Stages of Marketing Research

Stages of Marketing Research

1. Identifying Problems and Opportunities

Research can be done to address the problem and find a solution, or to define new opportunities

Anthony Miles (BCG) formulated three key questions that must be answered at the stage of defining the problem or opportunity:

Why is the information it requested?

Was the information provided?

Can the question was really answered?

Capturing background

We must understand what the need to do some background research

Background information will determine the direction of the course of a research

There are three (3) general background researching links:

Want to make or modify products or services

Want to understand or predict behavior or market conditions

Want to affect some groups of customers => for example, along with the promotion or marketing communication program

Exploratory Research for Defining the Problem / Opportunity

Exploratory research is usually a small-scale research conducted to define the precise nature of the problem and to obtain a better understanding of the environment in which the problem occurred.

Methods commonly performed:

Focus Group Discussion

In-depth interviews (depth interview) or brainstorming with the experts

Analysis of secondary data

Case study

2. Determining Benefits and Interest Research

The end point of the process of formulation of the problem / opportunity is a statement of research objectives

Formulation good goal to act as a road map to develop research, and as a parameter in evaluating the quality of research

Objectives must be specific and clear

The purpose of research should avoid the syndrome of "nice to have"

3. Identifies Data Needs and Sources

Need to be identified first, whether to achieve the objectives of this research simply by using secondary data or should the primary data

Primary data: The results of the direct recording of the results of research, for example from interviews or questionnaires

Secondary Data: Data collected by the person or institution

Next specify the data source

Secondary Data

advantages:

Readily Available

Time, Cost, Power Less

Large scale

Some Information Only Available In Secondary Data

weaknesses:

May be less relevant

Data accuracy

Secondary Data Sources

Internal Data:

Sales Data

Data fees

Data Production

External Data:

Data Government Agencies

Data Syndication

Data Industry Association / Trade

The results of the study, the Internet, etc.

4. Choosing the type & Research Methods

Some research designs that can be selected are: surveys, observations, experiments

Selection of a research design was also influenced by the constraints of time and budget

Researchers must provide the best information to management by taking into account a variety of limitations

More detailed explanation of the research design will be discussed in the next module

5. Creating a Data Collection Instrument

For survey research, data collection instruments used were a questionnaire, interview or questionnaire. Structured questionnaire should be made to facilitate the interviewer to collect data from respondents.

For research observations and experiments, a tool used in general machinery observer (camera) and forms of observation / experiment

6. Designing Samples

Samples are elements that will be observed (respondent) which is a part of the population. Therefore, there are two questions that must be answered before selecting the sampling procedures, namely:

Who population?

Sample population: all people who use the aircraft through Soekarno Hatta airport in the last 1 year at least 3 times

Samples probabilistic or non-probabilistic?

Probabilistic Sampling Method

Simple Random Sampling

Suitable for the population as follows:

The number of members of the population is not too large

All members of the population has been registered

The condition is relatively homogeneous population

Stratified Random Sampling

Done by placing members of the population into several sub-populations or strata, then the sample drawn from each stratum separately so between strata being free stochastic.

Probabilistic Sampling Method

Systematic Random Sampling

Done by selecting a random sample and attract more examples at every distance k of sample units drawn previously.

K = N / n, where n = population size and n = number of samples to be taken

Cluster / Multi Stage Random Sampling

The elements of the population are grouped according to the location of the adjacent, then from the cluster randomly selected examples.

Sampling Method Non-Probabilistic

Purposive / Convenience Sampling

Based on the ease to obtain a sample is viewed from the side of the interviewer. Commonly used in exploratory research and customer intercept

judgment Sampling

The interviewer is testing its decision or experience in taking an example, with the intent of the results obtained will describe the target population

Sampling Method Non-Probabilistic

quota Sampling

This method is most excellent in the group nonprobability sampling.

Researchers conducted a strict control on the selection of examples which are based on one or more characteristics of the population, such as sex, age, education level, etc.

Objective: to get a proportional sample so as to describe the condition of the target population.

7. Collecting data

The main activity in the research activities is the collection of data

The data collection can be done by the existing units within the company or use a third party service (marketing research consultant)

Data is the raw material that will be processed in the research, so the quality must be good (valid, accurate) because  "Garbage in, Garbage Out"

Primary Data Collection Methods

For research surveys, in general there are two methods of data collection, the method of quantitative and qualitative methods

Quantitative Methods:

Personal Interview

House to House Interview

Office to Office Interview

Customer / Mall Intercept

Central Location Test

telephone Interview

Questionnaire by mail, email, mass media or at some point service

Qualitative methods

In-depth interviews (depth interview)

Focus Group Discussion (FGD)

For observational research, there is a quantitative method of data collection is often conducted primarily to assess the quality of services, namely Mystery Shopping

Mysteri Shopping

Is an observation that is commonly used to assess a service (banks, restaurants, hotels, airports, etc.)

Observer is a person who is not recognized by the parties that are observed, and behaves as a customer

Things were observed poured in a checklist form

These aspects are assessed generally consists of three aspects, namely the people, process, and tangible

Observer recruited by:

Experience conducting transactions on the object of observation

The ability of memory

Willing to make observations consistently

Observer attend training led by Project Manager / Field Coord.

Observer does not make a judgment on the observed object but only reveal the fact

Observer implement using observation agreed form (not filled at the place of observation)

Data Quality Control

Before the data is inputted and processed, first performed quality control activities to ensure that the data to be processed are valid

Activities quality control can be done in stages as follows:

Each questionnaire has been filled by officers will be checked by a Team Leader

Each questionnaire has been examined by the Team Leader will be examined by the Field Coordinator

Questionnaires that had escaped from the Field Coordinator then submitted to the Quality Controller

Quality Controller leading the back-check activities (revisit / recall) of 30% of the questionnaires at random

If the interviewer / observer cheating the whole questionnaire from the interviewer / observer will be dropped

8. Rework, Analyzing / Interpreting Data

Once the data is collected, the next step in the research process is to process and analyze the data. The purpose of this analysis is to interpret and draw conclusions from a number of data collected

The analysis technique used depends on the purpose of research, data collection methods, and the depth of analysis required

9. Delivering Reports

After processing and data analysis is complete, researchers must submit a report and submit conclusions and recommendations to management. This is a key step in the research process because the researcher must be able to ensure that research results can be trusted so that it can be input in the decision-making process

Follow-up Results of Research

After the company issued a number of energy and large sums of money to do the research, it is important to ensure that research findings can be used, followed up and used as a decision-making.

Merancang Sebuah Riset

Riset adalah sebuah metode untuk mengumpulkan informasi penting yang dilakukan secara sistematis dan mengikuti kaidah-kaidah ilmiah. Kegiatan pengumpulan informasi jika tidak sesuai dengan kaidah ilmiaah tidak dapat dikatakan sebagai riset. Seperti halnya wartawan yang sehari-hari mengumpulkan informasi dan fakta atas suatu kejadian tidak dapat kita katakan bahwa wartawan tersebut melakukan riset karena wartawan tersebut tidak mengikuti prosedur penelitian yang ilmiah. Dalam kaidah ilmiah, sebuah informasi haruslah berdasarkan fakta, valid, dapat diandalkan (reliable) dan mungkin dapat digeneralisasikan.

Memilih Pendekatan Riset : Kualitatif dan Kuantitatif

Sebelum kita membahas lebih jauh mengenai desain riset ada baiknya kita memahami terlebih dahulu berbagai pendekatan riset. Secara umum pendekatan riset (research approach) terdiri dari dua yaitu pendekatan riset kualitatif dan riset kuantitaif. Klasifikasi riset ini berdasarkan tujuan atau jenis data yang ingin diperoleh. Jika peneliti ingin mengeksplorasi suatu hal secara mendalam maka sebaiknya menggunakan pendekatan riset kualitatif. Namun jika peneliti ingin membuat sebuah kesimpulan atau memeriksa hubungan dari sebuah fenomena maka akan lebih “pasti” jika menggunakan pendekatan riset kuantitatif.

Pendekatan riset kualitatif biasanya dilakukan untuk menemukan suatu permasalahan. Misalnya, untuk menemukan kekurangan produk dibandingkan dengan produk dari kompetitor, maka peneliti perlu mengeksplor pendapat responden mengenai produk tersebut sehingga dapat memperoleh poin-poin dimana produk tersebut “kalah” bila dibandingkan dengan produk lain. Sebaliknya, jika perusahaan sudah mengetahui poin-poin kelemahan produk sendiri namun belum mengetahui bagaimana cara mengurangi efek negatif dari kelemahan tersebut peneliti dapat menggunakan metode riset kuantitatif.

Sumber data untuk pendekatan riset kualiatatif maupun riset kuantitatif sama-sama dapat berasal dari data primer maupun data sekunder. Pendekatan riset ini sebenanya lebih kepada bagaimana pengolahan data nantinya. Data primer untuk pendekatan riset kualitatif berasal dari hasil wawancara, diskusi kelompok kecil dan observasi. Sementara data sekunder dapat berasal dari kajian sejumlah literatur seperti artikel berita dan jurnal. Pada pendekatan kualitatif data-data tersebut kemudian dijabarkan sehingga menjadi sebuah informasi penting. Riset kualitatif jarang menggunakan angka-angka. Jika menggunakan angka biasanya hanya bersifat deskripsi saja.

Sama seperti riset kualitatif, data untuk pendekatan riset kuantitatif juga terdiri dari data primer dan data sekunder. Sumber data primer dapat berasal dari sensus, survey yang menggunakan kuesioner, mistery shopper, eksperimen, dan sebagainya. Sementara data sekunder dapat berasal dari data yang disediakan oleh lembaga sensus, laporan dari lembaga/ departemen pemerintahan dan swasta, data dari perusahaan riset lain, data dari penelitian sebelumnya, dan sebagainya. Data sekunder sendiri digunakan karena memiliki sejumlah keunggulan seperti: biaya murah, lebih hemat waktu dan tenaga, terkadang lebih akurat serta beberapa informasi hanya ada di data sekunder. Namun demikian, data sekunder juga memiliki sejumlah kekurangan, seperti: tidak aktual/ terkini, ditujukan untuk tujuan awal yang berbeda sehingga terkadang data tidak sesuai dengan kebutuhan dan memiliki pengawasan yang lebih lemah.

Mempersiapkan Sampel

Menentukan siapa yang akan menjadi sampel dan berapa jumlah yang akan digunakan dalam riset merupakan bagian yang sangat penting dalam membuat desain riset. Hal ini karena sampel tersebut adalah sumber dari informasi yang peneliti butuhkan. Jika peneliti memilih data yang salah otomatis data yang diperoleh menjadi tidak valid dan hanya akan mengarah kepada kesimpulan yang salah.

Pemilihan sampel dimulai dari mendefinisikan populasi penelitian. Setelah kita mendefinisikan populasi, kemudian kita menentukan besarnya sampel dan metode penarikan sampel tersebut.

1.    Mendefinisikan Populasi

Populasi adalah kumpulan individu yang dapat menyediakan data primer yang dibutuhkan dalam riset. Dalam membuat definisi siapa populasi dalam riset yang akan dilakukan, ada empat kriteria yang harus dipenuhi. Pertama, siapa yang menjadi satuan analisis dan satuan pengamatan. Satuan analisis adalah siapa yang dibandingkan, sementara satuan pengamatan adalah siapa yang menjadi responden/ siapa yang memiliki informasi, misalnya dalam penelitian kita ingin mengetahui perilaku konsumen pria usia 20 sampai 30 tahun. Satuan pengamatan ini yang akan menjadi dasar untuk screening nanti.

Kedua, tentukan satuan contohnya. Satuan contoh yaitu apa yang menjadi anggota dalam sampling frame – daftar seluruh anggota populasi yang berpeluang menjadi sampel. Misalnya, satuan pengamatan kita adalah laki-laki yang berusia 20 sampai 30 tahun, maka kita akan membutuhkan data mengenai rumah tangga (di lingkungan mana responden tersebut tinggal) untuk dapat mengetahui “posisi” dari responden tersebut. Ketiga, tanda apa saja yang digunakan untuk membatasi satuan contoh, misalnya sungai, jalan raya, dan lapangan adalah objek-objek yang biasa menjadi pembatas wilayah. Keempat, menentukan batasan waktu yang digunakan sebagai kisaran pengamatan. Misalnya, penelitian untuk melihat konsumsi rokok selama 3 bulan terakhir. Jika riset dilaksanakan pada bulan Juni 2013 maka batasan waktunya adalah konsumsi rokok bulan Maret 2013 hingga Juni 2013.

2.    Menentukan Kerangka Pengambilan sampel (sampling frame)

Setelah membuat definisi populasi yang akan diteliti maka langkah berikutnya adalah membuat kerangka pengambilan sampel. Kerangka sampel merupakan daftar seluruh anggota populasi sasaran dimana sampel akan diambil. Dalam membuat kerangka sampel peneliti tidak boleh sembarangan melainkan harus mengikuti sejumlah aturan. Kerangka sampel yang baik harus memenuhi sejumlah syarat diantaranya: meliputi seluruh objek, setiap objek hanya dihitung satu kali (tidak ada double counting), merupakan data terbaru, memiliki batas-batas yang jelas serta dapat dilacak.

3.    Menentukan Besarnya Sampel

Seperti yang telah dijelaskan sebelumnya survey merupakan metode riset yang menggunakan sebagian anggota populasi. Tidak semua anggota dalam kerangka sampel yang digunakan, hanya mereka yang paling mewakili populasi saja, sehingga jumlah sampel yang dipakai akan mempengaruhi tingkat validitas informasi yang diberikan. Jumlah sampel yang terlalu sedikit beresiko tidak dapat memberikan gambaran mengenai populasi, namun jika jumlahnya terlalu banyak akan membuat riset jadi tidak efisien. Berapa jumlah sampel yang seharusnya digunakan dalam riset adalah yang memiliki tingkat eror kecil dan sebaran datanya membentuk distribusi normal. Hingga saat ini memang belum ada aturan baku mengenai berapa seharusnya jumlah sampel yang digunakan dalam survei, namun para ahli sepakat jumlah sampel yang digunakan ditentukan oleh tingkat ketelitian data yang diinginkan, sifat analisis yang digunakan, tingkat homogenitas anggota populasi, dan ketersediaan biaya dan waktu. Jumlah sampel yang besar tentu akan memiliki tingkat ketelitian yang lebih besar, dapat digunakan untuk berbagai macam teknik analisis, namun akan membutuhkan biaya yang besar dan waktu pengumpulan data lebih lama.

Penentuan Jumlah Sampel Berdasarkan Tingkat Ketelitian Data yang Diinginkan

Tingkat ketelitian ini berhubungan dengan probabilitas dan eror. Sampel yang baik adalah yang memiliki tingkat eror yang kecil. Bila kita ingin percaya sebesar 95% bahwa nilai dugaan yang kita peroleh perbedaannya tidak melebihi nilai eror dari rataan populasi maka kita dapat memperkirakan besarnya sampel dengan menggunakan rumus:

Dimana Z adalah nilai yang diperoleh dari tabel distribusi Z. Jika kita menggunakan nilai eror atau alfa (α) sebesar 5% maka nilai Z yang digunakan adalah 1,96. σ2 adalah varians dari penelitian sebelumnya. Dengan sedikit memodifikasi rumus tersebut kita akan memperoleh rumus untuk memperoleh jumlah sampel sebanyak n.

Namun jika kita tidak mengetahui varians dari penelitian sebelumnya, misalnya karena penelitian tersebut baru kali ini dilakukan maka kita dapat menggunakan pendekatan proporsional untuk menghitung nilai n.

Pada persamaan di atas P adalah proporsi yang digunakan. Untuk riset loyalitas pelanggan peneliti biasa menetapkan nilai P= 0,5 dengan asumsi bahwa setengah dari pelanggan sudah puas dan sebagian lagi masih belum puas.

Contoh:

Sebuah survei dilakukan untuk mengetahui tingkat kepuasaan konsumen produk sabun Lifebuoy. Pengambilan responden dilakukan secara acak dengan ketentuan tingkat kepercayaan sebesar 95% dan nilai sampling error tidak lebih dari 10%. Berdasarkan data sebelumnya, diduga bahwa proporsi rumah tangga yang mengkonsumsi sabun Lifebuoy sebesar 70%. Maka banyaknya jumlah sampel yang harus diambil minimal:

Angka 1,96 merupakan nilai Z untuk CI= 95%, sementara 0,7 adalah proporsi rumah tangga yang diduga mengkonsumsi sabun Lifebuoy. Nilai ini diperoleh dari penelitian sebelumnya. Namun jika nilai tersebut tidak diketahui kita dapat menggunakan 0,5. Hasil dari persamaan tersebut diketahui bahwa peneliti membutuhkan setidaknya 81 sampel agar nilai eror minimal.

4.    Menentukan Teknik Pengambilan Sampel

Setelah peneliti menentukan siapa yang layak menjadi sampel dalam survei, langkah berikutnya adalah menentukan bagaimana cara mengambil sampel dari kerangka sampel. Setidaknya ada dua teknik pengambilan sampel, yaitu pengambilan sampel yang menggunakan probabilitas (probability sampling) dan teknik pengambilan sampel yang dilakukan tanpa perlu menghitung probabilitasnya dahulu (non-probability sampling).

Probability sampling mengasumsikan bahwa setiap individu yang berada dalam populasi sasaran memiliki peluang yang sama untuk terambil sebagai sampel. Setidaknya ada empat teknik pengambilan sampel berdasarkan peluang ini, yaitu: simple random sampling, stratified random sampling, cluster sampling dan systematic sampling.

Simple random sampling

Teknik pengambilan sampel secara acak dan sederhana ini mungkin yang paling sering digunakan karena teknik ini dianggap paling mudah dan efisien. Umumnya peneliti menggunakan teknik ini karena informasi yang dimiliki untuk mengidentifikasi sampel kurang lengkap, misalnya peneliti hanya mengetahui lokasi kota tempat populasi berada. Selain itu ketika akan menggunakan teknik ini kita harus menjamin bahwa tiga syarat terpenuhi. Pertama, jumlah anggota tidak terlalu besar. Kedua, seluruh anggota populasi telah terdaftar dalam kerangka sampel. Ketiga, kondisi populasi relatif homogen.

Teknik ini dilakukan dengan cara mengambil secara acak sampel dari kerangka sampel yang paling dasar, misalnya data mengenai rumah tangga yang lengkap hingga nomor rumah pun diketahui. Pengambilan sampel acak ini sangat mudah seperti mengambil sebuah bola dari dalam keranjang tanpa melihat bola tersebut. Kita dapat menggunakan program untuk mengacak nomor individu yang akan menjadi sampel.

Systematic random sampling

Teknik systematic random sampling  dilakukan dengan cara memilih satu sampel secara acak dan menarik contoh selanjutnya pada setiap jarak K dari satuan contoh yang ditarik sebelumnya. Nilai K diperoleh dari membagi besar populasi (N) dengan jumlah contoh yang akan diambil (n).

Prosedur umum melakukan teknik dimulai dengan menetapkan jumlah sampel (n) yang akan diambil. Setelah itu kita hitung interval pengambilan contoh (K). Pilih nomor responden dari kerangka sampel secara acak dimana nilai r adalah 1< r <K. Terakhir pilih anggota ke-r dari daftar kerangka sampel tersebut, kemudian lanjutkan pengambilan contoh dengan populasi dengan menggunakan interval sebesar K.

Stratified random sampling

Teknik pengambilan sampel ini dilakukan dengan menyekat anggota populasi menjadi beberapa sub-populasi atau strata. Kemudian dari setiap strata tersebut ditarik sampel secara terpisah sehingga antar strata menjadi bebas stokastik. Tujuan dibentuknya strata ini adalah untuk meningkatkan ketepatan penduga parameter populasi dan menjamin bahwa sebagian populasi cukup memberikan gambaran keadaan yang sebenarnya dari populasi. Perlu diketahui oleh peneliti yang berniat menggunakan teknik bahwa keragaman strata harus lebih sedikit daripada keragaman populasi. Atau dengan kata lain anggota dalam satu strata cenderung homogen, sedangkan antar strata cenderung heterogen. Teknik ini baik digunakan jika biaya penarikan sampel antar strata berbeda dan peneliti ingin menduga parameter dari setiap strata tersebut.

Cluster random sampling

Dalam cluster random sampling unsur-unsur populasi dikelompokkan menurut letak yang berdekatan yang disebut cluster. Anggota dalam cluster yang sama cenderung heterogen, namun sebaliknya antar cluster cenderung mirip. Karakteristik ini bertolak belakang dari strata. Kemudian dari cluster tersebut dipilih sampel secara acak. Pemilihan atau pengambilan sampel ini ada dua cara: single step dan multi-stage. Cara pertama dilakukan jika seluruh anggota cluster dijadikan sampel. Namun, jika dari cluster  tersebut hanya diambil beberapa sampel secara acak maka kita menggunakan teknik kedua yaitu multi-stage cluster sampling.

Penggunaan teknik cluster random sampling biasa digunakan oleh perusahaan riset. Kita ambil contoh seorang peneliti ingin meneliti tingkat kepuasan pelanggan produk pengolahan air bersih. Survey tersebut dilakukan di Jakarta dengan jumlah sampel sebesar 125 rumah tangga. Karena Jakarta terdiri dari lima wilayah administrasi dan peneliti tersebut ingin mendapatkan sampel dari seluruh wilayah Jakarta maka setiap kotamadya di wilayah Jakara diambill sampel sebanyak 25 rumah tangga. Kemudian peneliti menentukan di kecamatan dan kelurahan mana sampel tersebut diambil. Misalnya, untuk wilayah Jakarta Selatan secara acak diperoleh kecamatan Pasar Minggu. Lalu peneliti membuat daftar seluruh kelurahan di wilayah Pasar Minggu tersebut dan secara acak pula terpilih kelurahan Jati Padang. Kelurahan Jati Padang ini yang disebut cluster. Dalam satu kelurahan tentu terdiri dari masyarakat dengan karakteristik yang beragam.

Convenience sampling

Teknik convenience sampling termasuk dalam kategori penarikan sampel tanpa peluang atau dikenal dengan non-probability sampling. Berbeda dengan empat teknik yang telah dijelaskan sebelumnya yaitu simple random sampling,systematic random sampling, stratified dan cluster random sampling yang menggunakan peluang dalam mengambil sampel, non-probability mengambil sampel berdasarkan keputusan pribadi peneliti atau pewawancara di lapangan. Teknik penarikan sampel ini merupakan yang paling banyak digunakan peneliti untuk riset mall-intercept,  FGD, uji produk baru dan in-depth interview karena teknik ini paling mudah dilakukan dan efisien. Kelemahan utama teknik convenienve sampling adalah jika tidak ada sampel yang dapat mewakili populasi, maka tidak ada metode statistik yang dapat digunakan untuk menarik kesimpulan.

Selain teknik convenience sampling, ada dua teknik pengambilan sampel tanpa peluang lainnya yaitu judgemental sampling dan quota sampling.

Judgemental sampling

Teknik ini hampir sama dengan convenience sampling dimana sampel diambil berdasarkan penilaian peneliti atau pewawancara. Biasanya penilaian peneliti tersebut atas dasar pengalaman peneliti, dengan maksud hasil yang diperoleh akan menggambarkan populasi sasaran. Jika kita ingin menggunakan teknik ini maka kita harus memiliki landasan yang valid dan logis dalam memilih sampel.

Quota sampling

Dari tiga bentuk non-probability sampling, teknik quota sampling merupakan yang paling baik. Pada teknik ini peneliti harus melakukan pengawasan yang ketat terhadap pemilihan sampel yang dilandaskan pada satu atau lebih karakterisik populasi, seperti jenis kelamin, usia, tingkat pendidikan, dan sebagainya. Langkah pertama dalam teknik ini yaitu dengan membuat proporsi untuk kuota. Misalnya, dalam suatu populasi yang terdiri 1000 orang  dimana 48% adalah laki-laki dan 52% perempuan, ingin diambil sampel sebanyak 100 orang. Maka, laki-laki yang dipilih menjadi sampel adalah sebanyak 48 orang dan untuk perempuan sebanyak 52 orang. Tujuan utama dari teknik ini adalah untuk mendapatkan sampel yang proporsional sehingga dapat memberikan gambaran kondisi populasi yang sebenarnya.

Definition Of Sample And Probability Sampling Methods

What Is Sampling?

Reasearch Design Methods In conducting research, there are two main ways to collect data from respondents: by census or using sample. Unlike census which takes the data one by one from each member of the population, sampling is simpler way to do. Generally, sampling (or called survey) is a way to collect data from population by selecting some of them. Sampling lets you get data from some members, not all of population members, who meet the requirements . As we can define our research population clearly, then there will be no difficulties in choosing some population members to be our sample - according to several criteria. Only them who have characteristic that can represent population where they below are appropriate to be chosen.

In this course, we are not learning on statistics behind the several sampling techniques presented here, we will discuss in more general matter. However, if you have any questions or comments you can send them to us.

Then, when should we use cencus and when should we use sample?

In general, these conditions favor the use of the sample compared to census:

• When we use limited source of fund to conduct research, we had better using sampling method than cencus. Using sample can help us minimize our budget to collect respondent and for buying souvenir for them.


• When you have a very limited time to conduct research. Cencus obviously will take a very long time in process because you have ask all population member. It will even take longer time, if the respondents are separated in different places.


• Population size is huge. If there are only a few members in population you can conduct a cencus.


• Variance in population is small as each population members tends to have a similiar characteristic. Remember that the main requirement to be a sample is having same characteristic with population that she/he belongs.


• When your research potentially will cause bigger non-sampling error and smaller sampling error. It means that if you enter all population members it will make bigger discrepancy in data so that you are recommended to use survey.


• Survey is held in any conditions that cencus is impossible to conduct. For example, in quality control system in a food product we cannot take all products, open the package and eat all of them. We test them by selecting several of those products.


• Sample is usually used to get more detail answer from respondents.

Now you already know whenever a researcher should use survey or cencus. In common research, there are two type of sampling methods: probability sampling and non-probability sampling.

Probability Sampling

Probability sampling is a sampling technique in which every member of the population is known, or any member of the population has an equal chance to be a sample. Probability sampling consists of:

1. Simple Random Sampling

In this sampling technique, researchers have known populations or have a list/sample frame of all members of the population, then they took a random sample from a list of members of the population.

Example :

From 25 members of the population are already known, researchers want to take five samples. Byusing computer program, we can randomly obtained numbers 2,6,9,12 and 23

2. Systematic Sampling

This technique starts from taking the first sample at random then the next sample is taken systematically by the formula: r, r + i, r + 2i, r + 3i, r + 4i, ....., r + (n – 1)i.

Example:

From 25 members of a population, researchers want to take five samples. The first number, from 1-5, randomly chosen number 3, then the following numbers: (3 +5 =) 8, (3 +5 x2 =) 13, (3 +5 x3 =) 18, and (3 +5 x4) = 23

3. Stratified Sampling

There are several conditions which are suitable for use stratified sampling method: population elements are known, members of a single homogeneous strata and across heterogeneous strata, the differences between the strata clearly visible, the number of population element within each stratum may differ.

There are five steps in conducting a stratified sampling :

1. Determine the characteristics will be used as strata, it can be based on demographic or other characteristics that researcher wants to investigate. It is recommended that the number of strata should be less than six.


2. Divide population elements into each strata.


3. Estimate the value of variance in one stratum and variance between strata.


4. Determine the confidence level required to each strata based on information needed.


5. Specify the sample size for each strata. It can be a proporsional size or disproportional in each strata. For disproportional sample size, take more sample from strata that has higher standard deviation. Finally, select sample randomly from each strata.

Example :

From strata A we get number 2 randomly, from strata B we get 8, from strata C we get 14, from strata D we get 20 and from strata E we get 23. As each stratum has the same number of elements, each one stratum only one sample was taken.

4. Cluster Sampling

Cluster sampling is a probability sampling method that is generally aimed at reducing the cost of fund and time needed in research. This sampling method is often used when the respondents live in different locations. In cluster sampling, the primary sampling unit is no longer the individual element in the population (for example, household using home-phone) but a larger cluster of elements located in proximity to one another (for example, cities). Cluster samples commonly are used when lists of the sample population are not available. There three form of cluster sampling methods: one-stage sampling, two-stage sampling, and multistages sampling.

Here are seven steps for specifying a cluster sample:

1. Determine the degree to which those within one area are likely to be similar to one another or to interact.


2. Decide on the number of units to bee skipped between individual units, based on similarity and interaction.


3. Consider the degree of variance that’s likely to exist from one area to another.


4. Specify a minimum number of clusters that would be still; be large enough to sample the entire region adequately.


5. Divide the total sample size by the minimumnumber of clusters to obtain the number to be within each cluster.


6. Select the first or key unit in each cluster on random basis.


7. Determine the procedure for moving from the key unit to others within cluster, maintaining random selection.

Example of two-stages cluster sampling:

From five provinces A, B, C, D, E randomly chosen B,D and E to represent the population. Within each cluster then randomly chosen one upto two clusters. The resulting sample consists of population elements 7, 18, 20, 21 and 23.