Tugas UTS Teknik Sampling dan Survey

UTS Teknik Sampling dan Survey M. Ragil Rizki Mulya

Logo


Soal 1 : Simulasi Kesalahan Sampling di lapangan

I. Identifikasi Masalah

Dalam skenario ini, tim riset diminta melakukan survei terhadap 600 responden di 3 kota menengah di Sumatera, dengan distribusi yang proporsional yaitu 200 responden per kota. yang dimana hasilnya :

  • Kota A berhasil mendapatkan 250 responden

  • Kota B berhasil mendapatkan 120 responden

  • Kota C berhasil mendapatkan 180 responden

Namun disini hasil aktual setelah dua minggu survei menunjukkan ketidaksesuaian dengan target karena:

  • Kota A: 250 responden (melebihi target)

  • Kota B: 120 responden (kurang dari target)

  • Kota C: 180 responden (sedikit kurang dari target)

II. Jenis Kesalahan Sampling yang Terjadi

Kesalahan sampling yang terjadi dapat dikategorikan sebagai berikut:

1. Kesalahan Prosedural (Procedural Sampling Error) Kesalahan ini muncul karena pelaksanaan pengambilan sampel tidak sesuai dengan rancangan awal. Dalam kasus ini, metode survei yang diharapkan menghasilkan distribusi 200 per kota tidak berjalan sebagaimana mestinya di lapangan.

2. Over-Sampling dan Under-Sampling Over-sampling di Kota A, karena jumlah responden melebihi target (250 responden).

Under-sampling di Kota B dan C karena jumlah responden di bawah target, terutama Kota B yang hanya mendapatkan 120 responden, turun 40% dari target awal.

3. Non-Response Bias Kemungkinan juga terjadi non-response bias, terutama di Kota B. Non-response bias terjadi ketika individu yang tidak berpartisipasi dalam survei memiliki karakteristik yang berbeda secara sistematis dari mereka yang berpartisipasi. Misalnya, mungkin pengguna transportasi online di Kota B lebih sibuk, kurang percaya terhadap survei, atau sulit dijangkau.

Contohnya:

  • Mungkin responden di Kota B lebih sibuk, sulit dijangkau, atau kurang tertarik terhadap survei, sehingga hanya 120 dari target 200 yang bisa diwawancarai.

  • Jika karakteristik responden yang tidak diwawancarai berbeda secara sistematis dengan yang diwawancarai, maka akan terjadi non-response bias.

Dampak dari kesalahan ini adalah hasil survei di Kota B tidak dapat mewakili populasi sebenarnya, sehingga bila data tersebut digabung dengan kota lain, akan memperbesar kesalahan inferensial.

Bagaimana cara menyesuaikan bobot untuk mengembalikan representasi proporsional, bagaimana cara menghitungnya?

Untuk mengatasi ketidakseimbangan jumlah responden, kita dapat menggunakan teknik pembobotan (weighting) agar kontribusi data dari masing-masing kota tetap proporsional sesuai target awal, yaitu 200 responden per kota.

Langkah-langkah Menghitung Bobot:

  1. Tentukan jumlah target per kota:
    Sesuai rencana awal, tiap kota memiliki target 200 responden.

  2. Gunakan rumus bobot:

\[ \textbf{Bobot (w)} = \frac{\text{Jumlah target per kota}}{\text{Jumlah aktual responden per kota}} \]

  1. Hitung Bobot per Kota
  • Kota A:
    \[ w_A = \frac{200}{250} = 0,8 \]
    Artinya, tiap responden di Kota A hanya dihitung 80% dari satu unit responden, karena jumlahnya kelebihan.

  • Kota B:
    \[ w_B = \frac{200}{120} \approx 1,67 \]
    Artinya, tiap responden di Kota B dihitung sebagai 1,67 orang, karena jumlahnya kekurangan.

  • Kota C:
    \[ w_C = \frac{200}{180} \approx 1,11 \]
    Artinya, tiap responden di Kota C dihitung sebagai 1,11 orang.


  1. Gunakan Bobot dalam Analisis Setelah mendapatkan bobot, gunakan angka tersebut untuk mengalikan nilai-nilai responden saat melakukan:
  • Rata-rata,
  • Persentase,
  • Korelasi atau regresi.

Contoh penggunaan: Jika seorang responden dari Kota B menjawab “Ya” untuk menggunakan aplikasi transportasi online, maka jawabannya akan dihitung sebagai 1,67 “Ya” dalam analisis yang memperhitungkan bobot.

Kesimpulan Ringkas

Kota Target Aktual Bobot (w)
Kota A 200 250 200 / 250 = 0,8
Kota B 200 120 200 / 120 = 1,67
Kota C 200 180 200 / 180 = 1,11

Dengan cara ini, hasil survei tetap proporsional sesuai desain awal, meskipun responden aktual tidak merata.

##     Kota Target Aktual    Bobot
## 1 Kota A    200    250 0.800000
## 2 Kota B    200    120 1.666667
## 3 Kota C    200    180 1.111111

2. Mendesain Survei dengan Pembobotan Waktu Puncak

1. Identifikasi Masalah

Buatlah desain rancangan survei tentang persepsi kenyamanan pengguna ojek online saat jam sibuk (07.00–09.00 dan 17.00–19.00).

2. Mendesain Survei tentang Persepsi Kenyamanan Pengguna Ojek Online pada Jam Sibuk

a. Desain Pendekatan Sampling

Untuk menangkap persepsi pengguna secara representatif pada jam sibuk tanpa melakukan survei sepanjang hari, pendekatan yang digunakan adalah:

Stratified Time-Based Sampling (Sampling Terstratifikasi berdasarkan Waktu)

Kita akan membagi waktu pengumpulan data berdasarkan dua strata waktu sibuk, yaitu: - Pagi hari: 07.00–09.00 - Sore hari: 17.00–19.00

Alasan: - Dengan membagi waktu menjadi strata, kita bisa mengontrol distribusi responden dari dua periode sibuk yang berbeda. - Ini mencegah bias waktu, di mana satu waktu (misalnya pagi saja) terlalu mendominasi hasil.

populasi Target

Pengguna aktif ojek online (baik pengemudi maupun penumpang) yang melakukan perjalanan dalam jam sibuk.

Teknik Sampling

Gunakan teknik Quota Sampling atau Purposive Sampling yang menargetkan responden: - Di lokasi strategis (dekat stasiun, halte, pusat bisnis), - Yang baru selesai/tengah menggunakan ojek online, - Menggunakan aplikasi ojek online saat jam sibuk.

Penjelasan: - Karena kita tidak bisa menyurvei sepanjang hari, pendekatan purposif pada waktu dan lokasi strategis memungkinkan efisiensi tinggi dan relevansi tinggi terhadap topik persepsi kenyamanan pada jam sibuk.


b. Rancangan Waktu, Metode Pemilihan Responden, dan Justifikasi Unit Sampling

Rancangan Waktu:

  • Survei dilakukan khusus pada jam sibuk:
    • Pagi: 07.00 – 09.00
    • Sore: 17.00 – 19.00
  • Survei dilakukan selama minimal 3 hari kerja untuk menghindari bias hari tertentu.

Metode Pemilihan Responden:

  • Intercept Interviewing di titik ramai pengguna ojek online (mall, kantor, terminal).
  • Bisa juga secara daring, dengan filter:
    • Pernah menggunakan ojek online dalam waktu 1 jam terakhir,
    • Saat jam sibuk sesuai rentang waktu.

Unit Sampling:

  • Individu pengguna ojek online yang aktif pada jam sibuk.
  • Bisa mencakup penumpang dan pengemudi, namun dapat difokuskan pada penumpang untuk persepsi kenyamanan.

Penjelasan: - Unit sampling ini paling relevan dengan topik survei yaitu persepsi kenyamanan, karena pengguna langsung mengalami layanan tersebut saat jam sibuk.

c. Penyesuaian Bobot (Weighting) Berdasarkan Proporsi Responden vs Proporsi Nyata

Situasi: - Survei menghasilkan 60% responden dari pagi hari dan 40% dari sore hari. - Namun, data historis menunjukkan pengguna ojek online saat sore hari dua kali lebih banyak dibanding pagi.

Langkah Penyesuaian Bobot:

Langkah langkahnya sebagai berikut:

Langkah 1: Pahami Proporsi Responden dalam Survei

Diketahui dari hasil survei: - 60% responden berasal dari jam sibuk pagi (07.00–09.00). - 40% responden berasal dari jam sibuk sore (17.00–19.00).

\[ \text{Proporsi aktual pagi} = 0{,}60 \\ \text{Proporsi aktual sore} = 0{,}40 \]


Langkah 2: Ketahui Proporsi Nyata Berdasarkan Data Historis

Dari informasi historis: - Jumlah pengguna ojek online pada sore hari dua kali lebih banyak dibanding pagi hari.

Artinya, kita bisa mengasumsikan: - Pagi hari: 1 bagian - Sore hari: 2 bagian

Total bagian = 1 + 2 = 3 bagian

\[ \text{Proporsi ideal pagi} = \frac{1}{3} = 0{,}333 \quad \text{(33,3%)} \\ \text{Proporsi ideal sore} = \frac{2}{3} = 0{,}667 \quad \text{(66,7%)} \]


Langkah 3: Hitung Bobot Koreksi untuk Masing-masing Waktu

Gunakan rumus bobot:

\[ \text{Bobot} = \frac{\text{Proporsi ideal}}{\text{Proporsi aktual}} \]

Untuk Pagi Hari:

\[ \text{Bobot pagi} = \frac{0{,}333}{0{,}60} = 0{,}555 \]

Artinya: Setiap responden pagi hanya dihitung 0,555 dari 1 karena kelebihan jumlah.


Untuk Sore Hari:

\[ \text{Bobot sore} = \frac{0{,}667}{0{,}40} = 1{,}667 \]

Artinya: Setiap responden sore dihitung sebesar 1,667 dari 1 karena kekurangan jumlah.


Langkah 4: Terapkan Bobot ke Data Survei

Misal dalam survei: - 120 orang responden dari pagi hari - 80 orang responden dari sore hari

Maka setelah dibobotkan:

\[ \text{Responden efektif pagi} = 120 \times 0{,}555 = 66{,}6 \\ \text{Responden efektif sore} = 80 \times 1{,}667 = 133{,}36 \]

Jadi total responden terstandar = 199,96 (mendekati 200)


Langkah 5: Gunakan Bobot dalam Analisis Statistik

  • Saat menghitung persentase, mean, atau analisis regresi, setiap responden dikalikan dengan bobot sesuai waktu survei.
  • Misalnya:
    • Jika 72 dari 120 responden pagi menyatakan “nyaman”, skor = 72 × 0,555 = 40.
    • Jika 48 dari 80 responden sore menyatakan “nyaman”, skor = 48 × 1,667 = 80.
    • Total nilai kenyamanan = 40 + 80 = 120 dari 200 = 60% nyaman setelah dibobot.
Waktu Proporsi Ideal Proporsi Aktual Bobot
Pagi 33,3% (0.333) 60% (0.60) 0.333 / 0.60 = 0.56
Sore 66,7% (0.667) 40% (0.40) 0.667 / 0.40 = 1.67

Kesimpulan:

Penyesuaian bobot dilakukan dengan membandingkan proporsi ideal (berdasarkan fakta lapangan) dan proporsi aktual (hasil survei). Dengan pembobotan: - Responden pagi yang over-represented dikurangi pengaruhnya. - Responden sore yang under-represented ditingkatkan kontribusinya.

Ini menjamin bahwa hasil survei mencerminkan kondisi lapangan secara adil dan ilmiah.

Kesimpulan Akhir:

  • Digunakan pendekatan sampling terstratifikasi berdasarkan waktu sibuk untuk efisiensi dan representativitas.
  • Waktu survei hanya dilakukan pada jam sibuk (pagi dan sore), dengan teknik purposive di lokasi strategis.
  • Bobot koreksi diterapkan untuk menyamakan proporsi responden dengan kenyataan berdasarkan data historis penggunaan, sehingga hasil tetap valid dan representatif.

3. Merancang Instrumen Survei yang Bertujuan Mengevaluasi Kepuasan Mahasiswa Terhadap Layanan Akademik

1.Identifikasi Masalah

Anda ditugaskan oleh biro akademik kampus untuk merancang instrumen survei yang bertujuan mengevaluasi kepuasan mahasiswa terhadap layanan akademik, yang mencakup layanan seperti: KRS online, bimbingan akademik, pelayanan administrasi, akses informasi akademik, dan bantuan penyelesaian studi.

2. Merancang Formulir

Metode Distribusi Kuesioner: Google Form

Alasan Pemilihan

Dalam penelitian ini, kuesioner didistribusikan menggunakan Google Form sebagai media utama pengumpulan data. Pemilihan Google Form didasarkan pada beberapa pertimbangan praktis dan teknis sebagai berikut:


1. Kemudahan Akses dan Penyebaran

  • Google Form dapat dibagikan dengan cepat melalui berbagai platform komunikasi yang umum digunakan oleh mahasiswa seperti:
    • WhatsApp Group (WAG)
    • Telegram
    • Line
    • Email kampus
  • Responden dapat mengisi kuesioner kapan saja dan di mana saja, tanpa dibatasi waktu dan tempat.

2. Efisiensi Waktu dan Biaya

  • Tidak memerlukan pencetakan kertas, distribusi fisik, atau pertemuan langsung.
  • Hemat biaya karena sepenuhnya bebas digunakan (gratis) oleh pengguna Google.
  • Hasil kuesioner otomatis direkap dalam Google Sheet, yang mempercepat proses pengolahan data.

3. Kemampuan Pengumpulan Data dalam Skala Luas

  • Dapat menjangkau mahasiswa dari berbagai prodi, fakultas, dan angkatan secara cepat.
  • Dapat mencapai banyak responden dalam waktu singkat, selama link disebarkan secara efektif.

4. Fitur Validasi dan Kontrol Isian

  • Google Form menyediakan fitur seperti:
    • Batasan satu kali pengisian (jika login Google diaktifkan),
    • Validasi format isian,
    • Pertanyaan wajib diisi,
    • Skala Likert bawaan.

5. Mendukung Privasi dan Anonimitas

  • Peneliti dapat memilih untuk tidak merekam alamat email, sehingga menjaga anonimitas responden.
  • Hal ini mendorong mahasiswa untuk mengisi kuesioner dengan lebih jujur dan terbuka.

Kesimpulan

Penggunaan Google Form sebagai media distribusi kuesioner adalah pilihan yang tepat, efisien, dan relevan dengan karakteristik populasi target, yaitu mahasiswa yang sangat akrab dengan teknologi digital dan media online. Selain praktis, metode ini juga membantu peneliti mengumpulkan dan mengelola data secara efektif dalam waktu yang relatif singkat.

Link Google form: https://forms.gle/ZbFsEq1Hr9DuHn568

Pemilihan Metode Sampling dalam survey ini (Teknik Pengambilan Sampel)

Tujuan:

Metode sampling digunakan untuk memilih sebagian individu dari populasi agar bisa mewakili keseluruhan, sehingga kamu tidak perlu mewawancarai semua mahasiswa.

Non-Probability Sampling – Convenience Sampling

Alasan Pemilihan:

  • Peneliti menyebarkan kuesioner melalui Google Form yang dibagikan lewat grup WhatsApp dan media sosial mahasiswa.
  • Responden mengisi kuesioner secara sukarela tanpa proses acak.
  • Efisien dari segi waktu, tenaga, dan biaya.

Konsekuensi:

  • Hasil mungkin kurang representatif terhadap seluruh populasi.
  • Namun, tetap dapat memberikan gambaran umum dan cukup baik sebagai penelitian awal atau eksplorasi.

Jumlah Sampel

Menggunakan pendekatan praktis: - Populasi (misal): 1.000 mahasiswa - Sampel minimum (berdasarkan Slovin):
\[ n = \frac{N}{1 + N(e)^2} = \frac{1000}{1 + 1000(0.1)^2} = \frac{1000}{1 + 10} = 90.9 ≈ 91 \] - Dalam penelitian ini, diambil 50 responden sebagai tahap awal uji validitas dan reliabilitas kuesioner.

Kesimpulan

Aspek Keterangan
Populasi Mahasiswa aktif universitas
Sampel 50 mahasiswa
Metode Sampling Non-Probability (Convenience Sampling)
Teknik Distribusi Google Form via media sosial / WA
Kelebihan Cepat, murah, mudah diterapkan
Kekurangan Kurang representatif, berpotensi bias

3. Uji Validitas Instrumen

Ini dilakukan untuk memastikan bahwa pertanyaan dalam kuesioner benar-benar mengukur hal yang ingin diukur dan konsisten.

A. Uji Validitas

  • Gunakan Pearson Correlation (r hitung) antara setiap item dan total skor indikator/topik.
  • Bandingkan dengan r tabel (misalnya N = 50, df = 48, α = 0.05 → r tabel ≈ 0.279).
  • Valid jika r hitung > r tabel dan nilai Sig. < 0.05.

Yang Digunakan di Tugas Ini:

Validitas Konstruk (Pearson Correlation) - Korelasikan setiap item (X) dengan total skor pada kelompoknya (Y). - Rumus Pearson: \[ r = \frac{n\sum XY - \sum X \sum Y}{\sqrt{(n\sum X^2 - (\sum X)^2)(n\sum Y^2 - (\sum Y)^2)}} \] - Bandingkan dengan r tabel (misalnya \(df = n−2\)). - Jika r hitung > r tabel dan \(Sig. < 0.05 → valid\).

Langkah-Langkah Menghitung Validitas Konstruk

1. Kelompokkan Pertanyaan berdasarkan Indikator

Misalnya: - KRS Online: Q1, Q2, Q3, Q4, Q5
(yang diuji hanya skala Likert → Q1, Q2, Q5)

2. Hitung Total Skor per Responden

  • Misalnya total indikator “KRS Online” untuk Responden 1: \[ \text{Total Skor} = Q1 + Q2 + Q5 \]

3. Korelasikan Setiap Item dengan Total Skor

  • Gunakan rumus Pearson untuk menghitung korelasi antara:
    • Q1 vs Total Skor (Q1 + Q2 + Q5)
    • Q2 vs Total Skor
    • Q5 vs Total Skor
  • Bisa dihitung manual, di Excel, SPSS, atau Python.

4. Bandingkan Nilai r hitung dengan r tabel

  • Derajat kebebasan (\(df\)) = jumlah responden − 2 → \(df\) = \(50 − 2\) = 48
  • Dengan α = 0.05, dari tabel:
    • r tabel ≈ 0.279
  • Maka:
    • Jika \(r_{\text{hitung}} > r_{\text{tabel}}\)valid
    • Juga lihat nilai p-value: jika < 0.05, maka signifikan

Perhitungan Validitas KRS Online (dengan total: Q1 + Q2 + Q5)

Komponen:

  • \(X =\) Q1
  • \(Y =\) Total KRS Online = Q1 + Q2 + Q5
  • \(n = 50\)

Nilai-nilai:

  • \(\sum X = 148\)
  • \(\sum Y = 428\)
  • \(\sum XY = 1345\)
  • \(\sum X^2 = 546\)
  • \(\sum Y^2 = 3882\)

Langkah-langkah:

A. Numerator (atas):

\[ n \cdot \sum XY - (\sum X)(\sum Y) = 50 \cdot 1345 - 148 \cdot 428 = 67250 - 63344 = \boxed{3906} \]

B. Denominator (bawah):

\[ \sqrt{[n \cdot \sum X^2 - (\sum X)^2] \cdot [n \cdot \sum Y^2 - (\sum Y)^2]} \]

\[ = \sqrt{(50 \cdot 546 - 148^2)(50 \cdot 3882 - 428^2)} = \sqrt{(27300 - 21904)(194100 - 183184)} \]

\[ = \sqrt{5396 \cdot 10916} = \sqrt{58982656} \approx \boxed{7674.81} \]


C. r Hitung:

\[ r = \frac{3906}{7674.81} = \boxed{0.5089} \]

p-value = 0.0002 → signifikan
Item Q1 Valid


Hasil Lengkap KRS Online

Item Korelasi (r) p-value Valid?
Q1 0.5089 0.0002 Ya
Q2 0.6037 0.0000 Ya
Q5 0.3661 0.0089 Ya

Rumus yang sama berlaku untuk semua kategori dan akan menghasilkan seperti berikut:

No. Indikator Item r hitung p-value Valid
1 KRS Online Q1 0.5089 0.0002 Ya
2 KRS Online Q2 0.6037 0.0000 Ya
3 KRS Online Q5 0.3661 0.0089 Ya
4 Bimbingan Akademik Q6 0.5953 0.0000 Ya
5 Bimbingan Akademik Q7 0.5693 0.0000 Ya
6 Bimbingan Akademik Q8 0.4355 0.0016 Ya
7 Pelayanan Administrasi Q11 0.5864 0.0000 Ya
8 Pelayanan Administrasi Q12 0.4968 0.0002 Ya
9 Pelayanan Administrasi Q13 0.6566 0.0000 Ya
10 Akses Informasi Akademik Q16 0.6635 0.0000 Ya
11 Akses Informasi Akademik Q17 0.7487 0.0000 Ya
12 Akses Informasi Akademik Q20 0.5361 0.0001 Ya
13 Bantuan Penyelesaian Studi Q21 0.5488 0.0000 Ya
14 Bantuan Penyelesaian Studi Q22 0.4188 0.0025 Ya
15 Bantuan Penyelesaian Studi Q25 0.6244 0.0000 Ya

Visualisasi Akhir

4. Kesimpulan akhir

  • Mayoritas skor rata-rata per pertanyaan berada dalam kategori “Cukup” hingga “Baik”, menunjukkan bahwa layanan akademik sudah relatif memadai namun masih ada ruang untuk perbaikan.

  • Kuesioner telah melalui uji validitas, dan sebagian besar item dinyatakan valid.

  • Distribusi kuesioner melalui Google Form memudahkan penyebaran, pencatatan data, serta analisis lanjutan secara digital.

  • Data awal ini bisa menjadi dasar pengambilan kebijakan peningkatan kualitas layanan akademik kampus.