Tweet

IG: @pacmannai

21 May, 32 tweets, 7 min read

Buat kamu yang bingung nentuin responden🤔
Intro to sampling techniques
.
.
.
A Thread

Sebelum masuk bahasan mimin mau nanya dulu nih, menurut kalian bagian paling ribet saat ngumpulin data pake survei tuh apa sih?

Kalo mimin sih jujur paling ribet pas bagian cari responden 🤪 wkwkw #Curcol

Dari susahnya cari responden, jawaban responden yang engga valid / reliabel, sampe harus ulang cari responden pun jadi cerita unik yang pernah mimin alamin 😂

Oke cukup curhatnya 😂 Jadi di thread kali ini mimin mau bahas tentang teknik sampling nih, gimana sih cara supaya sampel / data yang kita punya bener bener bisa mewakili karakteristik dari populasi?

Karena kan memang tujuan dasar dari statistik kan untuk menaksir parameter / karakteristik di populasi ya, jadi memang sebisa mungkin sampel kita harus bisa mewakili populasi dong

Teknik sampling ini bakal berguna banget sih buat kita memilih sampel dari populasi yang sangat besar atau disaat kita memiliki data yang gede tapi kita engga bisa pake semua

Misalkan aja kita mau tau berapa sih gaji rata-rata seorang data scientist di Indonesia, kan engga mungkin kita menanyakan ke seluruh data scientist di Indonesia satu per satu 😅 pasti kita harus ambil sampel kan

Nah terus gimana cara buat ngambil sampelnya? Check this out deh ya!

Langkah pertama yang pasti kita harus define dulu dan identifikasi target populasi kita. Karena disini udah jelas target kita adalah data scientist di Indonesia, berarti kita bisa bilang bahwa target populasinya adalah seluruh data scientist di Indonesia

Atau kalian juga bisa define sendiri orang yang termasuk data scientist itu orang yang memenuhi kualifikasi apa. Misalnya orang yang minimal memiliki kemampuan A, B, C dan seterusnya

Setelah kita define target populasi, langkah kedua adalah membuat kerangka sampel. Kerangka sampel ini adalah daftar nama-nama subjek yang merupakan anggota dari target populasi kita tadi

Berarti kalau pada kasus kita, kerangka sampelnya adalah nama-nama seluruh data scientist di Indonesia. Tapi kalau kita engga bisa membuat kerangka sampel dengan lengkap gimana min?

Jawabannya adalah engga masalah, lengkap atau tidaknya kerangka sampel kita nanti hanya akan mempengaruhi teknik sampling apa yang kita gunakan. Jadi lengkap atau tidaknya kerangka sampel engga akan membuat kita tidak bisa mengambil sampel

Selanjutnya, langkah ketiga dan yang terpenting adalah menentukan teknik sampling apa yang cocok. Ini nih bagian terpentingnya..

Btw sebelum ke teknik sampling jangan lupa tentuin berapa sampel yang ingin kamu ambil ya

Secara umum, teknik sampling ini terbagi dua yaitu probabilistic dan non probabilistic. Kalau probabilistic itu semua sampel memiliki kemungkinan yang sama buat terpilih, tapi kalo non probabilistic kemungkinan masing-masing sampel terpilih itu beda-beda

Karena probabilitas terpilihnya sama, probabilistic sampling ini lebih mungkin untuk mendapatkan sampel yang bisa mewakili populasi. Sedangkan kalo non, bakal ada risk dimana sampel terpilih bisa jadi engga merepresentasi populasi

Tapi bukan berarti probabilistic sampling pasti lebih baik yaa, semua balik lagi dengan populasi dan tujuan dari penelitian kita 👌

Balik lagi ke probabilistic sampling, jadi probabilistic itu kebagi lagi menjadi 4 metode: simple random sampling, systematic sampling, stratified sampling, sama cluster sampling

(1) Simple random sampling.

Metode ini paling simpel dan straight to the point, jadi dari kerangka sampel yang lengkap langsung aja dirandom buat diambil sejumlah sampel yang diinginkan

https://twitter.com/pacmannai/status/1380128342549008385

Simple random sampling ini juga bermanfaat banget di statistika, contohnya kayak di Monte Carlo method dimana simple random sampling ini dipakai buat menaksir parameter yang engga diketahui. Mimin pernah simulasi Monte Carlo juga nih disini

https://twitter.com/pacmannai/status/1380128342549008385

(2) Systematic sampling.

Sampling ini juga simpel, kita cuma perlu menghitung interval aja. Misalkan dari kerangka sampel lengkap ada 20 orang dan kita ingin mengambil 5 sampel, berarti intervalnya adalah 20 / 5 = 4.

Jadi kalau sampel pertama adalah orang ke 3, sampel kedua bakal jatuh di orang ke 3 + 4 = 7, sampel ketiga orang ke 11, dst. Pada akhirnya sampel terpilih kita adalah orang ke 3, 7, 11, 15, 19

Tapi systematic sampling ini kurang bagus kalo ada pola di kerangka sampel, karena nanti yang kepilih berarti orang-orang dengan karakteristik yang itu-itu aja 😂

(3) Stratified sampling.

Di metode kerangka sampel akan dibagi menjadi beberapa strata yang dipisahkan berdasarkan klasifikasi tertentu misal gender, umur, atau lainnya. Tentunya disini kita harus bisa memahami karakter kerangka sampel supaya hasil klasifikasinya nanti bagus

Idenya disini adalah mengambil perwakilan dari setiap strata yang berbeda-beda tadi supaya representatif. Jadi dari setiap strata bakal diambil sampel yang mana sampel tersebut akan di gabung dan jadi sampel final kita

Pengambilan sampel di tiap strata itu bebas menggunakan teknik sampling apapun, karena disini intinya kita mengambil representasi tiap strata yang beda-beda aja

(4) Cluster sampling.

Kalo ide teknik ini sebenarnya simpel. Kita cuman kelompokkin kerangka sampel kita kedalam beberapa cluster dan dari semua cluster akan dipilih cluster secara acak. Nantinya semua anggota dari cluster terpilih akan jadi sampel akhir kita.

Analogi metode ini mirip banget kayak satu kelas yang dibagi jadi beberapa kelompok dan di random kelompok siapa yang maju buat presentasi 🤣

Nah kalo udah bisa menentukan teknik sampling apa yang mau digunakan, kalian bisa deh langsung kumpulin datanya dan mengolahnya! 🎉🎉

Nah kira-kira begitu gais tentang probabilistic sampling! Buat non-probabilistic sampling bakal mimin bahas di thread lain ya! Makanya stay terus pantengin Pacmann.AI sambil kepoin kurikulum non degree program Data Scientist Pacmann di bit.ly/PacmannioTwitt…!