Sampel dan teknik sampling dalam penelitian kuantitatif

 Innovations in Sampling : Improving the Appropriateness and Quality of Samples in Organizational Research

(Sumber : Klik Disini)

1.     Tujuan Penelitian

Penelitian ini bertujuan untuk meninjau perkembangan terbaru dalam teknik sampling yang digunakan dalam riset organisasi (organizational research). Penelitian ini juga bertujuan untuk memberikan panduan bagaimana peneliti dapat memilih dan menggunakan sampel yang lebih tepat sesuai tujuan penelitian, baik untuk generalisasi populasi maupun pengujian teori.

 

 

2.     Metode Penelitian

Penelitian ini menggunakan jenis penelitian literature review / tinjauan konseptual (bukan penelitian empiris) dengan desain penelitian menggunakan analisis kritis terhadap literatur sampling modern (probability vs non-probability sampling, online panel, convenience sampling, snowball sampling). Data penelitian di peroleh dari artikel, laporan benchmarking (misalnya Pew Research, AAPOR), dan studi metodologis terkait sampling yang relevan untuk penelitian organisasi.

 

 

3.     Hasil

Hasil dari penelitian ini menunejukkan bahwa banyak penelitian organisasi masih bergantung pada convenience samples (misalnya mahasiswa, pekerja daring, opt-in panels), yang menimbulkan keterbatasan dalam hal generalisasi. Probability sampling lebih akurat untuk generalisasi, tetapi mahal dan sulit dilakukan dalam penelitian organisasi. Opt-in panels semakin populer, tetapi berisiko terhadap kualitas data (misalnya respon palsu, respon asal-asalan). Menggarisbawahi pentingnya memisahkan antara “sampling strategy” dan “data collection mode” (sering tercampur dalam praktik). Memberikan rekomendasi praktis: gunakan strategi mitigasi (screening, attention checks, validasi demografis) untuk meningkatkan kualitas data meski menggunakan non-probability samples.

 

 

Kesimpulan

Kesimpulan dari penelitian ini menunjukkan bahwa  tidak ada satu teknik sampling yang cocok untuk semua studi; pilihan harus sesuai tujuan penelitian (estimasi populasi vs pengujian teori). Non-probability samples dapat diterima jika tujuan utama adalah menguji mekanisme/teori dan peneliti melakukan mitigasi kualitas data dengan benar. Untuk penelitian yang bertujuan membuat estimasi populasi, probability sampling tetap lebih unggul. Peneliti organisasi perlu lebih transparan dalam melaporkan strategi sampling dan mode pengumpulan data, agar kualitas penelitian dapat ditingkatkan dan dinilai dengan lebih baik.

 

4.     Kelebihan Penelitian

·       Menyediakan panduan praktis yang mudah dipakai peneliti organisasi (checklist & heuristik keputusan).

·       Relevan dengan tantangan era digital, khususnya maraknya online opt-in panels.

·       Memberikan kerangka konseptual baru: pemisahan strategi sampling vs mode pengumpulan data.

·       Membawa literatur umum survey methodology ke konteks khusus riset organisasi/OB, sehingga lebih aplikatif.

 

5.     Keterbatasan Penelitian

·       Penelitian ini bukan penelitian empiris sehingga hanya bersifat tinjauan konseptual; tidak menyajikan data baru.

·       Sebagian besar referensi berasal dari konteks Amerika Utara / Barat, sehingga mungkin kurang relevan untuk negara berkembang dengan kondisi riset berbeda.

·       Tidak melakukan benchmarking kuantitatif sendiri terhadap metode sampling yang dibahas.

 

6.     Novelty (Kebaruan)

Keterbaruan dalam penelitian ini adalah artikel ini terdapat pada penggunaan konsep baru yang menekankan perbedaan antara sampling strategy (pemilihan siapa) dan data collection mode (bagaimana data dikumpulkan), yang sering dicampuradukkan., selain itu juga karena Domain-specific translation yang Mengadaptasi literatur sampling umum ke dalam konteks riset organisasi, yang sebelumnya jarang mendapat fokus khusus, dimana penelitian ini Bukan sekadar menyarankan probability sampling, tetapi menunjukkan kapan dan bagaimana non-probability sampling bisa diterima.

Adapun perbadingan dengan artikel-artikel yang telah ada, yang mendukung artikel ini menjadi sebuah keterbaruan, ditampilkan dalam table berikut :

Artikel	Metode/ Pendekatan	Jenis Sampel & Konteks	Fokus Utama	Temuan / Kontribusi	Bagaimana Mendukung Novelty Artikel
Integrating Probability and Non Probability samples for survey Inference (Wiśniowski et al., 2020)	Metode statistik untuk integrasi sampel probabilitas & nonprobabilitas (propensity weighting, model-based adjustment)	Probability reference samples + nonprob large (online panels)	Mengurangi bias nonprobability melalui kalibrasi/adjustment	Kerangka dan teknik kuantitatif untuk menggabungkan kedua sumber sehingga menghasilkan estimasi yang lebih valid	Menyediakan landasan teknis yang menguatkan rekomendasi blended designs pada artikel target (menunjukkan solusi statistik konkret).
A conceptual framework for multidisciplinary design research with example application to agent-based modelin (McComb & Jablokow, 2022)	Panduan praktis & pertimbangan desain sampling (kualitatif & studi kasus)	Purposive sampling, studi kasus organisasi, level analisis berbeda	Prinsip-prinsip pemilihan sampel dalam penelitian desain & organisasi	Menyajikan langkah-langkah operasional dan pertimbangan level analisis untuk sampling kualitatif	Melengkapi aspek praktis artikel target pada segmen kualitatif dan kasus organisasi, meperkuat relevansi rekomendasi praktis.
Golini (2024) (Golini & Righi, 2024)	Pengembangan estimator: pseudo-calibration / integrasi matematis	Large nonprob samples integrasi dengan probability reference samples	Metode estimasi gabungan untuk memanfaatkan sampel besar nonprob dengan referensi probabilitas	Memperkenalkan estimator pragmatis yang mengurangi bias dan menghasilkan perkiraan lebih andal	Menyediakan contoh teknik modern yang mengisi celah teknis yang disebutkan dalam artikel target (memperkuat aspek novelty pada solusi kuantitatif).

 

Daftar Rujukan

Golini, N., & Righi, P. (2024). Integrating probability and big non-probability samples data to produce Official Statistics. Statistical Methods and Applications, 33(2), 555–580. https://doi.org/10.1007/s10260-023-00740-y

McComb, C., & Jablokow, K. (2022). A conceptual framework for multidisciplinary design research with example application to agent-based modeling. Design Studies, 78. https://doi.org/10.1016/j.destud.2021.101074

Wiśniowski, A., Sakshaug, J. W., Perez Ruiz, D. A., & Blom, A. G. (2020). Integrating probability and nonprobability samples for survey inference. In Journal of Survey Statistics and Methodology (Vol. 8, Issue 1, pp. 120–147). American Association for Public Opinion Research. https://doi.org/10.1093/jssam/smz051