Hindari Kesalahan Bias Sampel dalam Penelitian Media Sosial

Cara Mempromosikan Kualitas di Contoh Media Sosial

Penelitian media sosial, seperti yang saat ini dilakukan, tunduk pada bias non-partisipasi. Sejumlah jenis bias non-partisipasi ada dan masing-masing jenis memiliki potensi untuk mempengaruhi reliabilitas dari temuan penelitian — sering dengan cara-cara yang tersembunyi atau tidak dikenal. Bahkan, penelitian telah menunjukkan bahwa para peserta penelitian yang sulit dijangkau, membutuhkan banyak upaya untuk menghubungi mereka, berbeda secara signifikan dari responden lain.

Perbedaan-perbedaan ini terlihat pada usia, jenis kelamin, status perkawinan, status sosial ekonomi, status kesehatan, dan jumlah anak-anak.

Tingkat Respons

Sejauh mana data pada penutupan penelitian mencakup semua anggota dalam sampel disebut sebagai tingkat respons . Sementara konsep ini jelas dalam survei terstruktur atau serangkaian wawancara, itu lebih ambigu dalam penelitian media sosial. Namun, itu tidak kurang penting dalam penelitian media sosial daripada dalam jenis penelitian kualitatif lainnya . Tingkat respons dihitung oleh jumlah peserta yang menyelesaikan survei — atau setuju untuk diwawancarai — dibagi dengan jumlah total orang yang membentuk upaya pengambilan sampel asli . Jumlah total harus termasuk orang-orang yang tidak berhasil dihubungi atau yang menolak berpartisipasi dalam penelitian.

Isu Generalisasi

Terlepas dari bagaimana data dikumpulkan, pentingnya tingkat respons yang tinggi tidak dapat cukup ditekankan.

Tidak mungkin menghasilkan populasi yang lebih besar secara realistis ketika tingkat respons suatu sampel rendah. Bias sampel meningkat saat tingkat respons menurun. Dalam survei berbasis media, ketika tingkat pengembalian turun menjadi 20 atau 30 persen dari sampel, kelompok peserta itu memiliki sedikit kemiripan dengan populasi sampel secara keseluruhan.

Kecenderungan yang sama dari orang-orang untuk mengembalikan survei mail-in atau setuju untuk berpartisipasi dalam survei telepon terjadi dengan orang-orang yang terlibat dalam jaringan media sosial: yaitu, minat khusus dalam materi pelajaran (atau produk atau layanan, karena kasus tersebut mungkin menjadi).

Ukuran sampel

Sampel yang lebih kecil memiliki kesalahan sampling yang lebih besar daripada sampel yang lebih besar. Pertimbangkan bahwa data sampel memberikan perkiraan atribut populasi yang lebih besar. Setiap sampel yang diambil dari kerangka sampling memberikan perkiraan terpisah dari populasi yang lebih besar. Secara teoritis, bisa ada pola tanggapan terpisah di setiap sampel yang diambil untuk setiap pertanyaan yang diajukan. Seiring waktu, dengan cukup sampel yang diambil dari kerangka sampling, pola yang sebenarnya akan menyatu di sekitar pola (sebenarnya) yang sebenarnya dari populasi yang lebih besar.

Margin of Error

Kesalahan sampling menggambarkan ketepatan perkiraan dari sampel mana pun yang diambil dari populasi yang lebih besar. Kesalahan pengambilan sampel dinyatakan dalam bentuk margin of error yang dikaitkan dengan tingkat kepercayaan, yang merupakan ukuran statistik . Dalam polling preferensi Presiden, misalnya, laporan dapat menunjukkan bahwa incumbent disukai oleh 64% pemilih. Margin of error akan menjadi plus-atau-minus 3 poin dengan tingkat kepercayaan 95%.

Dengan kata lain, jika pemungutan suara dilakukan lagi dengan 100 sampel pemilih yang berbeda, dari 100 pemilih, 95 pemilih akan menunjukkan bahwa incumbent disukai oleh 61% hingga 67% pemilih. Yaitu, 61% pemilih + 3% atau –3%.

Keputusan Tentang Ukuran Sampel

Batas kesalahan yang terkait dengan pengambilan sampel turun karena ukuran sampel naik, tetapi hanya ke titik tertentu. Ketika ukuran sampel mencapai 1000 hingga 2000 responden, margin kesalahan cukup kecil sehingga membuat pertimbangan sampel yang lebih besar (bukan pilihan yang hemat biaya ). Ketika subkelompok adalah bagian dari populasi yang lebih besar, ukuran sampel yang lebih besar dapat dibenarkan karena margin kesalahan akan bervariasi untuk setiap subkelompok tergantung pada jumlah orang dalam subkelompok. Misalnya, diberikan 1000 anggota jaringan media sosial dan margin kesalahan yang setara antara 1 hingga 3 persentase poin dengan interval kepercayaan 95%, analisis subkelompok dari jaringan media sosial — katakanlah, tinggal di rumah- ibu yang jumlahnya sekitar 100 — akan memiliki margin kesalahan yang lebih tinggi sekitar 4 hingga 10 poin.

Mengukur Kecukupan Sampel

Sampel biasanya dievaluasi sesuai dengan prosedur pemilihan yang digunakan daripada ukuran akhir atau komposisi. Ini penting karena — dalam kebanyakan situasi — tidak mungkin mengukur secara akurat seberapa representatif sampel dari populasi yang lebih besar. Prosedur statistik digunakan karena memungkinkan perkiraan yang nyaman dan secara fundamental dapat diandalkan. Menetapkan interval kepercayaan yang masuk akal dan margin of error pada permulaan memungkinkan peneliti untuk fokus pada variabel seperti tingkat respons dan frame sampling yang memadai.