Sabtu, 11 Februari 2012

Teknik Analisa Data


Dosen  :  Dr. Muhammad Rusdi, M.Si


ANALISA  DATA




 









Oleh

Mohammad Wahyuddin
(E 211 08 252)








JURUSAN ILMU ADMINISTRASI
FAKULTAS ILMU SOSIAL DAN ILMU POLITIK
UNIVERSITAS HASANUDDIN
MAKASSAR
2010

KATA PENGANTAR
Puji Syukur kehadirat Allah SWT, karena rahmat dan hidayah-nya sehingga penulis dapat menyelesaikan makalah ini sebagaimana mestinya.
Makalah ini merupakan salah satu kompetensi dasar bagi Mahasiswa tentang Metode Penelitian Administrasi . Adapun judul yang kami bawakan yaitu “Sampling"
Dalam penulisan makalah ini penulis menemukan kesulitan-kesulitan dan hambatan-hambatan terutama sulitnya mencari bahan bacaan sehingga Makalah ini jauh dari kesempurnaan yang diinginkan. Namun semuanya itu merupakan kesan suka duka yang tak mudah terlupakan dan menjadi pengalaman yang sangat berharga. Maka sehubungan dengan penyusunan makalah  ini apabila ada kekurangan atau kesalahan, hal itu tidaklah terlepas dari batasan ilmu pengetahuan yang dimiliki penulis, maka benarlah pepatah berbunyi :
Tak Ada Gading Yang Tak Retak
Untuk itu penulis menyampaikan ucapan terima kasih yang sebesar-besarnya kepada :
1.   Dr. Muhammad Rusdi, M.Si, sebagai Dosen Ilmu Administrasi di Unhas yang memberikan arahan dan pengetahuan tentang Metode Penelitian Administrasi.
2.   Keluarga yang senantiasa memanjatkan doa kepada Allah SWT demi tercapainya kesuksesan penulis dan tak henti-hentinya memberikan bantuan moril dan materil.
3.   Teman-teman Bravo yang senantiasa membantu dan memberikan dorongan.
Sebagai penulis, kami juga sangat mengharapkan saran dan kritik yang membangun kepada lapisan masyarakat terutama dari para rekan-rekan pembaca., demi kesempurnaan makalah berikutnya.
Kiranya Allah SWT memberikan imbalan yang setimpal, atas segala bantuan yang telah diberikan sehubungan dengan penyusunan Makalah ini.

Makassar,  April 2010  

Penulis
DAFTAR ISI

HALAMAN JUDUL                                                                                           
KATA PENGANTAR                                                                                         i 
DAFTAR ISI                                                                                                        ii
BAB    I     PENDAHULUAN                                                                             1
BAB    II   PEMBAHASAN                                                                                2
A.     2 Tipe Analisa Data                                                                       2
B.     Analisa Univariat ( O’Sullivan)                                                     2
C.     4 Tipe Statistic Deskriptif (Lang and Heiss 1990)                        3
D.     Tehnik Mengeksplorasi Data                                                         5
BAB    III  PENUTUP                                                                                          6
                   A.  Kesimpulan                                                                                    6
DAFTAR PUSTAKA                                                                                          7


BAB I
PENDAHULUAN

Keanekaragaman tehnik dan proses yang harus dilakukan oleh seorang peneliti yang eksistensi dalam mencapai tujuannya. Analisa data salah satu tehnik dan proses yang harus dilakukan oleh peneliti. Analisa data adalah mengelompokkan kasus menurut kesamaan atau kemiripan nilai atau hitungan dan proses ini dinamakan enumerasi.
Peneliti akan bekerja sedikit lebih keras dalam suatu penelitian yang datanya paling tidak berbentuk angka-angka atau yang dapat diubah dalam bentuk angka. Oleh karena, dibutuhkan teknik yang professional untuk menangani data-data kuantitatif seperti  itu. Banyak ragam analisis terhadap data kuantitatif seperti itu,  mulai dari pengorganisasian data sedrehana hingga analsis statistic yang kompleks. Maka dari itu makalah ini berupaya menguraikan secara komprehensif semua sapek analisis data kuantitatif. Tujuan utamanya adalah membantu pembaca menangani masalah pemilihan analisis yang tepat digunakan untuk pada saat hendak menjawab masalah penelitian.













BAB II
PEMBAHASAN


A.  2 Tipe Analisa Data
Analisis data pada umumnya dibagi dalam 2 (dua) tipe besar yaitu; eksploratif dan konfirmatif. Pertama, Analisis eksploratif berusaha mengeksplor atau mengetahui secara lebih jauh apa yang mereka katakan pada anda. Analisis eksploratif banyak digunakan dalam desain penelitian fleksibel (flexible design research).
Namun ada juga pendekatan modern yang cukup berpengaruh yang digunakan dalam menganalisis data kuantitatif yang diberi nama exploratory data analysis (EDA) atau analisis data eksploratif yang dikemukakan oleh Tukey (1977) – lihat juga Velleman and Hoaglin (1981) dan Lovie and Lovie (1991). Ada dua level pendekatan yang digunakan Tukey. Pertama, menampilkan data dengan menggunakan diagram atau secara diagramatis seperti ‘box plots’. Kedua dengan menggunakan gambar. Pendekatan ini banyak mendapat kritikan karena gambar tidak terlalu dibutuhkan dalam analisis statistic yang melibatkan berbagai uji, uji signifikansi.
Kedua, Analisis konfirmatif berusaha memastikan apakah anda telah benar-benar mendapatkan apa yang anda ingin ketahui (misalnya berdasarkan teori, seperti memprediksi operasi atau jalannya suatu mekanisme tertentu). Analisis data konfirmatif (CDA) seperti ini merupakan pendekatan umum dalam analisis statistic.

B.   Analisa Univariat ( O’Sullivan)
Langkah selanjutnya setelah mengumpulkan dan merakit data ialah mendapatkan gambaran data mengenai di bawah ini:
·         Nilai variabelnya.
·         Tingkat kemiripan nilai itu pada kasus lain.
·         Seberapa berbeda kasusnya.
·         Pada kisaran berapa nilainya terdistribusi.     
Pertanyaan yang ditanyakan kepada administrator, analis, dan peneliti ialah meminta penjelasan tentang distribusi suatu variabel. Dua perbedaan dalam statistik: (1) antara statistik deskriptif dan inferensial, dan (2) antara distribusi univariat dan multivariat statistiknya. Statistik deskriptif untuk tujuan ikhtisar dan menjelaskan data pada kasus yang diteliti. Statistik inferensial untuk membuat inferensial (simpulan) dari populasi yang lebih besar, dan menggunakan data dari kasus yang diteliti untuk menyimpulkan kasus yang tidak diteliti. Statistik univariat memberitahukan kita akan distribusi nilai satu variabel. Statistik multivariat mengukur joint distribution dua variabel atau lebih dan ukuran itu kemudian untuk menentukan hubungan antar dan sesama variabel. Distribusi bivariat adalah kasus tertentu distribusi multivariat dan sebagai joint distribution dua variabel.

C.  4 tipe statistic deskriptif (Lang and Heiss 1990)
·                           Pengukuran Central Tendency
Tujuan utama pengukuran central tendency adalah untuk mengetahui nilai yang “paling khas” yang terdapat dalam keseluruhan data. nilai yang “khas” ini selanjutnya digunakan sebagai nilai rekapitulasi  atau summary value. Ukuran yang paling umum digunakan dalam pengukuran central tendency yaitu, Mean (merujuk pada rata-rata hitung) adalah nilai rata-rata  yang didapat dengan cara menjumlahkan semua skor dan dibagi dengan banyaknya skor. Median (yaitu titik tengah ketika semua skor disusun menurut ukuran (misalnya, untuk skor yang berjumlah sebelas maka titik tengahnya adalah skor yang keenam). Modus adalah nilai yang paling sering muncul.
·                           Pengukuran Variabilitas
1.       Range – Rentang atau biasa juga disebut banjar merupakan perbedaan antara nilai variable tertinggi dan nilai varaibel terrendah.
2.       Inter-quartile range – rentang antar quartile merupakan perbedaan antara skor yang memiliki seperempat  skor di bawahnya (disebut quartil pertama atau persentil ke-25 ) dan skor yang memiliki tiga per empat skor di bawahnya (disebut quartil ketiga atau persentil ke-75).
3.       Varians – ukuran rata-rata dari kuadrat deviasi dari skor individual dari nilai rata-rata.
4.       Standar deviasi – akar dua dari varians
5.       Standard error – ukuran stnadar deviasi dari skor rata-rata.
·                           Pengukuran Posisi Relative
Pengukuran relative position (posisi relative) digunakan untuk membandingkan  satu skor dengan skor lainnya dalam seperangkat data. Ada dua tipe pengukuran yang digunakan yaitu persentil dan standard scores (skor standar). Persentil merupakan titik atau nilai yang digunakan untuk menunjukkan persentase subyek atau pengukuran dengan skor di bawah angka persentil tersebut. Persentil paling umum digunakan dalam statistic pendidikan.
Standard score atau nilai standar adalah skor asli atau skor mentah dari seperangkat data yang telah ditransformasi secara stitistik untuk menghasilkan satu dasar pengukuran umum untuk semua skor. Nilai standar ini sering digunakan untuk membandingkan satu skor dengan skor lainnya.
·                           Pengukuran Korelasi
Pengukuran korelasi biasanya digunakan untuk menunjukkan hubungan atau asosiasi antar dua atau lebih variable atau subyek. Pengukuran korelasi dan statistic deskriptif lainnya sudah lazim dimasukkan dalam laporan ilmiah penelitian social dan administrasi.
Data dalam pengukuran korelasi dikelompokkan dalam dua kategori, tergantung pada tipe pengukuran yang disajikan yaitu; discrete (diskrit) atau continuous (kontinyu). Data nominal dan Ordinal merupakan data yang bersifat kategoris dan oleh karena itu masuk kategori discrete numbers (angka diskrit). Data interval dan Rasio  dapat bervariasi dalam suatu rentang tertentu; oleh karena itu masuk kategori continuous (kontinyu).
Keempat tipe pengukuran yang dikemukakan oleh Lang dan Heiss ini memungkinkan kita mereduksi atau merekapitulasi data dalam jumlah besar ke dalam bentuk sejumlah kecil  angka-angka yang mengandung arti tertentu yang dapat dipahami setiap orang. Angka-angka yang telah mengalami proses rekapitulasi ini (summary number) dapat memberikan informasi penting tentang  struktur internal data mentah.

D.  Tehnik Mengeksplorasi Data
Cara mudah untuk mengeksplorasi banyak data adalah dengan cara menyusunnya kembali data tersebut sedemikian rupa melalui perhitungan frekuensi (banyaknya) kejadian suatu hal atau dengan cara menampilkan tampilan diagram atau grafis tertentu. Salah satu yang dapat dilakukan adalah membuat distribusi frekuensi. Contoh distribusi frekuensi yang dihasilkan melalui program SPSS, cara lain yang juga dapat digunakan adalah histogram.
Chart  atau diagram dapat ditampilkan beserta frekeuensi atau persentase pada sumbu vertical. Kadang-kadang ada yang membedakan antara histogram dan bar chart (diagram batang). Diagram batang merupakan suatu tipe histogram yang batangnya berpisah satu sama lain. Ada konvensi yang disepakati bahwa bahwa histogram yang batangnya ‘bergandengan’ hanya digunakan untuk variable kontinu (sementara diagram batang dapat menampilkan beberapa  nilai angka atau bilangan dan tak dibatasi  pada seluruh nilai angka atau bilangan).
Cara lain menampilkan data atau informasi adalah dengan menggunakan Pie Chart atau diagram lingkaran. Bar Chart, Hstogram dan Pie Chart banyak diminati dalam menyajikan data daripada distribusi frekuensi. Alasannya karena  lebih cepat dan mudah dipahami oelh kebanyak khalayak (untuk mengetahui data empirisnya lihat Spence and Lewandowsky, 1990).



BAB III
PENUTUP

A.  Kesimpulan
Statistik Deskriptif digunakan untuk menyederhanakan atau merekapitulasi data dan mendeskripsikan sampel. Ada empat kategori informasi deskriptif yang dapat digunakan untuk tujuan ini yaitu: pengukuran central tendency, pengukuran variabilitas, pengukuran relative position dan pengukuran korelasi. Semua bentuk statistic ini dapat dihitung secara cepat dengan menggunakan Microsoft Excel.
Ada lima pengukuran central  tendency yang dapat digunakan untuk dalam statistic deskriptif. Kelima pnegukuran tersebut meliputi; nilai rata-rata aritmetik (atau biasa disebut rata-rata), media, modus, rata-rata geometric dan rata-rata trim (te trimmed mean). Ada tiga pengukuran variabilitas yaitu; range (rentang), varians dan standar deviasi.
Ada dua pengukuran relative position atau  posisi relative yaitu persentil an standard scores (skor standar); yang memungkinkan membanding satu skor dengan skor lainnya dalam sperangkat data. Standard skore yang yang paling umum digunakan adalah Z-statistic, yang menyatakan varians berdasarkan nilai standar deviasi dari rata-rata (ean). Sebagian besar data, hamper semua skor berada pada rentang standar deviasi plus minus (±) tiga dari rata-rata kelompok
Pengukuran korelasi digunakan untuk mengidentifikasi atau mengetahui secara numeric tingkat hubungan antar variable. Hati-hati jangan sampai disamakan dengan hubungan sebab- akibat. 





DAFTAR PUSTAKA


Miller, C. Delbert, 1974. Handbook of Research Design and Social Measurement. David McKay Company.

McNabb, E., David, 2002. Research Methods in Public Administration and Nonprofit Management: Quantitative and Qualitative Approaches, ME, Sharp.

O’Sullivan, Elizabethan, dkk. 2003. Research Methods for Public Administrators, Addison Wesley Publihser.




Teknik Sampling dalam Penelitian


Dosen  :  Dr. Muhammad Rusdi, M.Si


S A M P L I N G 




 








Oleh

Mohammad Wahyuddin
(E 211 08 252)








JURUSAN ILMU ADMINISTRASI
FAKULTAS ILMU SOSIAL DAN ILMU POLITIK
UNIVERSITAS HASANUDDIN
MAKASSAR



KATA PENGANTAR
Puji Syukur kehadirat Allah SWT, karena rahmat dan hidayah-nya sehingga penulis dapat menyelesaikan makalah ini sebagaimana mestinya.
Makalah ini merupakan salah satu kompetensi dasar bagi Mahasiswa tentang Metode Penelitian Administrasi . Adapun judul yang kami bawakan yaitu “Sampling"
Dalam penulisan makalah ini penulis menemukan kesulitan-kesulitan dan hambatan-hambatan terutama sulitnya mencari bahan bacaan sehingga Makalah ini jauh dari kesempurnaan yang diinginkan. Namun semuanya itu merupakan kesan suka duka yang tak mudah terlupakan dan menjadi pengalaman yang sangat berharga. Maka sehubungan dengan penyusunan makalah  ini apabila ada kekurangan atau kesalahan, hal itu tidaklah terlepas dari batasan ilmu pengetahuan yang dimiliki penulis, maka benarlah pepatah berbunyi :
Tak Ada Gading Yang Tak Retak
Untuk itu penulis menyampaikan ucapan terima kasih yang sebesar-besarnya kepada :
1.   Dr. Muhammad Rusdi, M.Si, sebagai Dosen Ilmu Administrasi di Unhas yang memberikan arahan dan pengetahuan tentang Metode Penelitian Administrasi.
2.   Keluarga yang senantiasa memanjatkan doa kepada Allah SWT demi tercapainya kesuksesan penulis dan tak henti-hentinya memberikan bantuan moril dan materil.
3.   Teman-teman Bravo yang senantiasa membantu dan memberikan dorongan.
Sebagai penulis, kami juga sangat mengharapkan saran dan kritik yang membangun kepada lapisan masyarakat terutama dari para rekan-rekan pembaca., demi kesempurnaan makalah berikutnya.
Kiranya Allah SWT memberikan imbalan yang setimpal, atas segala bantuan yang telah diberikan sehubungan dengan penyusunan Makalah ini.

Makassar,  April 2010  

Penulis
DAFTAR ISI

HALAMAN JUDUL                                                                                           
KATA PENGANTAR                                                                                         i 
DAFTAR ISI                                                                                                        ii
BAB    I     PENDAHULUAN                                                                             1
BAB    II   PEMBAHASAN                                                                                2
A.     Terminologi sampling                                                                    2
B.     Batasan sampling                                                                           2
C.     Desain sampel                                                                                3
D.     Cluster and multistage sampling                                                    3
E.      Kapan menggunakan cluster sampling                                          5
F.      Ukuran Sampel                                                                              6
BAB    III  PENUTUP                                                                                          7
                   A.  Kesimpulan                                                                                    7
DAFTAR PUSTAKA                                                                                          8


BAB I
PENDAHULUAN

Peneliti adalah seorang yang mencari kebenaran maupun menguji akan kebenaran yang telah ada sebelumnya. Data merupakan bahan dasar seorang peneliti meramu penelitiannya untuk mendapatkan hasil sehingga dapat menguji akan tujuan ingin dicapainya. Di Anologikan peneliti ini sebagai Koki yang jago membuat makanan yang lezat, maka dari itu seorang koki yang hebat harus mencari dan meramu bahan-bahan makanan sehingga terciptalah inovasi makanan yang kreatif. Sama halnya dengan peneliti yang mencari data dari populasi. Populasi adalah total himpunan kesatuan yang lebih besar dimana peneliti akan menarik sampel. Sampel adalah sub himpunan kesatuan yang dipilih dari himpunan kesatuan sama lebih besar. Sub himpunan memberi data untuk mengestimasi karakteristik himpunan lebih besar itu. Maka dari itu peniliti harus memahami objek sebagai penyedia data tersebut.
Dalam makalah ini, penulis mencoba fokus pada pengambilan data melalui sampel yang ditarik dari populasi sehingga penulis dapat memberikan informasi kepada pembaca makalah ini begitu pentingnya memahami sampel sebagai objek seorang peniliti.





BAB II
PEMBAHASAN

A.  Terminologi Sampling
Sampel adalah sub himpunan kesatuan yang dipilih dari himpunan kesatuan sama lebih besar. Sub himpunan memberi data untuk mengestimasi karakteristik himpunan lebih besar itu.
Populasi adalah total himpunan kesatuan yang lebih besar dimana peneliti akan menarik sampel. Karakteristik populasi dan hubungan antar karakteristik itu disimpulkan dari data sampel. Populasi bisa berupa orang, bisa juga berupa satuan organisasi pemerintah, rumah tangga, perusahaan, arsip dan sebagainya.
Apakah anda meneliti kelompok 100, 1.000, atau 1.000.000, menarik sampel merupakan cara ekonomis dan efektif mempelajari anggota kelompok itu. Ini berlaku jika data anda bersumber dari responden individu, catatan kasus, agensi, atau data komputer. Orang yang tidak mengerti namanya sampel akan salah mengerti, salah memahami, dan mengira penelitian harus melibatkan semua populasi.
B.   Batasan Sampling
Batasan sampling. Untuk menyampling rumah tangga di suatu daerah, orang harus menyiapkan daftar nama setiap keluarga di daerah itu. Daftar lengkap jarang ada. Daftar apa saja yang dipakai dapat dinamakan batasan sampling. Bila tidak ada daftar, batasan bisa berupa prosedur serupa untuk mengidentifikasi satuan populasi. Batasan sampling bisa berupa satuan yang ditentukan bukan sebagai bagian dari populasi atau yang tidak termasuk sebagai anggota. Sampel rumah tangga misalnya ditarik dari buku telepon. Buku ini juga berisi bisnis yang bukan bagian dari populasi, dan rumah tangga yang tidak punya telepon atau tidak terdaftar dalam buku tidak dimasukkan. Masalah potensial dengan batasan sampling adalah bila daftar yang berupa kelompok beberapa unit, dan ternyata ada di antara unit itu terdaftar lebih dari sekali.
C.  Desain sampel
Desain sampel adalah prosedur untuk memilih unit dari populasi dalam bentuk sampel. Sampling fraction adalah persentase populasi yang dipilih untuk dijadikan sampel. Perbedaan antara probabilitas dengan non probabilitas desain sampel penting. Dengan probabilitas sampel, setiap unit populasi pasti memiliki peluang non nihil (nonzero) untuk menjadi sampel. Desain non-probabilitas menghalangi peneliti mengkalkulasi probabilitas unit mana dalam populasi yang akan dijadikan sampel. Dalam sampling non-probabilitas, prinsip lain berlaku duluan. Bila probabilitas sampel digunakan secara benar bias seleksi dapat dihindari, teori statistik digunakan untuk mengestimasi parameter dan mengevaluasi akurasi estimasinya.
D.  Cluster and multistage sampling
Pada sejumlah masalah sampling, unit populasi sudah terbentuk dalam kelompok atau cluster. Jika kita ingin menyurvei penduduk negara bagian dalam kaitannya dengan pemanfaatan layanan, maka unit analisanya bisa berupa individu penduduk. Tapi mereka dapat dikelompokkan menjadi cluster dalam beberapa cara. Dalam cluster sampling, kita pilih sampel kelompok dari batasan sampling dan mendapatkan informasi semua unit dalam kelompok yang dipilih. Jika semua unit dalam cluster yang dipilih dimasukkan ke dalam sampel, maka desainnya dinamakan cluster sampling. Jika sampel unit diambil dari setiap cluster yang dipilih, maka desainnya dinamakan multistage sampling.
Bila peneliti ingin mendapatkan data tentang penggunaan sarana kesehatan mental di lima negara bagian. Tahap di bawah ini akan menjadi pendekatan cluster sampling, multistage:
1.       Tahap satu: peneliti mengambil sampel dari unit yang lebih besar yang berisi cluster dengan unit yang lebih kecil. Pada kasus ini, county menjadi pilihan.
2.       Tahap dua: sampel dari wilayah lebih kecil—township—dipilih dari county yang dipilih sebelumnya.
3.       Tahap tiga: sampel dari daerah geografis juga kecil yang didasarkan dengan ukuran populasi, dipilih dari township yang ditentukan sebelumnya di tahap dua.
4.       Tahap empat: pilih sampel sebarang dari unit pemukiman—rumah, kondominium, dan departemen—dari unit yang lebih kecil yang ditentukan di tahap tiga.
5.       Tahap lima: pada tahap ini peneliti akan memasuki unit perumahan yang dipilih dan mewawancarai penghuninya. Tentu ia butuh beberapa prosedur untuk memilih penghuni yang akan diwawancarai, karena banyak lokasi perumahan yang mungkin berisi lebih dari satu penghuni dewasa.
E.   Kapan menggunakan cluster sampling
Cluster sampling direkomendasikan untuk penelitian yang menggunakan wilayah geografi yang luas. Tanpa kemampuan membatasi sampel untuk mengelompokkan wilayah, yaitu untuk cluster terpilih, biaya dan logistik menyebabkan sampling pada populasi yang menyebar luas menjadi sulit, bahkan tidak mungkin. Jika wawancara tatap muka yang digunakan mengambil data, sampel yang menyebar jarang pada wilayah yang cukup luas akan sangat mahal untuk dijangkau. Cluster sampling membantu menghemat biaya itu.
Cluster sampling juga digunakan karena tidak ada batasan sampling untuk unit analisa yang ada dan tidak ada yang bisa dilakukan. Cluster sampling membantu menutup kurangnya batasan sampling. Menggunakan kombinasi cluster dan multistage sampling membantu peneliti membuat batasan sampling untuk tahap akhir proses.
Meski cluster dan multistage sampling menghemat waktu perjalanan dan biaya, ia membutuhkan sampel yang lebih besar dari metode lainnya dengan level akurasi sama. Apa yang terjadi jika cluster awal yang akan disampel memiliki ukuran populasi yang sangat berbeda ? Jika salah satu dari cluster itu berisi proporsi populasi yang dignifikan, sampel multistage mudah sekali kehilangan cluster. Untuk menyesuaikan situasi ini, peneliti menggunakan teknik “probability proportional to size” atau PPS.
F.   Ukuran Sampel
Salah satu pertanyaan pertama yang ditanyakan administrator mengenai sampling ialah ketepatan ukuran sampel. Mereka yang tidak familiar dengan prosedur sampling dan teorinya menganggap bahwa penentu utama ukuran sampel ialah ukuran seluruh populasi. Namun untuk menentukan ketepatan ukuran sampel, pakar sampling harus mengetahui informasi lainnya.
Rumus menentukan besar sampel untuk karakteristik populasi yang dijabarkan dalam proporsi:
(skor-z sebagai taraf keyakinan)/akurasi
dimana
n           =    ukuran sampel (Ket: N besar kadang dipakai untuk menunjukkan ukuran populasi). Faktor penyesuai untuk ukuran populasi tidak dicantumkan)
p           =    proporsi populasi dalam satu kategori dengan variabel dikotomi. Batas  adalah standar deviasi proporsi dan ukuran variabilitas populasi.
skor-z   =    skor standar yang berhubungan dengan taraf keyakinan yang tepat. Diambil dari distribusi teoritis semua statistik sampel. Untuk taraf keyakinan 95 persen, skor-z sebesar 1.96, atau hampir 2.



DAFTAR PUSTAKA


O’Sullivan, Elizabethann, dkk. 2003. Research Methods for Public Administrators, Addison Wesley Publihser.