PERSAMPELAN

PENGENALAN
Penyelidik boleh mendapat maklumat yang lengkap tentang populasi dengan melakukan
kajian ke atas keseluruhan populasi tersebut dengan menggunakan kaedah bancian.
Bagaimanapun kaedah bancian melibatkan kos yang tinggi dan masa yang panjang
diperlukan untuk menyiapkan sesuatu penyelidikan. Terdapat beberapa alternatif boleh
dilakukan untuk memilih sampel. Alternatif utama dalam merancang pemilihan sampel
dapat dibahagikan kepada dua kategori iaitu persampelan kebarangkalian dan persampelan
tak berkebarangkalian. Persampelan kebarangkalian lebih banyak digunakan dalam kaedah
penyelidikan kuantitatif, manakala persampelan bukan kebarangkalian pula lebih banyak
digunakan dalam kaedah penyelidikan kualitatif.

Persampelan Kebarangkalian dan Tak Berkebarangkalian
Persampelan kebarangkalian atau persampelan rawak bermaksud setiap elemen dalam
populasi diketahui dan setiap ahli dalam populasi mempunyai kebarangkalian yang sama
untuk dipilih (dipanggil sampel kebarangkalian). Persampelan rawak lebih sesuai dilakukan
kerana dapat mengurangkan kos, mengurangkan bilangan pembanci diperlukan serta
maklumat penting dapat dikumpulkan dengan cepat berbanding kaedah bancian.
Persampelan tak berkebarangkalian bermaksud kebarangkalian mana-mana ahli dalam
populasi yang bakal dipilih adalah tidak diketahui. Pemilihan unit-unit sampel agak
sembarangan dan banyak bergantung kepada keputusan peribadi penyelidik sendiri. Secara
teknikal, tidak ada teknik statistik yang sesuai boleh digunakan untuk ralat persampelan
rawak bagi persampelan tak berkebarangkalian ini.


PERSAMPELAN KEBARANGKALIAN
Teknik persampelan kebarangkalian adalah berasaskan kepada peluang untuk dipilih.
Disebabkan proses persampelan kebarangkalian dilakukan secara rawak, maka masalah bias
atau kemiringan yang sedia ada dalam prosedur persampelan tak berkebarangkalian dapat
dihapuskan.
Terdapat empat kaedah persampelan kebarangkalian iaitu persampelan rawak
mudah, persampelan sistematik, persampelan berstrata dan persampelan kelompok.

1. Persampelan rawak mudah
Teknik persampelan rawak mudah perlu memastikan setiap elemen dalam populasi akan
mempunyai peluang yang sama dan bebas untuk dipilih sebagai sampel. Teknik
persampelan rawak ini paling ringkas dan sesuai digunakan sekiranya populasi mempunyai
sifat yang seragam atau hampir seragam. Peluang yang sama kerana tidak ada bias bahawa
seseorang itu boleh dipilih sebagai sampel berbanding orang lain, manakala bebas kerana
1

pemilihan seseorang sebagai sampel tidak menjadi bias untuk penyelidik untuk memilih
seorang yang lain sebagai sampel.
Pemilihan sampel rawak mudah boleh dilakukan sama ada menggunakan kaedah
loteri, jadual nombor rawak dan perisian statistik. Langkah-langkah untuk menggunakan
kaedah ini ialah;

a) Takrifkan populasi kajian
b) Senarai semua ahli dalam populasi atau rangka persampelan
c) Berikan nombor-nombor bagi setiap ahli dalam populasi
d) Guna kriteria untuk memilih sampel sama ada menggunakan kaedah loteri, jadual
nombor rawak atau nombor rawak yang dijana komputer.

Kaedah loteri lebih sesuai digunakan bagi populasi bersaiz kecil. Misalnya, terdapat 200
individu dalam populasi atau rangka persampelan dan penyelidik ingin memilih 130 unsur
atau individu sebagai sampel kajian. Penyelidik menomborkan satu unsur pada setiap
keping kad (iaitu nombor 001 hingga 200). Kaedahnya sama seperti memilih pemenang
bertuah berdasarkan tiket yang dimasukkan dalam sebuah kotak. Pemilihan sampel adalah
dengan mencabut 130 kad (mewakili unsur) daripada 200 kad dalam kotak (mewakili
populasi) untuk dijadikan sampel kajian.
Bagaimanapun jika saiz populasi lebih besar, katakan N =5000 dan anda ingin
memilih secara rawak seramai 357 orang sebagai sampel (n), maka adalah lebih sesuai
menggunakan J adual Nombor Rawak atau program komputer yang boleh menjana nombor-
nombor berkenaan.
Langkah pertama: Gunakan J adual Nombor Rawak yang boleh didapati di bahagian
lampiran dalam buku-buku statistik. J adual nombor disusun secara lajur dalam 5 digit,
seperti di bawah:

05545
10537
94051
31181
94051
11016
84187
54016
01837
21569


Oleh kerana jadual nombor-nombor ini mengandungi 5 digit, sedangkan nombor maksimum
yang kita perlu memilih ialah 5000, maka kita boleh mengambil nombor-nombor 4 digit
terakhir seperti berikut:

5545
0537
4051
1181
4051
1016
2

4187
4016
1837
1569

Bagaimanapun nombor 5545 yang termasuk dalam senarai 4 digit dipilih melebihi jumlah
populasi iaitu 5000. Oleh kerana tidak ada individu dalam senarai atau rangka persampelan,
maka kita abaikan nombor berkenaan. Ini bermakna individu pertama dipilih ialah individu
yang ke 537 dalam senarai, diikuti individu yang ke 4051, 1181 dan seterusnya sehingga
mencapai jumlah 357 individu yang dipilih sebagai sampel (n).
Walaupun persampelan rawak mudah agak ringkas dan kerap digunakan tetapi kaedah
ini mempunyai beberapa kelemahan. Misalnya, kaedah ini tidak sesuai digunakan dalam kes
populasi kajian terserak di kawasan geografi yang luas, rangka persampelan sukar diperoleh
dan kajian perbandingan antara subpopulasi.

2. Persampelan Sistematik
Persampelan sistematik memerlukan senarai unsur dalam rangka persampelan disusun
secara rawak seperti mengikut abjad ataupun tarikh tertentu tetapi tidak mengikut susunan
yang sistematik (seperti menyusun saiz firma daripada yang terkecil hingga terbesar).
Misalnya, jika satu sampel diambil dengan memilih satu unsur dari unsur k yang pertama
dan setiap k yang berikutnya. Maksudnya label unsur pertama hingga unsur ke-N,
tentukan saiz sampel yang hendak diambil (n), kira selang persampelan (k =N/n), pilih satu
nombor rawak dari 1- k, dan pilih unsur itu dan unsur lain mengikut ke 2, 2 +k, 2 +2k, 2
+3k dan seterusnya.

Langkah-langkah dalam persampelan sistematik adalah seperti berikut;
i) Takrifkan populasi kajian, katakan N =9000
ii) Dapatkan senarai populasi atau rangka persampelan kajian
iii) Tentukan saiz sampel, misalnya n =300
iv) Bahagikan populasi kepada n =300, subpopulasi yang mempunyai N/n =
9000/300 =30 unsur.
v) Pilih satu daripada 30 unsur dalam subpopulasi pertama secara rawak.
Katakan unsur yang dipilih ialah unsur ke-10.
vi) Pilih unsur ke-10 dalam senarai populasi yang dibentuk dalam (iv).
Contohnya, unsur yang seterusnya ialah senarai yang ke-10 +30 =40 dalam
rangka persampelan dan unsur yang ke-70, 100 dan seterusnya .

Kelemahan persampelan sistematik adalah setiap unsur dalam rangka persampelan tidak
diberi peluang yang sama rata untuk terpilih ke dalam sampel. Setelah unsur pertama
ditentukan, unsur-unsur yang lain telah ditetapkan.

3

3. Persampelan Berstrata
Persampelan berstrata atau rawak berlapis adalah proses membahagikan unsur-unsur atau
ahli-ahli dalam satu populasi ke dalam subpopulasi yang tidak bertindih (strata) dan
mempunyai ciri-ciri yang seragam atau hampir seragam. Setiap strata sepatutnya lengkap
dan saling eksklusif iaitu setiap ahli dalam populasi mestilah dimasukkan hanya dalam satu
strata sahaja dan tiada ahli dalam populasi tersebut boleh dikecualikan. Kemudian baru
dibuat persampelan rawak mudah atau persampelan sistematik untuk memilih bilangan
sampel yang diperlukan.
Contoh unsur yang seragam dalam setiap strata seperti minat, umur, tujuan dan
sebagainya. Misalnya, jika ingin mengkaji tentang tabiat merokok maka setiap strata boleh
berdasarkan jantina, umur atau kelas sosial. Seterusnya penyelidik perlu menyediakan
rangka persampelan bagi setiap strata yang telah dikenalpasti dan diasingkan. Persampelan
rawak berstrata melibatkan langkah-langkah berikut;

i) Takrifkan populasi dan subpopulasi
ii) Tentukan rangka persampelan bagi setiap subpopulasi
iii) Pemilihan sampel secara rawak mudah atau rawak bersistematik bagi setiap strata
dengan saiz sampel yang sama bagi setiap strata tersebut.


Contoh;
Kajian ke atas sebuah firma yang mempunyai bilangan pekerja sepenuh masa dan pekerja
sambilan seperti berikut;

Lelaki, pekerja sepenuh masa 60
Lelaki, pekerja sambilan 12
Wanita, pekerja sepenuh masa 30
Wanita, pekerja sambilan 18
J UMLAH 120


Secara umum, saiz sampel bagi setiap strata yang diambil adalah berkadaran dengan saiz
strata itu sendiri. Ia dipanggil pembahagian berkadaran. Pengkaji ingin mengambil seramai
40 pekerja sebagai sampel. Langkah pertama ialah mengira peratusan bagi setiap kumpulan
berdasarkan jumlah keseluruhan pekerja seperti berikut;

% lelaki, sepenuh masa =(60/120) x 100 =50%
% lelaki, sambilan =(12/120) x 100 =10%
% wanita, sepenuh masa =(30/120) x 100 =25%
% wanita, sambilan =(18/120) x 100 =15%

Oleh kerana bilangan sampel yang diambil seramai 40 pekerja, maka cara pengiraan adalah
seperti berikut;

50% harus lelaki, sepenuh masa. 50% daripada 40 =20
10% harus lelaki, sambilan. 10% daripada 40 = 4
4

25% harus wanita, sepenuh masa. 25% daripada 40 =10
15% harus wanita, sambilan. 15% daripada 40 =6


Kelebihan persampelan berstrata;

a) Stratifikasi sentiasa mencapai ketepatan yang tinggi jika setiap strata mempunyai
unsur atau ahli yang seragam sama ada dari segi ciri-ciri demografi, minat,
kepentingan dan sebagainya.
b) Ia lebih mudah untuk mentadbir data. Penemuduga boleh dilatih secara khusus untuk
bersemuka dengan responden dalam strata yang sama ciri-ciri seperti kumpulan
umur serta kumpulan etnik tertentu yang ditetapkan.
c) Ia dapat memastikan liputan populasi yang lebih baik berbanding persampelan rawak
mudah.

Kelemahan;

a) Kesukaran untuk menentukan strata yang sesuai, terutama jika populasi mempunyai
pelbagai ciri yang tidak seragam.
b) Lebih kompleks untuk menganalisis keputusan kajian.

4. Persampelan berkelompok
Persampelan kelompok ialah satu teknik persampelan di mana keseluruhan populasi yang
terlibat dibahagikan kepada kumpulan-kumpulan, atau kelompok tertentu, dan satu sampel
rawak digunakan untuk mengambil sampel dalam setiap kelompok yang terpilih. Populasi
dibahagikan kepada kelompok-kelompok mengikut kawasan geografi semulajadi atau
sempadan-sempadan tertentu seperti wilayah, negeri dan daerah.
Setiap kelompok mesti saling eksklusif dan semua kelompok mesti mengandungi
keseluruhan populasi yang dikaji. Selepas kelompok tertentu dipilih, maka unsur atau unit-
unit dalam kelompok tersebut akan dipilih secara rawak. Sebaliknya unit-unit dalam
kelompok yang tidak terpilih tidak terkandung dalam pemilihan sampel tadi. Ini berbeza
dengan pensampelan berstrata, di mana unit-unit dipilih dari setiap kumpulan. Semua unit-
unit dalam setiap kelompok tertentu adalah dipilih dan teknik pemilihan ini dikenali sebagai
persampelan kelompok satu tahap. J ika satu subset unit-unit dipilih secara rawak dari setiap
kelompok terpilih, ia dipanggil persampelan berkelompok dua tahap. Persampelan
kelompok boleh juga dibuat dalam tiga atau lebih peringkat yang dikenali sebagai
persampelan kelompok berbilang tahap.

Langkah-langkah:

a) Tentukan populasi kajian.
b) Tetapkan saiz sampel yang diperlukan
c) Bahagikan populasi kepada kumpulan/kelompok. Setiap kelompok adalah cerminan
populasi dan ukuran setiap kelompok hampir sama.
d) Senarai semua kelompok dalam populasi yang telah dibentuk
5

e) Pilih secara rawak sebilangan kelompok
f) Pilih semua unsur dalam setiap kelompok yang terpilih tadi.
g) Unsur-unsur dalam kelompok yang terpilih itu menjadi sampel.



Contoh:

Andaikan penyelidik ingin menjalankan satu kajian berkaitan tahap sosio-ekonomi
penduduk di sebuah negeri. Negeri tersebut dibahagikan kepada 12 daerah yang mewakili
kelompok-kelompok tertentu. Kemudian kita memilih secara rawak empat kelompok
(daerah) iaitu daerah ke-2, ke-4, ke-7 dan ke-12. Sampel-sampel akan dipilih hanya dari
empat daerah ini sahaja, kemudian temuduga atau tinjauan akan dilakukan ke atas sampel
tersebut.
Perbincangan tentang kaedah persampelan dalam bahagian sebelumnya adalah tidak
termasuk semua kaedah persampelan yang sesuai kepada penyelidik. Anda perlu terlibat
dalam projek penyelidikan utama dalam pemasaran, kewangan, perakaunan, atau lain-lain
bidang, anda perlu merujuk buku yang berkaitan dengan teori sampel dan reka bentuk
sampel.
Sebab utama menggunakan persampelan kelompok kerana kaedah ini biasanya jauh
lebih murah dan lebih senang untuk memilih sampel dari populasi dalam kelompok
berbanding pemilihan secara rawak. Dalam sesetengah kes, membina satu rangka
persampelan untuk mengenal pasti setiap unsur dalam populasi menjadi terlalu mahal atau
mustahil untuk dilakukan. Persampelan kelompok dapat mengurangkan kos apabila unsur
atau unit-unit dalam populasi bertaburan dalam kawasan geografi yang luas.

PERSAMPELAN TAK BERKEBARANGKALIAN
Kebanyakan penyelidik mengadapi kekangan masa, wang dan tenaga kerja menyebabkan
hampir mustahil mereka memilih sampel secara rawak daripada keseluruhan populasi. Hal
ini menyebabkan penyelidik menggunakan teknik persampelan bukan berkebarangkalian.
Subjek dipilih melalui persampelan tak berkebarangkalian ini biasanya berdasarkan
kebolehcapaian atau oleh keputusan peribadi penyelidik sendiri.
Pemilihan sampel menggunakan kaedah persampelan tak berkebarangkalian amat
bergantung kepada kebijaksanaan dan keperluan penyelidik. Sampel yang dipilih tidak
meggunakan tatacara pemilihan secara kebarangkalian. Ini menyebabkan wujud beberapa
kelemahan tertentu.

Beberapa jenis persampelan bukan kebarangkalian yang biasa digunakan adalah seperti
berikut;

a) Pensampelan Keselesaan
b) Persampelan Bertujuan
c) Pensampelan Bebola Salji
d) Persampelan Kuota

6


1. Pensampelan Keselesaan
Persempalan keselesaan merujuk kepada tatacara pemilihan sampel dengan cara yang
paling memberi keselesaan atau kemudahan kepada penyelidik. Persampelan ini
mengandaikan setiap unsur dalam populasi bersifat homogen dengan ciri-ciri setiap unsur
atau individu adalah sama.
Kaedah ini digunakan bila kita tidak mampu untuk mendapatkan sampel bagi
populasi yang besar, terutamanya kerana kekangan masa dan kos. Sampel dipilih adalah
mudah iaitu ambil saja individu yang kita temui, individu yang kita kenali, soal-selidik
secara online, pelanggan dan sebagainya.
2. Pensampelan Bertujuan
Persampelan bertujuan ialah satu cara pemilihan sampel daripada populasi yang khusus dan
spesifik. Sampel yang dipilih mesti memenuhi kriteria yang telah ditetapkan dan dipilih
berdasarkan pengetahuan dan pengalaman dalam bidang-bidang tertentu.
3. Persampelan Kuota
Persampelan kuota ialah satu teknik persampelan bukan kebarangkalian di mana penyelidik
perlu memastikan subjek atau individu dipilih mempunyai ciri-ciri yang sama atau
seimbang sebagai asas kuota. Misalnya, jika asas kuota ialah tahun pengajian di universiti,
maka penyelidik perlu memastikan dengan saiz sampel ialah 100 dipilih secara sekata, iaitu
25% pelajar tahun satu, 25% pelajar tahun kedua, 25% pelajar tahun ketiga dan 25% pelajar
tahun akhir. Asas bagi kuota biasanya berdasarkan umur, jantina, tahun pengajian, taraf
sosioekonomi dan sebagainya.
Kelebihan persampelan kuota ialah melibatkan kos yang rendah dan pengutipan data
hanya mengambil masa yang lebih singkat. Bagaimanapun teknik ini menghasilkan elemen
sampel yang agak bias tetapi sampel yang baik masih dapat diambil sekiranya pengutipan
data dibuat secara berhemah.

4. Pensampelan Bebola Salji
Pensampelan bebola salji biasanya adalah dibuat apabila saiz populasi sangat kecil. Satu
teknik yang boleh digunakan apabila elemen atau unsur kajian yang diperlukan itu sukar
dikenalpasti atau dihubungi.
Contoh:
Kajian yang boleh dilakukan menggunakan kaedah bebola salji ini adalah seperti kajian
tentang masalah penagihan dadah, aktiviti samseng melibatkan remaja, perniagaan haram
dan sebagainya, dimana responden sukar dikenalpasti atau dihubungi.
Kelemahan: wujud unsur-unsur bias dari segi pemilihan responden .
Kelebihan: saiz sampel yang kecil dan tidak melibatkan kos yang tinggi.
PENENTUAN SAIZ SAMPEL
J adual menunjukkan panduan umum saiz sampel yang diperlukan daripada saiz populasi
7

yang berbeza-beza dengan 95 peratus aras keyakinan bagi margin ralat 5 peratus.

Jadual 6.1 : Jadual Penentuan Saiz Sampel
N S N S N S
10 10 220 140 1200 291
15 14 230 144 1300 297
20 19 240 148 1400 302
25 24 250 152 1500 306
30 28 260 155 1600 310
35 32 270 159 1700 313
40 36 280 162 1800 317
45 40 290 165 1900 320
50 44 300 169 2000 322
55 48 320 175 2200 327
60 52 340 181 2400 331
65 56 360 186 2600 335
70 59 380 191 2800 338
75 63 400 196 3000 341
80 66 420 201 3500 346
85 70 440 205 4000 351
90 73 460 210 4500 354
95 76 480 214 5000 357
100 80 500 217 6000 361
110 86 550 226 7000 364
120 92 600 234 8000 367
130 97 650 242 9000 368
140 103 700 248 10000 370
150 108 750 254 15000 375
160 113 800 260 20000 377
170 118 850 265 30000 379
180 123 900 269 40000 380
190 127 950 274 50000 381
200 132 1000 278 75000 382
210 136 1100 285 1000000 384
Sumber: Cohen, J . (1969).
Nota : N ialah saiz populasi
S ialah saiz sampel


Contoh Pengiraan Saiz Sampel Minimum
Untuk menjawab soalan kajian, seorang penyelidik perlu menganggarkan bilangan sampel
yang perlu diambil bagi kajian tentang kepuasan kerja di sebuah organisasi yang diketahui
mempunyai seramai 950 populasi. Berasaskan pembacaan sorotan literatur, beliau membuat
8

keputusan bahawa 95 peratus ketepatan (aras keyakinan dalam penganggar) iaitu 1.96 nilai
skor-Z. Beliau memutuskan bahawa penganggar dipilih harus mempunyai ketepatan 5
peratus bagi margin ralat yang boleh dipertimbangkan. Daripada pra-ujian yang dijalankan
mendapati hanya 40 peratus mereka berpuas hati dengan pekerjaan yang dilakukan
sekarang, manakala 60 peratus lagi menyatakan tidak berpuas hati. Maka angka-angka
tersebut dapat dimasukkan dalam formula berikut;
369.6
(0.392) X 2400
5
1.96
X 60 X 40
2
2
=
=

= n

J umlah populasi kajian ialah seramai 950 orang, maka penyelidik cuma mengira saiz sampel
minimum terlaras seperti berikut;
266.1
389 . 0 1
6 . 369
950
6 . 369
1
6 . 369
1
=
+
=

+
= n

Oleh sebab jumlah populasi adalah kecil, maka penyelidik memerlukan saiz sampel
minimum seramai 266. Bagaimanapun penyelidik mengandaikan kadar soal-selidik yang
dapat dikembalikan dengan lengkap adalah 100 peratus.

LANGKAH-LANGKAH SELEPAS PENGUMPULAN DATA
Telah diterangkan bahawa pengumpulan data boleh dilakukan dengan melihat dokumen-
dokumen dari kerajaan atau sektor swasta (data sekunder), pemerhatian sendiri, penggunaan
soal selidik, sama ada soal selidik diisi sendiri oleh responden atau melalui pos serta
temubual melalui telefon. Setiap kaedah mempunyai kelebihan dan kekurangannya yang
tersendiri seperti banyaknya maklumat yang boleh dikumpulkan, kos pengumpulan data,
teknologi dan masa.
Topik pengumpulan data dan analisis statistik ini akan membincangkan apa yang
perlu dibuat oleh penyelidik selepas data dikutip. Proses tersebut ditunjukkan oleh Rajah
6.1, yang mana ianya melibatkan penyediaan data untuk di analisis, menganalisis data dan
bagaimana menggunakan keputusan dari data yang dianalisis untuk membuat keputusan
penyelidikan serta mencapai objektif penyelidikan.




9




Rajah 1: Langkah-langkah selepas pengumpulan data













Persediaan bagi Pengumpulan Data

Dalam bab Metodologi Kajian telah dinyatakan perkara yang perlu diberi perhatian oleh
penyelidik adalah seperti berikut;

i) Menjelaskan kerangka teori dan model yang akan digunakan.
ii) Menyatakan jenis maklumat yang akan dikumpulkan untuk menjawab soalan-soalan
penyelidikan.
iii) Menyatakan bagaimana data dikumpulkan - daripada sumber primer atau sumber
sekunder atau melalui eksperimen.
iv) Menyatakan reka bentuk persampelan yang akan dilakukan sekiranya data primer
digunakan.
v) Menjelaskan kawasan geografi yang akan dikaji dan alasan kawasan tersebut dipilih
vi) Menyatakan bagaimana data yang dikumpulkan akan di analisis.

Proses Pengumpulan dan Analisis Data
Berikut ialah langkah-langkah dalam proses pengumpulan data hingga analisis data
dijalankan;
PENGUMPULAN
DATA

Kesesuaian
data
Pengujian
hipotesis
Keputusan Ujian
Kesimpulan
Analisis
deksriptif
ANALISIS
DATA
Mengedit data
Memberi kod
Mengkategori
data
Perbincangan:
Adakah soalan
kajian dijawab?
Ujian
kebolehpercayaan
Analisis Faktor

Min
Sisihan Piawai
Frekuensi
Mod
J adual silangan
Analisis statistik
bersesuaian
- Ujian t
- ANOVA
- Korelasi
- Regresi dsb.
Penyediaan Data

10


i) Membentuk borang pengumpulan data seperti borang soalselidik
ii) Mengutip data
iii) Penyediaan data untuk dianalisis
iv) Menganalisis data Analisis asas, kesesuaian data, pengujian hipotesis
v) Membuat keputusan ujian dan kesimpulan adakah persoalan kajian dijawab?
vi) Membincangkan implikasi polisi

Mengedit Data
Selepas data dikutip, data tersebut perlu dieditkan terlebih dahulu sebelum proses
menganalisis data dijalankan. Mengedit data bertujuan memastikan data yang diperoleh
adalah lengkap, tidak bercanggah dan mudah dibaca untuk dipindahkan, disimpan dan
dianalisis.
Berikut antara kesilapan yang sering berlaku selepas proses pengumpulan data
selesai dan proses mengedit dijalankan;

a. Kesilapan dalam mencatat maklumat. Contoh, kod 6 dicatat kod 0 bagi
sesuatu angkubah.
b. J awapan di dalam borang soal selidik tidak lengkap
c. Tulisan di dalam soalan terbuka tidak boleh dibaca
d. J awapan responden tidak konsisten
e. Responden tidak sepatutnya telah menjawab soal-selidik, (Misalnya, responden
berumur 65 tahun sedangkan tumpuan rangka persampelan berumur 25- 35 tahun
iaitu golongan belia.

Memberi Kod
Memberi kod bermaksud memberi satu nilai numerik untuk mewakili satu respons tertentu
kepada satu soalan tertentu.
Soalan Tertutup: kod telah diberikan semasa soal selidik dibentuk.
Soalan Terbuka: kod diberikan selepas maklum balas diterima dari responden.
Penyelidik perlu menyediakan satu rangka kod bagi setiap soalan.

11