Pengawasan Publik

PENGERTIAN

•          Governance diartikan sebagai cara mengelola urusan-urusan publik.

•          World Bank: Governance sebagai the way state power is used in managing economic and social resource for development of society.

•          UNDP: Governance sebagai the exercise of political, economic, and administrative authority to manage a nation’s affair at all levels.

•          World Bank lebih menekankan pada cara pemerintah mengelola sumber daya sosial dan ekonomi untuk kepentingan pembangunan masyarakat.

•          UNDP lebih menekankan pada aspek politik, ekonomi, dan administratif dalam pengelolaan negara 

•          Political governance mengacu pada proses pembuatan kebijakan (policy/strategy formulation)

•          Economic governance mengacu pada proses pembuatan keputusan di bidang ekonomi yang berimplikasi pada masalah pemerataan, penurunan kemiskinan, dan peningkatan kualitas hidup.

•          Administrative governance mengacu pada sistem implementasi kebijakan.

GOOD GOVERNANCE

•          Pemerintahan yang baik

•          Tata kelola pemerintahan yang baik

•          Penyelenggaraan manajemen pembangunan yang solid dan bertanggungjawab sejalan dengan prinsip demokrasi dan pasar efisien, penghindaran salah alokasi dana investasi, dan pencegahan korupsi baik secara politik maupun administratif, menjalankan disiplin anggaran serta penciptaan legal and political framework bagi tumbuhnya aktivitas usaha (World Bank).

KARAKTERISTIK GOOD GOVERNANCE (UNDP)

•          Participation

                Keterlibatan masyarakat dalam pembuatan keputusan

•          Rule of Law

                Kerangka hukum yang adil & tegaknya supremasi hukum

•          Transparency

                Dibangun atas kebebasan memperoleh informasi

KARAKTERISTIK GOOD GOVERNANCE (UNDP)

•          Efficiency and Effectiveness

                Pengelolaan sumberdaya publik harus berdaya guna dan berhasil guna

•          Accountability

                Pertanggungjawaban kepada publik atas aktivitas yang dilakukan

•          Strategic vision

                Pemerintah dan masyarakat harus memiliki visi jauh ke depan

KARAKTERISTIK GOOD GOVERNANCE (UK/ODA)

•          Legitimacy

•          Accountability

•          Competency

•          Penghormatan terhadap hukum/hak asasi manusia

KARAKTERISTIK GOOD GOVERNANCE (OECD)

•          Participatory development

•          Human rights

•          Democratization

KARAKTERISTIK GOOD GOVERNANCE (MTI)

•          Transparansi

•          Akuntabilitas

•          Kewajaran/kesetaraan

•          Kesinambungan

ERA NEW PUBLIC MANAGEMENT

•          Dalam dua dekade ini terjadi perubahan manajemen sektor publik yang cukup drastis dari sistem manajemen tradisional menjadi sistem manajemen publik yang modern.

•          Tradisional: kaku, birokratis, hierarkis.

•          Modern: fleksibel, akomodatif.

FAKTOR PENDORONG NPM

•          Managerialism (Pollit, 1993)

•          Market-based public administration (Zhiyong,dan Rosenbloom, 1992)

•          Post bureaucratic paradigm (Barzelay, 1992)

•          Enterpreunerial government (Osborne & Gaebler, 1992)

KONSEKUENSI NPM

•          Perubahan dari orientasi kebijakan menuju orientasi kinerja.

•          Tuntutan melakukan efisiensi, cost cutting, dan kompetisi.

•          Peningkatan public service

REINVENTING GOVERNMENT (OSBOURNE & GAEBLER 1992)

•          Pemerintahan Katalis

                Fokus pada pemberian pengarahan, bukan produksi pelayanan publik.

•          Pemerintah Milik Masyarakat

                Memberdayakan masyarakat daripada melayani

•          Pemerintah yang Kompetitif

                Memberikan semangat kompetisi dalam pemberian pelayanan publik.

REINVENTING GOVERNMENT

•          Pemerintah yang Digerakkan oleh Misi

                Mengubah organisasi yang digerakkan oleh peraturan menjadi organisasi yang digerakkan oleh    misi

•          Pemerintah yang Berorientasi Hasil

                Membiayai hasil, bukan masukan

•          Pemerintah yang Berorientasi Pelanggan

                Memenuhi kebutuhan pelanggan, bukan birokrasi

REINVENTING GOVERNMENT

•          Pemerintahan Wirausaha

                Mampu menciptakan pendapatan dan tidak sekedar membelanjakan.

•          Pemerintahan Antisipatif

                Berupaya mencegah daripada mengobati

•          Pemerintah Desentralisasi

                Mengubah dari hierarki, menuju  partisipatif dan tim kerja

REINVENTING GOVERNMENT

•          Pemerintah Berorientasi pada Mekanisme Pasar

                Mengadakan perubahan dengan mekanisme pasar (sistem insentif) dan bukan dengan mekanisme administratif (sistem prosedur dan pemaksaan)

PENGELOLAAN KEUANGAN NEGARA

Keuangan Negara adalah semua hak dan kewajiban negara yang dapat dinilai dengan uang, serta segala sesuatu baik berupa uang maupun berupa barang yang dapat dijadikan milik negara berhubung dengan pelaksanaan hak dan kewajiban tersebut

SEJARAH KEUANGAN NEGARA

PERUBAHAN MENDASAR REFORMASI KEUANGAN NEGARA

•          Pengertian dan ruang lingkup keuangan negara

•          Asas-asas umum

•          Kekuasaan atas Pengelolaan Keuangan Negara

•          Penyusunan dan Penetapan APBN dan APBD

•          Hubungan keuangan pemerintah

•          Pelaksanaan APBN dan APBD

•          Pertanggungjawaban Pengelolaan Keuangan Negara

Pengertian dan ruang lingkup keuangan Negara

ASAS UMUM DALAM PKN

Hubungan keuangan pemerintah

•          Pemerintah pusat dan bank sentral berkoordinasi dalam penetapan dan pelaksanaan kebijakan fiskal dan moneter

•          Pemerintah pusat wajib mengalokasikan dana perimbangan kepada pemerintah daerah

•          Pinjaman asing harus disetujui oleh DPR

•          Hubungan dengan perusahaan swasta, perusda, dan badan pengelola dana masyarakat, dalam hal keuangan harus mendapat persetujuan DPR/DPRD

Pelaksanaan APBN dan APBD

•          Masalah administratif diatur dalam undang-undang tentang perbendaharaan negara       ( UU No 1 th 2004)

•          Pemerintah perlu menyampaikan laporan realisasi semester pertama  (akhir Juli) kepada DPR/DPRD

•          Pelaksanaan anggaran berbasis prestasi kerja

Pertanggungjawaban  Pengelolaan Keuangan Negara

•          Laporan keuangan terdiri dari :

1.       Laporan realisasi anggaran

2.       Neraca

3.       Laporan Arus Kas

4.       Catatan atas laporan keuangan

•          Penyampaian laporan wajib tepat waktu dan disusun mengikuti standar akuntansi pemerintah yang ditetapkan melalui PP

SISTEM PENYELENGGARAAN PEMERINTAHAN DI INDONESIA

•          SENTRALISASI

•          DESENTRALISASI

•          DEKONSENTRASI

•          TUGAS PEMBANTUAN

     DESENTRALISASI

•          PENYERAHAN WEWENANG PEMERINTAH-AN OLEH PEMERINTAH PUSAT KEPADA PROVINSI/KABUPATEN/KOTA

DEKONSENTRASI

•          PELIMPAHAN WEWENANG DARI PEMERIN-TAH KEPADA GUBERNUR SEBAGAI WAKIL PEMEINTAH PUSAT DAN/ATAU PERANG-KAT PUSAT DI DAERAH

TUGAS PEMBANTUAN

•          PENUGASAN DARI PEMERINTAH PUSAT KEPADA PROVINSI/KABUPATEN/KOTA  & DESA ATAU DARI  PROVINSI/KAB/KOTA KE DESA UNTUK MELAKSANAKAN TUGAS TERTENTU YANG DISERTAI PEMBIAYAAN, SARANA, & PRASARANA SERTA SUMBERDAYA MANUSIA DENGAN KEWAJIBAN MELAPORKAN PELAKSANAANNYA DAN MEMPERTANGGUNGJAWABKANNYA KEPADA YANG MENUGASKAN

Perubahan Struktur Anggaran

v  Perubahan struktur anggaran terjadi dari anggaran tradisional yang bersifat Line item menjadi anggaran yang incrementalism

v  Perubahan dimaksud untuk menciptakan transparansi dan meningkatkan akuntabilitas

SEGI POSITIF PERUBAHAN STRUKTUR ANGGARAN

v  Bilamana terjadi surplus/defisit akan nampak jelas

v  Memudahkan membuat perhitungan anggaran daerah

v  Memudahkan dalam melakukan analisis, evaluasi dan pengawasan anggaran (budgetary control)

v  Memungkinkan pembentukan cadangan melalui transfer

DEFICIT SPENDING REFORM

v  Sampai dengan Orde Baru Pemerintah Tidak Pernah menyatakan terjadi “Deficit”
Alasannya menganut anggaran berimbang yang dinamis

v  Padahal yang terjadi pinjaman yang diterima dicatat sebagai “ Pendapatan”

v  Sejak Menteri Keuangan Prof. DR. Bambang Sudibyo direformasi, Penempatan Pinjaman tidak dicatat sebagai “Pendapatan” tetapi sebagai “Pinjaman”

STRATEGIC COST REFORM

Dipisahkan Belanja (Expenses) dan Biaya (Cost)

Dalam “Pembiayaan” dari Akuntansi diminta untuk mengungkap

Beban Biaya Publik Atau Biaya Aparatur

Beban Unit Kerja Mana, Eksekutif (unit Kerja Tertentu) atau Legislatif

Tahun Anggaran Mana, Tahun Berjalan (Current Year) atau Tahun Yang Akan Datang (Next Year)

Pos Mana

-Lain-lain

-Biaya Tidak Tersangka

-Sumbangan, Organisasi

KONDISI YANG TIDAK MENDUKUNG

Otonomi Daerah dimulai pada tahun 2001 dimana negara sedang mengalami krisis

Ekonomi (Krisis Multi Dimensional)

Sedang menghadapi gerakan separatis Aceh Merdeka, Maluku, Papua Merdeka,

Sehingga “Otonomi” dirancukan dengan “pembagian kedaulatan (Souverignity)

Heterogenitas dalam penyebaran penduduk, kekayaan alam, kualitas penduduk

Krisis Kepercayaan terhadap Pemimpin nasional akibat dari krisis ekonomi dan

Korupsi, BLBI- KLBI, Hutang yang menumpuk

Sistem anggaran yang tidak menggunakan “Fund System” sehingga perbaikan system

Perencanaan yang agak Sulit

Metode Penelitian Administrasi

The basic idea behind sampling:

–        We seek knowledge or information about a whole class of similar objects or events (usually called population)

–        We observe some of these (called a sample)

–        We extend our findings to the entire class.

Why Sample?

Satu kasus susah digunakan sebagai basis generalisasi karena banyaknya variasi dalam suatu populasi. Contoh: persepsi tiga orang buta yang memegang gajah.

Ada pula pertimbangan praktis yang bikin perlu sampling. Researchers often want to know something about a specific social group or population that, for reasons of size, time, cost, or inaccessibility, cannot be studied in its entirety. Kalo punya waktu dan dana tak terbatas, boleh lah diteliti setiap kasus/item dari populasi.

Why Sample?

Bisa makan waktu terlalu lama

Data bisa obsolete

Respon awal dengan respon akhir bisa beda karena ada suatu kejadian, gosip, dan sebagainya.

Perlu biaya yang besar, juga buat interviewer. Perlu pelatihan yang efektif dan supervisi yang cukup ketika pengambilan data.

Alasan lain: mempelajari populasi malah bisa jadi hasilnya ngga akurat, terutama populasinya besar.

Manajemen proyeknya lebih gampang dengan sampling:

–        bisa ada waktu tambahan untuk memperbaiki interview/questionnaire design

–        prosedur mendapatkan responden-yang-sulit-ditemukan

–        rekrutmen, pendidikan dan latihan, serta supervisi data collectors.

Definisi Populasi

Setelah menentukan unit analisis, definisikan populasi yang mau diteliti  deskripsi dari sekumpulan unit yang membentuk populasi.

Top-down, tentukan populasi dulu kemudian turun ke sampel. Hal yang tidak jarang terjadi: memilih sampel yang gampang dulu kemudian mengasumsikan sampel tersebut representatif terhadap populasi (bottom-up)  belum tentu!

Memilih “acak” seperti itu, populasi  mana yang terwakili? Misalnya di mal hari sabtu memilih sampel secara acak:

–        Kemungkinan overrepresent weekdays worker dan underrepresent kelompok lain seperti anak2, pensiunan, pengangguran.

–        Pemilihan mal, mal “elit”  sampel lebih representatif ke golongan A, mal “kurang elit”  sampel lebih representatif ke golongan menengah ke bawah

Akibatnya populasi yang direpresentasikan hanya bisa: para pengunjung mal “X” hari Sabtu  Nilai generalisasi yang rendah.

Pendefinisian populasi:

1.       Mengidentifikasi populasi target.

2.       Menentukan sampling frame.

Populasi target: tentukan kriteria yang digunakan untuk menentukan kasus2/item2 apa yang masuk populasi dan kasus2/item2 mana yang tidak masuk. Seringkali ikut menentukan populasi target: lokasi dan waktu.

Kenapa memilih target populasi “A”? Tujuan dan pertimbangan praktis mempengaruhi (seperti setiap hal lainnya, apa reasoning-nya).

Contoh: “Mahasiswa Fisip”, apakah memang program S1 saja? S2? S3?

Sampling frame: definisi operasional dari populasi target. Sampling frame bukan sampelnya sendiri, tapi cara mengambil sampel dari populasi yang sudah ditentukan.

Sampling frame:

–        Me-list semua kasus

–        Menentukan suatu aturan; kasus2/item2 kemudian dihadapkan pada aturan tersebut untuk menentukan masuk atau tidaknya.

Misalnya: e-mail survey sampling frame: pake “list e-mail di bagian akademis”, atau list-nya si Fulan aja.

List tidak selalu ada/bisa dipakai.

Idealnya sampling frame identik dengan populasi target  permasalahan dalam pembuatan definisi operasional, tidak bisa 100% tepatnya penerjemahan. Semakin tidak tepat penerjemahan, perlu dipertimbangkan sampling frame yang lain.

Penarikan kesimpulan seharusnya hanya berlaku pada populasi yang direpresentasikan sampling frame.

Sampling Designs

Idealnya sampel yang didapat  representatif.

Misalnya: populasi = mahasiswa program S1 Fisip berarti sampel ada mahasiswa dari tiap-angkatan-yang-ada-di-populasi dengan proporsi yang sama, jumlah pria dan wanita yang proporsinya sama, yang kos, di rumah, lainnya, dan seterusnya sesuai karakteristik populasi. Sangat susah.

Dapat dilihat sangat kecil kemungkinan bisa didapat sampel yang 100% representatif terhadap sampel karena populasi target tidak diketahui semua karakteristik dari populasi (parameter2).

Oleh karena itu istilah “representatif” kemudian mengacu pada karakteristik2 populasi yang spesifik yang mau diteliti dan tidak pada kualitas sampel secara keseluruhan.

Kualitas sampel dilihat dari prosedur yang digunakan yaitu sampling design-nya (seperti juga bagian2 lain, prosedur benar  hasil pasti benar).

Sampling design mengacu pada bagian dari rencana penelitian yang menjelaskan bagaimana kasus2 dipilih untuk diteliti.

Sampling design:

–        Probability sampling

–        Non-probability sampling

Probability sampling:

–        setiap anggota populasi memiliki known probability untuk terpilih menjadi sampel dan

–        setiap sampel diambil secara acak.

Lebih dapat diterima daripada nonprobability sampling.

Nonprobability sampling: peluang anggota populasi tidak diketahui karena pengambilan sampel tidak dilakukan secara acak.

Kelebihan probability sampling:

–        Tidak ada investigator biases dalam pemilihan sampel

–        Hukum probabilitas dapat dipakai untuk menghitung estimasi keakuratan sampel, generalisasi dapat dilakukan dan batas2 generalisasi dapat diketahui.

With nonprobability sampling, the population itself is undefined and the laws of probability do not apply.

Probability sampling always involves the process of random selection at some stage.

Probability Sampling

Probability sampling:

–        Simple random sampling

–        Stratified random sampling

–        Cluster sampling

–        Systematic sampling

Probability Sampling: Simple random sampling (1)

Simple random sampling: setiap anggota populasi punya kesempatan sama untuk terpilih. Misalnya mengambil secara acak dari suatu daftar.

Sampling error, standard error, confidence level, confidence interval, principles of probability sampling theory:

–        Menggunakan data brapa jumlah rata2 silverqueen yang dimakan mahasiswa dalam satu hari sebagai ilustrasi.

–        Populasi: delapan mahasiswa. Jumlah sampel: dua mahasiswa (bisa lebih).

–        Kemungkinan pasangan tertentu (dua mahasiswa) terpilih jadi sampel: 1/28

                                                                                                                                                                        

Ada 18 kasus yang mean-nya antara 2.0 sampai 4.0 (3, 4, 4, 4, 3); jadi probabilitas mendapatkan mean sampel dalam range 2.0-4.0 adalah 18/28 = .64

Untuk jumlah sampel empat (tidak diperlihatkan perhitungannya di sini), probabilitas dapat a mean sampel dalam range 2.0-4.0 adalah 62/70 = .89, untuk jumlah sampel enam, probabilitasnya 1.0.

Semakin besar sampel Þ semakin dekat mean sampel-nya dengan population mean.

Selisih antara sample statistic (misalnya mean) dengan population parameter disebut sampling error. Contoh dalam kasus ini, mean sampel 0.5 nilai sampling error-nya 2.5 karena mean populasi (kebetulan diketahui) 3.0. Mean sampel 1.5, sampling error-nya 1.5. Satuan pengukuran untuk “rataan” dari error2 dari seluruh distribusi sampel disebut standard error.

Semakin besar sampel Þ semakin kecil standard error-nya (semakin besar sampel Þ semakin dekat mean sampel-nya dengan population mean Þ semakin kecil standard error-nya).

Probability Sampling: Stratified random sampling

“Mean populasi adalah antara 2.0 sampai 4.0 (confidence interval) dengan probability or level of confidence (tingkat kepercayaan) 89%”

Untuk penelitian biasanya 99% atau 95%, untuk bisnis 90% kadang2 sudah bisa diterima.

Sering confidence level tidak disebut, hanya confidence interval (sampel precision)-nya saja, misalnya “margin of error +/- 4% dengan N = 750”.

Sampel precision bisa ditingkatkan dengan sampling design stratified random sampling.

Populasi dibagi menjadi dua segmen atau lebih yang mutually exclusive yang disebut strata, berdasarkan kategori2 dari satu atau lebih variabel yang relevan, baru kemudian dilakukan simple random sampling.

Stratifying by variables correlated with the dependent variable increases the precision of estimates because it systematically introduces relevant sources of variability (or heterogeneity) in the population into the sample.

Untuk n yang sama, stratified random sampling lebih efisien dibanding simple random sampling.

Selain meningkatkan efisiensi, stratified random sampling juga digunakan untuk memastikan kategori-kategori yang proporsinya kecil dalam populasi cukup terwakili.

Contoh lain: Hulk music by Danny Elfman

–        Biasa:

•          Movie Music UK: ***

•          Music from the Movies: ***

•          Music on Film: ***

•          Soundtrack Review Central: ***

•          Soundtrack Express: ***

•          Movie Wave: ***

–        Bagus: Film Music Review: ****

Secara rata2 “tenggelam” tapi bisa jadi Film Music Review memberikan valid points dalam penilaian. Misalnya bukan soal banyak2an tapi inventori permasalahan.

Misalnya di populasi, orang jawa 90%, orang sunda 5%, orang bali 5%. Sampel 100 orang berarti 90 orang jawa, 5 orang sunda, 5 orang bali. Kedua kelompok terlalu sedikit sehingga dalam statistical estimates, “tenggelam”.

Bisa saja digunakan sampel 30 orang jawa, 30 orang sunda, 30 orang bali Þ disproportionate stratified random sampling. Perlu statistical adjustment sebelum mengestimasi parameter populasi.

Probability Sampling: Cluster sampling

Simple random sampling dan stratified random sampling berasumsi ada list lengkap dari anggota populasi. Kalau tidak ada? Þ Cluster sampling bisa digunakan. Pertimbangan biaya juga merupakan alasan lainnya.

Populasi dibagi-bagi menjadi sekelompok kasus yang disebut clusters biasanya berdasarkan pembagian alami seperti lokasi, golongan sosioekonomi, dsb.

Beda dengan stratified: stratified mengambil sampel dari tiap strata, cluster sampling tidak mengambil sampel dari tiap cluster, hanya cluster yang dipilih saja.

Jika semua anggota cluster menjadi sampel Þ single-stage cluster sample. Jika suatu cluster terdiri dari clusters lagi dan sampel diambil dari clusters di bawahnya Þ multistage cluster sampling.

Primary sampling units Þ secondary sampling units dst.

Kurang akurat dibandingkan dengan simple random sampling atau stratified random sampling untuk jumlah n yang sama.

Akurasi dapat ditingkatkan dengan mengambil sampel dari cluster2 lain.

Probability Sampling: Systematic sampling

Systematic sampling: memilih kasus setiap interval dari list lengkap anggota populasi. Syaratnya dua:

–        Sampling interval (K)

–        Dan lokasi start.

Misalnya perlu sampel 100 dari 2500 orang, inter val = 2500/100 = 25 (sampling interval). Kemudian tentukan nomor secara acak dari 1 sampai 25. Misalnya 19, berikutnya berarti 44, 69, dan seterusnya.

Nonprobability Sampling

Semua proses pemilihan kasus yang bukan dengan cara random selection.

Kelemahan:

–        Tidak ada kontrol terhadap investigator bias dalam pemilihan sampel

–        Variabilitasnya tidak bisa dihitung menggunakan probability sampling theory Þ tidak bisa menghitung sampling error atau sample precision.

Dalam banyak kasus, cara sampling ini lebih tepat atau praktis:

–        Situasi di mana jumlah kasus yang bisa diteliti terlalu sedikit, misalnya karena biaya terlalu besar untuk menyelidiki banyak kasus (misalnya unit analisa kota, negara, atau yang besar-besar lainnya), sementara probability sampling kurang reliabel untuk jumlah kasus yang terlalu sedikit.

–        Peneliti hanya bisa bekerja dengan kasus yang ada saja

–        Di awal penelitian suatu permasalahan, di mana tujuannya baru mengumpulkan informasi mengenai gejala (tujuan eksploratif), cukuplah menggunakan nonprobability sampling, belum diperlukan generalisasi statistik yang akurat.

–        Kalau populasinya sendiri jumlah anggotanya kecil (misalnya di bawah 100).

Tiga tipe utama nonprobability sampling:

–        Convenience sampling

–        Purposive sampling

–        Quota sampling

Nonprobability Sampling: Convenience sampling

Alias: incidental, accidental, haphazard, fortuitous sampling

Peneliti memilih sejumlah kasus yang conveniently/readily available.

Metode ini cepat, mudah, dan murah.

Kalau penelitian permasalahan baru tahap awal dan generalisasi bukan masalah, metode ini boleh2 saja.

Tapi karena sampel yang cuma “sedapatnya”, tidak bisa ditentukan hasil penelitian ini bisa diterapkannya ke mana kecuali ke sampel itu sendiri.

In attempting to make inferences from such a sample, “one can only hope that one is not being to grossly misled” (sangat sinis)

Nonprobability Sampling: Purposive sampling

Peneliti menggunakan expert judgement untuk memilih kasus2 yang “representatif” atau “tipikal” dari populasi.

Pertama, identifikasi sumber2 variasi yang penting dari populasi. Berikutnya memilih kasus2 sesuai sumber2 variasi tersebut.

Bisa dipilih satu kasus atau satu subpopulasi yang dianggap “representatif” atau “tipikal” yang memiliki karakteristik tertentu. Atau memilih beberapa kasus yang mewakili perbedaan2 utama dalam populasi.

Teknik purposive sampling lainnya, biasanya untuk prediksi hasil election, adalah memilih propinsi tertentu yang telah bertahun-tahun memprediksikan hasil penghitungan suara nasional secara tepat.

Misalnya kalau di propinsi A partai X menang maka diprediksikan dengan sangat yakin (keyakinan sebesar korelasi historisnya) bahwa secara nasional partai X bakal menang.

Tetap kurang bisa diterima dibandingkan probability sampling jika diperlukan generalisasi yang tepat dan akurat. Tetapi kalau berbagai hal membatasi, ya boleh lah.

Secara umum lebih “kuat” dibandingkan convenience sampling tapi sangat tergantung expert judgement-nya peneliti.

Kelemahan utama: informed selection seperti itu memerlukan pengetahuan yang cukup mengenai populasi.

Nonprobability Sampling: Quota sampling

Quota sampling adalah sejenis purposive sampling yang ada kemiripan dengan proportionate stratified random sampling:

–        Pertama, populasi dibagi-bagi menjadi strata yang relevan seperti usia, jenis kelamin, lokasi, dsb.

–        Proporsi tiap strata diperkirakan atau ditentukan berdasarkan data eksternal kemudian total sampel dibagi-bagi sesuai proporsi ke tiap strata (kuota).

–        Untuk memenuhi jumlah sampel untuk tiap strata, peneliti menggunakan expert judgement-nya.

Misalnya populasi 55% pria 45% wanita. Sampel 100 orang berarti 55 pria dan 45 wanita. Pemilihan sampelnya sendiri tergantung penilaian peneliti.

Bedanya dengan stratified random sampling, sampel diambil secara acak sedangkan dalam quota sampling, sampelnya dipilih berdasarkan pendapat subjektif peneliti pokoknya kuotanya terpenuhi (mirip2 convenience sampling).

Total sampel juga a convenience sample tapi ada kemiripan dengan populasi dalam karakteristik2 penting tertentu (karena pembuatan stratanya).

Bias peneliti sangat mempengaruhi: pemilihan teman sebagai sampel, milih lokasi2 yang nyaman, dan sebagainya.

Keuntungan:

–        tidak perlu membuat sampling frame

–        kalau perlu konfirmasi tinggal cari lagi yang baru asal kuota terpenuhi, tidak perlu menghubungi responden yang telah diwawancarai.

Cepat, mudah dan murah.

Other Sampling Designs

Gabungan dari probability dan nonprobability sampling

Referral sampling:

–        Network sampling: responden diminta mengidentifikasi anggota2 dari target populasi yang ada hubungan dengan dirinya

–        Snowball sampling: chain referral, responden diminta memberikan nama dan kontak dari anggota lain dari target populasi. Asumsinya sesama anggota saling mengenal. Misalnya: hackers.

Faktor2 yang Mempengaruhi Sampling Design

Tergantung pada:

–        What is the stage of research?

–        How will the data be used?

–        What are the available resources for drawing the sample?

–        How will the data be collected?

Stage of research and data use

–        Akurasi tidak terlalu penting kalau baru eksplorasi gejala, hal yang penting adalah menemukan pola2 tertentu dulu dan membuat hipotesis2 untuk penelitian lanjutan.

–        Peneliti perlu menggunakan good judgement mereka untuk mendapatkan sampel yang tepat Þ nonprobability sampling bisa digunakan.

–        Kalau cuma pingin me-list semua varians, cukup dengan sejumlah sampel dengan pendekatan nonprobability.

–        Kalau hasil penelitian akan menjadi bahan decision making pemerintah misalnya, presisi diperlukan. Perlu probability sampling yang terkontrol dan jumlah sampel yang relatif banyak.

Available resources

–        Jika akurasi menjadi pertimbangan utama, perlu digunakan sampling design yang menghasilkan sampel yang paling presisi. Tapi biayanya bisa jadi sangat mahal.

–        Waktu, uang, bahan2 yang diperlukan, lokasi melimitasi sampling design.

–        Sampling design disesuaikan kemampuan, kecil tapi jika prosedur-nya bagus Þ hasilnya pun bagus.

Method of data collection

–        Keempat pendekatan (eksperimen, field research, survey research, documentary research) masing-masing berurusan dengan sampel.

–        Eksperimen biasanya pakai convenience sampling, survai biasanya probability sampling, field research biasanya convenience atau purposive, documentary research sering menggunakan probability sampling.

Faktor2 yang Mempengaruhi Sample Size

Antara lain:

–        Heterogenitas dari populasi

–        Tingkat presisi yang dikehendaki

–        Tipe sampling design yang digunakan

–        Resources availability

–        Number of breakdowns planned in data analysis

Heterogenitas populasi

–        Heterogenitas mengacu pada derajat perbedaan di antara kasus dalam suatu karakteristik.

–        Semakin heterogen, jumlah kasus yang diperlukan semakin besar agar estimasinya reliabel. Ekstrimnya, kalau semua kasus sama (homogen, unidimensional), jumlah sampel cukup satu, kalau tidak ada yang sama, harus sensus.

–        Satuan pengukuran statistik terbaik untuk heterogenitas populasi adalah standard deviation (s) Þ berhubungan dengan standard error yang tadi dibahas. Rumus standard error = s/√(N).

Semakin besar heterogenitas populasi, perlu semakin banyak sampel agar lebih presisi

Tingkat presisi yang dikehendaki

–        Secara teknis mengacu pada standard error (seperti dijelaskan di atas). Tapi lebih mudah diilustrasikan dengan confidence interval.

–        Pernyataan “rata2 populasi ada di antara 2-4” lebih presisi dibandingkan “rata2 populasi ada di antara 1-5”.

–        Rumus standard error s/√(N), sampel perlu diperbesar agar standard error-nya mengecil. Agar standard error turun 1/2, N perlu naik empat kali lipat.

–        Law of diminishing return, setelah terus2an, dibutuhkan jumlah N yang sangat besar agar standard error bisa turun.

w  N = 100 Þ s = 5

w  N = 400 Þ s  = 2.5

w  N = 2500 Þ s  = 1

w  N = 10000 Þ s  = 0.5

–        Sample size 2000-3000 sebenarnya standard error-nya sudah cukup kecil dan menambah jumlah sampel lagi Þ “is not worth the additional cost”.

Sampling design

–        Misalnya tanpa menambah jumlah sampel presisi sampel bisa ditingkatkan dengan menggunakan stratified random sampling dan bukan simple random sampling, tapi cluster sampling perlu lebih banyak sampel.

Resources availability

Number of breakdowns planned. Contoh:

–        Sampel 500

–        Angkatan baru 100

–        Kos 20

–        Pria 10

Jumlah kasus terlalu sedikit untuk menghasilkan analisis yang reliabel

Catatan

w  Sample bias: nonrandom, difficult to detect, damaging to sample accuracy.

w  Dua sumber yang paling umum:

–        Coverage error: sampling frame yang tidak komplit meng-cover semua populasi

–        Nonresponse bias: pengumpulan data tidak lengkap.

w  Rate of response dan rate of nonresponse