Purposive SamplingA nonprobability

Purposive Sampling
A nonprobability sample that conforms to certain criteria is called purposive sampling. There are two major types—judgment sampling and quota sampling.
Judgment sampling occurs when a researcher selects sample members to conform to some criterion.
In a study of labor problems, you may want to talk only with those who have experienced on-the job discrimination. Another example of judgment sampling occurs when election results are predicted from only a few selected precincts that have been chosen because of their predictive record in past elections. Burbidge chose bus route 99 because the current route between East City and West City led him to believe that he could get a representation of both East City and West City riders.
When used in the early stages of an exploratory study, a judgment sample is appropriate. When one wishes to select a biased group for screening purposes, this sampling method is also a good choice. Companies often try out new product ideas on their employees. The rationale is that one would expect the firm’s employees to be more favorably disposed toward a new product idea than the public. If the product does not pass this group, it does not have prospects for success in the general market.
Quota sampling is the second type of purposive sampling. We use it to improve representativeness.
The logic behind quota sampling is that certain relevant characteristics describe the dimensions of the population. If a sample has the same distribution on these characteristics, then it is likely to be representative of the population regarding other variables on which we have no control. Suppose the student body of Metro U is 55 percent female and 45 percent male. The sampling quota would call for sampling students at a 55 to 45 percent ratio. This would eliminate distortions due to a non-representative gender ratio. Burbidge could have improved his nonprobability sampling by considering time-of-day and day-of-week variations and choosing to distribute surveys to bus route 99 riders at various times, thus creating a quota sample.
In most quota samples, researchers specify more than one control dimension. Each should meet two tests: it should (1) have a distribution in the population that we can estimate and (2) be pertinent to the topic studied. We may believe that responses to a question should vary depending on the gender of the respondent. If so, we should seek proportional responses from both men and women. We may also feel that undergraduates differ from graduate students, so this would be a dimension. Other dimensions, such as the student’s academic discipline, ethnic group, religious affiliation, and social group affiliation, also may be chosen. Only a few of these controls can be used. To illustrate, suppose we consider the following:
Gender: Two categories—male, female.
Class level: Two categories—graduate, undergraduate.
College: Six categories—arts and science, agriculture, architecture, business, engineering, other.
Religion: Four categories—Protestant, Catholic, Jewish, other.
Fraternal affiliation: Two categories—member, nonmember.
Family social-economic class: Three categories—upper, middle, lower.
In an extreme case, we might ask an interviewer to find a male undergraduate business student who is Catholic, a fraternity member, and from an upper-class home. All combinations of these six factors would call for 288 such cells to consider. This type of control is known as precision control. It gives greater assurance that a sample will be representative of the population. However, it is costly and too difficult to carry out with more than three variables.
When we wish to use more than three control dimensions, we should depend on frequency control.
With this form of control, the overall percentage of those with each characteristic in the sample should match the percentage holding the same characteristic in the population. No attempt is made to find a combination of specific characteristics in a single person. In frequency control, we would probably find that the following sample array is an adequate reflection of the population:

Hasil (Bahasa Indonesia) 1:

Purposive SamplingSampel nonprobability yang sesuai dengan kriteria tertentu disebut purposive sampling. Ada dua jenis utama — sampling penghakiman dan pengambilan sampel kuota.Penghakiman sampling terjadi ketika seorang peneliti memilih anggota sampel untuk menyesuaikan diri dengan beberapa kriteria.Dalam sebuah studi masalah tenaga kerja, Anda mungkin ingin berbicara hanya dengan orang-orang yang telah mengalami diskriminasi on pekerjaan. Contoh lain dari penghakiman sampling terjadi ketika hasil pemilihan meramalkan dari hanya beberapa kawasan dipilih yang telah dipilih karena catatan mereka prediktif dalam pemilu terakhir. Burbidge memilih rute bus 99 karena saat ini rute antara kota Timur dan barat kota dipimpin dia untuk percaya bahwa ia bisa mendapatkan representasi pengendara kota Timur dan barat kota.Ketika digunakan dalam tahap awal dari sebuah studi eksplorasi, sampel penilaian tepat. Ketika seseorang ingin memilih grup bias untuk tujuan skrining, metode sampling ini adalah juga pilihan yang baik. Perusahaan sering mencoba ide-ide produk baru pada karyawan mereka. Alasan adalah bahwa orang akan berharap karyawan perusahaan untuk lebih baik dibuang ke arah ide produk baru dari publik. Jika produk tidak lulus grup ini, tidak memiliki prospek untuk sukses di pasar umum.Kuota sampling adalah kedua jenis purposive sampling. Kita menggunakannya untuk meningkatkan keterwakilan.Logika di balik kuota sampling adalah bahwa karakteristik tertentu relevan menggambarkan dimensi penduduk. Jika sampel memiliki distribusi yang sama pada karakteristik ini, maka kemungkinan akan mewakili populasi mengenai variabel lain di mana kami tidak mempunyai kendali. Misalnya badan mahasiswa Metro u adalah 55 persen perempuan dan laki-laki 45 persen. Kuota sampling akan menelepon untuk sampling siswa di 55 rasio 45 persen. Ini akan menghilangkan distorsi karena rasio jenis kelamin non-perwakilan. Burbidge dapat meningkatkan nya nonprobability sampling dengan mempertimbangkan waktu-of-hari dan minggu hari variasi dan memilih untuk mendistribusikan survei untuk bus rute 99 pengendara di berbagai kali, sehingga menciptakan sampel kuota.Dalam kebanyakan kuota sampel, peneliti menentukan lebih dari satu dimensi kontrol. Masing-masing harus memenuhi dua tes: (1) seharusnya distribusi populasi yang kami dapat memperkirakan dan (2) harus berkaitan dengan topik yang dipelajari. Kami percaya bahwa tanggapan terhadap pertanyaan harus bervariasi tergantung pada jenis kelamin dari responden. Jika demikian, kita harus mencari proporsional tanggapan dari pria maupun wanita. Kita juga merasa bahwa sarjana berbeda dari mahasiswa pascasarjana, jadi ini akan menjadi sebuah dimensi. Dimensi lain, seperti disiplin akademis siswa, kelompok etnis, afiliasi keagamaan, dan kelompok sosial afiliasi, juga dapat dipilih. Hanya sedikit dari kontrol ini dapat digunakan. Untuk mengilustrasikan, Misalkan kita pertimbangkan hal berikut:Gender: Dua kategori — laki-laki, perempuan.Kelas tingkat: dua kategori — lulus, sarjana.Perguruan tinggi: Enam kategori-seni dan ilmu pengetahuan, pertanian, arsitektur, Bisnis, teknik, lain.Agama: Empat kategori — Protestan, Katolik, Yahudi, lain.Persaudaraan afiliasi: dua kategori — anggota, nonmember.Kelas sosial-ekonomi keluarga: tiga kategori-atas, tengah dan bawah.Dalam kasus ekstrim, kami mungkin meminta pewawancara untuk menemukan mahasiswa laki-laki bisnis sarjana Katolik, anggota persaudaraan, dan dari rumah kelas atas. Semua kombinasi faktor enam ini akan memanggil untuk 288 sel-sel tersebut untuk mempertimbangkan. Jenis kontrol dikenal sebagai presisi kontrol. Memberikan jaminan lebih bahwa sampel akan mewakili populasi. Namun, sangat mahal dan sulit untuk melaksanakan dengan lebih dari tiga variabel.Ketika kita ingin menggunakan lebih dari tiga dimensi kontrol, kita harus bergantung pada kontrol frekuensi.Dengan bentuk kontrol, persentase keseluruhan mereka dengan karakteristik masing-masing dalam sampel harus sesuai persentase memegang karakteristik yang sama dalam populasi. Tidak usaha untuk menemukan kombinasi karakteristik tertentu dalam satu orang. Mengendalikan frekuensi, kita mungkin akan menemukan bahwa array contoh berikut adalah refleksi yang memadai dari populasi:

Hasil (Bahasa Indonesia) 2:

Purposive sampling
Sampel nonprobability yang sesuai dengan kriteria tertentu disebut purposive sampling. Ada dua utama jenis-judgment sampling dan quota sampling.
Penghakiman sampel terjadi ketika seorang peneliti memilih anggota sampel untuk menyesuaikan diri dengan beberapa kriteria.
Dalam sebuah studi dari masalah tenaga kerja, Anda mungkin ingin berbicara hanya dengan orang-orang yang telah berpengalaman di-diskriminasi pekerjaan . Contoh lain dari judgment sampling terjadi ketika hasil pemilu diperkirakan dari hanya beberapa daerah sekitar dipilih yang telah dipilih karena catatan prediksi mereka dalam pemilu terakhir. Burbidge memilih rute bus 99 karena rute saat ini antara Kota Timur dan City West membuatnya percaya bahwa ia bisa mendapatkan representasi dari kedua Kota Timur dan City West pengendara.
Ketika digunakan pada tahap awal dari studi eksplorasi, sampel penghakiman sesuai . Ketika seseorang ingin memilih kelompok bias untuk skrining tujuan, metode sampling ini juga merupakan pilihan yang baik. Perusahaan sering mencoba ide-ide produk baru pada karyawan mereka. Alasannya adalah bahwa salah satu harapkan karyawan perusahaan akan lebih baik dibuang ke arah ide produk baru dari masyarakat. Jika produk tidak lulus grup ini, tidak memiliki prospek untuk sukses di pasar umum.
Kuota sampling kedua jenis purposive sampling. Kami menggunakannya untuk meningkatkan keterwakilan.
Logika di balik quota sampling adalah bahwa karakteristik yang relevan tertentu menggambarkan dimensi dari populasi. Jika sampel memiliki distribusi yang sama pada karakteristik ini, maka kemungkinan untuk menjadi wakil dari populasi mengenai variabel lain yang kita tidak memiliki kontrol. Misalkan mahasiswa dari Metro U adalah 55 persen perempuan dan 45 persen laki-laki. The quota sampling akan meminta sampel siswa pada rasio 55-45 persen. Hal ini akan menghilangkan distorsi karena rasio jenis kelamin non-representatif. Burbidge dapat meningkatkan pengambilan sampel nonprobability nya dengan mempertimbangkan waktu-of-hari dan hari-of-minggu variasi dan memilih untuk mendistribusikan survei untuk rute bus 99 pengendara di berbagai kali, sehingga menciptakan sampel kuota.
Dalam kebanyakan sampel kuota, peneliti menentukan lebih dari satu dimensi kontrol. Masing-masing harus memenuhi dua tes: itu harus (1) memiliki distribusi pada populasi yang kita dapat memperkirakan dan (2) menjadi relevan dengan topik yang diteliti. Kami percaya, bahwa tanggapan terhadap pertanyaan harus bervariasi tergantung pada jenis kelamin responden. Jika demikian, kita harus mencari tanggapan proporsional dari laki-laki dan perempuan. Kami juga mungkin merasa bahwa mahasiswa berbeda dari mahasiswa pascasarjana, jadi ini akan menjadi dimensi. Dimensi lain, seperti disiplin akademis siswa, kelompok etnis, agama, dan kelompok sosial afiliasi, juga dapat dipilih. Hanya beberapa dari kontrol ini dapat digunakan. Untuk menggambarkan, misalkan kita pertimbangkan hal berikut:
Jenis Kelamin: Dua kategori-laki, perempuan.
Tingkat Kelas:. Dua kategori sarjana, sarjana
College: Enam kategori-seni dan ilmu pengetahuan, pertanian, arsitektur, bisnis, teknik, lainnya.
Agama: Empat . kategori-Protestan, Katolik, Yahudi, lainnya
afiliasi Persaudaraan: Dua kategori-anggota, nonmember.
Keluarga kelas sosial-ekonomi: Tiga kategori-atas, tengah, bawah.
Dalam kasus ekstrim, kita mungkin bertanya pewawancara untuk menemukan sarjana laki-laki mahasiswa bisnis yang Katolik, anggota persaudaraan, dan dari rumah kelas atas. Semua kombinasi dari enam faktor ini akan memanggil 288 sel-sel tersebut untuk dipertimbangkan. Jenis kontrol dikenal sebagai kontrol presisi. Ini memberi jaminan yang lebih besar bahwa sampel akan mewakili populasi. Namun, mahal dan terlalu sulit untuk melaksanakan dengan lebih dari tiga variabel.
Ketika kita ingin menggunakan lebih dari tiga dimensi kontrol, kita harus bergantung pada kontrol frekuensi.
Dengan bentuk kontrol, persentase keseluruhan mereka dengan masing-masing karakteristik dalam sampel harus sesuai dengan persentase memegang karakteristik yang sama dalam populasi. Tidak ada upaya dilakukan untuk menemukan kombinasi karakteristik tertentu dalam satu orang. Dalam kontrol frekuensi, kita mungkin akan menemukan bahwa array contoh berikut adalah refleksi memadai penduduk: