Non Sampling Error

Seperti yang telah disebutkan dalam pembahasan mengenai Margin Error bahwa kesalahan dalam pengambilan sample terbagi menjadi dua yaitu sampling error dan non sampling error. Sampling error merupakan ketidaktepatan dari hasil sampling yang dapat diukur dan dihitung, maka dari itu sampling error ini dapat dihindari dan diminimalisasi. Berbeda dengan sampling error, non sampling error merupakan ketidaktepatan hasil sampling yang tidak dapat diukur dan dihitung, sehingga dalam pelaksaaannya non sampling error sulit dihindari dan dalam menghadapinya bersifat subyektif. Non sampling error ini cenderung terjadi akibat kesalahan manusia (human error). Non sampling error ini dapat terjadi pada setiap bagian penelitian, mulai dari penentuan masalah, desain penelitian, hingga penarikan kesimpulan. Non sampling error terjadi bukan diakibatkan dari penarikan sampel saja, namun karena error yang terjadi selama proses penelitian itu dan bersumber dari kesalahan-kesalahan yang baik disengaja maupun tidak disengaja dari peneliti itu sendiri.

Dalam http:/researchexpert.wordpress.com, non sampling error dibedakan berdasarkan sumber-sumber yang berpotensi melakukan kesalahan tersebut. Berikut ini sumber-sumber yang diambil dari blog tersebut dan beberapa tambahan dari saya.

1. Peneliti / Researcher

Pertama, surrogate information error, akibat dari adanya gap antara informasi yang dibutuhkan dengan informasi yang dikumpulkan si peneliti. Misalnya informasi yang dibutuhkan adalah preferensi bermedia cetak namun yang dikumpulkan oleh si peneliti adalah brand awareness media cetak.

Kedua, measurement error, akibat tidak validnya alat ukur yang digunakan oleh peneliti dalam mengukur subjek/objek penelitian, sehingga terjadi gap antar informasi yang telah dikumpulkan dengan informasi yang dihasilkan. Misalnya : kalau yang diukur konsep SES, maka jangan hanya mengukur pengeluaran saja, tapi ukur juga tingkat pendidikan dan jenis pekerjaaannya.

Ketiga, population defenition error, akibat dari ketidaktepatan pendefenisian populasi penelitian atau populasi target. Suatu defenisi populasi target yang benar harus mencakup 3 unsur yaitu : isi, cakupan, dan waktu.

Keempat, sampling frame error, masih terkait dengan error ketiga. Sampling frame merupakan daftar seluruh anggota populasi. Error jenis ini akan terjadi ketika ada anggota populasi yang tidak terdaftar, atau daftar yang telah kadaluwarsa. Hal ini sering terjadi di Indonesia, karena data kependudukannya masih amburadul dan instansi pemerintahan terkait yang tidak tertib administrasi.

Kelima, data analysis error, terkait dengan proses analisis data, hal ini sangat tergantung pada kompetensi si peneliti. Misalnya : peneliti menerapkan analisis parametrik terhadap data yang tidak berdistribusi normal, yang seharusnya dianalisis dengan tehnik non parametrik


2. Data Processing – Data entry

Pertama, kesalahan dalam membuat frame work entry data. Kesalahan ini dapat menyebabkan salah dalam proses entry data dan bahkan ada data yang tidak ter-entry.

Kedua, kekeliruhan dalam entry data. Kekeliruhan ini mutlak kesalahan dari manusia yang mengentry data tersebut (human error) karena kurang teliti atau yang masalah yang lain. Kekeliruhan ini bisa diminimalisasi dengan cara pengentrian dilakukan dua kali dengan orang yang berbeda, meskipun cara ini membuang waktu, biaya dan tenaga.


3. Surveyor/Interviewer/Observer/Field Unit

Pertama, questioning error, interviewer salah dalam bertanya, over interpretasi terhadap panduan pertanyaan, atau malah kebalikannya tidak menggali lebih dalam (probing) jawaban responden/informan.

Kedua, recording error, interviewer melakukan kesalahan dalam pencatatan respon yang diberikan oleh responden/informan.

Ketiga, cheating error, hal ini berkaitan dengan moralitas. Interviewer berbohong dengan “mengisi” sebagian atau seluruh kuesinoer (survei, polling).


4. Responden

Terakhir adalah error yang bersumber dari subjek/objek penelitian. Responden/informan berpartisipasi menyumbangkan tiga jenis error yaitu : inability error, unwillingness error dan no response error.

Pertama, error terjadi jika responden/informan tidak memberikan informasi yang benar atau tepat. Hal ini bisa disebabkan oleh bias memory, responden/informan sudah tidak ingat peristiwa atau pengalaman yang ditanyakan. Menurut sejumlah pakar riset pemasaran, idealnya waktu untuk wawancara dengan metode survei maksimal 20 menit, dan untuk wawancara mendalam sekitar 2 jam.

Kedua, terjadi jika responden/informan “gengsi” atau “takut” memberikan jawaban yang sebenarnya.

Ketiga, terjadi karena responden/informan menolak mentah-mentah mengikuti kegiatan riset, bisa karena masalah privacy, topik yang kurang menarik, belum lama berselang pernah menjadi responden/informan, dll.

Non sampling error ini merupakan kesalahan yang disebabkan oleh manusia, oleh karena itu hampir tidak mungkin untuk memperkecil non sampling error ini, meskipun hal itu bisa dilakukan. Tidak seperti sampling error yang bisa diperkecil dengan menambah sample, non sampling error tidak bisa diperkecil dengan hal seperti itu, bahkan dengan sample yang besar malah akan memperbesar faktor non sampling error. Untuk memperkecilnya adalah dengan meningkatkan kualitas manusia yang berkecimpung dalam penelitian ini, seperti dengan pelatihan-pelatihan, standardiasai kualitas bagi interviewer. pembuatan frame work entry data dengan hati-hati, perencanaan kerja yang baik, insentif yang layak, dan lain-lain.

Pengujian Hipotesis

Hipotesis nol merupakan hipotesis pegangan sementara, sehingga memungkinkan kita untuk memutuskn apakah sesuatu yang kita uji masih sebagaimana yang dispesifikasikan oleh H0 atau tidak. Hipotesis alternative merupakan alternative dari H0, yaitu keputusan apa yang harus kita tentukan bila apa yang kita uji tidak sebagaimana yang dispesifikasikan oleh H0.

Informasi sangat diperlukan dalam menentukan hipotesis, terutama untuk menentukan hipotesis awal (H0). Bila kita ingin mengetahui atau menguji apakah produk baru yang merupakan perbaikan dari produk lama lebih baik atau tidak dibandingkan dengan produk lama, maka informasi yang diperlukan adalah tentang kualitas produk lama tersebut.

Bagaimana menentukan H0 dan H1 ?
H0 disusun berdasarkan atas informasi sebelumnya, pada umumnya data sebelumnya telah tersedia. Sedangan H1 disusun berdasarkan keinginan kita dalam penelitian dan cenderung berlawanan atau tandingan dari H0 tersebut.

Pengujian hipotesis ini merupakan bagian dari statistika inferensia, yaitu pengujian terhadap nilai satu atau lebih parameter berdasarkan nilai penduga bagi prameter yang bersangkutan. Hubungannya dengan H0 dan H1 adalah keduanya merupakan landasan kerja, apabila asumsi berdasarkan nilai-nilai pengamatan dapat diterima kebenarannya maka harus menerima H0 karena bukti untuk menolaknya kurang kuat. Namun apabila data yang diperoleh kurang kuat untuk mendukung pendapat ini, maka yang diterima adalah asumsi lain yang merupakan tandingan dari H0, yaitu H1.

Pengujian hipotesis merupakan cara yang digunakan untuk mengambil kesimpulan berdasarkan statistika, maka dari itu dipengaruhi oleh faktor yang tidak pasti. Sehingga pengambilan keputusan itu mengandung resiko kesalahan. Terdapat dua jenis kesalahan yang timbul dalam pengujian secara statistika, salah jenis pertama yaitu kesalahan yang timbul karena H0 yang ditolak sesungguhnya benar dan salah jenis kedua yang terjadi karena kita menerima berlakunya H0 yang sesungguhnya tidak benar. Untuk mengecilkan peluang terjadinya salah satu jenis kesalahan maka harus dilakukan dengan memperbesar peluang timbulnya kesalahan jenis lain. Nilai peluang keda jenis kesalahan tersebut dapat diperkecil secara bersamaan dengan cara memperbesar ukuran contoh.

Peluang terjadinya kesalahan jenis pertama (alpha, yang ditulis dalam huruf Yunani - α) biasanya telah ditentukan, misalnya α =0.05. Besaran ini disebut juga sebagai ukuran wilayah kritis, yaitu luas wilayah penolakan H0. Daerah penerimaan untuk H0 terdiri dari nilai-nilai criteria uji dalam mana H0 tersebut diterima. Daerah penolakan H0 terdiri dari nilai-nilai criteria uji dalam mana H0 tersebut ditolak, sedangkan kriteria uji yang digunakan untuk memutuskan diterima tidaknya H0 disebut nilai-nilai kritis pengujian, dan dipertimbangkan terletak di daerah penolakan. Kesalahan jenis I diperbuat jika hipotesis nol, H0, yang benar (dianggap benar) ditolak. Peluang untuk berbuat salah jenis pertama ini dilambangkan dengan α dan umumnya disebut taraf nyata pengujian. Taraf nyata alpha adalah peluang atau resiko berbuat salah sebesar alpha dalam pengambilan keputusan.

Peluang terjadinya salah jenis kedua (beta, yang ditulis dalam huruf Yunani - β)sulit menentukannya karena penyebaran hipotesisi tandingan (H1) biasanya tidak diketahui. Apabila salah jenis kedua tidak diketahui, maka penerimaan H0 sebagai sesuatu yang dianggap benar akan mengandung kesalahan yang tidak diketahui berapa besar peluangnya. Kesalahan jenis II diperbuat bila hipotesis alternative (H1) yang benar kita tolak. Peluang berbut salah untuk kesalahan kenis II dilambangkan dengan beta.Kekuatan seuatu uji atau disingkat dengan kekuatan uji adalah peluang untuk menolak ho jika H1 benar

Penolakan dan penerimaan H0 menyebabkan dibuatnya dua macam kesalahan tersebut. Peluang membuat salah jenis satu (α) tergantung pada nilai parameter yang dispesifikasikan dalam H0.

Nilai (1- β) disebut sebagai kuasa pengujian, merupakan peluang menerima H1, apabila hipotesis tersebut benar. Antara kebenaran hipotesis dengan kemungkin tindakan yang diambil berdasarkan hasil pengujian, dapat digambarkan sebagai berikut:



Kriteria (tolok ukur) uji atau statistic uji adalah sebuah peubah acak yang digunakan dalam menentukan apakah hipotesis nol atau hipotesis alternative yang diterima dalam pengujian hipotesis.

Hipotesis

Banyak sekali pengertian hipotesis yang beredar saat ini, menurut Cooper dan Emory, 1996, hipotesis merupakan proposisi yang dirumuskan untuk diuji secara empiris, bersifat sementara atau dugaan. Sedangkan proposisi merupakan suatu pernyataan mengenai konsep –konsep yang dapat dinilai benar atau salah jika merujuk pada fenomena yang dapat diamati. Hipotesis dapat diturunkan dari teori yang berkaitan dengan masalah yang akan diteliti. Jika hipotesis sudah diuji dan dibuktikan kebenarannya maka hipotesisi tersebut dapat menjdi teori.

Hipotesis merupakan jawaban atau kesimpulan sementara terhadap rumusan masalah penelitian, dikatakan sementara karena jawaban yang diberikan baru didasarkan pada teori yang relevan, belum didasarkan pada fakta-fakta empiris yang diperoleh melalui pengumpulan data. Jadi hipotesis dapat dinyatakan sebagai jawaban teoretis terhadap rumusan masalah penelitian, namun belum jawaban yang empiric. Hipotesis digunakan untuk penelitian kuantitatif, sedangkan pada penelitian kualitatif, tidak merumuskan hipotesis, tetapi justru menemukan hipotesis.

Dalam buku Metode Penelitian Bisnis, Sugiyono membagi hipotesis menjadi dua, yaitu hipotesis penelitian dan hipotesis statistic. Dalam hipotesis penelitian tidak menggunakan sampel tapi menggunakan populasi, sehingga tidak ada confidence interval dalam penelitian ini. Sedangkan pada hipotesis statistic menggunakan sampel sebagai data untuk pengambilan kesimpulan, untuk itu dalam penelitian ini menggunakan confidence interval, significancy level, confidence level, margin error dan lain-lain. Hal ini karena keputusan untuk populasi diperoleh dari data sampel, yang merupakan pendugaan terhadap populasi dan bukan hasil yang menggambarkan kondisi sesungguhnya dari populasi. Significancy artinya hipotesis penelitian terbukti pada sampel yang dapat diberlakukan ke populasi

Bentuk-bentuk hipotesis:
1. Hipotesis deskriptif, merupakan jawaban sementara terhadap rumusan masalah deskriptif
2. Hipotesis komparatif, merupakan jawaban sementara terhadap masalah komparatif
3. Hipotesis asosiatif, merupakan jawaban sementara terhadap masalah asosiatif/hubungan

Ciri hipotesis yang baik, antara lain:
1. Merupakan pernyataan yang jelas sehingga tidak menimbulkan penafsiran
2. Merupakan sesuatu yang dapat diuji dengan data yang dikumpulkan dengan metode-metode ilmiah
3. Merupakan dugaan terhadap suatu masalah

Hipotesis berfungsi sebagai pedoman untuk mengarahkan penelitian. Keuntungan dari hipotesis adalah hipotesis member batasan kepada apa yang akan diteliti dan apa yang tidak diteliti. Hipotesis mengarahkan bentuk desain penelitian yang paling sesuai. Selain itu hipotesis memberikan kerangka untuk menyusun kesimpulan yang akan dihasilkan. Hipotesis selain berfungsi untuk menguji kebenaran suatu teori, hipotesis juga dapat digunakan untuk memberikan gagasan baru dalam mengembangkan suatu teori dan memperluas pengetahuan peneliti mengenai suatu gejala yang sedang dipelajari.

Dalam statistika dikenal 2 macam hipotesis, yaitu hipotesis nol (H0) dan hipotesis aternatif (H1). H0 merupakan hipotesis sementara, sehingga memungkinkan untuk memutuskan apakah sesuatu yang diuji masih sebagaimana dispesifisikan oleh H0 atau tidak. H1 merupakan alternative dari H0, yaitu keputusan apa yang harus ditentukan jika yang diuji tidak sebagaimana yang dispesifikasikan oleh H0. H0 disusun berdasarkan informasi yang telah diperoleh sebelumnya, sedangkan H1 disusun berdasarkan alternative jawaban dari H0.

H0 diajukan bila H0 menspesifikasikan sebuah parameter dari suatu model sedemekian rupa sehingga peluang untuk masing-masing dan setiap titik contoh dapat dihitung. H1 adalah suatu alternative apabila kenyataan yang ditunjukan contoh tidak mendukung H0.

Penentuan hipotesis dilandasi pada hasil penelitian sebelumnya atau teori (referensi) dengan tujuan mendukung hasil sebelumnya, membantah atau menyajikan temuan baru.