Wacana metodologis dalam penelitian kuantitatif maupun kualitatif sering kali terjebak dalam dikotomi kaku yang menempatkan sampel probabilitas sebagai standar emas absolut.
Pandangan konvensional secara hegemonik mengagungkan asas equal chance sebagai satu-satunya tolok ukur validitas generalisasi, sementara teknik non-probabilitas acap kali dituding rentan terhadap bias seleksi dan lemah secara inferensial.
Padahal, dinamika lapangan yang kompleks, keterbatasan akses terhadap populasi tersembunyi (hidden population), serta batas-batas etis dan praktis kerap membuat pengambilan sampel acak tidak memungkinkan untuk diterapkan.
Pemaknaan yang dangkal terhadap sampel non-probabilitas sebagai sekadar "pengambilan sampel seadanya" justru mengabaikan ketatnya kalkulasi teoritis dan kedalaman substansial yang melandasi keputusan metodologis seorang peneliti.
Penetapan sampel non-probabilitas yang sahih bukanlah wujud kompromi kualitas, melainkan sebuah respons ilmiah yang terukur terhadap karakteristik fokus penelitian.
Kualitas sampel jenis ini tidak diukur dari kemampuan statistik untuk merepresentasikan parameter populasi secara kuantitatif, melainkan dari kedalaman informasi, kekayaan konteks, serta kecukupan teoritis (theoretical saturation) yang dihasilkannya.
Dengan menggeser paradigma dari representativitas numerik menuju representativitas substansial dan konseptual, sampel non-probabilitas membuktikan dirinya sebagai instrumen epistemologis yang tangguh.
Melalui pemahaman ini, penentuan partisipan dilakukan atas dasar kriteria yang terstruktur, rasionalitas kontekstual yang kuat, serta pertimbangan analitis yang matang demi mengungkap hakikat fenomena yang diteliti.
Yaa Allah, Tuhan Yang Maha Mengetahui lagi Maha Bijaksana, terangilah akal dan pikiran kami dalam menuntut ilmu, bimbinglah kami untuk senantiasa objektif dan jujur dalam menyingkap kebenaran ilmiah, serta jadikanlah kajian ini sebagai ikhtiar yang membawa kemaslahatan dan pemahaman yang mendalam bagi kemajuan ilmu pengetahuan. Aamiin.
1. Rasionalitas Epistemologis Sampel Non-Probabilitas
Kajian pada bagian ini menguraikan landasan filosofis dan metodologis yang menegaskan bahwa penggunaan sampel non-probabilitas memiliki legitimasinya sendiri dalam membangun pengetahuan yang sahih.
a. Pergeseran Paradigma dari Representativitas Statistik ke Keterwakilan Konseptual
Pengagungan terhadap statistik inferensial sering kali menutupi hakikat bahwa tidak semua pertanyaan penelitian dirancang untuk menghitung frekuensi atau menggeneralisasi parameter populasi. Dalam banyak pembacaan kritis, representativitas numerik justru kerap membiaskan fenomena yang bersifat unik, kompleks, atau baru mengemuka.
Ketika fokus kajian bergeser ke arah pemahaman makna, mekanisme kausal yang mendalam, atau eksplorasi kondisi yang spesifik, relevansi populasi acak menjadi berkurang. Di sinilah terletak urgensi untuk melakukan pergeseran paradigma metodologis secara mendasar.
Keterwakilan konseptual berfokus pada sejauh mana unit analisis mampu menyediakan variasi fenomena yang kaya dan relevan secara teoritis. Unit sampel tidak dipilih untuk mencerminkan proporsi demografis, melainkan untuk mewakili kategori-kategori analisis yang krusial bagi pengembangan teori.
Logika ini menuntut peneliti untuk mengejar kejenuhan data (data saturation) alih-alih mengejar ukuran sampel (sample size) yang besar secara kuantitatif. Dengan demikian, validitas penelitian tidak dipertaruhkan pada rumus matematis, melainkan pada ketepatan konseptualisasi fenomena.
Secara epistemologis, penetapan berbasis kriteria ini memberikan ruang bagi peneliti untuk menembus batas-batas yang tidak tersentuh oleh survei acak. Pemilihan subjek yang secara spesifik memiliki pengalaman atau pengetahuan mendalam (key informant) memungkinkan rekonstruksi realitas sosial secara lebih utuh.
Fenomena yang samar dalam agregat statistik dapat ditelusuri akar mekanismenya secara terperinci. Hal ini menegaskan bahwa keterwakilan konseptual bukanlah bentuk Inferioritas metodologis, melainkan pilihan sadar untuk mencapai kedalaman analitis.
Namun, pergeseran ini menuntut disiplin intelektual yang sangat tinggi dari peneliti. Peneliti tidak lagi berlindung di balik netralitas instrumen acak, melainkan harus secara aktif dan transparan mejustifikasi mengapa setiap unit sampel dipilih.
Justifikasi tersebut harus berakar pada konseptualisasi masalah yang matang dan pemetaan variabel teoritis yang presisi. Tanpa dasar teoritis yang kokoh, kriteria seleksi berisiko merosot menjadi sekadar subjektivitas tanpa arah.
Oleh karena itu, menilai kualitas sampel non-probabilitas dari kacamata statistik kuantitatif adalah sebuah kesalahan kategoris (categorical mistake). Kualitas instrumen ini terletak pada daya tembus analitisnya terhadap realitas yang kompleks.
Ketika keterwakilan konseptual dicapai, peneliti tidak hanya mendapatkan data, tetapi juga fondasi yang kuat untuk merumuskan proposisi atau teori baru. Inilah esensi utama yang mendasari legitimasi ilmiah dari pendekatan sampel non-probabilitas.
b. Justifikasi Metodologis dalam Menjangkau Populasi Tersembunyi dan Marginal
Penelitian ilmiah sering kali dihadapkan pada realitas lapangan di mana batas-batas populasi tidak terdefinisi secara jelas atau bahkan tersembunyi dari ruang publik. Kelompok marginal, pelaku aktivitas ilegal, penderita penyakit berstigma, atau komunitas tertutup tidak memiliki sampling frame yang tertata rapi.
Memaksakan teknik pengambilan sampel acak pada kondisi ini bukan hanya secara praktis mustahil, melainkan juga berpotensi menghasilkan bias seleksi yang sangat parah karena marjinalisasi partisipan yang menolak terlibat.
Dalam situasi yang krusial ini, teknik non-probabilitas seperti purposive dan snowball sampling menjadi instrumen metodologis yang paling rasional dan rasional secara etis. Melalui mekanisme pelacakan berbasis jaringan interpersonal atau penetapan kriteria inklusi yang ketat, peneliti dapat menembus batasan sosial yang kaku.
Justifikasi teknik ini berakar pada kebutuhan untuk mengakses realitas yang tertutup dari metode konvensional. Peneliti memanfaatkan struktur sosial eksternal untuk membangun kepercayaan yang diperlukan dalam pengumpulan data.
Lebih dari sekadar alat aksesibilitas, pendekatan ini mengakui dinamika kekuasaan dan kerentanan yang melekat pada populasi marginal. Sampel probabilitas secara implisit mengasumsikan bahwa setiap individu memiliki keterjangkauan dan kesediaan yang sama untuk berpartisipasi, sebuah asumsi yang acap kali meleset pada kelompok terpinggirkan.
Dengan pendekatan non-probabilitas, peneliti dapat merancang strategi interaksi yang responsif terhadap kondisi psikologis dan sosial partisipan, sehingga data yang diperoleh memiliki tingkat kejujuran yang tinggi.
Kualitas dari pemanfaatan teknik ini tidak diukur dari kemampuannya untuk mendeskripsikan tren umum populasi, melainkan dari kemampuannya memetakan variasi internal di dalam kelompok tersebut.
Peneliti dapat melacak beragam tipologi pengalaman atau dinamika yang terjadi di ranah yang tidak terjangkau tersebut. Keberhasilan pelacakan ini memberikan kontribusi yang signifikan bagi inklusivitas ilmu pengetahuan, membawa suara-suara terbungkam ke dalam wacana akademik utama.
Dengan demikian, pengunaan sampel non-probabilitas pada populasi tersembunyi bukanlah keputusan kompromistis atas keterbatasan fasilitas, melainkan strategi ilmiah yang disengaja.
Strategi ini menggabungkan kepekaan metodologis dengan rigouritas akademik untuk mengungkap realitas empiris yang tersembunyi. Keberhasilan menembus batas-batas tersebut menegaskan bahwa kualitas data ilmiah sangat ditentukan oleh ketepatan strategi pencapaian sasaran riset.
c. Kedalaman Kontekstual versus Karakteristik Agregat Statistik
Paradigma kuantitatif konvensional cenderung mereduksi kompleksitas individu menjadi variabel-variabel yang terisolasi demi mengejar homogenitas kuantitatif. Proses agregasi statistik ini sering kali mengikis konteks lokal, latar sejarah, dan dinamika interaksional yang melingkupi suatu fenomena.
Padahal, dalam banyak kasus, konteks bukanlah sekadar variabel pengganggu (confounding variable), melainkan substansi utama dari fenomena itu sendiri yang harus dipahami secara mendalam.
Sampel non-probabilitas memprioritaskan penangkapan kedalaman kontekstual daripada pencapaian angka agregat yang luas. Peneliti secara sengaja memilih unit analisis yang berada dalam situasi, lingkungan, atau kondisi spesifik yang kaya akan dinamika.
Pendekatan ini memungkinkan ekstraksi data yang komprehensif, mencakup narasi, nuansa, serta interaksi antarvariabel dalam setting alaminya. Fokus utamanya adalah memahami bagaimana suatu proses terjadi dalam batas kontekstualnya yang unik.
Kelebihan utama dari fokus kontekstual ini adalah kemampuan untuk menghasilkan thick description deskripsi mendalam yang menyingkap struktur makna di balik tindakan sosial. Agregat statistik hanya mampu menunjukkan "apa" dan "berapa banyak", tetapi kerap gagal menjelaskan "mengapa" dan "bagaimana" suatu peristiwa berproses. Melalui pemilihan sampel yang tepat dan kontekstual, peneliti dapat melacak alur kausalitas kualitatif yang mengikat berbagai elemen fenomena secara rinci.
Implikasi dari kedalaman ini adalah munculnya pemahaman yang utuh tentang realitas empiris yang tidak linier. Kehidupan sosial penuh dengan kontradiksi, ambiguitas, dan kekhasan yang sering kali dianggap sebagai outlier dan dieliminasi dalam analisis statistik standar.
Sampel non-probabilitas justru kerap sengaja berfokus pada kasus-kasus ekstrem atau menyimpang tersebut untuk menguji batas-batas teori yang ada dan memperkaya pemahaman ilmiah.
Oleh karena itu, keunggulan sampel non-probabilitas dalam menangkap kedalaman kontekstual menjadi argumen kuat yang menolak tuduhan inferioritas metodologis.
Ketika konteks dipahami sebagai bagian tak terpisahkan dari fenomena, maka ketepatan seleksi sampel yang kaya konteks menjadi syarat mutlak keabsahan riset. Kualitas penelitian dengan demikian ditentukan oleh sejauh mana konteks tersebut berhasil diurai dan dimaknai secara kritis.
d. Batas Epistemis Generalisasi Inferensial dan Alternatif Generalisasi Teoritik
Salah satu kritik utama terhadap sampel non-probabilitas adalah ketidakmampuannya untuk melakukan generalisasi statistik terhadap populasi sasaran. Kritik ini valid secara matematis karena tanpa pendaftaran elemen acak, estimasi standar eror dan tingkat kepercayaan tidak dapat dihitung secara sahih.
Namun, menjadikan generalisasi statistik sebagai satu-satunya kriteria keberhasilan riset adalah pandangan epistemologis yang reduksionisme dan membatasi perkembangan ilmu pengetahuan.
Sebagai tandingannya, sampel non-probabilitas bersandar pada konsep generalisasi teoritik (theoretical/analytic generalization). Dalam kerangka ini, hasil penelitian tidak ditransfer langsung ke sampel populasi yang lebih luas secara sistematis, melainkan ditransfer ke dalam abstrak theoretical domain.
Peneliti menggunakan temuan empiris dari sampel tertentu untuk menguji, memodifikasi, atau membangun proposisi teoritis baru yang memiliki daya jelas lintas konteks.
Generalisasi teoritik bekerja melalui logika replikasi dan abstraksi konsep, bukan melalui perhitungan frekuensi kejadian. Jika suatu mekanisme sosial atau psikologis terbukti bekerja pada sampel yang dipilih secara cermat dalam kondisi tertentu, maka pola tersebut dapat dihipotesiskan berlaku pada kondisi lain yang memiliki karakteristik struktural yang serupa. Validitas generalisasi ini diuji melalui sejauh mana teori yang dihasilkan mampu menjelaskan fenomena sejenis di tempat lain.
Proses ini menuntut analisis perbandingan yang konstan (constant comparative method) dan rigorousitas dalam pengolahan konsep. Peneliti harus mampu memisahkan elemen-elemen yang bersifat khusus dari kasus yang diteliti dengan elemen-elemen yang bersifat universal dan berpotensi menjadi kerangka teori.
Sampel non-probabilitas yang dipilih secara ketat menyediakan bahan baku yang sangat kaya untuk proses abstraksi dan formulasi teori tingkat tinggi ini.
Dengan demikian, batasan epistemis dari generalisasi inferensial statistik tidak lantas mematikan kontribusi ilmiah dari sampel non-probabilitas. Sebaliknya, hal ini membuka jalan bagi bentuk generalisasi yang lebih kaya, yaitu generalisasi yang membangun kerangka konseptual untuk memahami realitas sosial secara lebih luas. Kualitas sampel non-probabilitas justru diuji dari sejauh mana sampel tersebut mampu menjadi pijakan kokoh bagi pengembangan teori baru.
e. Mengeliminasi Persepsi "Pengambilan Sampel Seadanya"
Mitos paling merusak dalam praktik penelitian adalah anggapan bahwa sampel non-probabilitas adalah sinonim dari kemalasan metodologis atau pengambilan sampel asal-asalan (convenience sampling tanpa kriteria).
Ketiadaan rumus acak sering kali disalahartikan sebagai ketiadaan aturan yang mengikat. Persepsi ini memperlemah posisi ilmiah sampel non-probabilitas dan memicu kompromi kualitas pada riset-riset empiris.
Padahal, sampel non-probabilitas yang berkualitas memerlukan rigouritas desain yang sama ketatnya bahkan sering kali lebih rumit dibandingkan sampel acak.
Peneliti harus menetapkan protokol seleksi yang sangat mendalam, mencakup diferensiasi kriteria inklusi dan eksklusi, pemetaan variasi kasus, serta artikulasi rasionalitas teoritis dibalik setiap keputusan penarikan sampel. Rigouritas ini menuntut refleksivitas yang tinggi dan transparansi proses yang teruji.
Proses penetapan kriteria seleksi harus didasarkan pada tinjauan pustaka yang komprehensif dan pemahaman lapangan yang matang. Peneliti tidak sekadar memilih partisipan yang mudah dijangkau, melainkan berburu partisipan yang secara teoretis paling informatif (information-rich cases).
Setiap keputusan untuk memasukkan atau mengeluarkan unit dari sampel harus disertai dengan catatan metodologis (audit trail) yang dapat dipertanggungjawabkan di hadapan publik akademik.
Selain itu, evaluasi terhadap kejenuhan data (data saturation) harus dilakukan secara sistematis selama proses pengumpulan data berlangsung, bukan dihitung secara mekanis di akhir riset.
Peneliti terus mengevaluasi apakah penambahan sampel baru masih memberikan wawasan konseptual baru atau hanya mengulang pola yang sudah ada. Kejelasan kriteria dalam menghentikan penambahan sampel ini menjadi salah satu indikator utama rigouritas desain sampel non-probabilitas.
Dengan menaruh perhatian besar pada rigouritas desain, klaim bahwa sampel non-probabilitas adalah instrumen "seadanya" dapat dipatahkan secara tegas. Kualitas sampel jenis ini merupakan hasil dari perencanaan teoritis yang matang, pelaksanaan lapangan yang teliti, dan transparansi analitis yang konsisten.
Hanya melalui rigouritas seperti inilah sampel non-probabilitas dapat memproduksi pengetahuan ilmiah yang kredibel dan berdampak luas.
Ya Allah, Dzat yang menguasai segala sumber ilmu dan hikmah, limpahkanlah kepada kami ketelitian dalam berpikir, kejujuran dalam berkaidah metodologis, serta jauhkanlah kami dari kesombongan intelektual dan kelalaian dalam mengkaji ilmu-Mu. Aamiin.
2. Taksonomi dan Strategi Pengayaan Kualitas Sampel Non-Probabilitas
Kajian pada bagian ini menguraikan beragam teknik dalam rumpun sampel non-probabilitas serta strategi-strategi substantif untuk meningkatkan mutunya agar memenuhi standar kriteria ilmiah.
a. Purposive Sampling: Kriteria Inklusi-Eksklusi Berbasis Kerangka Konseptual
Purposive sampling atau pengambilan sampel bertujuan merupakan teknik paling dominan dalam kerangka non-probabilitas yang bertumpu sepenuhnya pada pertimbangan strategis peneliti.
Namun, kekuatannya sangat bergantung pada seberapa jauh keputusan tersebut dituntun oleh kerangka konseptual yang kokoh. Tanpa landasan teori yang jelas, teknik ini berisiko tergelincir menjadi pilihan intuitif yang subjektif dan sulit dipertahankan secara ilmiah.
Penetapan kriteria inklusi dan eksklusi merupakan inti dari operasionalisasi purposive sampling. Kriteria inklusi harus dirancang secara presisi untuk menangkap karakteristik teoritis yang esensial bagi penjelajahan variabel riset.
Sebaliknya, kriteria eksklusi berfungsi memurnikan sampel dari faktor-faktor pengganggu yang dapat membiaskan penafsiran makna atau dinamika kausal yang sedang diteliti. Kedua kriteria ini harus diturunkan secara logis dari tinjauan literatur.
Strategi pengayaan kualitas pada teknik ini dilakukan melalui pemetaan kriteria yang mencakup variasi maksimal (maximum variation sampling) atau kasus ekstrem (extreme/deviant case sampling).
Dengan secara sengaja memasukkan unit-unit yang bervariasi lebar pada dimensi tertentu, peneliti dapat menguji kekuatan teori dalam menyerap rentang perbedaan tersebut. Sebaliknya, memilih kasus ekstrem membantu menyingkap batas-batas kondisi di mana suatu teori tidak lagi berlaku.
Transparansi metodologis menjadi ukuran mutu utama dalam aplikasi purposive sampling. Peneliti wajib mendokumentasikan alasan teoretis di balik pemilikan setiap kriteria dan bagaimana kriteria tersebut berinteraksi dengan realitas lapangan.
Pertanggungjawaban ini memungkinkan peneliti lain mengevaluasi validitas internal riset serta menilai sejauh mana kriteria seleksi yang digunakan relevan dengan pertanyaan penelitian yang diajukan.
Dengan demikian, purposive sampling yang dirancang secara matang bukanlah bentuk kesewenang-wenangan peneliti, melainkan manifestasi dari kontrol metodologis berbasis teori.
Ketika kriteria inklusi dan eksklusi diartikulasikan secara ilmiah, sampel yang dihasilkan akan memiliki tingkat kekayaan data yang sangat tinggi. Hal ini menjadikan teknik purposive sebagai instrumen utama dalam riset yang mengejar kedalaman analitis.
b. Snowball Sampling: Pemetaan Jaringan dan Kontrol Bias Rujukan
Snowball sampling merupakan strategi utama dalam meneliti fenomena sosial yang terisolasi atau kelompok yang memiliki tingkat kepercayaan rendah terhadap pihak luar. Teknik ini mengandalkan mekanisme rujukan berantai, di mana partisipan awal (seed) merekomendasikan partisipan berikutnya yang memenuhi kriteria riset.
Kendati sangat efektif untuk penetrasi lapangan, teknik ini membawa risiko bawaan berupa bias rujukan (referral bias) dan homogenitas sampel karena partisipan cenderung merekomendasikan individu dalam lingkaran sosial terdekat mereka.
Untuk mengayakan kualitas snowball sampling, peneliti harus menerapkan strategi kontrol jaringan yang aktif dan sistematis. Peneliti tidak boleh secara pasif menerima setiap rujukan yang diberikan, melainkan harus mengevaluasi posisi struktural partisipan baru dalam jaringan sosial tersebut.
Langkah krusial yang perlu diambil adalah memulai rantai rujukan dari beberapa seeds yang bervariasi secara demografis, geografis, atau ideologis demi mematahkan perangkap klausa sosial yang homogen.
Selain itu, peneliti perlu membatasi jumlah panjang rantai rujukan dari satu sumber (chain length control) guna mencegah dominasi perspektif dari satu sub-kelompok sosial tertentu.
Jika suatu rantai rujukan mulai menunjukkan titik jenuh informasi yang homogen, peneliti harus secara sengaja memotong rantai tersebut dan membuka seed baru di simpul jaringan yang berbeda. Strategi ini memastikan pembentukan variasi data yang cukup kaya di dalam sampel yang terkumpul.
Pemetaan visual terhadap jaringan rujukan (sociogram) juga dapat digunakan sebagai alat kontrol metodologis untuk memantau penyebaran sampel. Melalui dokumentasi jaringan ini, peneliti dapat mendeteksi keberadaan echo chamber atau kelompok terpencar yang belum terwakili dalam proses pengumpulan data. Pengawasan yang konstan terhadap arah pergerakan rujukan merupakan benteng utama dalam menjaga kredibilitas hasil penelitian.
Oleh karena itu, kualitas snowball sampling sangat ditentukan oleh kecermatan peneliti dalam mengelola dan membatasi dinamika rujukan sosial. Melalui kombinasi seeds yang heterogen, pemotongan rantai selektif, dan pemetaan jaringan yang ketat, bias rujukan dapat ditekan serendah mungkin. Hasilnya adalah sampel berantai yang tidak hanya memiliki aksesibilitas tinggi, tetapi juga keterwakilan variasi yang valid secara analitis.
c. Theoretical Sampling dalam Grounded Theory: Interaksi Dinamis Data dan Teori
Theoretical sampling merupakan varian unik dari sampel non-probabilitas yang menjadi pilar utama dalam tradisi Grounded Theory. Berbeda dengan teknik penarikan sampel lain yang strukturnya ditetapkan di awal penelitian, theoretical sampling bersifat emergensi dan kualitatif secara penuh.
Penanganan sampel dilakukan secara iteratif, di mana keputusan penambahan partisipan berikutnya dituntun oleh analisis data yang sedang berlangsung dan pengembangan kategori teori yang tengah dibangun.
Proses ini menciptakan interaksi yang sangat dinamis antara pengumpulan data, pengodean (coding), dan konseptualisasi teori. Peneliti menganalisis data dari partisipan awal, merumuskan kategori teoritis tentatif, lalu secara sengaja memilih partisipan baru yang memiliki karakteristik khusus untuk menguji, memperluas, atau memodifikasi kategori tersebut.
Sampel terus bertambah bukan demi pemenuhan kuota kuantitatif, melainkan demi pengembangan sifat (properties) dan dimensi dari kategori teori tersebut.
Strategi pengayaan kualitas pada theoretical sampling bertumpu pada keberanian peneliti untuk membiarkan teori yang muncul mengarahkan pencarian data di lapangan.
Peneliti harus peka terhadap kesenjangan konseptual dalam kategorinya dan memilih kasus-kasus pembanding yang relevan (comparative cases). Proses ini menuntut refleksivitas yang sangat tinggi dan kebebasan dari prakonsepsi teoritis yang kaku agar konstruksi teori yang dihasilkan benar-benar grounded pada data.
Penghentian theoretical sampling hanya dapat dilakukan ketika penelitian mencapai tahap theoretical saturation kondisi di mana pengumpulan data tambahan tidak lagi memunculkan sifat atau dimensi baru bagi kategori teori yang telah dikembangkan.
Peneliti wajib memberikan bukti transparan bahwa tingkat kejenuhan tersebut telah dicapai melalui penyajian variasi data yang komprehensif. Transparansi iterasi ini menjadi tolok ukur utama dari rigoritas theoretical sampling.
Dengan demikian, theoretical sampling menempatkan seleksi sampel sebagai bagian tak terpisahkan dari proses pembentukan teori itu sendiri. Teknik ini memastikan bahwa teori yang dibangun tidak bertumpu pada asumsi spekulatif, melainkan pada akumulasi bukti empiris yang dicari secara sistematis. Kualitas sampel dalam konteks ini diukur dari seberapa kuat sampel tersebut memfasilitasi abstraksi teoritis yang matang dan sahih.
d. Quota Sampling: Penyeimbangan Proporsi tanpa Kerangka Probabilitas
Quota sampling sering kali dipandang sebagai upaya mendekati karakteristik sampel probabilitas di dalam kerangka non-probabilitas. Peneliti menentukan kuota spesifik untuk variabel-variabel demografis atau teoritis tertentu seperti usia, jenis kelamin, tingkat pendidikan, atau status ekonomi berdasarkan matriks karakteristik populasi yang diketahui. Kendati tidak menggunakan pemilihan acak, teknik ini bertujuan untuk memastikan bahwa struktur sampel tidak timpang ekstrem pada variabel-variabel kunci tersebut.
Kualitas dari quota sampling sangat bergantung pada dasar penetapan variabel kuota dan rasionalitas pembagian kategorinya. Peneliti tidak boleh sekadar memilih variabel yang paling mudah diukur, melainkan harus memilih variabel-variabel yang secara teoritis terbukti memiliki hubungan kausal atau korelasi kuat dengan fokus penelitian. Pemilihan variabel kuota yang keliru akan menghasilkan sampel yang tampak seimbang di permukaan, namun bias secara substantif pada fenomena yang diteliti.
Untuk mengayakan kualitas teknik ini, peneliti perlu menerapkan strategi penarikan partisipan yang meminimalkan bias kenyamanan (convenience bias) di dalam setiap sel kuota. Meskipun pemilihan individu di dalam sel tidak acak, peneliti harus menetapkan batasan kaku mengenai lokasi, waktu, dan cara rekrutmen partisipan. Diversifikasi tempat dan strategi rekrutmen di dalam satu kategori kuota membantu mengurangi kecenderungan terkumpulnya partisipan dari latar belakang homogen.
Tantangan utama dari quota sampling adalah risiko terabaikannya variabel-variabel tersembunyi (uncontrolled variables) yang tidak masuk dalam matriks kuota. Peneliti yang terlalu berfokus pada pemenuhan angka kuota sering kali mengabaikan variasi kualitatif di dalam tiap kelompok.
Oleh sebab itu, evaluasi kualitatif terhadap karakteristik partisipan di luar variabel kuota harus tetap dijalankan secara kritis selama proses pengumpulan data.
Dengan penerapan kontrol seleksi yang diperketat dan penetapan variabel kuota yang relevan secara teoritis, quota sampling dapat memberikan representasi struktural yang memadai untuk kajian eksploratif maupun deskriptif.
Teknik ini menawarkan efisiensi operasional tanpa sepenuhnya mengorbankan keseimbangan karakteristik sampel. Kuncinya terletak pada kecermatan perancangan matriks kuota dan disiplin pelaksanaan rekrutmen di lapangan.
Yaa Allah, Dzat Yang Maha Menata lagi Maha Teliti, karuniakanlah kepada kami kecermatan dalam merancang instrumen ilmiah, kebajikan dalam mengambil keputusan metodologis, serta bimbinglah kami agar senantiasa menjaga kebenaran data demi kemaslahatan umat. Aamiin.
3. Evaluasi Validitas, Kredibilitas, dan Integritas Analitis
Kajian pada bagian ini mengulas mekanisme kritis dalam menguji dan mempertahankan kualitas ilmiah sampel non-probabilitas melalui kriteria penjaminan mutu kualitatif serta refleksivitas peneliti.
a. Konstruksi Kredibilitas (Credibility) dan Keabsahan Data melalui Triangulasi Sampel
Dalam paradigma riset yang memanfaatkan sampel non-probabilitas, konsep validitas internal konvensional ditransformasikan menjadi kredibilitas atau derajat kepercayaan (truth value).
Kredibilitas tidak dijamin oleh besarnya ukuran sampel atau rumus statistik, melainkan oleh sejauh mana rekonstruksi data yang dilakukan peneliti mampu merepresentasikan realitas sosial partisipan secara jujur dan akurat. Untuk mencapai tingkat kredibilitas yang tinggi, triangulasi sampel menjadi strategi metodologis yang mutlak diperlukan.
Triangulasi sampel dilakukan dengan sengaja mengambil partisipan dari berbagai tingkatan, latar belakang, atau perspektif sosial yang berbeda mengenai satu fenomena yang sama.
Dengan membandingkan informasi yang diberikan oleh partisipan dari simpul-simpul posisi yang berbeda, peneliti dapat memverifikasi keabsahan klaim, mengidentifikasi bias individual, serta memetakan kompleksitas masalah secara lebih utuh. Strategi ini mencegah penelitian terjebak pada narasi tunggal yang searah.
Selain itu, pelaksanaan member checking mengonfirmasi kembali temuan atau interpretasi sementara kepada partisipan yang menjadi sampel menjadi alat kontrol kualitas yang sangat krusial.
Proses ini memberikan kesempatan bagi partisipan untuk mengoreksi kekeliruan pemaknaan, memberikan klarifikasi atas konteks narasi, serta memvalidasi keakuratan kualitatif data. Kredibilitas sampel dengan demikian dibangun melalui dialog berkelanjutan antara peneliti dan realitas empiris.
Langkah pengayaan kredibilitas ini juga harus ditopang oleh perpanjangan waktu pengamatan (prolonged engagement) di lapangan. Kehadiran peneliti yang cukup memungkinkan proses penyeleksian sampel berlangsung secara lebih alami dan tidak tergesa-gesa.
Peneliti dapat mengidentifikasi mana partisipan yang benar-benar informatif dan mana yang memberikan jawaban yang dipengaruhi oleh norma sosial semata (social desirability bias).
Secara keseluruhan, kredibilitas sampel non-probabilitas tidak didapatkan secara otomatis, melainkan diproduksi melalui pengujian ketat di lapangan. Triangulasi sampel dan konfirmasi partisipan berfungsi sebagai instrumen verifikasi yang memastikan bahwa data yang terkumpul memiliki kedalaman empiris yang sahih. Hanya dengan demikian, hasil analisis dari sampel non-probabilitas dapat dipertanggungjawabkan kekuatan kebenarannya.
b. Refleksivitas Peneliti (Researcher Positionalities) dan Mitigasi Bias Seleksi
Dalam penggunaan sampel non-probabilitas, peneliti bertindak sebagai key instrument yang memegang kendali penuh atas keputusan penarikan sampel. Konsekuensinya, subjektivitas, asumsi implisit, posisi sosial, serta latar belakang teoritis peneliti (positionality) akan secara langsung memengaruhi siapa yang dipilih dan siapa yang dieksklusi dari sampel. Ketiadaan mekanisme acak mekanis menuntut transparansi total mengenai peran serta bias internal yang mungkin terbawa oleh peneliti.
Refleksivitas adalah praktik metodologis kritis di mana peneliti secara sadar dan berkelanjutan mengevaluasi posisi dirinya dalam hubungan kekuasaan dan interaksi sosial dengan partisipan.
Peneliti harus memetakan bagaimana identitas gender, kelas sosial, etnisitas, atau latar belakang akademik mereka memfasilitasi atau justru membatasi akses terhadap partisipan tertentu. Pemahaman atas positionality ini membantu mengidentifikasi potensi bias seleksi yang tidak disadari sejak awal riset.
Mitigasi bias seleksi dilakukan dengan menyusun jurnal refleksif (reflexive journal) secara konsisten sepanjang proses penentuan sampel. Dalam jurnal ini, peneliti mencatat alasan emosional, praktis, dan intelektual di balik keputusan memilih atau menolak partisipan tertentu.
Dokumentasi ini menjadi bahan evaluasi mandiri yang kritis untuk memastikan bahwa kriteria seleksi tetap setia pada kerangka teoritis, bukan dituntun oleh kenyamanan subjektif atau preferensi pribadi peneliti.
Selain itu, keterlibatan peer debriefing atau diskusi kritis dengan sejawat akademik yang tidak terlibat langsung dalam riset berfungsi sebagai mekanisme kontrol eksternal. Peneliti mempresentasikan rasionalitas pemilihan sampelnya kepada pihak ketiga untuk diuji objektivitas dan logika akademiknya. Diskusi ini membantu membuka titik-titik buta (blind spots) yang mungkin gagal ditangkap oleh peneliti utama akibat kedekatan berlebih dengan lapangan.
Dengan demikian, refleksivitas mengubah potensi kelemahan subjektivitas peneliti menjadi kekuatan analitis yang transparan. Kualitas sampel non-probabilitas sangat bergantung pada sejauh mana peneliti jujur memaparkan posisi dirinya dan secara aktif memitigasi bias seleksi yang menyertainya. Keberhasilan dalam mengelola refleksivitas ini merupakan indikator utama maturitas intelektual seorang peneliti.
c. Penentuan Titik Kejenuhan Data (Data Saturation) sebagai Indikator Kecukupan Sampel
Pertanyaan mendasar yang sering diajukan pada penelitian dengan sampel non-probabilitas adalah "kapan jumlah sampel dianggap cukup?". Penentuan ukuran sampel dalam paradigma ini tidak didasarkan pada rumus kalkulasi varians kuantitatif, melainkan pada prinsip data saturation atau kejenuhan data.
Sampel dianggap telah mencukupi apabila penambahan unit analisis baru tidak lagi menghasilkan informasi, kode, atau tema baru yang substantif bagi pengembangan riset.
Mencapai kejenuhan data memerlukan analisis data yang dilakukan secara simultan dengan pengumpulan data (continuous data analysis).
Peneliti tidak menunggu seluruh data terkumpul untuk mulai melakukan koding, melainkan mengodekan data secara bertahap sejak partisipan pertama. Melalui proses komparasi konstan antara data baru dan data terdahulu, peneliti dapat secara presisi mengukur tingkat kemunculan informasi baru (information yield) pada setiap penambahan sampel.
Kejenuhan data tidak boleh diklaim secara subjektif tanpa bukti operasional yang jelas. Peneliti harus mampu menunjukkan dalam laporan risetnya jejak analisis yang membuktikan bahwa kategori-kategori teoritis telah terisi secara komprehensif dan tidak ada lagi celah informasi yang signifikan.
Dokumentasi berupa matriks pengembangan tema atau grafik penurunan temuan kode baru dapat digunakan untuk menunjukkan bahwa titik jenuh benar-benar telah dicapai secara objektif.
Risiko utama dalam penentuan kejenuhan ini adalah premature saturation mengklaim kejenuhan terlalu dini akibat kurang mendalamnya proses wawancara atau pengamatan.
Untuk menghindari jebakan ini, peneliti harus memastikan bahwa variasi partisipan yang disyaratkan dalam kriteria inklusi telah tereksplorasi secara maksimal sebelum menyimpulkan bahwa data telah jenuh. Kejenuhan harus mencerminkan kedalaman fenomena, bukan sekadar pengulangan permukaan jawaban partisipan.
Oleh karena itu, data saturation merupakan kriteria pemungkas yang menentukan validitas kecukupan sampel non-probabilitas. Kriteria ini menggeser fokus dari kuantitas sampel menuju kualitas dan kelengkapan informasi empiris. Penentuan titik jenuh yang ketat dan terbukti secara terperinci memastikan bahwa kesimpulan penelitian dibangun di atas fondasi data yang benar-benar kokoh dan kaya.
d. Transparansi Jejak Audit Metodologis (Audit Trail) untuk TransferabilitasTemuan
Karena hasil penelitian dengan sampel non-probabilitas tidak dapat digeneralisasikan secara statistik ke populasi luas, riset ini mengandalkan kriteria transferabilitas (transferability).
Transferabilitas merujuk pada kemungkinan bagi pembaca atau peneliti lain untuk menerapkan hasil penelitian pada konteks sosial atau setting lain yang memiliki karakteristik serupa. Syarat mutlak terlaksananya transferabilitas ini adalah ketersediaan jejak audit metodologis (audit trail) yang transparan dan rinci.
Jejak audit adalah dokumentasi sistematis dari seluruh perjalanan metodologis riset, khusus mendokumentasikan keputusan-keputusan terkait sampel. Peneliti wajib memaparkan secara terperinci konteks sosial lokasi riset, kriteria spesifik pemilihan partisipan, kendala rekrutmen yang dihadapi, hingga alasan modifikasi strategi di lapangan.
Deskripsi kontekstual yang kaya (thick description) memungkinkan pihak luar menilai kesepadanan (fittingness) antara riset asal dengan konteks baru yang ingin diteliti.
Transparansi audit ini juga mencakup pengungkapan kegagalan seleksi sampel atau kasus-kasus kontradiktif yang ditemukan selama pengumpulan data. Mengabaikan atau menyembunyikan partisipan yang jawabannya bertentangan dengan hipotesis awal justru merusak integritas analitis riset.
Sebaliknya, melaporkan kasus menyimpang (negative case analysis) dan menjelaskan bagaimana kasus tersebut dimaknai dalam kerangka analisis akan meningkatkan objektivitas dan kekuatan saintifik penelitian.
Penyusunan jejak audit yang kokoh membutuhkan kedisiplinan pencatatan sejak hari pertama penelitian dimulai. Peneliti harus mengorganisir lembar persetujuan (informed consent), catatan lapangan, transkrip, hingga draf kategorisasi dalam sistem pengarsipan yang mudah diverifikasi.
Keberadaan jejak audit ini memungkinkan peneliti lain melakukan konfirmabilitas (confirmability audit) untuk menguji apakah temuan benar-benar berasal dari data sampel atau sekadar rekaan peneliti.
Dengan demikian, jejak audit metodologis merupakan jaminan transparansi yang menegakkan eksistensi ilmiah sampel non-probabilitas. Ketiadaan generalisasi matematis digantikan oleh kejujuran deskripsi kontekstual yang memungkinkan transferabilitas pengetahuan secara rasional. Pembentukan audit trail yang menyeluruh menegaskan bahwa sampel non-probabilitas dikelola dengan standar akuntabilitas akademik tertinggi.
Yaa Allah, Tuhan Yang Maha Adil lagi Maha Mengetahui, berikanlah kami kejujuran dalam menyajikan data, ketelitian dalam mengaudit setiap langkah ilmiah kami, serta lindungilah kami dari tindakan manipulasi ilmu demi mengejar prasangka dan kepentingan sesaat. Aamiin.
4. Konvergensi Metodologis dan Implikasi Praktis
Kajian pada bagian ini menguraikan penerapan pragmatis sampel non-probabilitas dalam konteks riset era digital serta integrasinya ke dalam pendekatan metode campuran (mixed methods).
a. Pemilihan Sampel Non-Probabilitas di Era Big Data dan Ranah Digital
Lompatan teknologi informasi dan ledakan Big Data telah mengubah lanskap penelitian sosial secara fundamental, namun sekaligus memunculkan tantangan metodologis baru. Aktivitas pengguna internet menghasilkan jejak digital yang berlimpah dalam bentuk unggahan media sosial, forum daring, serta data transaksi.
Meskipun data ini berjumlah raksasa (massive volume), sebagian besar sampel digital bersifat non-probabilitas karena hanya mewakili demografi pengguna platform tertentu yang aktif secara digital, serta dipengaruhi oleh algoritma rekomendasi platform.
Menghadapi realitas digital ini, peneliti tidak boleh terjebak dalam ilusi bahwa ukuran data yang sangat besar secara otomatis menggantikan kebutuhan akan kaidah penarikan sampel yang benar. Menganalisis jutaan cuitan di media sosial tanpa kriteria seleksi yang spesifik tetap berisiko menghasilkan systematic bias yang parah.
Oleh karena itu, penerapan teknik sampel non-probabilitas yang terstruktur seperti purposive digital sampling atau netnografi menjadi sangat krusial untuk menyaring noise dan mengekstrak makna yang relevan secara teoretis.
Strategi seleksi sampel digital harus memperhitungkan arsitektur teknis dan algoritma platform yang menjadi sumber data. Peneliti wajib merumuskan kriteria inklusi berbasis aktivitas akun, konteks tagar (hashtags), atau keanggotaan dalam komunitas daring tertentu untuk memastikan bahwa unit data yang diambil benar-benar mewakili fenomena sosial yang diteliti. Pemahaman atas bias aksesibilitas digital seperti kesenjangan akses internet atau perilaku partisipasi anonim harus menjadi bagian integral dari analisis kepemilikan sampel.
Selain itu, etika penarikan sampel digital menuntut kecermatan ekstra terkait privasi dan persetujuan partisipan. Meskipun data tersedia di ruang publik digital, mengutip atau mengambil sampel dari unggahan individu tetap memerlukan pertimbangan etis mengenai potensi risiko identifikasi ulang (re-identification). Peneliti harus menerapkan teknik anonimisasi sampel yang ketat untuk melindungi hak-hak subjek dalam ekosistem digital yang rentan.
Dengan demikian, era Big Data tidak membuat sampel non-probabilitas menjadi usang, melainkan justru memperluas ranah aplikasinya dengan tuntutan rigoritas yang lebih tinggi. Keberhasilan riset digital sangat ditentukan oleh keahlian peneliti dalam mengombinasikan kelimpahan data digital dengan strategi penyeleksian sampel yang tajam secara konseptual. Sampel non-probabilitas yang terkelola dengan baik menjadi kunci untuk menyingkap dinamika humanis di balik tumpukan angka-angka digital.
b. Integrasi Sampel Non-Probabilitas dalam Desain Mixed Methods
Dalam era lintas disiplin saat ini, penggunaan mixed methods (metode campuran) telah menjadi standar emas untuk membedah fenomena sosial yang kompleks. Integrasi antara pendekatan kuantitatif dan kualitatif menuntut konvergensi strategi penarikan sampel yang harmonis.
Sampel non-probabilitas memainkan peran yang sangat strategis dalam berbagai variasi desain mixed methods, baik sebagai instrumen eksplorasi awal maupun sebagai sarana eksplanasi mendalam atas hasil kuantitatif.
Dalam desain eksplanatori sekuensial (sequential explanatory design), riset dimulai dengan survei berbasis sampel probabilitas untuk memetakan tren umum, yang kemudian diikuti oleh studi kualitatif mendalam menggunakan sampel non-probabilitas.
Peneliti secara sengaja memilih partisipan (purposive sampling) dari hasil survei awal yang menunjukkan pola-pola ekstrem, menyimpang, atau tipikal. Sampel non-probabilitas dalam konteks ini berfungsi membedah mekanisme kausal dan makna subjektif di balik angka-angka statistik yang ditemukan sebelumnya.
Sebaliknya, dalam desain eksploratori sekuensial (sequential exploratory design), sampel non-probabilitas ditempatkan pada fase awal untuk mengeksplorasi fenomena yang belum memiliki kerangka teori yang jelas.
Data yang diperoleh dari partisipan yang dipilih secara purposif digunakan untuk membangun instrumen pengukur, merumuskan hipotesis, atau mendesain kuesioner survei yang nantinya akan disebarkan kepada sampel acak yang lebih luas. Di sini, sampel non-probabilitas bertindak sebagai pemandu peta konseptual riset.
Keberhasilan integrasi ini menuntut kejelasan fungsi dari masing-masing sampel pada setiap tahap riset agar tidak terjadi tumpang tindih epistemologis.
Peneliti harus secara tegas memisahkan klaim generalisasi statistik yang dihasilkan oleh sampel probabilitas dari klaim kedalaman makna yang dihasilkan oleh sampel non-probabilitas. Sinergi antara representativitas statistik dan kejenuhan konseptual ini akan menghasilkan kesimpulan riset yang jauh lebih utuh dan komprehensif.
Oleh karena itu, keberadaan sampel non-probabilitas dalam riset metode campuran membuktikan fleksibilitas dan daya kontribusinya yang tinggi bagi pengembangan ilmu pengetahuan.
Teknik ini bukan lawan dari sampel probabilitas, melainkan mitra dialogis yang saling melengkapi kelemahan masing-masing. Integrasi sampel yang tepat menjamin bahwa riset mampu menangkap gambaran besar sekaligus detail mikro dari suatu realitas empiris.
c. Rekomendasi Praktis untuk Peneliti dan Komite Etik Penelitian
Memaknai kualitas sampel non-probabilitas membutuhkan panduan praktis yang konkret bagi para peneliti di lapangan serta bagi komite etik yang mengevaluasi usulan riset.
Pertama, peneliti harus menghentikan kebiasaan mencantumkan kata convenience sampling secara asal-asalan tanpa disertai penjelasan rasionalitas teoritisnya.
Peneliti wajib menjabarkan secara rinci protokol penarikan sampel, kriteria inklusi-eksklusi, serta taktik pengayaan validitas data yang digunakan sejak tahap proposal.
Kedua, dalam laporan penelitian atau artikel ilmiah, penulisan bagian metodologi harus memberikan ruang yang cukup untuk memaparkan jejak audit pengambilan sampel. Peneliti harus menjelaskan secara jujur dinamika rekrutmen di lapangan, pertimbangan refleksivitas diri, serta cara mengatasi kendala aksesibilitas partisipan.
Transparansi ini penting agar komunitas akademik dapat menilai kredibilitas riset secara adil berdasarkan kaidah kualitatif atau non-probabilitas yang benar, bukan menggunakan kacamata kuantitatif secara membabi buta.
Ketiga, komite etik penelitian perlu memperluas pemahamannya mengenai validitas sampel non-probabilitas dengan tidak memaksakan kriteria representativitas statistik pada riset kualitatif atau eksploratif.
Penilaian etik harus berfokus pada kelayakan kriteria seleksi dalam melindungi partisipan rentan, kejelasan proses informed consent, serta keadilan dalam strategi rekrutmen. Komite etik harus memastikan bahwa penetapan sampel non-probabilitas didasarkan pada pertimbangan keselamatan dan kemanfaatan ilmiah yang optimal.
Keempat, pelatihan metodologi di tingkat perguruan tinggi perlu merevisi kurikulumnya agar tidak lagi menempatkan teknik non-probabilitas sebagai "pilihan sekunder" yang inferior.
Mahasiswa harus dibekali dengan pemahaman konseptual yang mendalam mengenai logika keterwakilan teoritis, teknik penetapan titik jenuh data, serta keterampilan refleksivitas. Pengajaran yang seimbang akan melahirkan generasi peneliti yang kompeten dan bertanggung jawab secara metodologis.
Dengan menerapkan rekomendasi praktis ini, ekosistem riset dapat bergerak menuju penilaian karya ilmiah yang lebih dewasa dan pluralis. Kualitas penelitian tidak lagi diukur dari kepatuhan buta pada dogma statistik, melainkan dari ketepatan alur berpikir metodologis yang disesuaikan dengan karakteristik pertanyaan riset. Langkah ini akan mendorong lahirnya karya-karya ilmiah yang kaya makna, teoretis, dan berdampak nyata bagi masyarakat.
Yaa Allah, Tuhan Yang Maha Pengasih lagi Maha Penyayang, berikanlah kemudahan dalam setiap langkah pengabdian ilmiah kami, karuniakanlah kearifan kepada para pembuat kebijakan akademik, serta jadikanlah setiap karya riset yang kami hasilkan sebagai jalan penerang bagi kemajuan peradaban manusia. Aamiin.
Penutup
Perjalanan eksplorasi metodologis ini menegaskan secara gamblang bahwa sampel non-probabilitas bukanlah sebuah kompromi atas keterbatasan, melainkan pilihan epistemologis yang sadar, terukur, dan memiliki bobot keabsahan ilmiah yang mandiri.
Mengukur kualitas sampel non-probabilitas menggunakan kacamata kuantitatif seperti representativitas statistik atau margin kesalahan adalah sebuah kekeliruan mendasar yang mereduksi hakikat pencarian kebenaran ilmiah.
Kekuatan utama dari sampel non-probabilitas terletak pada kemampuannya menyajikan keterwakilan konseptual, menembus kedalaman konteks sosial yang kompleks, serta memberikan akses mendalam terhadap realitas yang tidak terjangkau oleh jaring-jaring homogenitas sampel acak.
Integritas dan kredibilitas penelitian yang bersandar pada sampel non-probabilitas sepenuhnya ditentukan oleh rigoritas desain, kejujuran refleksif peneliti, serta transparansi dalam setiap tahap operasionalisasi lapangan.
Melalui penerapan kriteria inklusi-eksklusi yang tajam, pengelolaan jaringan rujukan yang terkontrol, pencapaian kejenuhan data yang terbukti, dan penyediaan jejak audit yang dapat dikonfirmasi, teknik non-probabilitas membuktikan dirinya sebagai instrumen pengembangan teori yang sangat tangguh.
Pada akhirnya, wacana ilmiah harus bergerak melampaui dikotomi dangkal antara probabilitas dan non-probabilitas, serta mulai berfokus pada keselarasan antara pertanyaan penelitian, logika metodologis, dan kedalaman makna yang dihasilkan demi kemajuan ilmu pengetahuan yang hakiki.
Yaa Allah, Tuhan Pencipta alam semesta yang Maha Sempurna, kami mengagungkan nama-Mu Yaa Allah atas segala limpahan rahmat, petunjuk, dan karunia akal budi yang memungkinkan kami menyelesaikan kajian ilmiah ini.
Ampunilah segala keterbatasan, kekhilafan, dan kelemahan dalam pemikiran kami, serta jadikanlah keilmuan yang kami perjuangkan ini sebagai amal jariyah yang bermanfaat, penerang dalam kegelapan, dan penuntun menuju kebenaran yang Engkau ridhai di dunia dan di akhirat. Amin Yaa Rabbal 'Alamin