Apa itu sampel bias?

Mengetahui jawaban untuk “Apa itu sampel yang bias?” dapat membantu Anda melakukan penelitian yang akurat, andal, dan valid. Sampel yang bias tidak secara akurat mewakili semua elemen populasi. Biasanya terjadi ketika seorang peneliti menggunakan metode pengambilan sampel yang tidak menyukai bagian tertentu dari populasi. Ini menghasilkan keluaran yang lebih umum daripada temuan khusus yang sesuai dengan sampel.

Misalnya, jika tim pemasaran ingin memahami produk apa yang disukai pelanggan dari koleksi baru mereka, dan mereka akhirnya mengajukan pertanyaan ini hanya kepada pelanggan di dalam toko mereka. Pelanggan online mungkin memiliki pendapat yang berbeda dari pembeli offline. Hal ini membuat hasilnya bias terhadap pelanggan di dalam toko.

Jenis sampel bias

Berikut adalah beberapa jenis pengambilan sampel yang bias:

Bias pemilihan sendiri

Sangat sukarela untuk berpartisipasi dalam penelitian atau studi. Seorang individu mungkin atau mungkin tidak memilih untuk menjadi bagian darinya. Ada kemungkinan bahwa mereka yang memutuskan untuk berpartisipasi dalam survei mungkin memiliki pandangan yang sama. Hal ini dapat menyebabkan bias karena pandangan non-peserta hilang dari data. Akibatnya, sampel bisa tidak lengkap dan sepihak.

Bias di bawah cakupan

Bias under-coverage terjadi ketika populasi yang terkena dampak penelitian tidak menjadi bagian dari sampel. Bisa juga terjadi karena terbatasnya akses yang diberikan kepada partisipan penelitian. Misalnya, jika sebuah perusahaan telepon ingin meneliti kualitas Internet, tetapi pelanggan mereka memerlukan koneksi Internet yang baik untuk mengisi survei, itu akan meninggalkan peserta yang tidak memilikinya.

Bias bertahan hidup

Bias bertahan hidup terjadi ketika peneliti memilih peserta yang dapat mereka gambarkan sebagai orang yang berhasil. Hal ini dapat menyebabkan sampel yang bias, karena peneliti mungkin hanya fokus pada pemenang dan mengabaikan yang kalah, seringkali karena kurangnya visibilitas mereka. Misalnya, jika sekolah hanya mengizinkan siswa yang mendapat nilai di atas 80% untuk berpartisipasi dalam studi, hasilnya hanya dapat dipengaruhi oleh siswa tersebut, sedangkan siswa yang mendapat nilai di bawah 80% dapat dikecualikan.

Bias pengecualian

Bias eksklusi terjadi ketika kelompok sampel tertentu ditinggalkan saat melakukan penelitian. Ini juga mengecualikan orang yang baru saja keluar atau bergabung dengan grup sampel. Misalnya, untuk survei yang mengukur loyalitas pelanggan, perusahaan mungkin meninggalkan pelanggan yang baru saja bergabung atau keluar dari program keanggotaan mereka.

Bias non-respons

Terkadang orang-orang tertentu mungkin menolak untuk berpartisipasi dalam penelitian atau tidak memiliki akses ke survei. Hal ini dapat menghasilkan sampel yang bias. Karena masukan mereka mungkin penting agar penelitian dapat diandalkan, hasil akhirnya tidak lengkap tanpa partisipasi mereka.

Bias pra-penyaringan

Seperti bias survivorship, bias pra-penyaringan terjadi ketika peneliti memutuskan untuk mewawancarai kandidat sebelum mengizinkan mereka untuk berpartisipasi dalam penelitian. Mereka mungkin melakukannya untuk mempengaruhi hasil ke arah preferensi mereka. Ini mengarah pada sampel yang bias, karena peserta dengan karakteristik tertentu mungkin tidak lulus wawancara.

Cara menghindari bias pengambilan sampel

Berikut adalah beberapa langkah yang dapat Anda ambil untuk menghindari bias pengambilan sampel:

Tetapkan batas yang jelas

Langkah pertama menuju pengambilan sampel yang ideal adalah mengidentifikasi perimeter yang tepat untuk studi Anda. Proses ini dimulai dengan hipotesis apa yang ingin Anda uji, diikuti dengan sumber daya apa yang Anda perlukan untuk mengujinya. Buat daftar variabel bebas dan terikat yang sedang Anda pelajari. Metode-metode ini dapat membantu Anda menentukan metode terbaik untuk memilih populasi sampel.

Identifikasi populasi target Anda

Cara efektif untuk menghindari bias pengambilan sampel adalah dengan memperjelas audiens target Anda. Sangat penting untuk mencegah kenyamanan pengambilan sampel pada saat ini, karena dapat mempengaruhi penelitian Anda. Misalnya, jika Anda mempelajari bagaimana reaksi pelanggan terhadap diskon, mengumpulkan sampel pembeli online dan offline sangat penting. Dengan cara ini, berbagai jenis pembeli menjadi bagian dari sampel Anda.

Menjangkau populasi sasaran secara efektif

Setelah Anda jelas tentang populasi target Anda, langkah selanjutnya adalah menjangkau mereka. Anda dapat memilih salah satu dari banyak cara untuk mengundang mereka mengisi survei Anda. Misalnya, Anda dapat menghubungi mereka secara pribadi atau meminta rekan Anda untuk merujuk Anda kepada mereka. Cara lain adalah dengan mengirimkan email dingin, panggilan atau pesan teks.

Perkuat proses peninjauan

Sebagai peneliti, Anda dapat menyusun, mengedit, dan mempelajari kuesioner beberapa kali untuk meningkatkan kejelasannya. Akan sangat membantu jika rekan kerja atau mentor meninjau pertanyaan. Ini dapat membantu Anda mengidentifikasi bias yang mungkin Anda lewatkan. Selama penelitian, penting untuk melakukan tinjauan eksternal berkala untuk memastikan bahwa sampel tidak menjadi bias.

Gunakan oversampling

Oversampling adalah metode di mana seorang peneliti memilih peserta dari kelompok yang lebih besar, sehingga mereka membuat bagian sampel yang lebih besar daripada populasi. Peneliti menggunakan ini ketika anggota kelompok tertentu kurang terwakili. Mereka menghilangkan bias pengambilan sampel dengan menimbang kelompok yang disampelkan ke bagian populasi mereka yang sebenarnya.

Probabilitas Vs. Sampel Bias Non-Probabilitas

Bias juga dapat hadir dalam sampel probabilitas atau non-probabilitas. Berikut adalah beberapa contoh yang sama:

Bias pengambilan sampel dalam sampel berbasis probabilitas

Dalam sampling probabilitas, semua anggota populasi memiliki kesempatan yang sama untuk dipilih. Peneliti secara acak memilih anggota populasi untuk pengambilan sampel, mengurangi risiko bias pengambilan sampel. Meskipun demikian, bias pengambilan sampel masih dapat terjadi jika anggota populasi tidak cocok dengan batas uji.

Contoh: Anda ingin mempelajari tingkat stres pada siswa sekolah yang muncul untuk ujian menggunakan sampling acak. Untuk melakukannya, Anda menetapkan nomor untuk setiap siswa di sekolah dan menggunakan generator nomor acak untuk memilih 100 nomor. Meskipun Anda memilih anggota secara acak, ada kemungkinan Anda mengabaikan siswa dengan tingkat stres yang lebih tinggi yang akan tertarik dengan penelitian ini.

Bias pengambilan sampel dalam sampel berbasis non-probabilitas

Dalam non-probability sampling, peneliti menggunakan convenience sampling untuk memilih anggota populasi. Ini meninggalkan peluang bias pengambilan sampel yang lebih tinggi, karena peneliti mungkin meninggalkan beberapa anggota populasi karena masalah ketidaksadaran atau keterjangkauan.

Contoh: Anda ingin meneliti tren keberlanjutan di antara mahasiswa di perguruan tinggi Anda. Untuk kenyamanan, Anda mengirimkan kuesioner kepada mahasiswa sarjana di departemen mode. Mereka semua mengisi kuesioner dengan imbalan nilai. Tetapi metode ini dapat meninggalkan siswa lain di perguruan tinggi Anda yang mungkin tertarik dengan keberlanjutan.

Contoh sampel bias

Sampel bias dapat terjadi di berbagai bidang penelitian. Berikut adalah beberapa contoh yang sama:

Bias sampel dalam psikologi

Bias pengambilan sampel dapat terjadi dalam penelitian psikologis dan uji klinis. Lebih mungkin ketika sampel dikumpulkan melalui pemilihan sendiri atau pengambilan sampel kenyamanan. Hal ini dapat mempengaruhi validitas hasil. Anda dapat mengurangi kesalahan ini dengan mengumpulkan data dari berbagai orang. Anda dapat menetapkan kriteria Anda dan mencoba mengumpulkan sampel sedekat mungkin dengan populasi target Anda.

Contoh: Pertimbangkan sebuah penelitian yang bertujuan untuk memahami kesehatan mental pensiunan personel militer. Untuk mengumpulkan data, peneliti meminta individu untuk menjadi sukarelawan untuk penelitian ini. Metode ini dapat menyebabkan bias seleksi diri, karena individu dengan kesehatan mental yang baik dapat menjadi sukarelawan, meninggalkan mereka yang bermasalah. Jadi, hasilnya mungkin tidak akurat dalam merepresentasikan kesehatan mental komunitas pensiunan militer.

Bias pengambilan sampel dalam survei

Desain survei Anda dapat menyebabkan bias pengambilan sampel jika menguntungkan individu atau kelompok individu tertentu. Bahkan bahasa survei Anda dapat mengecualikan sebagian besar populasi. Misalnya, jika Anda ingin mensurvei orang yang tidak bisa membaca, Anda memerlukan sukarelawan yang akan berbicara dengan subjek dan mengisi tanggapan atas nama mereka.

Contoh: Bias pengambilan sampel dalam survei terjadi karena banyak faktor. Misalnya, sebuah studi untuk memahami penggunaan skema pemerintah di kalangan pensiunan dapat menjadi bias jika mengecualikan orang yang tidak terdaftar dalam skema tersebut.

Dalam artikel ini, kami menjelaskan sampling sistematis, menjelaskan cara membuat sampel dengan metode ini, mendiskusikan kapan menggunakannya, meninjau beberapa kelebihannya, dan memberikan contoh.

Apa itu sampling sistematis?

Pengambilan sampel sistematis adalah metode pengambilan sampel probabilitas di mana Anda menentukan anggota sampel Anda berdasarkan titik awal acak dan interval pengambilan sampel yang konsisten. Setelah memilih titik data awal untuk sampel, metode sampling sistemik terus memilih titik data baru dengan bergerak melalui data, sesuai dengan intervalnya, untuk memilih setiap titik data yang sejajar dengan interval tersebut.

Misalnya, sebuah studi yang berusaha mengumpulkan informasi dengan mengambil sampel 5% dari populasi dapat menggunakan sampling sistemik dengan interval 20 untuk memilih satu dari setiap 20 titik data, yang sama dengan 5% dari total. Meskipun memiliki interval yang konsisten yang dipilih peneliti, pengambilan sampel sistemik tetap acak karena menggunakan interval yang telah ditentukan dan titik awal yang acak.

Cara membuat sampel menggunakan sampling sistematis

Untuk membuat sampel menggunakan metode sampling sistematis, Anda dapat mengikuti langkah-langkah berikut:

• Tentukan populasi Anda. Pilih fokus penelitian Anda dan kelompok yang ingin Anda nilai untuk mempelajari lebih banyak informasi. Ini mungkin luas, seperti semua pengunjung ke situs web, atau ditargetkan, seperti menetapkan demografi tertentu untuk analisis.
• Tentukan ukuran sampel ideal Anda. Ukuran sampel adalah jumlah orang dari seluruh populasi yang Anda nilai dalam sampel Anda. Ukuran sampel yang lebih besar membutuhkan lebih banyak pekerjaan sambil memberikan kepastian yang meningkat, sementara sampel yang lebih kecil memiliki ketidakpastian yang lebih tinggi tetapi membutuhkan lebih sedikit sumber daya untuk menilai.
• Urutkan informasi Anda ke dalam satu set yang dipesan. Menyelesaikan pengambilan sampel sistemik membutuhkan penyimpanan data dalam struktur yang teratur. Ini memungkinkan Anda untuk melakukan penghitungan interval dengan menelusuri item dalam sampel.
• Tentukan interval pengambilan sampel. Anda dapat menargetkan ukuran sampel tertentu atau persentase representasi untuk mengatur interval pengambilan sampel Anda. Misalnya, jika Anda ingin 200 item dalam sampel Anda dari kumpulan data dengan 2.000 entri, Anda dapat mengatur interval 10.
• Pilih titik awal secara acak. Mulailah pilihan Anda pada titik acak hingga ukuran interval Anda. Misalnya, saat mengambil sampel kumpulan data dengan interval 50, Anda dapat menggunakan generator bilangan acak untuk memilih bilangan bulat acak dari satu hingga 50 dan memulai pemilihan di sana.
• Pilih anggota sampel sesuai dengan interval sampling. Lanjutkan memilih titik data baru sesuai dengan interval Anda hingga Anda mencapai akhir set. Misalnya, dengan interval 10 dan titik awal titik data ketiga, Anda dapat mengumpulkan data dari titik data ke-13, ke-23, dan ke-33.

Kapan menggunakan sampling sistematis

Anda dapat memperoleh manfaat dari penggunaan sistem pengambilan sampel sistemik dalam situasi berikut:

Anda tahu ukuran populasi

Jumlah orang dalam populasi yang ingin Anda sampel merupakan faktor penting untuk menentukan interval pengambilan sampel Anda, jadi penting untuk bekerja dengan kumpulan data yang lengkap. Misalnya, sebuah perusahaan yang melakukan studi internal tentang kinerja staf dalam rantai toko mungkin secara acak menilai setiap anggota tim penjualan ke-10. Karena perusahaan memiliki akses ke data kepegawaian, ia mengetahui berapa banyak staf yang bekerja di setiap toko dan secara keseluruhan, sehingga dapat memilih interval yang sesuai.

Populasi Anda besar

Populasi yang lebih besar dapat memastikan hasil yang lebih signifikan secara statistik dengan memberikan lebih banyak wawasan. Lebih banyak data untuk ditafsirkan meningkatkan kemungkinan tanggapan unik dan mengurangi risiko bias. Misalnya, dalam populasi 50.000, pengambilan sampel setiap orang ke-10 memungkinkan Anda mengumpulkan tanggapan dari 5.000 peserta, sedangkan populasi 500 dengan interval pengambilan sampel yang sama akan menjaring 50 peserta. Lebih banyak titik data mengurangi varians dalam hasil Anda yang mungkin disebabkan oleh outlier.

Populasi Anda tidak memiliki pola

Kurangnya karakteristik umum yang signifikan antara interval populasi Anda meningkatkan potensi keacakan dalam sampel Anda dan keakuratan hasil Anda. Misalnya, daftar 2.000 nama yang disusun menurut abjad mungkin ideal untuk pengambilan sampel sistematis karena tidak ada alasan untuk percaya bahwa orang-orang dalam daftar memiliki bias yang dihasilkan dari nama mereka. Sebaliknya, daftar yang diurutkan ke dalam tim perusahaan dapat menyebabkan sistem Anda memilih beberapa anggota tim yang sama jika Anda memilih interval yang cocok dengan ukuran tim, membuat sampel yang tidak mewakili keseluruhan.

Keuntungan pengambilan sampel sistematis

Pengambilan sampel secara sistematis sering kali menarik bagi peneliti karena memberikan beberapa keunggulan dibandingkan metode pengambilan sampel lainnya, antara lain:

Kesederhanaan

Interval pengambilan sampel mengikuti rumus matematika dasar: membagi populasi target dengan ukuran sampel yang ditentukan. Kesederhanaan ini dapat mengurangi kemungkinan penyimpangan kumpulan data. Akibatnya, sampling sistematis dapat menghasilkan hasil yang akurat dan dapat diandalkan.

Penerapan

Bekerja dengan kumpulan data yang lengkap dan tanpa pola, Anda dapat menerapkan pengambilan sampel sistematis untuk membuat sampel representatif yang efektif. Sebaliknya, metode pengambilan sampel lainnya mungkin memerlukan rentang keadaan yang sempit yang tidak dapat dipenuhi oleh semua populasi. Ini memperluas jangkauan situasi yang mungkin menguntungkan Anda dengan memberi Anda sistem yang dapat Anda gunakan untuk banyak kumpulan data.

Keserampangan

Ketika tidak ada pola antara interval dalam populasi, ada kemungkinan besar untuk mencapai populasi sampel acak. Keacakan sangat penting dalam pengambilan sampel karena membantu mencegah bias dengan memasukkan berbagai pendapat. Pengambilan sampel sistematis dapat membantu Anda mencapai hal ini karena pengambilan sampel ini memilih secara merata dari setiap area kumpulan data tanpa bias atau pengaruh.

Contoh pengambilan sampel sistematis

Contoh-contoh berikut dapat membantu Anda memperoleh pemahaman yang lebih jelas tentang pengambilan sampel sistematis:

Kondisi kerja restoran

Anda sedang mensurvei karyawan rantai restoran tentang kondisi kerja. Secara nasional, rantai ini memiliki 20.000 karyawan. Anda membuat daftar semua nama mereka, yang Anda atur dalam urutan abjad untuk menghilangkan pola apa pun, dan memutuskan bahwa 10% dari seluruh populasi, atau 2.000 karyawan, adalah ukuran sampel yang representatif. Untuk menentukan interval pengambilan sampel, Anda membagi 20.000 dengan 2.000 untuk hasil bagi 10. Kemudian, Anda menggunakan generator angka acak untuk menentukan titik awal delapan. Dimulai dengan karyawan kedelapan dalam daftar, Anda mengirim survei ke setiap karyawan ke-10.

Pemeriksaan kualitas pabrik pena

Sebuah pabrik pena melakukan pemeriksaan kontrol kualitas pada sampel pena untuk memastikan mereka bebas dari cacat yang terlihat. Pabrik secara konsisten memproduksi 100.000 pulpen setiap hari. Perusahaan menentukan gaya pemeriksaan kualitas yang memungkinkannya tetap hemat biaya untuk memeriksa ukuran sampel 5% dari semua pena yang diproduksi, yaitu 5.000 pena setiap hari. Membagi total output dengan ukuran sampel sama dengan 20, sehingga interval pengambilan sampel adalah 20 pena. Tim kontrol kualitas secara acak mulai dari pena ke-12 dari garis dan menyortir setiap pena ke-20 untuk penilaian.

Survei perusahaan sepatu

Sebuah perusahaan sepatu kets ingin mensurvei pendapat konsumen tentang merek tersebut. Ini mendefinisikan populasinya berdasarkan jumlah orang yang berlangganan buletin perusahaan, yaitu 23.421 orang. Para peneliti memutuskan ukuran sampel 2.300, yaitu sekitar 10% dari populasi. Membagi angka itu dengan 2.300 sama dengan 10,18, yang dibulatkan ke bawah menjadi 10. Para peneliti mengatur daftar pelanggan menurut abjad dan secara acak menghasilkan titik awal 10. Dari sana, mereka menghitung setiap pelanggan ke-10 untuk menerima email survei.