Analisis Faktor Yang Berhubungan Dengan Kelengkapan Pemeriksaan Kehamilan Pada Ibu Yang Memiliki Balita

Kematian ibu merupakan masalah besar bagi negara berkembang. Pemeriksaan kehamilan yang dilakukan secara teratur dapat menurunkan angka kecacatan dan kematian baik ibu maupun janin. Berdasarkan data dari Puskesmas Pembantu Tanjung Rejo, cakupan K1 di Kelurahan Tanjung Rejo adalah sebesar 90% dan cakupan K4 adalah sebesar 90%. Data ini belum mencapai target nasional yaitu

95%.

Penelitian ini bertujuan untuk menganalisis faktor yang berhubungan dengan kelengkapan pemeriksaan kehamilan pada ibu yang memiliki balita di Kelurahan Tanjung Rejo Kecamatan Medan Sunggal Tahun 2010. Penelitian ini bersifat analitis dengan desain cross sectional. Populasi adalah ibu yang memiliki balita. Jumlah sampel yang diperlukan yaitu 96 orang.

Dari hasil penelitian didapatkan proporsi pemeriksaan kehamilan yang tidak

lengkap 32,3% dan yang lengkap 67,7%. Hasil analisis bivariat menunjukkan terdapat 4 variabel yang mempunyai hubungan yang signifikan dengan kelengkapan pemeriksaan kehamilan yaitu umur ibu (p=0,002), paritas (p=0,023), pengetahuan(p=0,001), dan faktor keterjangkauan(p=0,005). Sementara variabel yang tidak berhubungan dengan kelengkapan pemeriksaan kehamilan adalah pendidikan ibu (p=0,971), pekerjaan ibu (p=0,916), dan dukungan keluarga (p=0,625).

Hasil analisis multivariat di peroleh persamaan Y = -7,908 + 1,595X1 + 1,968

X2 + 1,278 X3. Variabel tersebut adalah umur ibu, pengetahuan ibu dan faktor keterjangkauan.

Diharapkan kepada petugas Puskesmas Pembantu Tanjung rejo agar lebih meningkatkan penyuluhan tentang perlunya pemeriksaan kehamilan baik kepada ibu hamil maupun keluarganya untuk meningkatkan kesadaran ibu dan keluarga. Peneliti lain diharapkan agar dapat melanjutkan penelitian ini di tempat yang berbeda untuk mengetahui faktor mana yang paling dominan berhubungan dengan kelengkapan pemeriksaan kehamilan.

Kata kunci : pemeriksaan kehamilan, cross sectional, analisis faktor.

ABSTRACT

Maternal Mortality is a mojor issue faced by developing country. Frequent antenatal care will decrease the death and deformity for both mother and the born child. Based on the data from Tanjung Rejo Citizen Health Care, the scope of K1 in Tanjung Rejo district reaches 90 % and 90 % for scope of K4. The data has not beenreaching the national target of 95%.

This research is aiming at analyzing the factor that relates to comprehensive antenatal care through mothers that has infant under five years old in Tanjung Rejo district, Medan Sunggal in 2010 with analytical of cross sectional design. Population is mothers which has infant under five years old. The amount of sample required is 96.

As the resulted, the incomplete proportion of antenatal care reaches 32,3% and the complete one reaches 67,7%. Bivariat analysis resulted shows that there are four variables that had association connection and meant statistically which are mother’s age (p=0,005), parity (p=0,039), knowledge(p=0,002),affordable factory (p=0,011). Therefore, variables that had not association and meant statistically are mother’s education (p=0,971), mother’s work (p=0,916), and family’s support (p=0,625).

Multivariate analysis resulted the equation Y = -7,908 + 1,595X1 + 1,968 X2 + 1,278

X3. Those variables are mother’s age, knowledge and affordable factory.

It is hoped for the oficial of Tanjung Rejo Citizen Health Care increasing the extensión of the needs to do antenatal care for pregnant mother and family. Another reseachers is hoped to continue this research in the different are ato find out which factor is the most dominant in relating to antenatal care comprehensiveness.

Keywords : antenatal care, cross sectional, factor analysis.

Baca Selengkapnya - Analisis Faktor Yang Berhubungan Dengan Kelengkapan Pemeriksaan Kehamilan Pada Ibu Yang Memiliki Balita

Distribusi Kemungkinan Teoritis

PENGERTIAN DISTRIBUSI KEMUNGKINAN TEORITIS

Yang dimaksud dengan Distribusi Kemungkinan Teoritis adalah merupakan distribusi (tingkat penyebaran) dari suatu kejadian yang dapat diharapkan berdasarkan pertimbangan-petimbangan teoritis, misalkan masalah probabilitas untuk mendapatkan kesempatan menang atau kalah didalam suatu undian.

VARIABEL RANDOM

Yaitu variabel acak atau variabel random yang nilainya merupakan suatu hasil perolehan yang terjadi didalam suatu percobaan. Distribusi Kemungkinan Teoritis terbagi menjadi:

1. Variabel Random Diskrit

2. Variabel Random Kontinu

DISTRIBUSI BINOMIAL

Yang dimaksud dengan distribusi Binomial adalah dstribusi kemungkinan teoritis (diskrit), dengan ciri-ciri sebagai berikut :

-Probabilitasnya independent ( saling bebas )

-Hasil percobaan mempunyai dua "outcomes" nilai yang mungkin terjadi dalam hal ini adalah :

1.Sukses

2.Gagal

DISTRIBUSI MULTINOMIAL

Distribusi ini merupakan perluasan dari distribusi binomial dengan ciri-cirinya sebagai berikut :

1.Peristiwanya independent

2.Setiap percobaan tunggal mempunyai hasil kejadian lebih dari 2 (dua) dan semuanya disebut sukses.

3.Peluang terjadinya setiap "outcomes" disebut p1, p2 ....pn sehingga P(n)= 1

4.Biasanya dalam hal ini jumlah percobaan tertentu.

DISTRIBUSI HIPERGEOMETRIK

Distribusi Hipergeometrik adalah suatu bentuk distribusi yang diperoleh dari hasil percobaan dengan pengambilan sekaligus secara acak (random) dan tanpa pengembalian.

DISTRIBUSI POISSON

Distribusi ini ditemukan oleh Poisson, sedangkan aplikasi atau pemakaiannya sama saja dengan distribusi binomial. Hanya saja pada distribusi Poisson ini ada suatu persyaratan yaitu jika probabilitasnya (p) 0,01 dan (n)0,50 .

Rata-ratanya = n.p

DISTRIBUSI NORMAL

Hampir semua data penelitian dengan pengambilan sampel yang cukup memadai akan mempunyai distribusi normal.

•Grafik Distribusi normal selalu berada di atas sumbu x dan tidak pernah memotong sumbu x tersebut.

•Bentuknya simetris terhadap rata-ratanya (  ).

•Nilai x dapat dikonversikan kedalam nilai standar (nilai baku)

Baca Selengkapnya - Distribusi Kemungkinan Teoritis

Pengetahuan dan Sikap Pasangan Usia Subur Tentang Infertilitas

Infertilitas ( kemandulan ) adalah pasangan suami-istri yang menjalani hubungan seksual secara teratur ( 2-3 kali seminggu ) tanpa kontrasepsi selama 12 bulan dan tidak terjadi kehamilan. Infertilitas dapat disebabkan 40% dari pihak suami, 40% dari istri dan 20% dari kedua belah pihak. Penelitian ini bertujuan untuk mengidentifikasi pengetahuan dan sikap pasangan usia subur tentang infertilitas di Lingkungan I Kelurahan Kemenangan Tani Kecamatan Medan Tuntungan. Desain penelitian yang digunakan dalam penelitian ini adalah deskriptif dengan besar sampel sebanyak 30 pasangan usia subur dengan metode pengambilan sampel total sampling. Dari hasil penelitian diperoleh, suami berumur 26-35 tahun sebanyak 22 orang (73,3%), istri berumur 26-30 tahun sebanyak 14 orang (46,7%), pendidikan suami terbanyak SLTA sebanyak 17 orang (56,7%), pendidikan istri terbanyak SLTA sebanyak 13 orang (43,3%), pekerjaan suami terbanyak pegawai negeri sipil (PNS) sebanyak 18 orang (60%), pekerjaan istri terbanyak ibu rumah tangga sebanyak 23 orang (76,7%), sumber informasi yang didapat suami mengenai infertilitas terbanyak berasal dari tenaga kesehatan seperti bidan dan matri kesehatan sebanyak 21 orang (70%), sumber informasi yang didapat istri terbanyak berasal dari tenaga kesehatan seperti bidan dan mantri kesehatan sebanyak 23 orang (76,7%). Berdasarkan pengetahuan pasangan usia subur menunjukkan mayoritas pasangan usia subur mempunyai pengetahuan cukup tentang infertilitas yaitu suami sebanyak 19 orang (63,3%), istri sebanyak 16 orang (53,3%). Berdasarkan sikap pasangan usia subur menunjukkan seluruh pasangan usia subur mempunyai sikap positif tentang infertilitas yaitu suami sebanyak 30 orang (100%), istri sebanyak 30 orang (100%). Dengan demikian penyampaian informasi dan penyuluhan kesehatan oleh tenaga kesehatan masih diperlukan untuk memberikan pengetahuan dan sikap yang baik tentang infertilitas.

Keywords: Pengetahuan, Sikap, Infertilitas

Baca Selengkapnya - Pengetahuan dan Sikap Pasangan Usia Subur Tentang Infertilitas

Probabilitas

PENGERTIAN PROBABILITAS

Dalam kenyataan sehari-hari seringkali kita mendengar adanya pernyataan “mungkin dan atau tidak mungkin”, secara spesifik pernyataan tersebut dapat diartikan sebagai gambaran sebuah pernyataan “Kepastian dan atau ketidak pastian” yang biasa dikatakan sebagai Probabilitas atau kemungkinan.

Ada dua pendekatan yang biasa dilakukan pada teori ini, antara lain:

1. Pendekatan Matematis

2. Pendekatan Empiris

PERISTIWA YANG SALING MENIADAKAN DAN TIDAK SALING MENIADAKAN

Dua atau lebih kejadian disebut saling meniadakan (mutually exclusive) jika kejadian-kejadian tersebut tidak dapat terjadi bersama-sama, suatu kejadian tertentu akan menghalangi atau meniadakan satu atau lebih kejadian yang lain. Sedangkan dua atau lebih kejadian dikatakan tidak saling meniadakan apabila kejadian-kejadian tersebut dapat terjadi bersamaan (non mutually exclusive). Sebagai ilustrasi untuk kejadian yang saling meniadakan atau tidak saling meniadakan adalah sebagai berikut:

- Mutually exclusive (Kejadian yang saling lepas)

- Non Mutually exclusive (Kejadian yang dapat terjadi bersama-sama):

NILAI HARAPAN MATEMATIS (EKSPEKTASI)

Dalam setiap kesempatan kita selalu dihadapkan dengan pengambilan keputusan, bahkan mungkin setiap saat. Keputusan tersebut mulai dari yang paling sederhana sampai dengan keputusan yang paling sulit, misalkan disaat kita mau menentukan kearah mana kaki harus melangkah, bagaimana kebijakan yang seharusnya terhadap karyawan yang indisipliner, dimana tempat usaha yang seharusnya ditempatkan dan lain sebagainya.

Setiap Keputusan akan menghadapi empat kemungkinan, yaitu :

a. Kepastian (Certainty)

b. Risiko (Risk)

c. Ketidak pastian (Uncertainty)

d. Konflik (Conflict)

Baca Selengkapnya - Probabilitas

Analisis Data Deret Waktu

Data deret waktu adalah merupakan data hasil pencatatan secara terus menerus dari waktu ke waktu (periodik). Ada empat faktor komponen variasi atau gerak yang masing-masing sering dianggap sebagai pengaruh yang dianggap dapat menjelaskan keseluruhan, diantaranya:

a.Gerak jangka panjang atau trend

b.Gerak siklis

c.Gerak musiman, dan

d.Gerak reguler atau residu

Model yang dianggap cocok dengan letak titik-titik pada diagram diusahakan diinterpretasikan kedalam model matematis, agar dapat digunakan dalam memprediksi suatu persoalan.

TREND LINIER

Model trend biasa digunakan untuk memprediksi suatu persoalan (membuat ramalan jangka panjang), adapun bentuk umum dari model trend linier ini dinyatakan dengan persamaan : yt = a + bx

yt: Nilai trend untuk setiap unit x

x: Unit waktu tertentu

a : intercept (nilai trend yt pada saat x = 0)

b: Koefisien trend: Pertambahan y untuk setiap unit waktu tertentu

Adapun metode untuk menentukan nilai a dan b pada model trend linier ini dapat dilakukan dengan dua cara yaitu:

1.Least Square Method (metode kuadrat terkecil)

2.Semi Average Method (metode setengah rata-rata)

METODE SETENGAH RATA-RATA (SEMI AVERAGE METHOD)

Metode setengah rata-rata dimaksudkan sebagai cara untuk menentukan model trend selain menggunakan cara kuadrat terkecil. Pada metode ini dari sekelompok data dibagi menjadi 2 (dua) bagian yang sama, jika jumlah datanya ganjil, maka data yang ditengah dapat dihilangkan atau dapat pula dihitung 2 kali.

ANALISIS GERAK SIKLIS

Variasi musim didasarkan pada gerak siklis atau variasi siklis yang bergerak turun naik disekitar trendnya. Gerak musiman ini sifatnya lengkap selama kurun waktu satu tahun kalender. Ada beberapa faktor yang menyebabkan terjadinya gerak musiman ini diantaranya faktor cuaca dan faktor kebiasaan, seperti pola tanam padi, palawija, dan komoditas lainnya. Variasi ini dapat dilukiskan dengan adanya empat kondisi yaitu: kondisi untung, kondisi rugi, kondisi tidak stabil dan kondisi pemulihan keadaan. Kejadian ini secara logis dapat menimbulkan kondisi-kondisi puncak baik tertinggi maupun terendah.

Untuk lebih memudahkan dalam melakukan analisis data deret waktu, akibat adanya pengaruh keempat faktor di atas, antara lain karena adanya faktor-faktor, seperti:

T untuk menyatakan trend,

S untuk menyatakan gerak siklis,

M untuk menyatakan gerak musiman,

R untuk menyatakan variasi residu (gerak ireguler)

Maka model untuk data deret waktu untuk hasil jualan, dinyatakan dengan persamaan:

y=TS M R

Sedangkan untuk data tahunan, biasanya dinyatakan dengan model:

y =T S R

Hal tersebut didasarkan karena gerak musiman biasanya tidak tercerminkan dalam total tahunan atau rata-rata bulanan setiap tahun.

Baca Selengkapnya - Analisis Data Deret Waktu

Pengertian Daftar Distribusi Frekuensi

Penyajian data dalam bentuk daftar distribusi frekuensi, adalah dimaksudkan sebagai upaya menyusun urutan data kedalam kelas-kelas interval, untuk kemudian ditentukan jumlah (frekuensinya), berdasarkan data yang sesuai dengan batas-batas interval kelasnya. Banyaknya data atau frekuensi ditiap kelas interval, berdasarkan hasil dari tabulasi data.

Adapun langkah atau cara menetapan frekuensi-frekuensi (jumlah) data dalam tiap interval kelas, untuk kemudian disajikan dalam bentuk daftar distribusi frekuensi, antara lain seperti berikut:

Tahapan penyusunan data kedalam bentuk daftar distribusi frekuensi:

Pastikan jumlah data yang terhimpun seakurat mungkin

Perhatikan data tertinggi dan data terendah dari himpunan data tersebut

Tetapkan jarak (range), dari himpunan data yang kita punyai:

Jarak (range), yaitu selisih antara data tertinggi dengan data terendah, adapun formulasinya dituliskan sebagai berikut:

( R ) = X_maks – X_min (data terbesar – data terkecil)…………. II – 1

Merencanakan jumlah kelas (banyak kelas) yang akan digunakan dalam suatu daftar tersebut, biasanya antara 5 sampai dengan 15 kelas, namun demikian jumlah kelas atau banyak kelas dapat pula ditentukan berdasarkan aturan Sturges (ancer-ancer atau kira-kira), dengan formulasi sebagai berikut:

b = 1+3,3 log n ……………… II – 2

Langkah berikutnya adalah menentukan panjang kelas (P) pada tiap interval kelas dari daftar tersebut, dengan formulasi seperti berikut:

Macam-macam Distribusi Frekuensi:

a. Distribusi Frekuensi Relatif
b. Distribusi Frekuensi Kumulatif
c. Distribusi Frekuensi Terbuka
d. Histogram
e. Poligon Frekuensi

Baca Selengkapnya - Pengertian Daftar Distribusi Frekuensi

Angka Relatif dan Angka Indeks

Angka relatif dan atau angka indeks adalah merupakan angka perbandingan yang digunakan untuk menentukan dan melihat terjadinya perubahan selama kurun waktu tertentu dengan menggunakan pembanding dari data waktu dasarnya.

ANGKA RELATIF

• Relatif Harga
• Relatif Jumlah
• Relatif Nilai

ANGKA INDEKS

Ada tiga macam angka indeks, yaitu: indeks harga, indeks jumlah dan indeks nilai.

Pn : Harga pada waktu yang ditentukan

Po : Harga pada waktu dasar

Qn : Jumlah pada waktu yang ditentukan

Qo : Jumlah pada waktu dasar

PERUBAHAN WAKTU DASAR

Waktu dasar yang telah ditetapkan sesungguhnya dapat dilakukan perubahan, adapun cara (Langkah) untuk melakukan perubahan antara lain:

Jika data mengenai harga, jumlah dan atau data mengenai nilainya masih lengkap, maka untuk melakukan perubahan waktu dasar dari waktu dasar yang telah ditentukan, caranya hanya melakukan pemindahan angka 100 dari waktu dasar lama ke waktu dasar baru. Jika data yang dipunyai hanya sebatas angka indeksnya saja (tanpa data harga, jumlah maupun nilai

INDEKS GABUNGAN TAK TERTIMBANG

Indeks gabungan tak tertimbang (Indeks Agregatif Tak terimbang), umumnya dapat dicari dengan menentukan rata-rata dari indeks-indeks yang membentuk gabungan (Agregatif). Indeks gabungan tak tertimbang ini kepentingan relatifnya berbeda-beda ada yang disebutkan dengan ukuran kg, liter, ikat, butir atau lainnya, dan oleh karena ukuran relatifnya tidak diperhatikan, maka dikatakan sebagai agregatif tak tertimbang. Indeks agregatif tak tertimbang = (8,74/8,18) x 100 = 106,85.

INDEKS GABUNGAN TERTIMBANG

Yang dimaksud dengan Indeks gabungan Tertimbang (Indeks Agreragtif tertimbang) adalah ukuran perbandingan yang didasarkan pada bobot dari setiap elemen barang yang akan diukur. antara lain:

1. Cara Laspeyres (cara dengan menggunakan tahun dasar)

2. Cara Paasche (cara tahun yang ditentukan)

3. Cara Fisher (cara keduanya, dikatakan sebagai indeks ideal)

4. Cara Drobisch

5. Cara Marshal Edgeworth

INDEKS LASPEYRES

Perhitungan indeks pada cara Laspeyres ini ditekankan pada jumlah barang (Kuantitas barang) pada waktu dasar sebagai bobot terhadap harga

INDEKS PAASCHE

Perhitungan indeks pada cara Paasche ini ditekankan pada jumlah barang (kuantitas barang) pada waktu yang ditentukan sebagai bobot terhadap harga.

INDEKS FISHER

Perhitungan indeks pada cara Fisher ini dikatakan sebagai indeks ideal, karena nilai indeks Fisher diperoleh dari akar kuadrat indeks Laspeyres dan indeks Paasche.

INDEKS DROBISCH

Indeks Drobisch digunakan untuk mengantisipasi penentuan angka indeks, jika indeks Paasche dan indeks Laspeyres terjadi perbedaan yang terlalu jauh angkanya. I

INDEKS MARSHAL-EDGEWORTH

Pada penentuan angka indeks ini lebih ditekankan terhadap bobot dari jumlah pada waktu tertentu dengan bobot dari jumlah pada waktu dasar.

Baca Selengkapnya - Angka Relatif dan Angka Indeks

Penyajian Data

Di dalam statistika, selain pengumpulan data dan tabulasi data juga dikenal dengan istilah penyajian data, baik dalam bentuk tabel (daftar) maupun dalam bentuk grafik (diagram).

Grafik (Diagram)

Ada berbagai penyajian data dengan menggunakan tampilan grafik atau diagram, antara lain adalah: Grafik garis, Grafik batang, Grafik lingkaran (pie), Diagram lambang, Diagram peta (kartogram), dan Diagram pencar serta lainya.

Grafik Garis

Adalah merupakan model penyajian data yang dituangkan dalam bentuk garis, pada diagram ini pada umumnya dibuat untuk garis horizontal yang menunjukkan waktu dan garis vertikal menunjuk-kan jumlah.

Grafik batang

Grafik batang adalah merupakan model penyajian data yang dituangkan dalam bentuk batangs, pada diagram ini pada umumnya dibuat untuk garis horizontal menunjukkan waktu dan garis vertikal menunjuk-kan jumlah.

Grafik Lingkaran

Grafik Lingkaran adalah merupakan model penyajian data yang dituangkan dalam bentuk lingkaran (pie). Secara umum pada pembuatan grafik ini, data keseluruhan dibentuk secara proporsional dalam sebuah lingkaran (pie),

Diagram Lambang (Diagram Peta)

Diagram Lambang adalah merupakan model penyajian data yang dituangkan dalam bentuk lambang secara spesifik sesuai dengan kondisi yang ingin disampaikan, misalkan Informasi mengenai perkembangan jumlah hewan ternak, Informasi mengenai jumlah penduduk berdasarkan Jenis Kelamin dan lainnya.

Diagram Pencar

Diagram Penca adalah merupakan model penyajian data yang dituangkan dalam bentuk garis, dengan cara menarik garis yang sesuai (bisa linier, kuadratis atau lainnya) berdasarkan penyebaran data yang terjadi. Diagram ini secara umum digunakan pada model persamaan regresi atau model trend.

Baca Selengkapnya - Penyajian Data

Variabel dan Skala Pengukuran

Karakteristik-karakteristik yang terdapat pada elemen-elemen dari populasi tersebut bisa disebut sebagai variabel. Informasi (data) yang diperoleh dari hasil pengamatan, dikenal beberapa ukuran (skala), antara lain: Skala Nominal Skala Ordinal, Skala Interval dan Skala Rasio.

Skala Nominal:

Yang dimaksud dengan skala nominal, yaitu merupakan skala (ukuran) untuk menyatakan informasi atau keterangan dalam bentuk jawaban yang benar secara tertutup dari dua pilihan atau lebih, seperti : Pernyataan jawaban Ya atau Tidak, Siang atau Malam, Laki-laki atau perempuan, asal daerah (Jawa, Bali, Kalimantan atau lainnya), status perkawinan (kawin/tidak kawin), status pendidikan (SD, SLTP, SLTA, D1, D3, S1, S2, atau S3), agama yang dianut oleh responden ( Islam, Katolik, Kristen, Budha, Hindu) dan lain sebagainya.

Skala Ordinal:

Pada skala ini urutan simbol atau kode berupa angka mempunyai arti urutan jenjang bisa dimulai dari yang paling negatip sampai yang paling positif atau dapat juga sebaliknya (Sebagai hierarki), misalnya: sangat baik, baik, cukup baik, jelek dan sangat jelek (masing-masing dengan kode 5, 4, 3, 2, 1 atau sebaliknya

Skala Interval:

Yang dimaksud dengan Skala Interval, adalah merupakan ukuran yang dibatasi pada interval tertentu, yang termasuk pada skala ini antara lain, ukuran kelembaban udara, suhu badan pada skala Fahrenheit, Celsius, dan Reamur. Ukuran tekanan udara, dan lainnya pada ukuran (skala interval) ini mempunyai aturan skala yang berbeda berdasarkan letak dan jarak serta kondisinya.

Skala Rasio:

Skala Ratio adalah merupakan skala dengan hierarki yang paling tinggi dibandingkan dengan skala-skala lainnya. Adapun yang dimaksud dengan skala rasio adalah merupakan angka atau bilangan berdasarkan hasil perbandingan (angka relatif), dalam hal ini skala rasio tidak dimulai dari angka nol dan ditentukan berdasarkan konsep kesebandingan (tidak sembarang).

Baca Selengkapnya - Variabel dan Skala Pengukuran

Populasi dan Sampel

POPULASI
Populasi, yaitu sekumpulan objek yang akan dijadikan sebagai bahan penelitian (penelaahan) dengan ciri mempunyai karakteristik yang sama. Ada dua jenis populasi yaitu populasi terhingga (terbatas jumlahnya) dan populasi takterhingga (tidak terbatas jumlahnya). Cara untuk mendapatkan keterangan (informasi) dari semua anggota populasi dan tanpa kecuali disebut sensus. Pelaksanaan sensus di dalam penelitian jarang dilakukan karena:

• Faktor biaya operasional yang tinggi;
• Faktor lamanya waktu yang tersedia;
• Faktor tingkat akurasi data (ketepatan) perhitungan seringkali tinggi penyimpangannya;
• Kurang efektif dan efisien dalam pelaksanaannya

Namun demikian, betapapun cara Sensus banyak sekali kendala yang dihadapi dalam pelaksanaannya, tetapi kelebihan cara Sensus adalah, hasil yang didapatkan merupakan hasil yang sebenarnya.
SAMPEL

Yang dimaksud dengan sampel, yaitu bagian dari populasi (contoh), untuk dijadikan sebagai bahan penelaahan dengan harapan contoh yang diambil dari populasi tersebut dapat mewakili (representative) terhadap populasinya.

Baca Selengkapnya - Populasi dan Sampel