Ada beberapa keuntungan dan kerugian menggunakan sampling sistematis sebagai metode statistik sampling ketika melakukan penelitian terhadap populasi survei.
Sampling sistematis: Tinjauan
Sampling sistematis lebih sederhana dan lebih mudah daripada pengambilan sampel acak. Ini juga dapat lebih kondusif untuk mencakup area studi yang luas. Di sisi lain, sampling sistematis memperkenalkan parameter arbitrer tertentu dalam data. Hal ini dapat menyebabkan representasi pola tertentu terlalu banyak atau kurang.
Pengambilan sampel sistematik populer di kalangan peneliti karena kesederhanaannya. Para peneliti umumnya menganggap hasilnya mewakili sebagian besar populasi normal, kecuali jika ada karakteristik acak yang tidak proporsional dengan setiap "n" sampel data (yang tidak mungkin).
Untuk memulai, seorang peneliti memilih integer awal yang menjadi dasar sistem. Jumlah ini harus lebih kecil dari populasi secara keseluruhan (misalnya, mereka tidak memilih setiap halaman ke-500 untuk sampel untuk lapangan sepak bola 100-halaman). Setelah nomor telah dipilih, peneliti memilih interval, atau ruang antara sampel dalam populasi.
Pengambilan Kunci
- Karena kesederhanaannya, pengambilan sampel sistematis menjadi populer di kalangan peneliti. Kelebihan lain dari metodologi ini termasuk menghilangkan fenomena seleksi berkerumun dan kemungkinan rendahnya data yang terkontaminasi..
Contoh Sampling sistematis
Dalam sampel sistematis, data yang dipilih didistribusikan secara merata. Misalnya, dalam populasi 10.000 orang, ahli statistik dapat memilih setiap orang ke-100 untuk pengambilan sampel. Interval pengambilan sampel juga bisa sistematis, seperti memilih satu sampel baru setiap 12 jam.
Keuntungan Sampling Sistematik
Kelebihan pengambilan sampel sistematis meliputi:
Mudah Menjalankan dan Memahami
Sampel sistematis relatif mudah dibangun, dieksekusi, dibandingkan, dan dipahami. Ini sangat penting untuk studi atau survei yang beroperasi dengan keterbatasan anggaran yang ketat.
Kontrol dan Rasa Proses
Metode sistematis juga memberi para peneliti dan ahli statistik tingkat kendali dan rasa proses. Ini mungkin sangat bermanfaat untuk studi dengan parameter ketat atau hipotesis yang dibentuk sempit, dengan asumsi pengambilan sampel dibangun secara wajar agar sesuai dengan parameter tertentu.
Seleksi Berkelompok Dihilangkan
Seleksi Clustered, sebuah fenomena di mana sampel yang dipilih secara acak jarang berdekatan dalam suatu populasi, dihilangkan dalam sampling sistematis. Sampel acak hanya dapat menangani hal ini dengan menambah jumlah sampel atau menjalankan lebih dari satu survei. Ini bisa menjadi alternatif yang mahal.
Faktor Risiko Rendah
Mungkin kekuatan terbesar dari pendekatan sistematis adalah faktor risiko rendahnya. Kerugian potensial utama dari sistem membawa probabilitas yang jelas rendah untuk mengkontaminasi data.
Kerugian Sampling Sistematik
Ada juga kelemahan dari metode penelitian ini:
Asumsikan Ukuran Populasi Dapat Ditentukan
Metode sistematis mengasumsikan ukuran populasi tersedia atau dapat diperkirakan secara wajar. Sebagai contoh, anggaplah peneliti ingin mempelajari ukuran tikus di area tertentu. Jika mereka tidak tahu berapa banyak tikus yang ada, mereka tidak dapat secara sistematis memilih titik awal atau ukuran interval.
Kebutuhan untuk Tingkat Keacakan Alami
Suatu populasi perlu menunjukkan tingkat keacakan alami sepanjang metrik yang dipilih. Jika populasi memiliki jenis pola standar, risiko tidak sengaja memilih kasus yang sangat umum lebih jelas.
Untuk situasi hipotetis sederhana, pertimbangkan daftar trah anjing favorit di mana (sengaja atau tidak sengaja) setiap anjing bernomor yang sama dalam daftar berukuran kecil dan setiap anjing aneh berukuran besar. Jika sampler sistematis dimulai dengan anjing keempat dan memilih interval enam, survei akan melewati anjing-anjing besar.
Risiko Lebih Besar Manipulasi Data
Ada risiko yang lebih besar dari manipulasi data dengan pengambilan sampel sistematis karena peneliti mungkin dapat membangun sistem mereka untuk meningkatkan kemungkinan mencapai hasil yang ditargetkan daripada membiarkan data acak menghasilkan jawaban yang representatif. Statistik apa pun yang dihasilkan tidak dapat dipercaya.
