UTS TEKNIK SAMPLING

SOAL 1

Pendahuluan

Dalam praktik survei di lapangan, sering kali jumlah responden yang berhasil dikumpulkan tidak sesuai dengan target awal. Hal ini dapat menyebabkan terjadinya kesalahan sampling yang mempengaruhi kualitas data dan representativitas hasil. Berikut ini saya bahas dua jenis kesalahan sampling yang terjadi pada simulasi survei penggunaan aplikasi transportasi online di tiga kota di Sumatera, beserta cara menghitung bobot penyesuaian agar data tetap proporsional.

a. Dua Jenis Kesalahan Sampling yang Terjadi

Berdasarkan situasi berikut:

• Target: 200 responden per kota (total 600 responden)
• Realisasi:
  • Kota A: 250 responden
  • Kota B: 120 responden
  • Kota C: 180 responden

1. Kesalahan Sampling Non-Proposional (Nonresponse Bias)

Terjadi karena jumlah responden yang berhasil dikumpulkan tidak proporsional terhadap rencana awal. Kota B dan Kota C kurang dari target, sedangkan Kota A melebihi target. Hal ini menyebabkan representasi tiap kota dalam total sampel menjadi tidak seimbang, yang bisa mengakibatkan bias dalam estimasi keseluruhan.

2. Overcoverage dan Undercoverage

• Overcoverage terjadi di Kota A (250 responden dari target 200), artinya data dari kota ini terlalu banyak dan bisa mendistorsi rata-rata keseluruhan.
• Undercoverage terjadi di Kota B (120 responden) dan Kota C (180 responden), yang artinya data dari kota ini kurang sehingga suara dari populasi di kota tersebut tidak sepenuhnya terwakili.

b. Penyesuaian Bobot Sampling

Untuk mengembalikan proporsi yang sesuai dengan target (200 per kota), kita perlu menyesuaikan bobot tiap responden berdasarkan target awal dibandingkan dengan realisasi. Rumus umum:

\[ \text{Bobot Kota} = \frac{\text{Target}}{\text{Realisasi}} \]

Perhitungan di R:

# Target dan realisasi
target <- c(A = 200, B = 200, C = 200)
realisasi <- c(A = 250, B = 120, C = 180)

# Hitung bobot untuk tiap kota
bobot <- target / realisasi
bobot

##        A        B        C 
## 0.800000 1.666667 1.111111

Interpretasi Bobot

Setiap responden dari Kota A dihitung sebagai 0.8 responden.
Setiap responden dari Kota B dihitung sebagai 1.67 responden.
Setiap responden dari Kota C dihitung sebagai 1.11 responden.

Kesimpulan

Dua jenis kesalahan sampling yang terjadi dalam simulasi ini adalah kesalahan nonresponse dan over/undercoverage. Untuk memperbaikinya, bobot sampling dapat disesuaikan agar distribusi data tetap proporsional seperti target awal, meskipun jumlah aktual tidak sama.

SOAL 2

Pendahuluan

Survei ini bertujuan untuk mengukur persepsi kenyamanan pengguna ojek online pada jam sibuk, yaitu pagi (07.00–09.00) dan sore (17.00–19.00). Mengingat keterbatasan sumber daya, survei dilakukan hanya pada jam-jam puncak tersebut, bukan sepanjang hari.

a. Desain Pendekatan Sampling

Tujuan:

Menangkap persepsi pengguna secara representatif pada waktu-waktu sibuk tanpa survei seharian penuh.

Strategi Sampling:

Menggunakan pendekatan Time-based Stratified Sampling, di mana waktu pengambilan sampel dibagi menjadi dua strata:

• Strata 1: Jam sibuk pagi (07.00–09.00)
• Strata 2: Jam sibuk sore (17.00–19.00)

Jumlah responden diambil secara acak sistematis dalam masing-masing strata waktu, misalnya setiap 5 menit mewawancarai 1 pengguna yang baru selesai menggunakan ojek online.

b. Rancangan Waktu, Metode Pemilihan Responden, dan Justifikasi

Rancangan Waktu:

• Survei dilakukan selama 5 hari kerja berturut-turut.
• Setiap hari, dilakukan pengumpulan data selama:
  • 2 jam pada pagi hari (07.00–09.00)
  • 2 jam pada sore hari (17.00–19.00)

Metode Pemilihan Responden:

• Intercept Sampling: Pewawancara menunggu di titik-titik turunnya penumpang ojek online (misalnya stasiun, perkantoran, kampus, atau mall).
• Pewawancara memilih responden yang baru selesai menggunakan ojek online dalam 5 menit terakhir.
• Pemilihan dilakukan secara acak sistematis: misalnya setiap 3 penumpang, 1 dipilih untuk diwawancarai.

Justifikasi Unit Sampling:

• Unit sampling: pengguna ojek online yang baru menyelesaikan perjalanannya pada jam sibuk.
• Justifikasi: pengguna yang baru turun dari ojek online paling relevan untuk memberikan persepsi aktual terhadap kenyamanan layanan.

c. Penyesuaian Hasil Survei (Pembobotan)

Situasi:

• 60% responden berasal dari pagi
• 40% responden berasal dari sore
• Padahal, data historis: pengguna sore 2x lebih banyak daripada pagi

Penyesuaian Bobot:

Misalkan total responden = 100 orang

• Responden pagi = 60 orang
• Responden sore = 40 orang

Namun, menurut data historis:

• Proporsi pengguna pagi: 1/3
• Proporsi pengguna sore: 2/3

Maka bobot dihitung dengan:

# Proporsi populasi dan proporsi sampel
prop_pop <- c(pagi = 1/3, sore = 2/3)
prop_sampel <- c(pagi = 0.6, sore = 0.4)

# Hitung bobot
bobot_waktu <- round(prop_pop / prop_sampel, 2)
bobot_waktu

## pagi sore 
## 0.56 1.67

Interpretasi:

• Setiap responden dari pagi dihitung sebagai 0.56 responden.
• Setiap responden dari sore dihitung sebagai 1.67 responden.

Kesimpulan

Survei ini menggunakan stratifikasi waktu agar tetap representatif meski hanya dilakukan pada jam sibuk. Ketidakseimbangan jumlah responden dari pagi dan sore diperbaiki dengan pemberian bobot berdasarkan distribusi historis pengguna. Ini penting agar hasil akhir tetap mencerminkan populasi pengguna ojek online secara akurat.

SOAL 3

Pendahuluan

Survei ini bertujuan untuk mengevaluasi kepuasan mahasiswa terhadap layanan akademik yang mencakup beberapa aspek, antara lain: KRS online, bimbingan akademik, pelayanan administrasi, akses informasi akademik, dan bantuan penyelesaian studi.

1. Desain Pertanyaan (25 Pertanyaan Utama)

Berikut adalah 25 pertanyaan utama dengan variasi skala dan bentuk pertanyaan yang dapat digunakan dalam survei:

Skala Likert (1–5)

1. KRS Online:
   Sejauh mana Anda puas dengan kemudahan akses untuk melakukan pengisian KRS secara online?
   • 1: Sangat Tidak Puas
     
   • 2: Tidak Puas
     
   • 3: Cukup Puas
     
   • 4: Puas
     
   • 5: Sangat Puas
2. Bimbingan Akademik:
   Seberapa terbuka dosen pembimbing akademik dalam memberikan konsultasi?
   • 1: Sangat Tidak Terbuka
     
   • 2: Tidak Terbuka
     
   • 3: Cukup Terbuka
     
   • 4: Terbuka
     
   • 5: Sangat Terbuka
3. Pelayanan Administrasi:
   Proses administrasi (misalnya: pengisian formulir, verifikasi data) berjalan dengan efisien.
   • 1: Sangat Tidak Efisien
     
   • 2: Tidak Efisien
     
   • 3: Cukup Efisien
     
   • 4: Efisien
     
   • 5: Sangat Efisien
4. Akses Informasi Akademik:
   Bagaimana Anda menilai kejelasan informasi akademik yang tersedia di website kampus?
   • 1: Sangat Tidak Jelas
     
   • 2: Tidak Jelas
     
   • 3: Cukup Jelas
     
   • 4: Jelas
     
   • 5: Sangat Jelas
5. Bantuan Penyelesaian Studi:
   Seberapa bantuan yang Anda terima dari fakultas dalam menyelesaikan permasalahan akademik Anda?
   • 1: Sangat Tidak Membantu
     
   • 2: Tidak Membantu
     
   • 3: Cukup Membantu
     
   • 4: Membantu
     
   • 5: Sangat Membantu

Pertanyaan dengan Skala Numerik (1–10)

6. Seberapa cepat Anda mendapatkan tanggapan atas pertanyaan yang diajukan terkait KRS online?
   (1 = sangat lambat, 10 = sangat cepat)

7. Pada skala 1 hingga 10, seberapa puas Anda dengan layanan administrasi kampus?

8. Berapa kali dalam seminggu Anda mengakses informasi akademik di website kampus?
   (1 = tidak pernah, 10 = setiap hari)

9. Berapa lama waktu yang dibutuhkan untuk menyelesaikan prosedur bimbingan akademik?
   (1 = sangat lama, 10 = sangat cepat)

Pertanyaan Terbuka

10. Apa yang menurut Anda perlu diperbaiki dari layanan KRS online?

11. Bagaimana Anda menilai kualitas bimbingan akademik yang Anda terima dari dosen pembimbing?

12. Apa kendala yang Anda hadapi dalam mendapatkan pelayanan administrasi yang memadai?

13. Sebutkan aspek yang menurut Anda perlu ditingkatkan terkait akses informasi akademik.

14. Apakah Anda merasa layanan bantuan penyelesaian studi cukup membantu dalam menyelesaikan masalah akademik Anda?

Pertanyaan Pilihan Ganda

15. Apakah Anda menggunakan aplikasi atau website untuk mengakses KRS online?
    

• Aplikasi
  
• Website
  
• Keduanya

16. Apakah Anda lebih memilih untuk melakukan bimbingan akademik secara online atau langsung?
    

• Online
  
• Langsung
  
• Tidak Memiliki Preferensi

17. Apakah Anda mengetahui adanya bantuan beasiswa yang ditawarkan oleh kampus?
    

• Ya
  
• Tidak

18. Apakah Anda merasa sulit untuk mendapatkan informasi terkait jadwal ujian atau pengumuman akademik?
    

• Sangat Sulit
  
• Sulit
  
• Cukup Mudah
  
• Mudah

19. Menurut Anda, sejauh mana aksesibilitas layanan akademik di kampus?
    

• Sangat Tidak Aksesibel
  
• Tidak Aksesibel
  
• Cukup Aksesibel
  
• Aksesibel

Pertanyaan Tertutup

20. Apakah Anda merasa terbantu dengan adanya aplikasi untuk layanan administrasi akademik?
    

• Ya
  
• Tidak

21. Apakah waktu yang tersedia untuk melakukan konsultasi bimbingan akademik cukup fleksibel?
    

• Ya
  
• Tidak

22. Apakah Anda merasa layanan administrasi terorganisir dengan baik?
    

• Ya
  
• Tidak

23. Apakah akses informasi akademik melalui website resmi kampus lebih baik daripada media lain?
    

• Ya
  
• Tidak

24. Apakah Anda merasa ada ruang untuk perbaikan dalam sistem penyelesaian studi yang ada?
    

• Ya
  
• Tidak

25. Apakah Anda puas dengan komunikasi yang diberikan oleh pihak kampus terkait masalah akademik?
    

• Ya
  
• Tidak

2. Skema Validasi Instrumen

• Uji Validitas Isi (Content Validity): Menggunakan feedback dari ahli layanan akademik untuk memastikan bahwa pertanyaan yang diajukan mencakup semua aspek yang relevan.
• Uji Validitas Konstruksi (Construct Validity): Menggunakan analisis faktor untuk memverifikasi apakah pertanyaan-pertanyaan tersebut sesuai dengan dimensi yang dimaksud (misalnya: kepuasan, kemudahan akses).
• Uji Reliabilitas: Menggunakan Cronbach’s Alpha untuk mengukur konsistensi internal dari instrumen.

3. Strategi Distribusi dan Sampling

• Metode Distribusi:
  • Online Survey menggunakan Google Forms atau SurveyMonkey untuk menjangkau mahasiswa di seluruh kampus.
  • Sampling: Menggunakan stratified random sampling berdasarkan fakultas untuk memastikan representasi yang adil.
• Ukuran Sampel: 10% dari populasi mahasiswa, misalnya jika populasi mahasiswa 10.000 orang, maka sampel = 1.000 responden.

4. Simulasi Data dan Analisis Awal

Berikut adalah contoh simulasi data untuk pertanyaan tentang kepuasan KRS online (skala 1-5):

# Simulasi data untuk pertanyaan 1 tentang kepuasan KRS Online (skala 1-5)
set.seed(123)
data_krs <- sample(1:5, 1000, replace = TRUE, prob = c(0.1, 0.2, 0.4, 0.2, 0.1))

# Analisis frekuensi jawaban
table(data_krs)

## data_krs
##   1   2   3   4   5 
##  92 203 404 195 106

# Simulasi data untuk pertanyaan tentang kepuasan KRS online (skala 1-5)
set.seed(123)  # Menentukan seed agar hasil simulasi konsisten
data_krs <- sample(1:5, 1000, replace = TRUE, prob = c(0.1, 0.2, 0.4, 0.2, 0.1))

# Menampilkan hasil distribusi frekuensi untuk pertanyaan kepuasan KRS online
table(data_krs)

## data_krs
##   1   2   3   4   5 
##  92 203 404 195 106

# Visualisasi distribusi jawaban menggunakan histogram
library(ggplot2)

## Warning: package 'ggplot2' was built under R version 4.4.2

ggplot(data.frame(krs = data_krs), aes(x = krs)) +
  geom_bar(fill = "steelblue") +
  labs(title = "Distribusi Kepuasan KRS Online",
       x = "Tingkat Kepuasan",
       y = "Frekuensi") +
  theme_minimal()

# Menghitung proporsi masing-masing jawaban
proporsi <- prop.table(table(data_krs))
proporsi

## data_krs
##     1     2     3     4     5 
## 0.092 0.203 0.404 0.195 0.106

# Menghitung rata-rata dan median untuk tingkat kepuasan
rata_rata <- mean(data_krs)
median_krs <- median(data_krs)

# Menampilkan rata-rata dan median
rata_rata

## [1] 3.02

median_krs

## [1] 3