PrecisionA second criterion of a go

Precision
A second criterion of a good sample design is precision of estimate. Researchers accept that no sample will fully represent its population in all respects. However, to interpret the findings of research, we need a measure of how closely the sample represents the population. The numerical descriptors that describe samples may be expected to differ from those that describe populations because of random fluctuations inherent in the sampling process. This is called sampling error (or random sampling error) and reflects the influence of chance in drawing the sample members. Sampling error is what is left after all known sources of systematic variance have been accounted for. In theory, sampling error consists of random fluctuations only, although some unknown systematic variance may be included when too many or too few sample elements possess a particular characteristic. Let’s say Jason draws a sample from an alphabetical list of MindWriter owners who are having their laptops currently serviced by the CompleteCare program. Assume 80 percent of those surveyed had their laptops serviced by Max Jensen. Also assume from the exploratory study that Jensen had more complaint letters about his work than any other technician. Arranging the list of laptop owners currently being serviced in an alphabetical listing would have failed to randomize the sample frame. If Jason drew the sample from that listing, he would actually have increased the sampling error.
Precision is measured by the standard error of estimate, a type of standard deviation measurement; the smaller the standard error of estimate, the higher is the precision of the sample. The ideal sample design produces a small standard error of estimate. However, not all types of sample design provide estimates of precision, and samples of the same size can produce different amounts of error.

Hasil (Bahasa Indonesia) 1:

PresisiKedua kriteria desain sampel yang baik adalah ketepatan perkiraan. Peneliti menerima sampel tidak akan benar-benar mewakili populasi dalam segala hal. Namun, untuk menginterpretasikan temuan-temuan penelitian, kita perlu ukuran seberapa dekat sampel mewakili populasi. Deskriptor numerik yang menggambarkan sampel dapat diharapkan berbeda dari orang-orang yang menggambarkan populasi karena fluktuasi acak yang melekat dalam proses sampling. Ini disebut sampling error (atau random sampling error) dan mencerminkan pengaruh kesempatan dalam menggambar anggota sampel. Sampling error adalah apa yang tersisa setelah semua sumber dikenal sistematis varians telah dibukukan. Dalam teori, sampling error terdiri dari fluktuasi acak saja, meskipun beberapa varians sistematis yang diketahui dapat disertakan ketika terlalu banyak atau terlalu sedikit unsur-unsur sampel memiliki karakteristik tertentu. Katakanlah Jason menarik sampel dari sebuah daftar alfabetis dari pemilik MindWriter yang memiliki laptop mereka saat ini dilayani oleh CompleteCare program. Menganggap 80 persen dari mereka yang disurvey telah mereka laptop yang dilayani oleh Max Jensen. Juga menganggap dari studi eksplorasi Jensen yang lebih surat keluhan tentang pekerjaannya daripada setiap teknisi lain. Mengatur daftar laptop pemilik saat ini sedang diperbaiki dalam daftar alfabetis pasti gagal untuk mengacak frame sampel. Jika Jason menarik sampel dari daftar itu, ia benar-benar akan meningkat sampling error.Presisi diukur dengan kesalahan standar perkiraan, jenis pengukuran standar deviasi; semakin kecil kesalahan standar perkiraan, semakin tinggi adalah ketepatan sampel. Desain ideal sampel menghasilkan kesalahan standar yang kecil dari perkiraan. Namun, tidak semua jenis desain sampel memberikan perkiraan presisi, dan sampel dari ukuran yang sama dapat menghasilkan jumlah kesalahan yang berbeda.

Hasil (Bahasa Indonesia) 2:

Presisi
Kriteria kedua contoh desain yang baik adalah presisi dari estimasi. Para peneliti menerima bahwa ada sampel sepenuhnya akan mewakili populasi dalam segala hal. Namun, untuk menafsirkan temuan penelitian, kita membutuhkan ukuran seberapa dekat sampel mewakili populasi. Deskriptor numerik yang menggambarkan sampel dapat diperkirakan berbeda dari yang menggambarkan populasi karena fluktuasi acak yang melekat dalam proses sampling. Ini disebut sampel error (atau kesalahan random sampling) dan mencerminkan pengaruh kesempatan dalam menggambar anggota sampel. Sampling error adalah apa yang tersisa setelah semua sumber diketahui varians sistematis telah menyumbang. Secara teori, sampling error terdiri dari fluktuasi acak saja, meskipun beberapa varian sistematis diketahui dapat disertakan saat elemen sampel terlalu banyak atau terlalu sedikit memiliki karakteristik khusus. Katakanlah Jason menarik sampel dari daftar abjad pemilik MindWriter yang mengalami laptop mereka saat ini dilayani oleh program CompleteCare. Asumsikan 80 persen dari mereka yang disurvei telah laptop mereka dilayani oleh Max Jensen. Juga menganggap dari studi eksplorasi yang Jensen memiliki lebih surat keluhan tentang pekerjaannya daripada teknisi lainnya. Mengatur daftar pemilik laptop saat ini sedang dilayani dalam daftar abjad akan gagal untuk mengacak kerangka sampel. Jika Jason menarik sampel dari daftar itu, ia akan benar-benar telah meningkatkan sampling error.
Presisi diukur oleh standard error dari estimasi, jenis pengukuran standar deviasi; semakin kecil standard error dari estimasi, semakin tinggi presisi sampel. Desain sampel yang ideal menghasilkan standard error kecil dari estimasi. Namun, tidak semua jenis desain sampel memberikan perkiraan presisi, dan sampel dari ukuran yang sama dapat menghasilkan jumlah yang berbeda dari kesalahan.