilihan dan alasan mengapa teknik itu paling sesuai.
- Ukuran sampel ditentukan setelah data terkumpul, bukan direncanakan sejak BAB III lewat rumus/perhitungan yang jelas.
- Uji normalitas dilewatkan — langsung pakai regresi/uji-t/Pearson tanpa mengecek apakah data memenuhi asumsi normalitas.
- Teknik statistik dipilih karena "biasa dipakai skripsi lain", bukan karena disesuaikan dengan tujuan penelitian dan skala data sendiri.
- Non-probability sampling dipakai untuk klaim generalisasi populasi luas — padahal non-probability sampling secara metodologis membatasi seberapa jauh hasil bisa digeneralisasi.
Ringkasan Cepat
- Pilih probability sampling kalau ingin menggeneralisasi ke populasi luas; non-probability sampling untuk populasi yang sulit didaftar acak atau penelitian eksploratif.
- Tentukan ukuran sampel lewat rumus (Slovin, Krejcie-Morgan) atau power analysis (G*Power) — bukan asal tebak.
- Sebelum memilih teknik analisis, jawab dulu: tujuan penelitian, skala data, hasil uji normalitas, dan jumlah kelompok/variabel.
- Kalau data tidak normal, pakai padanan non-parametrik — jangan paksakan teknik parametrik.
Referensi
- Ahmed, S. K. (2024). How to choose a sampling technique and determine sample size for research: A simplified guide for researchers. Oral Oncology Reports. https://doi.org/10.1016/j.oor.2024.100662
- Zrineh, A., Al-Usta, M., & Alwawi, A. (2026). Sampling Methods and Sample Size Determination in Clinical Research: An Educational Review. Journal of General and Family Medicine. https://doi.org/10.1002/jgf2.70096
- Nanjundeswaraswamy, T. S., & Divakar, S. (2021). Determination of Sample Size and Sampling Methods in Applied Research. Proceedings on Engineering Sciences. https://doi.org/10.24874/pes03.01.003
- Sarker, M., & Al-Muaalemi, M. A. (2022). Sampling Techniques for Quantitative Research. In Principles of Social Research Methodology. https://doi.org/10.1007/978-981-19-5441-2_15
- Turban, J. L., Almazan, A. N., Reisner, S. L., & Keuroghlian, A. S. (2023). The Importance of Non-Probability Samples in Minority Health Research: Lessons Learned from Studies of Transgender and Gender Diverse Mental Health. Transgender Health. https://doi.org/10.1089/trgh.2021.0132
- Serdar, C. C., Cihan, M., Yücel, D., & Serdar, M. A. (2021). Sample size, power and effect size revisited: Simplified and practical approach in pre-clinical, clinical and laboratory studies. Biochemia Medica. https://doi.org/10.11613/BM.2021.010502
- Casillan, A. J., & Bush, E. L. Study population: Who and why them?. In Translational Surgery. https://doi.org/10.1016/B978-0-323-90300-4.00024-0
- Kim, J., Kim, D. H., & Kwak, S. G. (2024). Comprehensive guidelines for appropriate statistical analysis methods in research. Korean Journal of Anesthesiology. https://doi.org/10.4097/kja.24016
- Ginn, G. L., & Campbell-Cooper, C. (2025). Choosing statistical methods for clinical trials. Medicine. https://doi.org/10.1016/j.mpmed.2025.04.007
- Cheema, J. R. (2014). Some general guidelines for choosing missing data handling methods in educational research. Journal of Modern Applied Statistical Methods, 13, 53-75. https://doi.org/10.22237/jmasm/1414814520
- Sabharwal, M. (2018). The Use of Soft Computing Technique of Decision Tree in Selection of Appropriate Statistical Test For Hypothesis Testing. In Advances in Intelligent Systems and Computing. https://doi.org/10.1007/978-981-10-5687-1_15
- Slater, P., & Hasson, F. (2025). Quantitative Research Designs, Hierarchy of Evidence and Validity. Journal of Psychiatric and Mental Health Nursing. https://doi.org/10.1111/jpm.13135
- Burmeister, E., & Aitken, L. M. (2012). Sample size: How many is enough?. Australian Critical Care. https://doi.org/10.1016/j.aucc.2012.07.002
- Hyer, S., & Balani, J. (2024). Basic statistical methods in research and their interpretation. South Sudan Medical Journal. (DOI belum tersedia — jurnal ini umumnya tidak mendaftarkan DOI per artikel.)