Metode Sampling — Bandingkan 5 Teknik Penarikan Sampel

Rumus ukuran sampel (mis. Slovin) hanya menjawab berapa banyak yang harus diambil. Pertanyaan yang sama pentingnya adalah bagaimana cara mengambilnya — karena teknik penarikan sampel yang salah bisa membuat sampel besar sekalipun tetap bias. Widget ini menyimulasikan 5 teknik sampling paling umum pada populasi yang sama: 200 mahasiswa yang disusun dalam grid 20×10 (20 prodi × 10 mahasiswa per prodi), supaya perbedaan pola sebaran tiap metode terlihat langsung secara visual.

Cara Pakai

Pilih metode sampling dari dropdown, atur ukuran sampel n dengan slider (5 sampai 80), lalu klik ▶ Generate Sample untuk menarik sampel baru sesuai metode dan n yang dipilih. Titik hijau besar menandai anggota populasi yang terpilih dalam sampel; titik abu-abu kecil yang tidak terpilih. Bandingkan pola sebaran: apakah titik hijau tersebar merata di seluruh grid, terkonsentrasi di beberapa baris, atau hanya di satu sudut.

Rumus Kunci

Widget ini membandingkan skema pemilihan, bukan satu rumus tunggal — tiap metode punya kriteria dan formula alokasinya sendiri:

• Simple Random Sampling (SRS): setiap dari $N$ elemen punya peluang terpilih yang sama, $\dfrac{n}{N}$, dipilih murni acak tanpa memandang struktur populasi.
• Stratified sampling: populasi dibagi menjadi $H$ stratum (di widget: 10 baris/prodi). Widget memakai alokasi sama rata (equal allocation) per stratum: $n_h = \left\lfloor \dfrac{n}{H} \right\rfloor$ dari tiap stratum — bukan alokasi proporsional terhadap ukuran stratum.
• Cluster sampling: populasi dibagi menjadi cluster (di widget: baris = cluster berisi 20 mahasiswa). Jumlah cluster yang dipilih acak: $\left\lceil \dfrac{n}{\text{ukuran cluster}} \right\rceil$, lalu semua anggota cluster terpilih diambil (bukan sebagian).
• Systematic sampling: hitung interval $k = \left\lfloor \dfrac{N}{n} \right\rfloor$, pilih titik awal acak dari $0$ sampai $k{-}1$, lalu ambil setiap elemen ke-$k$ berikutnya.
• Convenience sampling: ambil $n$ elemen pertama yang paling mudah diakses (indeks $0$ sampai $n{-}1$) — bukan acak, dipertahankan di widget sebagai pembanding “cara yang salah”.

Contoh Angka

Populasi $N = 200$ (20 baris × 10 kolom), ukuran sampel $n = 30$ (nilai default slider):

SRS — peluang tiap mahasiswa terpilih: $\dfrac{n}{N} = \dfrac{30}{200} = 15\%$, tersebar acak di seluruh grid.

Stratified — $H = 10$ baris, alokasi per stratum: $n_h = \left\lfloor \dfrac{30}{10} \right\rfloor = 3$ mahasiswa per baris. Total: $3 \times 10 = 30$ — pas sama dengan $n$, dan setiap baris (prodi) terwakili.

Cluster — ukuran cluster = 20 (1 baris). Jumlah cluster: $\left\lceil \dfrac{30}{20} \right\rceil = 2$ baris dipilih acak. Baris pertama diambil penuh (20 mahasiswa), lalu 10 mahasiswa pertama dari baris kedua diambil sampai kuota $n=30$ terpenuhi — hanya 2 dari 10 prodi yang terwakili sama sekali.

Systematic — interval $k = \left\lfloor \dfrac{200}{30} \right\rfloor = 6$. Misal titik awal acak = 3: mahasiswa terpilih adalah indeks 3, 9, 15, 21, …, hingga $3 + 29 \times 6 = 177$ — pola teratur berselang 6 posisi.

Convenience — 30 mahasiswa pertama (indeks 0–29) diambil, yaitu seluruh baris 0 (20 mahasiswa) ditambah 10 mahasiswa pertama baris 1 — hanya mencakup 2 dari 10 prodi, bias paling parah di antara kelima metode.